কোয়ান্টিমেট্রিক ইমেজ প্রসেসিং: 5 টি ধাপ

2024 লেখক: John Day | [email protected]. সর্বশেষ পরিবর্তিত: 2024-01-30 08:02

(উপরের চিত্রটি কোয়ান্টিমেট্রিক ইমেজ প্রসেসিংয়ের সাথে বিদ্যমান ইমেজ প্রসেসিং পদ্ধতির তুলনা করে। উন্নত ফলাফলটি লক্ষ্য করুন। উপরের ডান ছবিটি অদ্ভুত জিনিস দেখায় যা ভুল ধারণা থেকে আসে যে ছবিগুলি আলোর মতো কিছু পরিমাপ করে। নীচের ডান ছবি একই কাজ করে আরও ভাল ফলাফল দেখায় পরিমাণগতভাবে।)

এই ইন্সট্রাকটেবল -এ আপনি শিখবেন কিভাবে একটি অতি সাধারণ ধারণা ব্যবহার করে বিদ্যমান ইমেজিং বা ভিশন সেন্সিং সিস্টেমের কর্মক্ষমতাকে ব্যাপকভাবে উন্নত করা যায়: কোয়ান্টিমেট্রিক ইমেজ সেন্সিং।

কোয়ান্টিমেট্রিক ইমেজ প্রসেসিং নিচের যেকোনো একটিতে ব্যাপকভাবে উন্নতি করে:

• বিদ্যমান ইমেজ প্রসেসিং যেমন ইমেজ ডাবলুরিং;
• মেশিন লার্নিং, কম্পিউটার ভিশন এবং প্যাটার্ন-রিকগনিশন;
• পরিধানযোগ্য মুখ সনাক্তকারী (https://wearcam.org/vmp.pdf দেখুন), এআই এবং এইচআই ভিত্তিক দৃষ্টি ইত্যাদি।

মৌলিক ধারণা হল কোয়ান্টিমেট্রিক্যালি প্রি-প্রসেস এবং ইমেজ পোস্ট-প্রসেস, নিম্নরূপ:

1. চিত্র বা চিত্রের গতিশীল পরিসর প্রসারিত করুন;
2. ইমেজ বা ইমেজ যেমন আপনি স্বাভাবিকভাবে প্রক্রিয়া করবেন;
3. চিত্র বা চিত্রের গতিশীল পরিসর সংকুচিত করুন (যেমন ধাপ 1 পূর্বাবস্থায় ফেরান)।

পূর্ববর্তী নির্দেশাবলীতে, আমি HDR (হাই ডায়নামিক রেঞ্জ) সেন্সিং এবং কোয়ান্টিমেট্রিক সেন্সিং এর কিছু দিক শিখিয়েছি, যেমন linearity, superposition, ইত্যাদি।

এখন আসুন আমরা এই জ্ঞান ব্যবহার করি।

আপনি যে কোন বিদ্যমান প্রক্রিয়া ব্যবহার করতে চান। আমি যে উদাহরণটি দেখাব তা হল ছবিটি ঝাপসা করা, তবে আপনি এটি অন্য যে কোনও কিছুর জন্যও ব্যবহার করতে পারেন।

ধাপ 1: আপনার চিত্র বা চিত্রের গতিশীল পরিসর প্রসারিত করুন

("ইন্টেলিজেন্ট ইমেজ প্রসেসিং", জন উইলি অ্যান্ড সন্স ইন্টারসাইন্স সিরিজ, স্টিভ মান, নভেম্বর ২০০১ থেকে প্রাপ্ত চিত্র)

প্রথম ধাপ হল ইনপুট ছবির গতিশীল পরিসর প্রসারিত করা।

আদর্শভাবে আপনার প্রথমে ক্যামেরার প্রতিক্রিয়া ফাংশন নির্ধারণ করা উচিত, এবং তারপর ছবিতে বিপরীত প্রতিক্রিয়া, f বিপরীত, প্রয়োগ করা উচিত।

