مدرس و مدیر گروه سابق دانشکده فنی و حرفه ای انقلاب اسلامی، طراح و مسئول برق در چندین شرکت تولیدی |
آموزش پردازش تصوير(۱)
IMAGE PROCESSING
خیلی حرف زدم!! تو این سلسه مقالات آموزشیم قصد دارم پردازش تصویر رو در قالب یک پروژه آموزش بدم. پروژه مربوطه یک ربات مسیریاب هستش که مسیر خودش رو توسط پردازش تصویر تشخیص میده!! البته این ربات بجای سنسورهای رنگ از یک دوربین کوچیک فیلم برداری با رابط USB (مثل وبکم) استفاده می کنه و مغز اصلی رباط بجای میکروکنترولر کامپیوتر هستش و توسط درگاه سریال کامپیوتر فرمان میگیره. اگر توجه کرده باشید ربات تولید شده از این روش اصلا نمیتونه تو مسابقات شرکت کنه و فقط جنبه آموزشی برای مقالات ما رو داره که البته از همین ایده میتونید در رباتهای دیگه بجز مسیریاب که بعدا اشاره می کنم استفاده کنید. پیشنهاد کلی اینه که شما از بدنه یک ربات مسیریاب که از قبل آماده کردید جهت آزمایش این پروژه استفاده کنید. در طی این دوره ما احتیاج داریم با تعدادی از جعبه ابزارهای مطلب از جمله:
-
جعبه ابزار Image processing
-
جعبه ابزار Image Acquisition
-
جعبه ابزار Data Acquisition
-
...
کار کنیم که در مقالات آینده به ترتیب با دستورات موجود در این پکیجها آشنا خواهیم شد و پروژه خودمون رو کامل می کنیم. در پست بعدی (۳یا ۴ روز دیگه) کار با جعبه ابزار Image processing که شرین ترین بخش پروژه هست رو شروع می کنم.
خیلی حرف زدم!! تو این سلسه مقالات آموزشیم قصد دارم پردازش تصویر رو در قالب یک پروژه آموزش بدم. پروژه مربوطه یک ربات مسیریاب هستش که مسیر خودش رو توسط پردازش تصویر تشخیص میده!! البته این ربات بجای سنسورهای رنگ از یک دوربین کوچیک فیلم برداری با رابط USB (مثل وبکم) استفاده می کنه و مغز اصلی رباط بجای میکروکنترولر کامپیوتر هستش و توسط درگاه سریال کامپیوتر فرمان میگیره. اگر توجه کرده باشید ربات تولید شده از این روش اصلا نمیتونه تو مسابقات شرکت کنه و فقط جنبه آموزشی برای مقالات ما رو داره که البته از همین ایده میتونید در رباتهای دیگه بجز مسیریاب که بعدا اشاره می کنم استفاده کنید. پیشنهاد کلی اینه که شما از بدنه یک ربات مسیریاب که از قبل آماده کردید جهت آزمایش این پروژه استفاده کنید. در طی این دوره ما احتیاج داریم با تعدادی از جعبه ابزارهای مطلب از جمله:
-
جعبه ابزار Image processing
-
جعبه ابزار Image Acquisition
-
جعبه ابزار Data Acquisition
-
...
