1920 년대에는 이미지 처리가 처음으로 적용되었다. 1960 년대 중반, 전자컴퓨터가 발전함에 따라, 그것은 광범위하게 사용되었다. 1960 년대 말, 영상 처리 기술은 끊임없이 개선되어 점차 새로운 학과가 되었다. 디지털 이미지 프로세싱을 사용하는 주된 목적은 그래픽을 수정하거나, 이미지 품질을 향상시키거나, 이미지에서 유효한 정보를 추출하는 반면, 디지털 이미지 프로세싱은 전송 및 저장을 위해 이미지의 볼륨을 압축합니다. 디지털 이미지 처리는 주로 푸리에 변환, 소파 변환 등의 이미지 변환을 연구합니다. 이미지를 인코딩하고 압축합니다. 다양한 방법으로 이미지를 복원하고 향상시킵니다. 이미지 분할, 설명 및 인식 과학기술이 발전함에 따라 디지털 이미지 처리는 주로 통신 기술, 우주 탐사 원격 감지 기술 및 생물공학에 적용된다.
디지털 이미지 처리는 공통성, 정확성, 처리 방법 유연성, 정보 저장 및 전송을 위한 신뢰할 수 있는 이미지 처리 기술입니다. 비선형 처리가 쉽고 처리 프로세스와 매개변수가 가변적이기 때문입니다. 주로 이미지 변환, 측정, 패턴 인식, 시뮬레이션 및 이미지 생성에 사용됩니다. 원격 감지, 우주 관측, 영상의학, 통신, 형사조사 및 많은 산업 분야에 널리 사용되고 있습니다.
원격 감지 이미지 디지털 이미지 처리의 내용은 주로 1 이미지 복원입니다. 이미징, 기록, 전송 또는 재생 중에 도입된 데이터 오류, 노이즈 및 왜곡을 수정하는 것입니다. 방사선 보정, 기하학적 보정 등을 포함합니다. ② 데이터 압축. 따라서 데이터 전송, 저장 및 처리 효율성이 향상됩니다. ③ 이미지 향상. 데이터의 일부 특징을 강조하여 이미지의 시각적 품질을 향상시킵니다. 색상 향상, 대비 향상, 가장자리 향상, 밀도 분할, 비율 연산, 흐림 제거 등이 포함됩니다. ④ 정보 추출. 향상된 이미지에서 유용한 원격 감지 정보를 추출합니다. 다양한 통계 분석, 클러스터 분석 및 스펙트럼 분석을 사용하는 자동 식별 및 분류를 포함합니다. 일반적으로 특수 디지털 이미지 처리 시스템에 의해 구현되며 목적에 따라 다른 알고리즘과 기술을 사용합니다.
~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~
디지털 이미지 처리 개요
디지털 이미지 처리 개발 개요
디지털 이미지 처리 (컴퓨터 이미지 처리라고도 함) 는 이미지 신호를 디지털 신호로 변환하여 컴퓨터에서 처리하는 프로세스입니다. 디지털 영상 처리는 1950 년대에 처음 나타났다. 당시 전자컴퓨터는 이미 일정 수준으로 발전하여 사람들은 컴퓨터를 이용하여 그래픽과 이미지 정보를 처리하기 시작했다. 디지털 이미지 처리는 학과로서 1960 년대 초에 형성되었다. 초기 이미지 처리의 목적은 이미지 품질을 향상시키고, 사람을 대상으로 하며, 사람의 시각 효과를 향상시키는 것이다. 이미지 처리에서 저품질 이미지를 입력하여 향상된 이미지를 출력합니다. 일반적인 이미지 처리 방법에는 이미지 향상, 복구, 인코딩 및 압축이 포함됩니다. 