جدا سازی یا Threshold

تابع جدا سازی یا Threshold 

مهمترین قسمت یک سیستم پردازش تصویر، جدا سازی یا Threshold است.

Threshold به معنای جدا کردن آن قسمتی از تصویر که با اهمیت است و دارای اطلاعات مفید می باشد از قسمتی از تصویر که اطلاعات مفیدی در آن وجود ندارد.

روش ها مختلفی برای این عمل در علم پردازش تصویر  وجود دارد، همچنین بعضی روش های جداسازی برای تصاویر خاص به کار می رود.

ساده ترین نوع جداسازی، جداسازی عمومی نام دارد که روش انجام این جداسازی بر اساس هیستوگرام تصویر می باشد.ورودی این تابع یک تصویر خاکستری(Gray Scale) و یا یک تصویر رنگی می باشد. همچنین خروجی آن یک تصویر سیاه و سفید (Binary) می باشد. اصول کار این طور است که ابتدا بازه ای انتخابی بین عدد 0 تا 255 انتخاب می شود. سپس نقاطی از تصویر که شدت رنگ آن بین بازه  انتخابی است مقدار 1 و بقیه نقاط مقدار 0 می گیرند. معمولا بازه انتخاب شده، قسمتی از تصویر است که دارای اطلاعات مفید می باشد. همچنین هیستوگرام تصویر کمک بسیار خوبی برای انتخاب درست بازه می باشد.

تصویر باینری ( سیاه و سفید )

تصویر باینری ( سیاه و سفید ) :

به تصویری گفته می شود که تمام نقاط آن یا سفید باشند و یا سیاه که معمولا  رنگ سیاه با عدد 0 و رنگ سفید با عدد 1 نشان داده می شود.

معمولا رنگ سیاه یا 0 به قسمتی از تصویر اطلاق می شود که برای ما اهمیتی ندارد و زمینه تصویر به حساب می اید همچنین رنگ سفید یا 1 قسمتی از تصویر است که برای ما با اهمیت دارد. به طور مثال در تصویر باینری بالا قسمت های سفید، سلول های بافتی هستند که میخواهیم تعداد و جزئیات آن ها را داشته باشیم و قسمت های سیاه تصویر زمینه تصویر هستند که برای ما ارزشی ندارد.

کاربرد تصویر باینری در پردازش تصویر بسیار مهم و زیاد است، تقریبا اکثر اطلاعات مهم تصویر مانند تعداد ذرات و ویژگی های هندسی آن ها از تصویر باینری استخراج می شود.

هیستوگرام تصویر خاکستری

هیستوگرام تصویر خاکستری :

اگر تمام نقاط یک تصویر خاکستری به صورت یک نمودار باشد به طوریکه محور X شدت رنگ خاکستری نقاط و محور Y تعداد نقاط تصویر مربوط به یک شدت رنگ باشد، آنگاه نمودار به وجود آمده را هیستوگرام تصویر می نامند.

کاربرد های هیستوگرام تصویر:

1- از هیستوگرام تصویر برای بهبود کیفیت تصویر استفاده می شود. فرض کنید بیشترین و بلندترین میله های نمودار در سمت چپ باشند این مسئله نشان میدهد که تعداد نقاط تصویر که شدت رنگ آنها کمتر است ( سیاه ترند)، بیشتر هستند و تصویر ما، تصویری تیره خواهد بود.

2- از هستوگرام تصویر برای جدا سازی فازها و همچنین تشخیص فازهای مختلف در تصویر استفاده می شود. همانند تصویر زیر هستوگرام تصویر به دو قسمت تقسیم شده که نشان دهنده این است که تمام نقاط تصویر متعلق به دو دسته ( فاز ) می باشند.

تصویر خاکستری Gray Scale

تصویر خاکستری Gray Scale :

به تصویری گفته می شود که تمام نقاط آن رنگی بین سیاه تا سفید داشته باشند.

اگر به رنگ سیاه مقدار 0 و به رنگ سفید مقدار 255 اختصاص دهیم، تصویر خاکستری، یک ماتریس با ابعاد طول و عرض تصویر خواهد بود که تمام درایه های آن اعدادی بین 0 تا 255 خواهند بود.

 به طور کلی در کامپیوتر 256 رنگ خاکستری وجود دارد که مقدار 0 به سیاه و مقدار 255 به سفید و بقیه با رنگ های خاکستری بین سیاه و سفید تعلق دارند.

نمونه ای از تصویر خاکستری :

ناحیه پردازشی (Process Border)

ناحیه پردازشی (Process Border):

 به قسمتی از تصویر گفته می شود که پردازش تصویر در آن انجام می شود به طور مثال ممکن است حاشیه تصویر سیاه باشد یا قسمتی از تصویر بسیار مات بوده و قابل پردازش نباشد، برای چنین مشکلی می توان ناحیه پردازشی را در تصویر محدود کرد، که این کار باعث کم شدن میزان خطای محاسبات خواهد شد.

برای تغییر وضعیت و محدود کردن کادر چند روش وجود دارد:

1- استفاده از خود کادر آبی رنگ که با قرار گرفتن کرسل موس بر روی هر کدام از اضلاع کادر و گرفتن و کشیدن (چپ کلیک و حرک موس) آن می توان وضعیت کادر را تغییر داد.

2- با استفاده از کنترل هایی که بر روی ابزار کنترل ناحیه پردازشی قرار دارد. که این کنترل ها شامل : انتخاب درصدی از تصویر در جهت افقی،عمودی و هر دو 

            انتخاب قسمتی از تصویر با وارد کردن ابعاد کادر با مقیاس ها مختلف 

            انتخاب یک مربع در مرکز تصویر با اندازه ضلع مشخص و مقیاس مشخص