خوب دوستان ما پروژه خودمون رو (ربات مسیریاب توسط پردازش تصویر) به چند بخش تقسیم می کنیم و هر بخش رو بصورت مجزا آموزش میدم. این ربات توسط یک دوربین فیلم برداری ساده مثل وبکم کامپیوتر و یا حتی سادتر٬ بطور مکرر از مسیر تصاویری تهیه تولید می کنه (پایان مرحله اول) در مرحله بعدی این تصاویر پردازش و مسیر حرکت ربات از اطلاعات بدست آمده از آنها استخراج می شود (پایان مرحله دوم) و در مرحله آخر کاری که میکروکنترلر در رباتهای عادی انجام می دهد ما با استفاده از پورت های کامپیوتر انجام داده و فرامین حرکتی را برای سیستم کنترل موتورهای ربات ارسال می کنیم (چپ گرد٬ راست گرد). اما بیاد مراحل رو از وسط شروع کنیم! یعنی مرحله پردازش تصویر. فکر می کنیم یه تصویر توسط دوربین در محیط مطلب در اختیار ما قرار داده شده و ما پردازشات لازم جهت استخراج مسیر حرکت رو روی اون انجام میدیم٬ تا بعدا برسیم به مراحل بعدی... مقدمه دیگه بسه بریم سر اصل مطلب:
اگر همونطور که گفتم به یه کتاب مطلب نگاهی انداخته باشید حتما از همون ابتدای امر متوجه شدید که در این نرم افزار اکثر عملیات ها برپایه ماتریس ها انجام میشه (ضرب٬ تقسیم٬ جمع٬...). مطلب یجورایی شبیه یه زبون برنامه نویسی هستش و ما در اون از متغیرها٬ عملگرها و توابع و... بسبک زبانهای برنامه نویسی جهت حل مثائل خودمون استفاده می کنیم. اصلا بیاید یه مثال عملی بزنیم:
>> I = 1:10
I =
1 2 3 4 5 6 7 8 9 10
اجرا کردن دستور I = 1:10 باعث ایجاد یک متغیر به نام I و به شکل یک ماتریس یک بعدی با محتوای ۱ تا ۱۰ می شود (این اولبن و آخریم مثال سطح پایینم بود! توقع دارم اینارو خودتون با خوندن یک کتاب یاد بگیرید) حالا بریم سراغ یک مثال تخصصی:
RGB = imread('peppers.png'); ٪متغیر = imread('مسیر ونام فایل تصویر');
imshow(RGB);
تابع "imread" یکی از توابع جعبه ابزار پردازش تصویر می باشد که جهت لود کردن یک فایل توصویری در
یک متغیر به سبکی که مشاهده می کنید استفاده می شود. می بینید که در کادر متغیرها (بطور پیشفرض کادر بالا سمت چپ میحیط مطلب) متغیر RGB با ابعاد <384x512x3 unit8> ایجاد شده است. یعنی یک ماتریس سه بعدی که بعد اول ۳۸۴ خانه و معرف تعداد پیکسلهای ارتفاع تصویر٬ بعد دوم ۵۱۲ پیکسل طول تصویر و بعد سوم ۳ خانه که چون تصویر از نوع رنگی (RGB) می باشد یک خانه حاوی مقدار RED و خانه های بعدی نگدارنده مقادیر GREEN و BLUE پیکسل مورد نظر می باشد. جهت درک قضیه به تصویر مقابل دقت کنید.unit8 نوع تصویر RGB در مطلب را مشخص می کند. باید بدانید سه نوع مکعب
رنگ unit8, unit16 و Double برای تصاویر رنگی در مطلب در نظر گرفته شده است. برای مثال در کلاس unit8 هر بعد مکعب که بیانگر یکی از رنگهای قرمز٬ سبز و آبی می باشد دارای ۲۵۶ (۲۸) مقدار تعیین شده می باشد که در کل ۲۵۶*۲۵۶*۲۵۶= ۲۲۴ رنگ مختلف تولید می شود. برای کلاسهای دیگر هم بهمین روال می باشد با این تفاوت که تعداد رنگ آنها بیشتر می باشد.دستور بعدی (خط دوم)٬ دستور "imshow" جهت نمایش تصاویر موجود در متغیر ها با فرمت ذکر شده می باشد. بعد از فراخوانی این دستورات ابتدا اطلاعات موجود در تصویر 'peppers.png' (موجود در مسیر جاری مطلب) داخل متغیر RGB ریخته شده و با دستور imshow مرورگر تصاویر نرم افزار عکس مربوطه را نمایش می دهد. »افزایش کنتراست تصویر
خوب حالا بیاید یکم کارای پردازشی روی تصاویر انجام بدیم. تصویر pout.tif رو در یک متغیر لود کنید و اون رو نمایش برای خودتون بدید (دقیقا مثل کد زیر). می بینید که این عکس کنتراست پایینی داره !
I = imread('pout.tif');
imshow(I);
برای مشاهده نحوه توزیع شدت رنگ در یک تصویر می توانید با صدا زدن دستور 'imhist' نمودار هیستوگرام آن را رسم کنید (شکل ۱) .
figure, imhist(I);
می بینید که در شکل ۱ رنج شدت نازک می باشد و تمام پتانسیل ۰ تا ۲۵۵ را پوشش نمی دهد بدین معنی که بخشی از مقادیر بزرگ و بخشی از مقادیر کوچک را که باعث ایجاد کنتراست بالا می شوند را در خود ندارد.