첫 번째 성공적인 응용은 미국 제트 추진 연구소 (JPL) 이다. 기하학적 보정, 그레이스케일 변환, 소음 제거와 같은 이미지 처리 기술을 사용하여 1964 우주 탐사선 7 호가 보낸 수천 장의 달 사진을 처리하고 태양 위치와 달 환경의 영향을 고려했습니다. 컴퓨터가 달 표면의 지도를 성공적으로 그려 큰 성공을 거두었다. 이후 우주선이 반송한 근/KLOC-0 만 장의 사진에 대해 더욱 복잡한 이미지 처리를 진행해 달의 지형도, 컬러지도, 파노라마 상감도를 얻어 비범한 성과를 거두며 달에 오르는 인류의 독창적인 작업을 위한 탄탄한 기반을 마련하고 디지털 이미지 처리 학과의 탄생을 촉진시켰다. 디지털 이미지 처리 기술은 화성, 토성 등 미래의 우주 기술 탐사에서 큰 역할을 했다. 디지털 이미지 처리의 또 다른 위대한 업적은 의학상의 성과이다. 1972 년 영국 EMI 의 엔지니어인 하우스필드는 두개골 진단을 위한 X 선 컴퓨터 단층 스캔 장치, 즉 우리가 흔히 CT (컴퓨터 단층 스캐너) 를 발명했습니다. CT 의 기본 방법은 인체 머리 횡단면의 투영을 기반으로 횡단 이미지를 재구성하는 것입니다. 이를 이미지 재구성이라고 합니다. 1975 년, 100 대는 전신 CT 장치를 성공적으로 개발해 인체의 각 부위에 생동감 있고 또렷한 단층 영상을 얻었다. 65438 에서 0979 까지, 이 무창진단기술은 노벨상을 수상하여 인류에게 획기적인 공헌을 했다는 것을 알 수 있다. (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마), 과학명언) 이와 동시에 이미지 처리 기술은 항공 우주, 생의학 공학, 산업 검사, 로봇 시각, 공안사법, 군사지도, 문화예술 등 많은 응용 분야에서 광범위한 관심을 받고 획기적인 성과를 거두었습니다. , 이미지 처리를 눈에 띄고 전망이 넓은 새로운 학과로 만들다. (윌리엄 셰익스피어, 윈스턴, 이미지 처리, 이미지 처리, 이미지 처리, 이미지 처리, 이미지 처리, 이미지 처리) 이미지 처리 기술이 발달하면서 1970 년대 중반 이후 컴퓨터 기술, 인공지능, 사고과학 연구가 급속히 발전하면서 디지털 이미지 처리가 더 높고 깊은 수준으로 발전했다. 사람들은 컴퓨터 시스템을 이용하여 이미지를 해석하는 방법을 연구하기 시작했고, 인간과 같은 시각 시스템의 외부 세계에 대한 이해를 실현하기 시작했습니다. 이것이 바로 이미지 이해 또는 컴퓨터 비전입니다. 많은 나라, 특히 선진국에서는 이와 관련하여 더 많은 인력과 물력을 투입하여 많은 중요한 연구 성과를 거두었다. 이 가운데 대표적인 성과는 MIT 의 Marr 이 1970 년대 말 내놓은 비주얼 컴퓨팅 이론으로, 컴퓨터 시각 분야에서 10 여 년 동안 주도적인 사상이 됐다. 이론적 방법의 연구는 큰 진전을 이루었지만 이미지 이해 자체는 어려운 연구 분야로 어려움이 많다. 인간은 자신의 시각 과정에 대해 아직 아는 것이 거의 없기 때문에, 컴퓨터 비전은 더 탐구해야 할 새로운 영역이다.
