Image processing and analysisThe im

Image processing and analysis

The image processing and image analysis are the core of computer vision with numerous algorithms and methods available to achieve the required classification and measure-ments (Krutz et al. 2000). However, image processing/ analysis involves a series of steps, which can be broadly divided into three levels: low level processing (image acquisition and pre-processing), intermediate level process-ing (image segmentation and image representation and description) and high level processing (recognition and interpretation) (Gunasegaram and Ding 1994; Sun 2000), as indicated in Fig. 2. The machine vision system, basically, comprises two main processes: (1) Image processing and

(2) Image analysis (Zuech et al. 2000). Image processing is not meant for extracting information from the image but for removal of faults like noise, blurring of image etc. To enhance and improve the acquired image for further analysis, various processing algorithms are used. Suppose the image obtained becomes blurred due to motion of the object. This blurring needs to be removed by image processing tools, before extracting any information about this object (Niku 2005). The various image processing techniques used for image enhancement are Dilation (to increase brightness of each pixel surrounded by neighbours with a higher intensity), Erosion (to reduce the brightness of pixels surrounded by neighbours with a lower intensity), Threshold (to convert the grey scale image into binary image), Close (to remove dark spots isolated in bright regions and smoothes boundaries) and Open (to remove bright spots isolated in dark regions and smoothes boundaries), etc. (Saeed et al. 2005). Tools used to improve image include lookup tables (converts grayscale values in the source image into other grayscale values in the trans-formed image), spatial filters (improve the image quality by removing noise and smoothing, sharpening, and trans-forming the image), grayscale morphology (extract and alter the structure of particles in an image), and frequency-domain processing (remove unwanted frequency informa-tion), etc. (Anon 2008). In spite of above, the basic machine vision and image processing algorithms can be divided in five major groups as: (1) Segmentation and algorithm development (2) Edge-detection techniques (3) Digital morphology (4) Texture and (5) Thinning and skeletoniza-tion algorithms (Russ 1992)

ผลลัพธ์ (ไทย) 1:

วิเคราะห์และประมวลผลภาพประมวลผลภาพและวิเคราะห์ภาพเป็นหัวใจหลักของคอมพิวเตอร์วิทัศน์กับอัลกอริทึมจำนวนมากและวิธีการเพื่อให้บรรลุความต้องการจัดประเภทและวัดดัง (Krutz et al. 2000) อย่างไรก็ตาม ภาพการประมวลผล / วิเคราะห์ประกอบด้วยขั้นตอนต่าง ๆ ซึ่งสามารถแบ่งออกกว้าง ๆ เป็นสามระดับ: การประมวลผลระดับต่ำ (การซื้อภาพและการประมวลผลล่วงหน้า), ระดับกลางระดับกระบวนการ-ing (แบ่งส่วนรูปภาพ และแสดงภาพ และคำอธิบาย) และการประมวลผล (การรับรู้และตีความ) ในระดับสูง (Gunasegaram และดิง 1994 อาทิตย์ 2000), ตามที่ระบุไว้ในรูปที่ 2 วิสัยทัศน์ระบบเครื่อง พื้น ประกอบด้วยกระบวนการหลักที่สอง: การประมวลผลภาพ (1) และ(2) Image analysis (Zuech et al. 2000). Image processing is not meant for extracting information from the image but for removal of faults like noise, blurring of image etc. To enhance and improve the acquired image for further analysis, various processing algorithms are used. Suppose the image obtained becomes blurred due to motion of the object. This blurring needs to be removed by image processing tools, before extracting any information about this object (Niku 2005). The various image processing techniques used for image enhancement are Dilation (to increase brightness of each pixel surrounded by neighbours with a higher intensity), Erosion (to reduce the brightness of pixels surrounded by neighbours with a lower intensity), Threshold (to convert the grey scale image into binary image), Close (to remove dark spots isolated in bright regions and smoothes boundaries) and Open (to remove bright spots isolated in dark regions and smoothes boundaries), etc. (Saeed et al. 2005). Tools used to improve image include lookup tables (converts grayscale values in the source image into other grayscale values in the trans-formed image), spatial filters (improve the image quality by removing noise and smoothing, sharpening, and trans-forming the image), grayscale morphology (extract and alter the structure of particles in an image), and frequency-domain processing (remove unwanted frequency informa-tion), etc. (Anon 2008). In spite of above, the basic machine vision and image processing algorithms can be divided in five major groups as: (1) Segmentation and algorithm development (2) Edge-detection techniques (3) Digital morphology (4) Texture and (5) Thinning and skeletoniza-tion algorithms (Russ 1992)