সাধারণ ক্যামেরাগুলি গতিশীল পরিসরের সংকোচকারী, তাই আমরা সাধারণত একটি বিস্তৃত ফাংশন প্রয়োগ করতে চাই।

আপনি যদি রেসপন্স ফাংশন না জানেন, তাহলে সহজ কিছু চেষ্টা করে শুরু করুন যেমন ইমেজ অ্যারেতে ইমেজ লোড করা, ভেরিয়েবলগুলিকে একটি ডাটা টাইপ যেমন (float) বা (double) এ কাস্ট করা, এবং প্রতিটি পিক্সেলের মান এক্সপোনেন্টে বাড়ানো, যেমন, উদাহরণস্বরূপ, প্রতিটি পিক্সেল মান স্কোয়ারিং।

যুক্তি:

কেন আমরা এই করছেন?

উত্তর হল যে বেশিরভাগ ক্যামেরা তাদের গতিশীল পরিসীমা সংকুচিত করে। তারা এটি করার কারণ হল যে বেশিরভাগ ডিসপ্লে মিডিয়া গতিশীল পরিসর প্রসারিত করে। এটি বেশ দুর্ঘটনাক্রমে: একটি ক্যাথোড-রে টিউব টেলিভিশন ডিসপ্লে দ্বারা নির্গত আলোর পরিমাণ প্রায় ২.২২ এর এক্সপোনেন্টে উত্থাপিত ভোল্টেজের সমান, যাতে যখন ভিডিও ভোল্টেজ ইনপুট প্রায় অর্ধেক হয়, তখন নির্গত আলোর পরিমাণ অনেক বেশি অর্ধেকেরও কম.

ফটোগ্রাফিক মিডিয়াও গতিশীল পরিসরের বিস্তৃত। উদাহরণস্বরূপ, একটি ফটোগ্রাফিক "নিরপেক্ষ" ধূসর কার্ড ইভেন্ট লাইটের 18% (ইভেন্ট লাইটের 50% নয়) নির্গত করে। এই অনেক আলো (18%) প্রতিক্রিয়াটির মাঝামাঝি বলে মনে করা হয়। সুতরাং আপনি যেমন দেখতে পারেন, যদি আমরা ইনপুট একটি ফাংশন হিসাবে আউটপুট একটি গ্রাফ তাকান, ডিসপ্লে মিডিয়া আচরণ করে যেন তারা আদর্শ রৈখিক প্রদর্শন যা আদর্শ রৈখিক প্রতিক্রিয়া আগে একটি গতিশীল পরিসীমা সম্প্রসারণকারী ধারণ করে।

উপরের চিত্রে, উপরে, আপনি একটি বিন্দুযুক্ত রেখা সহ বাক্সে প্রদর্শিত প্রদর্শন দেখতে পারেন, এবং এটি আদর্শ রৈখিক প্রদর্শনীর পূর্বে একটি সম্প্রসারণকারীর সমতুল্য।

যেহেতু ডিসপ্লেগুলি সহজাতভাবে বিস্তৃত, তাই ক্যামেরাগুলিকে সংকোচনের জন্য ডিজাইন করা দরকার যাতে বিদ্যমান ডিসপ্লেগুলিতে ছবিগুলি ভাল দেখায়।

পুরনো দিনে যখন হাজার হাজার টেলিভিশন রিসিভার ডিসপ্লে এবং মাত্র একটি বা দুটি ব্রডকাস্টিং স্টেশন ছিল (যেমন একটি বা দুটি টেলিভিশন ক্যামেরা), তখন সব টেলিভিশন স্মরণ করার চেয়ে ক্যামেরায় সংকোচনহীন অ -লাইনারিটি রাখা সহজ ছিল এবং প্রতিটি টেলিভিশন রিসিভারে একটি রাখুন।

