تبدیل نوع تصویر به یکدیگر با استفاده از Quantization-بخش سوم

موسسه پایا پروژه به عنوان متصدی انجام پروژه های پردازش تصویر با متلب وظیفه ی خود می داند که در راستای آموزش نرم افزار متلب گام های موثری را بردارد. با توجه به اینکه یک دوره آموزشی متلب مستلزم تمرین و تلاش بسیار است. اما این موسسه تلاش می کند سهم کوچکی در جهت یادگیری شما داشته باشد.

یکی دیگر از روش های تبدیل نوع تصاویر به یکدیگر در متلب، متد Quantization است که به معنی تقسیم یک تصویر به چند محدوده کوچک تر یا چند بخش است و باعث فشرده سازی تصاویر به صورت گسترده می‌گردد. در ادامه تابع grayslice توضیح داده خواهد شد. با پایا پروژه همراه باشید.

تبدیل نوع تصویر به یکدیگر با استفاده از Quantization(بخش سوم)

در دو بخش قبلی پردازش تصویر با متلب و تبدیل نوع تصویر به یکدیگر با استفاده از Quantization، توابع imquantize و multithresh توضیح داده شدند . در ادامه تابعی که معرفی خواهد شد، grayslice است. با پایا پروژه همراه باشید.

شیوه کار تبدیل نوع تصاویر با استفاده از Quantization، اینگونه است که، تصویر را به چند سطح مختلف تقسیم بندی می‌کند و سپس تغییرات موردنیاز را اعمال می‌کند.

تبدیل انواع تصاویر به یکدیگر با استفاده از grayslice

کاری که این تابع انجام می‌دهد، تبدیل تصویر grayscale به indexed image با استفاده از multilevel thresholding و یا آستانه چند سطحی است. از این روش همانگونه که در ادامه توضیح خواهیم داد، برای رنگ کردن قطرات برف و یا باران در یک تصویر معیار خاکستری و همچنین تشخیص پوشش گیاهی، برای کاهش هزینه ها استفاده می‌شود. شیوه استفاده از این تابع به صورت زیر است.

1. X = grayslice(I,N)
2. X = grayslice(I,thresholds)

تابع grayslice، I که یک تصویر grayscale و همچنین N که تعداد سطوح آستانه است را به عنوان ورودی می‌گیرد و به صورت خودکار و با استفاده از روش multilevel thresholding تصویر indexed را برمی‌گرداند.

در شکل شماره دو، تابع thresholds که مجموعه ای از آستانه ها هستند، برای تعیین indexed image مورد استفاده قرار می‌گیرند. thresholds از نوع بردار عددی (numeric vector) است که محدوده مقادیر آن با توجه به نوع داده مورد استفاده متغیر است.

محدوده مقادیر thresholds برای انواع داده های مختلف

شیوه استفاده از تابع grayslice

مرحله اول: وارد کردن تصویر و نمایش آن

I = imread(‘snowflakes.png’);

imshow(I)

تصویر اولیه

مرحله دوم: استفاده از تابع و تبدیل تصویر grayscale به indexed image با N=16

X = grayslice(I,16);

مرحله سوم: نمایش تصویر نهایی

figure

imshow(X,jet(16))

تصویر نهایی و پس از استفاده از grayslice

تبدیل نوع تصویر به یکدیگر با استفاده از Quantization با معرفی تابع grayslice  به پایان رسید. برای  انجام پروژه های متلب به صورت حرفه ای و مشاهده دیگر آموزش ها، با ما همراه باشید.

منابع:

1. https://de.mathworks.com