디지털 이미지 처리의 주요 연구 내용
디지털 이미지 처리의 주요 연구 내용은 다음과 같습니다. 1) 이미지 변환은 이미지 배열이 크기 때문에 공간 영역에서 직접 처리되며 계산량이 많습니다. 따라서 푸리에 변환, 월시 변환, 이산 코사인 변환 등 다양한 이미지 변환 방법을 사용하여 공간 도메인 처리를 변환 도메인 처리로 변환하는 경우가 많습니다. 이렇게 하면 계산의 복잡성을 줄일 수 있을 뿐만 아니라 보다 효율적인 처리 (예: 푸리에 변환은 주파수 영역에서 디지털 필터링을 수행할 수 있음) 를 얻을 수 있습니다. 현재 새로 발전한 소파 변환은 시간 영역과 주파수 영역 모두에서 좋은 국지화 특성을 가지고 있으며 이미지 처리에도 널리 사용되고 있습니다. 2) 이미지 인코딩 압축 이미지 인코딩 압축 기술은 이미지를 설명하는 데이터의 양 (비트 수) 을 줄여 이미지 전송 및 처리 시간을 절약하고 사용되는 메모리 용량을 줄입니다. 압축은 무손실 또는 허용되는 왜곡 조건에서 수행할 수 있습니다. 인코딩은 압축 기술에서 가장 중요한 방법이며 이미지 처리 기술 중 가장 오래되고 성숙한 기술입니다. 3) 이미지 향상 및 복구 이미지 향상 및 복구의 목적은 노이즈 제거, 이미지 선명도 향상 등과 같은 이미지 품질을 향상시키는 것입니다. 이미지 향상은 이미지 퇴화의 원인을 고려하지 않고 이미지의 관심 부분을 강조합니다. 이미지의 고주파수 성분을 높이면 이미지에 있는 물체의 윤곽이 선명해지고 세부 사항이 뚜렷해집니다. 예를 들어 저주파 컴포넌트를 강화하면 이미지의 노이즈 영향을 줄일 수 있습니다. 이미지 복원은 이미지 퇴화의 원인에 대해 어느 정도 이해가 필요하다. 일반적으로 퇴화 프로세스에 따라 "퇴화 모델" 을 만든 다음 필터 방법을 사용하여 원본 이미지를 복원하거나 재구성해야 합니다. 4) 이미지 분할 이미지 분할은 디지털 이미지 처리의 핵심 기술 중 하나입니다. 이미지 분할은 이미지에서 의미 있는 피쳐를 추출하는 것으로, 이미지의 가장자리와 영역을 포함하는 의미 있는 특징으로, 추가 이미지 인식, 분석 및 이해를 위한 기초입니다. 많은 가장자리 추출 및 영역 분할 방법이 개발되었지만 모든 유형의 이미지에 일반적으로 적용되는 효과적인 방법은 없습니다. 따라서 이미지 분할에 대한 연구는 이미지 처리의 핫스팟 중 하나로 계속 심화되고 있습니다. 5) 이미지 설명 이미지 설명은 이미지 인식 및 이해를 위한 필수 전제 조건입니다. 가장 간단한 이진 이미지로서 기하학적 특징은 물체의 특징을 설명하는 데 사용할 수 있으며, 일반적인 이미지 설명 방법은 2D 모양 설명, 경계 설명 및 영역 설명 두 가지 방법을 사용합니다. 2d 텍스처 피쳐는 특수 텍스처 이미지를 설명하는 데 사용할 수 있습니다. 이미지 처리 연구가 진행됨에 따라 3D 객체 설명을 연구하고 본체 설명, 면 설명 및 일반 원통형 설명 등의 방법을 제시했습니다. 6) 이미지 분류 (인식) 이미지 분류 (인식) 는 패턴 인식의 범주에 속하며, 주요 내용은 사전 처리 (향상, 복구, 압축) 를 통해 이미지를 분할하고 피쳐 추출을 수행하여 의사 결정을 내립니다. 클래식 패턴 인식 방법은 통계 패턴 분류 및 구문 (구조) 패턴 분류를 포함한 이미지 분류에 자주 사용됩니다. 최근 몇 년 동안 새로 발전한 모호한 패턴 인식과 인공 신경망 패턴 분류가 이미지 인식에서 점점 더 중시되고 있다.
디지털 이미지 처리의 기본 특성
(1) 현재 디지털 이미지가 처리하는 정보는 대부분 2 차원 정보이며 처리되는 정보의 양은 매우 큽니다. 예를 들어, 256×256 저해상도 흑백 이미지에는 약 64kbit 의 데이터가 필요합니다. 고해상도 컬러 5 12×5 12 이미지의 경우 768kbit 데이터가 필요합니다. 초당 30 프레임의 TV 이미지 시퀀스를 처리하려면 초당 500 kbit ~ 22.5 mbit 의 데이터가 필요합니다. 따라서 컴퓨터의 연산 속도와 저장 용량에 대한 요구가 매우 높다. (2) 디지털 이미지 처리는 넓은 밴드를 차지합니다. 언어 정보에 비해 점유 주파수 대역이 몇 단계 더 크다. 예를 들어, TV 이미지의 대역폭은 약 5.6MHz 이고 음성의 대역폭은 약 4kHz 에 불과합니다. 따라서 이미징, 전송, 저장, 처리, 디스플레이 등의 구현 기술은 어렵고 비용이 많이 들기 때문에 밴드 압축 기술에 대한 요구가 높아지고 있습니다. (3) 디지털 이미지의 각 픽셀은 독립적이지 않으며 관련성이 높습니다. 이미지 화면에서는 회색 음영이 같거나 비슷한 픽셀이 많이 있습니다. TV 화면의 경우 동일한 행 또는 인접한 행 사이에 있는 두 인접 픽셀의 상관 계수는 0.9 이상이며 인접한 두 프레임 간의 상관 관계는 일반적으로 프레임 내 상관 관계보다 큽니다. 따라서 이미지 처리 중의 정보 압축은 큰 잠재력을 가지고 있다. (4) 이미지는 3D 장면의 2D 투영이므로 이미지 자체는 3D 장면의 모든 형상 정보를 재현할 수 없습니다. 분명히 3D 장면 뒤의 일부 정보는 2D 이미지에 반영되지 않습니다. 따라서 3D 장면을 분석하고 이해하려면 적절한 가정을 하거나 쌍안 이미지나 멀티 뷰 이미지와 같은 새로운 측정을 추가해야 합니다. 3D 장면을 이해하려면 지식지도가 필요합니다. 인공지능이 해결하기 위해 노력하고 있는 지식공학 문제이기도 합니다. (5) 디지털 이미지 처리 후 이미지는 일반적으로 사람이 관찰하고 평가하기 때문에 영향을 많이 받습니다. 인간의 시각 시스템은 매우 복잡하기 때문에 환경 조건, 시각적 표현, 사람의 감정 취미, 지식에 크게 영향을 받기 때문에 이미지 품질 평가로서 더 많은 연구가 필요하다. 한편, 컴퓨터 비전은 인간의 시각을 모방하는 것이며, 인간의 인식 메커니즘은 필연적으로 컴퓨터 시각 연구에 영향을 미칠 것이다. 예를 들어 인식의 초기 요소가 무엇인지, 요소가 어떻게 구성되어 있는지, 로컬 인식과 글로벌 인식의 관계, 우선 순위에 민감한 구조, 속성, 시간 특성 등이 있습니다. 심리학과 신경심리학이 모두 주목하고 있는 화제다.
디지털 이미지 처리의 장점
1. 재현성이 좋은 디지털 이미지 처리와 아날로그 이미지 처리의 근본적인 차이점은 이미지 저장, 전송 또는 복제와 같은 일련의 변환 작업으로 인해 이미지 품질이 저하되지 않는다는 것입니다. 디지털 이미지 처리 과정은 디지털화할 때 원본을 정확하게 나타내는 한 항상 이미지 재현을 유지합니다. 2. 처리 정확도가 높습니다. 현재 기술에 따라 거의 모든 크기의 2 차원 배열로 아날로그 이미지를 디지털화할 수 있습니다. 이는 주로 이미지 디지털화 장치의 능력에 따라 달라집니다. 현대 스캐너는 각 픽셀의 회색조를 16 비트 이상으로 수량화할 수 있습니다. 즉, 이미지의 디지털 정확도가 모든 응용 프로그램의 요구 사항을 충족할 수 있습니다. 컴퓨터의 경우 배열의 크기나 픽셀당 비트 수에 관계없이 핸들러는 거의 동일합니다. 