عملیات اصلی در پردازش تصویر دوربین مداربسته

در ابتدا لازم است چند مشخصه و ویژگی مهم در خصوص تصویر و کیفیت آن ارائه شود تا دید روشنی از اهداف به کارگیری پردازنده ها و پردازش تصویر حاصل شود که در نبود این فن آوری امکان دستیابی به این سطح از کیفیت میسر نبود.

 وضوح تصویر

مهم ترین انتظاراتی که از یک دوربین مداربسته امنیتی میرود، وضوح دوربین مداربسته و میزان روشنایی تصاویر ارایه شده توسط آن است. منظور از وضوح در واقع کمیتی است که نشان می دهد تصویری که توسط دوربین مداربسته ارایه شده است تا چه مقدار شفاف و خوانا است. وضوح دارای دو شاخص افقی و عمودی است. منظور از وضوح افقی تعداد خطوط سیاه و سفیدی عمودی است که با چشم به راحتی می تواند از تصویری که توسط دوربین مداربسته تهیه شده است دیده شود. در مقابل منظور از وضوح عمودی تعداد حداکثر خطوط افقی است که دوربین مداربسته می تواند برای تهیه تصویر از آن استفاده نماید. مقدار این وضوح در سیستم های آنالوگ با وضوح سیستم اسکن مورد استفاده (PAL,SECAM, NTSC) محدود شده است. جهت بررسی وضوح ارائه شده توسط یک دوربین مداربسته از نمودارهایی بهره می گیریم که در ضمایم کتاب به طور مفصل تشریح شده است.

 حداقل میزان روشنایی تصاویر

 در واقع حداقل چگالی نوری است که از شی مورد نظر باید تابیده شود تا دوربین مداربسته به تواند از آن تصویر مناسبی ارایه دهد. واحد سنجشی روشنایی بر حسب لوکس است و هر لوکس در واقع میزان روشنایی یک متر مربع از سطحی است که شدت نوری برابر یک لومن بر آن تابیده شود. به صورت تجربی می توان گفت که روشنایی یک لوکس میزان نوری است که از یک شمع در فاصله یک متری دیده می شود.

گستره پویا و با دامنه دینامیک

نسبت بین حداکثر و حداقل شدت نور قابل اندازه گیری سیاه و سفید را گستره پویا و یا دامنه دینامیک مینامند. در دنیای واقعی، سیاه یا سفید واقعی هیچگاه یافتنی نیستند و تنها درجات مختلف شدت نور منبع و انعکاسی سوژه وجود دارند. به همین سبب مفهوم گستره پویا پیچیده تر می شود. چشم انسان گستره پویای مخصوص خود را دارد و به همین دلیل تفسیر اطلاعات تصویر بر گرفته از دوربین مداربسته ممکن است بر چگونگی تولید دوباره تصویر تأثیرگذار باشد. مفهوم گستره پویا می تواند به همین خاطر در مقایسههای نسبی بین صحنه واقعی، دوربین مداربسته و تصویر بر روی صفحه نمایشگر یا پرینتر مفید باشد.

گرچه مفهوم گستره پویا در صحنه های دنیای واقعی، به سادگی نسبت بین تاریکترین و روشن ترین مناطق عکس است (نسبت تضاد)، ولی معنای آن زمانی که ابزارهای اندازه گیری مانند دوربین مداربسته یا اسکنر دخیل باشند، پیچیده تر میشود. تور در هر پیکسل در یک گودال یا چاله به نام فوتوسایت اندازه گیری میشود و اندازه هر فوتوسایت و این که چطور محتوای آن اندازه گیری میشود، تعیین کننده گستره پویای یک دوربین مداربسته دیجیتال است.

نکته: در برخی از دوربین های مداربسته، گزینه ای برای تنظیمات ایزو پایین تر وجود دارد که نویز کمتری تولید می کند، ولی گستره پویا را نیز کاهش می دهد.

روشنایی و انعکاس

شدت نور به دو صورت نور مستقیم و انعکاسی معنا میشود که هر دو بر گستره پویای صحنه اثر گذارند. صحنه هایی با تغییرات انعکاسی بالا، مانند اشیا سیاه در کنار انعکاسی شدید، در واقع گستره پویای بالاتری نسبت به صحنه هایی که گوناگونی نورهای مستقیم بزرگ در آنهاست، دارند. تصاویر در هر کدام از این شرایط به راحتی از گستره پویای دوربین مداربسته فراتر می رود، بخصوص اگر نوردهی دقیق نباشد. به همین خاطر محاسبه دقیق شدت نور، یا روشنایی، در ارزیابی گستره پویا بسیار مهم است که در این جا از عبارت روشنایی برای مشخص کردن نور مستقیم استفاده می شود. اگر صحنه ای به صورت ناهمگون با دونور مستقیم و پشت ابر روشن شود، همین به تنهایی گستره پویایی تصویر را افزایش بسیاری خواهد داد.