দুর্ঘটনাক্রমে এটি শব্দ কমাতেও সাহায্য করেছিল। অডিওতে আমরা এটিকে "ডলবি" ("কম্প্যান্ডিং") বলি এবং এর জন্য একটি পেটেন্ট প্রদান করি। ভিডিওতে এটি সম্পূর্ণ দুর্ঘটনাক্রমে ঘটেছে। স্টকহ্যাম প্রস্তাব করেছিলেন যে আমাদের ছবিগুলি প্রক্রিয়া করার আগে তাদের লগারিদম নেওয়া উচিত, এবং তারপর অ্যান্টিলগ নেওয়া উচিত। তিনি যা বুঝতে পারেননি তা হ'ল বেশিরভাগ ক্যামেরা এবং ডিসপ্লে ইতিমধ্যেই এটি বেশ সুযোগ করে দিয়েছে। পরিবর্তে, আমি যা প্রস্তাব করেছি তা হ'ল আমরা স্টকহ্যাম যা প্রস্তাব করেছি তার ঠিক বিপরীত কাজটি করি। (দেখুন "ইন্টেলিজেন্ট ইমেজ প্রসেসিং", জন উইলি অ্যান্ড সন্স ইন্টারসাইন্স সিরিজ, পৃষ্ঠা 109-111।)

নিচের ছবিতে, আপনি প্রস্তাবিত অ্যান্টি-হোমোমরফিক (কোয়ান্টিমেট্রিক) ইমেজ প্রসেসিং দেখতে পাচ্ছেন, যেখানে আমরা গতিশীল পরিসরের সম্প্রসারণ এবং সংকোচনের ধাপ যোগ করেছি।

ধাপ 2: ছবিগুলি প্রক্রিয়া করুন, বা কম্পিউটার ভিশন, মেশিন লার্নিং বা লাইক করুন

দ্বিতীয় ধাপ, গতিশীল পরিসীমা সম্প্রসারণের পরে, ছবিগুলি প্রক্রিয়া করা।

আমার ক্ষেত্রে, আমি কেবল ব্লার ফাংশন সহ চিত্রের একটি ডিকনভোলিউশন সম্পাদন করেছি, যেমন ইমেজ ডাবলুরিং, যা সাধারণত পূর্ববর্তী শিল্পে পরিচিত।

কোয়ান্টিমেট্রিক ইমেজ সেন্সিংয়ের দুটি বিস্তৃত বিভাগ রয়েছে:

• মানুষকে দেখতে সাহায্য করা;
• সাহায্যকারী মেশিনগুলি দেখতে।

যদি আমরা লোকদের দেখতে সাহায্য করার চেষ্টা করছি (যেটা আমি এখানে দেখিয়ে দিচ্ছি), আমরা এখনো সম্পন্ন করিনি: আমাদের প্রক্রিয়াজাত ফলাফলকে আবার ইমেজ স্পেসে নিয়ে যেতে হবে।

যদি আমরা মেশিনগুলিকে দেখতে সাহায্য করি (যেমন মুখ স্বীকৃতি), আমরা এখন সম্পন্ন করেছি (ধাপ 3 এ যাওয়ার প্রয়োজন নেই)।

ধাপ 3: ফলাফলের গতিশীল পরিসর পুনরায় কম্প্রেস করুন

যখন আমরা সম্প্রসারিত গতিশীল পরিসরে কাজ করছি, তখন আমরা "লাইটস্পেস" (কোয়ান্টিমেট্রিক ইমেজ স্পেস) এ থাকব বলে বলা হয়।

ধাপ 2 এর শেষে, আমরা লাইটস্পেসে আছি, এবং আমাদের ইমেজ স্পেসে ফিরে যেতে হবে।

তাই এই ধাপ 3 ইমেজ স্পেস ফিরে পেতে হয়।

ধাপ 3 সম্পাদন করতে, কেবল ধাপ 2 এর আউটপুটের গতিশীল পরিসর সংকুচিত করুন।

আপনি যদি ক্যামেরার রেসপন্স ফাংশনটি জানেন, তাহলে ফলাফলটি পেতে কেবল এটি প্রয়োগ করুন, f (p (q))।

আপনি যদি ক্যামেরার রেসপন্স ফাংশন না জানেন, তাহলে কেবল একটি ভাল অনুমান প্রয়োগ করুন।

আপনি যদি ধাপ 1 এ ইমেজ পিক্সেলগুলিকে বর্গ করেন, তাহলে ইমেজস্পেস সম্পর্কিত আপনার অনুমানে ফিরে আসার জন্য প্রতিটি ইমেজ পিক্সেলের বর্গমূল নেওয়ার সময় এসেছে।

ধাপ 4: আপনি অন্য কিছু বৈচিত্রের চেষ্টা করতে পারেন

Deblurring অনেক সম্ভাব্য উদাহরণের মধ্যে একটি মাত্র। উদাহরণস্বরূপ, একাধিক এক্সপোজারের সমন্বয় বিবেচনা করুন।

যেকোনো দুটি ছবি তুলুন যেমন আমার উপরে আছে। একটিকে দিনের বেলা এবং অন্যটি রাতে নেওয়া হয়েছিল।

তাদের একত্রিত করে একটি সন্ধ্যার মতো ছবি তৈরি করুন।

আপনি যদি তাদের একসাথে গড় করেন তবে এটি আবর্জনার মতো দেখায়। এটি নিজে চেষ্টা করুন!

কিন্তু যদি আপনি প্রথমে প্রতিটি ছবির গতিশীল পরিসর প্রসারিত করেন, তারপর সেগুলি যোগ করুন, এবং তারপর যোগফলটির গতিশীল পরিসরকে সংকুচিত করুন, এটি দুর্দান্ত দেখায়।

কোয়ান্টিমেট্রিক ইমেজ প্রসেসিং এর সাথে ইমেজ প্রসেসিং (ইমেজ যোগ করা) তুলনা করুন (প্রসারিত করা, যোগ করা এবং তারপর কম্প্রেস করা)।

আপনি আমার কোড এবং আরো উদাহরণ উপাদান এখান থেকে ডাউনলোড করতে পারেন:

ধাপ 5: আরও এগিয়ে যাওয়া: এখন এটি HDR ইমেজ কম্পোজিট দিয়ে চেষ্টা করুন

(চিত্রের উপরে: এইচডিআর dingালাই শিরস্ত্রাণ বর্ধিত বাস্তবতার ওভারলেগুলির জন্য কোয়ান্টিমেট্রিক ইমেজ প্রসেসিং ব্যবহার করে। স্ল্যাশগিয়ার 2012 সেপ্টেম্বর 12 দেখুন।)

সংক্ষেপে:

একটি ছবি ক্যাপচার করুন এবং নিম্নলিখিত পদক্ষেপগুলি প্রয়োগ করুন:

1. ছবির গতিশীল পরিসর প্রসারিত করুন;
2. ছবিটি প্রক্রিয়া করুন;
3. ফলাফলের গতিশীল পরিসর সংকুচিত করুন।

এবং যদি আপনি আরও ভাল ফলাফল চান তবে নিম্নলিখিতগুলি চেষ্টা করুন:

বিভিন্নভাবে উন্মুক্ত চিত্রের বহুলতা ক্যাপচার করুন;

1. এইচডিআর -এ আমার পূর্ববর্তী নির্দেশনা অনুযায়ী গতিশীল পরিসরকে লাইটস্পেসে প্রসারিত করুন;
2. ফলে কোয়ান্টিমেট্রিক ইমেজ, q, লাইটস্পেসে প্রক্রিয়া করুন;
3. টোনম্যাপিংয়ের মাধ্যমে গতিশীল পরিসর সংকুচিত করুন।

মজা করুন এবং দয়া করে "আমি এটা তৈরি করেছি" এ ক্লিক করুন এবং আপনার ফলাফল পোস্ট করুন, এবং আমি মন্তব্য করতে বা কিছু গঠনমূলক সাহায্য দিতে পেরে খুশি হব।