즉, 원칙적으로 이미지의 정밀도가 아무리 높더라도 처리 중에 프로그램의 배열 매개변수를 변경하기만 하면 항상 처리할 수 있습니다. 이미지의 시뮬레이션 처리를 돌이켜 보면 처리 정확도를 한 단계 높이려면 처리 설비를 크게 높여야 하는데, 이는 경제적으로 매우 비경제적이다. 3. 적용 가능한 광역 이미지는 다양한 정보 소스, 가시광선 이미지 또는 가시광선 스펙트럼 이미지 (예: 엑스레이 이미지, 엑스레이 이미지, 초음파 이미지 또는 적외선 이미지) 에서 나올 수 있습니다. 이미지에 반영된 객관적인 실체의 척도를 보면 전자현미경 이미지, 항공 사진, 원격감 이미지, 심지어 천문 망원경 이미지까지 작아질 수 있다. 서로 다른 정보 소스의 이미지는 디지털 인코딩 형식으로 변환되는 한 2D 배열로 표현되는 회색 음영 이미지로 구성됩니다. 컬러 이미지도 회색 음영 이미지로 구성됩니다 (예: RGB 이미지는 빨강, 녹색, 파랑 회색 음영 이미지로 구성됨). 컴퓨터로 처리할 수 있습니다. 즉, 이 디지털 이미지 처리 방법은 서로 다른 이미지 정보 소스에 대해 적절한 이미지 정보 수집 조치를 취하는 한 모든 이미지에 적용됩니다. 4. 유연한 이미지 처리는 이미지 품질 향상, 이미지 분석 및 이미지 재구성의 세 부분으로 나눌 수 있으며 각 부분에는 풍부한 내용이 포함되어 있습니다. 광학 이미지 처리는 원칙적으로 선형 연산만 수행할 수 있으므로 광학 이미지 처리가 달성할 수 있는 목표를 크게 제한합니다. 디지털 이미지 처리는 선형 연산뿐만 아니라 비선형 처리도 수행할 수 있습니다. 즉, 수학 공식이나 논리적 관계로 표현할 수 있는 모든 연산은 디지털 이미지 처리를 통해 수행할 수 있습니다.
디지털 이미지 처리 응용 프로그램
이미지는 인류가 정보를 수집하고 교환하는 주요 원천이므로 이미지 처리 응용 분야는 인간의 생활과 일의 모든 측면을 반드시 포함해야 한다. 인간 활동이 계속 확대됨에 따라 영상 처리 응용 분야도 확대될 것이다. 1) 항공 우주 기술의 응용 디지털 이미지 처리 기술은 항공 우주 기술에 적용되며, 위에서 언급한 JPL 의 달과 화성 사진 처리 외에도 항공기 원격 감지 및 위성 원격 감지 기술에도 적용됩니다. 많은 나라에서 매일 많은 정찰기를 보내 지구상에서 관심 있는 지역에 대해 대량의 항공 사진을 찍는다. (존 F. 케네디, Northern Exposure (미국 TV 드라마), 스포츠명언) 예전에는 수천 명을 고용하여 사진을 처리하고 분석해야 했는데, 지금은 고급 컴퓨터가 장착된 이미지 처리 시스템을 사용하여 사진을 해석하고 분석하면 인력을 절약할 수 있을 뿐만 아니라 속도도 빨라지고, 사진에서 인공적으로 찾을 수 없는 유용한 정보를 많이 추출할 수 있다. 1960 년대 말부터 미국과 일부 국제기구는 자원 원격 탐사 위성 (예: LANDSAT 시리즈) 과 스카이랩 (예: 스카이랩) 을 발사했다. 이미징 조건은 항공기 위치, 자세 및 환경 조건의 영향을 받기 때문에 이미지 품질이 항상 높지 않습니다. 따라서 이렇게 비싼 가격으로 간단하고 직관적인 판독으로 이미지를 얻는 것은 경제적이지 않으며 디지털 이미지 처리 기술을 사용해야 합니다. 예를 들어 LANDSAT 시리즈 육지 위성은 MSS (multi-band scanner) 를 사용하여 900km 높이에서 18 일 주기로 지구의 각 영역을 스캔합니다. 이미지 해상도는 대략 지면 10 미터 또는100m (예: lla) 에 해당합니다 이러한 이미지는 공중에서 처리 (디지털화 및 인코딩) 되어 테이프에 저장됩니다. 위성이 지상국 상공을 통과할 때 고속으로 전송하여 처리센터에서 분석하고 해석한다. 이러한 이미지의 이미징, 저장, 전송 및 해석에 많은 디지털 이미지 처리 방법을 사용해야 합니다. 현재 세계 각국은 육지 위성이 획득한 영상을 이용해 자원 조사 (예: 삼림 조사, 해양 퇴적물과 어업 조사, 수자원 조사 등) 를 진행하고 있다. ), 재해 탐지 (예: 해충 탐지, 화재 및 물 탐지, 환경 오염 탐지 등). ), 자원 탐사 (예: 석유 탐사, 광물 탐사, 지리적 위치 탐사 및 대규모 프로젝트 분석 등). ), 농업 계획 (예: 토양 영양, 수분 함량, 작물 성장, 추정 등). ) 및 도시 계획 (예: 우리나라는 상술한 방면에서도 일부 실제 응용을 하여 좋은 효과를 거두었다. 디지털 영상 처리 기술은 일기예보와 우주 내 다른 행성에 대한 연구에도 상당한 역할을 했다. 2) 생물의학공학의 응용디지털 영상처리는 생물의학공학에 광범위하게 응용되고 매우 효과적이다. 앞서 언급한 CT 기술 외에도 적혈구와 백혈구 분류, 염색체 분석, 암세포 인식 등 의료 현미영상 처리와 분석이 있다. 또한 이미지 처리 기술은 X-레이 폐 이미지 선명, 초음파 이미지 처리, 심전도 분석, 입체 방사선 치료 등의 의료 진단에도 널리 사용되고 있습니다. 3) 통신공학에서의 현재 통신의 주요 발전 방향은 음성, 문자, 이미지, 데이터를 결합한 멀티미디어 통신이다. 특히 전화, 텔레비전, 컴퓨터는 디지털 통신망에서 삼합으로 전송된다. 이미지 통신은 가장 복잡하고 어렵습니다. 예를 들어 컬러 TV 신호를 전송하는 속도가 100 mbit/s 이상인 등 이미지 데이터의 양이 크기 때문입니다. 이러한 고속 데이터를 실시간으로 전송하려면 인코딩 기술을 사용하여 정보의 비트 수를 압축해야 합니다. 어떤 의미에서 코딩 압축은 이러한 기술의 성패의 관건이다. 엔트로피 인코딩, DPCM 인코딩 및 변환 인코딩 외에도 행별 인코딩, 어댑티브 네트워크 인코딩 및 소파 변환 이미지 압축 인코딩과 같은 새로운 인코딩 방법이 국내외에서 개발되고 있습니다. 4) 산업 및 엔지니어링 응용 이미지 처리 기술은 자동 조립 라인의 부품 품질 검사 및 분류, 인쇄 회로 기판의 결함 감지, 탄성도의 응력 분석, 유체 역학도의 저항 및 리프트 분석, 메일의 자동 분류, 일부 독성 및 방사성 환경에서 공작물 및 물체의 모양 및 배열 인식, 고급 설계 및 제조 기술에 산업 시각 사용 등 산업 및 엔지니어링 분야에 널리 사용됩니다. 시각, 청각, 촉각 기능을 갖춘 지능형 로봇의 발전은 공업 생산에 새로운 인센티브를 가져다 줄 것이며, 이미 공업 생산의 도장, 용접, 조립에 효과적으로 적용되었다는 점도 주목할 만하다. 5) 군사 공안에서의 응용 이미지 처리 및 인식은 주로 미사일의 정확한 말제도, 각종 정찰 사진 해석, 이미지 전송, 저장 및 표시 군사 자동화 지휘 시스템, 항공기, 탱크 및 군함의 시뮬레이션 훈련 시스템을 갖추고 있다. 공안서비스 사진 해석 분석, 지문 인식, 얼굴 인식, 불완전한 사진 복원, 교통 감시, 사고 분석 등. 현재 운행에 투입된 고속도로 자동유료시스템의 차량과 번호판 자동식별이 이미지 처리 기술의 성공적인 응용의 한 예이다. 6) 문화예술 방면의 응용은 현재 TV 화면의 디지털 편집, 애니메이션 제작, 비디오 비디오 게임, 방직 및 공예품 디자인, 의류 디자인과 제작, 헤어스타일 디자인, 문화재 사진의 복제와 복원, 운동선수 동작의 분석과 점수 등을 포함한다. 이제 점차 새로운 예술, 즉 컴퓨터 예술을 형성했습니다. .....
차이가 거의 없다