اشباع و سطح سفیدی دوربینمداربسته

فوتوسایتها را می توان مانند سطل هایی فرضی کرد که فوتون ها را، انگار که آب باشند، در خود نگه میدارند. بنابراین اگر سطلی بیش از حد پر شود، سرریز می کند. فوتوسایتی که سرریز کند به اصطلاح اشباع می شود و نمی تواند فوتون های ورودی اضافی را تشخیص دهد. این تعریف سطح سفیدی دوربین مداربسته است.

 نسبت تباین، تضاد یا کنتراست

 برای یک دوربین مداربسته ایده ال، نسبت تباین تعداد فوتون هایی است که هر فوتوسایت آن می تواند در خود نگه دارد، تقسیم بر تیره ترین شدت نور قابل اندازه گیری (یک فوتون) برای مثال اگر هرکدام 1000 فوتون نگهدارند، نسبت تباین 1:1000 خواهد بود.

سطح سیاهی

در واقعیت، دوربین های مداربسته نمیتوانند تک فوتون ها را بشمارند. به همین دلیل گستره پویا محدود به تاریکترین تونالیته است. وقتی طرح ها دیگر قابل تشخیص نیستند. اما این را سطح سیاهی می نامیم. سطح سیاهی محدود به میزان دقت اندازه گیری هر فوتوسایت است، و به همین سبب به خاطر نویز عکس در تاریکی محدود است. پس گستره پویا کلا در ایزوهای پایین تر و در دوربین های مداربسته با نویز محاسباتی کمتر افزایش می یابد.

نکته: حتی اگر یک فوتوسایت به تواند تک فوتون ها را بشمارد، باز محدود به نویز فوتون خواهد بود. نویز فوتون با تغییرات آماری در هنگام رسیدن فوتون ها ایجاد می شود و به همین خاطر از لحاظ تئوری وجود حداقل نویزرا عنوان می کند. نویز کلی مجموع نویز فوتون ها و نویز بازخوانی اطلاعات است.

در مجموع، گستره پویای یک دوربین مداربسته دیجیتالی را میتوان اینگونه تعریف کرد : نسبت حداکثر شدت نور قابل اندازه گیری (در حالت اشباع پیکسل)، به حداقل شدت نور قابل اندازه گیری (بالاتر از نویز بازخوانی)

تصویر دیجیتالی

تصاویر دیجیتالی، تصاویری سنجش شده اند که از تعداد زیادی مربعات کوچک (پیکسل) تشکیل می شوند که هر پیکسل دارای یک شماره رقمی می باشد که بیانگر مقدار روشنایی آن پیکسل است (شکل 5-2) یک تصویر را می توان توسط تابع دوبعدی (۷,f(x نشان داد که در آن x و y را مختصات مکانی و مقدار f در هر نقطه را شدت روشنایی تصویر تک رنگ (سطح خاکستری) در آن نقطه مینامند. تصاویر رنگی نیز از تعدادی تصویر دو بعدی تشکیل میشود. زمانی که مقادیر x و۷و مقدار (x,y) با مقادیر گسسته و محدود بیان شوند، تصویر را یک تصویر دیجیتالی می نامند. دیجیتال کردن مقادیر x و y را  Samplingو دیجیتال کردن مقدار (f(x,y را quantization گویند. برای نمایش یک تصویر MxN از یک آرایه دو بعدی (ماتریسی) که اسطر و ستون دارد استفاده می شود.

تصویر دیجیتالی

تصویر دیجیتالی

مقدار هر عنصر از آرایه نشان دهنده شدت روشنایی تصویر در آن نقطه است هر عنصر آرایه یک مقدار ۸ بیتی است که می تواند مقداری بین 0 و 255 باشد. مقدار صفر نشان دهنده رنگ تیره (سیاه) و مقدار 255 نشان دهنده رنگ روشن سفید است.

به عنوان مثال تصویر هر پیکسل از شکلی ۵-۳ مقداری بین ۰ و ۲۵۵ دارد. نقاط روشن مقادیری نزدیک به ۲۵۵ و نقاط تیره مقادیر نزدیک به دارد. همه توابع پردازش تصویر از این مقادیر استفاده می کند و اعمال لازم را بر روی تصویر انجام میدهند.

بنابراین کلیک فریم تصویر سیاه و سفید را میتوان به صورت یک ماتریس نمایش داد. این ویژگی یکی از فوائد مهم تصویر در محیط دیجیتال است. زیرا بسیاری از اعمال ریاضی که برای ماتریس ها تعریف شده اند، مانند عملیات  or ,andو یا تبدیل هایی مانند انتقال داوران و غیره را به کمک این اعمال پایه ای ریاضی می توان به بسیاری از عملیات تصویری بدل نمود.