ผลลัพธ์ (ไทย) 3:

การประมวลผลภาพและการวิเคราะห์ประมวลผลภาพและการวิเคราะห์ภาพที่เป็นแกนหลักของวิสัยทัศน์คอมพิวเตอร์กับอัลกอริทึมมากมายและวิธีที่สามารถบรรลุผลที่ต้องการจัดหมวดหมู่และวัด ments ( krutz et al . 2000 ) อย่างไรก็ตาม การแปรรูป / การวิเคราะห์ภาพที่เกี่ยวข้องกับชุดของขั้นตอนซึ่งสามารถเป็นวงกว้างแบ่งออกเป็นสามระดับ : การประมวลผลระดับต่ำ ( เพิ่มเติมภาพและการประมวลผล ) , ไอเอ็นจีกระบวนการระดับกลาง ( การแบ่งส่วนภาพและการแสดงภาพและรายละเอียด ) และระดับสูงของการรับรู้และตีความ ) ( gunasegaram จากนั้น 1994 ; ดวงอาทิตย์ 2000 ) เป็น แสดงในรูปที่ 2 มองเห็นเครื่องระบบโดยทั่วไปประกอบด้วยสองขั้นตอนหลัก ได้แก่ ( 1 ) ประมวลภาพ และ( 2 ) การวิเคราะห์ภาพ ( zuech et al . 2000 ) ประมวลภาพไม่ได้หมายถึงการแยกข้อมูลจากภาพ แต่สำหรับการกำจัดข้อบกพร่องเช่นเสียงเบลอของภาพ ฯลฯ เพื่อยกระดับและพัฒนาได้รับภาพเพื่อการวิเคราะห์ต่อไป ขั้นตอนวิธีการประมวลผลต่างๆที่ใช้ สมมติว่า ภาพที่ได้จะกลายเป็นเบลอเนื่องจากการเคลื่อนไหวของวัตถุ นี้เบลอต้องลบออกจากภาพเครื่องมือในการประมวลผลก่อนที่จะสกัดข้อมูลใด ๆเกี่ยวกับวัตถุนี้ ( นิคุ ปี 2005 ) ประมวลภาพต่าง ๆ เทคนิคที่ใช้สำหรับการเพิ่มประสิทธิภาพภาพจะขยาย ( เพื่อเพิ่มความสว่างของแต่ละพิกเซล ล้อมรอบด้วยประเทศเพื่อนบ้านที่มีความเข้มสูงกว่า ) , การกัดเซาะ ( เพื่อลดความสว่างของจุดภาพ ล้อมรอบด้วยเพื่อนบ้านที่มีความเข้มต่ำ ) , เกณฑ์ ( แปลงภาพระดับสีเทาเป็นภาพ Binary ) , ปิด ( เพื่อลบจุดด่างดำ แยก ในภูมิภาคที่สดใสและเรียบเนียนขอบเขต ) และเปิด ( เพื่อลบจุดสว่างที่แยกได้ในพื้นที่มืดและเรียบรอย ) ฯลฯ ( Saeed et al . 2005 ) เครื่องมือที่ใช้เพื่อปรับปรุงภาพลักษณ์ รวมถึงตารางการค้นหา ( แปลงสีเทาค่าแหล่งภาพเป็นค่าระดับสีเทาอื่นในทรานส์ขึ้นรูป ) , ตัวกรองเชิงพื้นที่ ( ปรับปรุงคุณภาพของภาพโดยการเอาเสียงเรียบ เหลา และทรานส์รูปภาพ ) , สีเทา ( สารสกัดปรับเปลี่ยนโครงสร้างและสัณฐานวิทยาของอนุภาคในรูป ) และการประมวลผลโดเมนความถี่ ( ลบที่ไม่พึงประสงค์ความถี่ Informa tion ) ฯลฯ ( อานนท์ 2008 ) แม้ว่าข้างต้น พื้นฐานเครื่องวิสัยทัศน์และขั้นตอนวิธีการประมวลผลภาพสามารถแบ่งได้เป็น 5 กลุ่มหลักดังนี้ ( 1 ) การพัฒนาอัลกอริทึมเทคนิคการตรวจจับขอบ ( 2 ) ( 3 ) ( 4 ) ดิจิตอลของพื้นผิว และ ( 5 ) การ skeletoniza และขั้นตอนวิธี tion ( Russ 1992 )