در این جعبه ابزار روشهای گوناگونی جهت افزایش کنتراست یک تصویر در نظر گرفته شده است که یکی از آنها استفاده از تابع histeq جهت پخش کردن مقادیر شدت در کل رنج پتانسیلی تصویر می باشد. با اجرای این دستورات به ترتیب زیر می بینید که نمودار هیستوگرام از نمونه شکل۱ به شکل۲ و تصویر از شکل۳ به شکل۴ تغییر می کند...
I2 = histeq(I);
figure, imshow(I2);
بهمین روش می توانید تصاویر دیگری را جهت تمرین وارد این محیط کرده و میزان کنتراست آنها را افزایش دهید.
مقاله این سری خیلی طولانی شد٬ اما می بینید که پردازش تصویر به خصوص در مطلب بحث بسیار سبک و شیرینی هستش! در جلسات آینده وارد مباحث پیشرفته تری خواهیم شد...
منبع : http://eleboys.blogfa.com/
نوشته شده در چهارشنبه بیست و چهارم شهریور ۱۳۸۹ساعت 16:49 توسط محسن عمادی الله یاری
|
-دانشجوی دکتری مهندسی برق-کنترل
-مدرکMBA ازدانشکده مدیریت دانشگاه تهران
-مدركMCITP
-مدرس دانشگاه و مولف چندکتاب
-مدیرگروه سابق مکاترونیک والکترونیک از98/7تا1401/7 دانشکده فنی انقلاب
-مدیرپروژه الکترونیک،ابزاردقیق وICT دانشکده انقلاب از95/11تا98/7
-مسئول برق شرکتهای مختلف صنعتی ودستگاهسازی
-بنیانگذاربزرگترین گروه بزرگ رباتیک دردانشگاه فنی وحرفه ای از84تا87
این سایت مربوط به بنیانگذار و لیدرتیم رباتیک"EITTCROBOTIC" میباشد.
این گروه در17اسفند84به همت وحمايت مالي محسن عمادی وحمايتهاي بسيار جناب آقای محمدی زرندینی رياست محترم و عزیزسابق انستيتو برق ودانشکده،جناب آقاي مهندس علوي زاده،معاونت محترم سابق آموزشي،جناب آقای استادزارعی رياست محترم انستيتو برق و همراهي جناب آقاي مهندس محمود زمانی دردانشکده فنی انقلاب اسلامی تاسیس گردید.پس از مسابقات ربوکاپ آزاد ایران2008-فروردين87-با وجودکسب نتایج بسیار خوب،بدلیل عدم همكاري مسئولين سابق و تعدیل آقای عمادی، کل فعالیتهای گروه بصورت خصوصی و بخشي از آن باهمکاري دانشگاه آزاد و دولتي باحجم وشدت بيشتربکارخود ادامه داد.
همچنین این گروه بعدهاباتاسیس گروه رباتیک دانشگاه شریعتی توانست به دستاوردهای ارزشمندی برسد.
گروه رباتیکEITTCROBOTICبا داشتن4لیگ ربوکاپ (رباتهای فوتبالیست سایزمتوسطMiddle Size Soccer Robot, رباتهای فوتبالیست سایزکوچک Small Size Soccer Robot, رباتهای امدادگر Rescue Robot و شبیه سازی سه بعدی رباتهای فوتبالیست Soccer Simulation 3D) و 4 ربات دیگر (ربات لابیرنت, مسیر یاب و نوریاب با پردازش تصویر) و رباتهای صنعتی و همچنین کسب افتخارات و عناوین برجسته ذیل در مسابقات مختلف،یکی از بزرگترین گروههای فعال رباتیک در کشور بود.
××××
ازتمام دوستان عزيز،اساتيدمحترم ومسئولين دلسوز ذير بجهت همكاري وحمايت همه جانبه از اين حركت تحول آفرين كمال تشكر وسپاسگزاري را داريم.
اساتيد:
استادشايگان فر،استادانصاري،استادغلامرضااحمدي،مهندس همدرسي ومهندس محمدزاده.
همکاران و كارمندان سابق و فعلی انستيتو برق:
آقاي عطایی،مهندس حسن آبادی،آقای غياثي،آقاي قاسمي،آقاي عسكري ودیگر همکاران وهمه دوستاني كه پيشرفت گروه وانجمن دغدغه هميشگي آنها بوده است.
هرگونه استفاده از مطالب این سایت بدون ذکر نام این سایت کاملا ممنوع میباشد.
 |
POWERED BY BLOGFA.COM |
|