در تصاویر رنگی همان شرایط تصاویر سیاه و سفید برقرار است، ولی برای هر فریم سه ماتریس Red (قرمز)، Green (سبز) و Blue (آبی) و به صورت مجزا ۲۵۶ سطح وجود دارد.

هر عنصر آرایه مقداری8 بیتی پین و ۲۵۵دارد

هر عنصر آرایه مقداری8 بیتی پین و ۲۵۵دارد

 دقت تصویر

 دقت تصویر بستگی به شماره پیکسل ها دارد. با یک تصویر دوبیتی، حداکثر دامنه روشنایی ۴ می باشد که دامنه آن از 0 تا ۳ تغییر می کند. در این حالت تصویر دقت (تفکیک پذیری لازم) را ندارد. تصویر ۸ بیتی حداکثر دامنه ۲۵۶ دارد و تغییرات آن بین ۰ تا ۲۵۵ است که دقت بالاتری دارد.

جدول 5-1 (دقت تصویر)

دمانه تغییرات رنگمقدار پیکسلنوع تصویر
0-25528=2568 بیتی
0-65535216=6553616 بیتی
0-16777215224=1677721624 بیتی

خاکستری کردن تصویر

 در رایج ترین مدل رنگ گرافیک کامپیوتری، رنگها از ترکیب سه رنگ قرمز، سبز و آبی به وجود می آیند که در مجموع ۱۶۵۸۱۳۷۵ رنگ متفاوت توسط این سه مولفه می توان تولید کرد. این مدل رنگ در گرافیک کامپیوتری با نامRGB شناخته می شود. در کنار مدل رنگ RGB مدلهای دیگری همچون HIS,HSV ،CMYK و Grayscale نیز وجود دارد که هر یک از آنها به روش متفاوتی به نمایش رنگها می پردازند. در این بین مدل رنگ Grayscale از اهمیت ویژه ای برخوردار است، چرا که در بیشتر کاربردها نیازی به یک تصویر رنگی نمیباشد و داشتن تنها یک تصویر خاکستری کافی خواهد بود. در میان عموم، تصویر خاکستری با نام تصویر سیاه و سفید شناخته میشود (البته استفاده ; نام سیاه سفید به جای خاکستری اشتباه است و در اینجا فقط برای روشنتر شدن مطلب از این نام استفاده شد هاست) آن مقادیر یکسانی داشته باشند. از آنجا که مقادیر ماتریس های B و G و R و پس از Grayscale کردن در الگوریتم های بعدی که برای پردازش تصویر ارائه خواهند شد از تصاویر Grayscale استفاده خواهد شد. بنابراین عملیات نیز بر روی تنها یک ماتریس انجام خواهد پذیرفت.

هیستوگرام تصویر

هیستوگرام تصویر نموداری است که توسط آن تعداد پیکسل های هر سطح روشنایی در تصویر ورودی مشخص میشود. اگر تصویر ورودی یک تصویر خاکستری با ۲۵۶ سطح روشنایی باشد. هریک از پیکسل های تصویر مقداری در بازه صفر تا ۲۵۵ می توانند داشته باشند. برای به دست آوردن هیستوگرام تصویر کافی است با پیمایش کلی پیکسل های تصویر تعداد پیکسل های هر سطح روشنایی محاسبه شود. هیستوگرام نرمال نیز از تقسیم کردن مقادیر هیستوگرام به تعداد کل پیکسل های تصویر به دست می آید. نرمال سازی هیستوگرام موجب میشود که مقادیر هیستوگرام در بازه صفر تا یک قرار گیرند.

یکی از کاربردهای هیستوگرام در تمرکز خودکار دوربین های مداربسته دیجیتالی است. بدین صورت که لنز دوربین مداربسته از ابتدا تا انتها حرکت کرده و در هر گام از حرکت خود تصویری از صحنه می گیرد. سپس کنتراست تصویر گرفته شده را با استفاده از هیستوگرام آن محاسبه میکند. پس از آن که لنز به انتهای حرکتی خود رسید، محلی از حرکت لنز که در آن تصویر دارای بیشترین تباین(اختلاف) خود بوده است، به عنوان محلی لنز تعیین می شود.

مطالب مرتبط

آموزش های مرتبط :


پیش ثبت نام در دوره ها

با پر کردن فرم زیر در اسرع وقت با شما تماس گرفته می شود

  • 13 + 1 =
  • این فیلد برای اعتبار سنجی است و باید بدون تغییر باقی بماند .
0 پاسخ

دیدگاه خود را ثبت کنید

میخواهید به بحث بپیوندید؟
احساس رایگان برای کمک!

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *