SlideShare ist ein Scribd-Unternehmen logo
1 von 23
IN THE NAME OF
GOD
‫پردازش‬
‫از‬ ً‫تقریبا‬ ‫را‬ ‫الکترومناطیسی‬ ‫طیف‬ ‫رنگ‬ ‫تک‬ ‫نور‬
400‫تا‬700‫باشد‬ ‫می‬ ‫نانومتر‬.
‫به‬ ‫دریافت‬ ‫شی‬ ‫یک‬ ‫از‬ ‫انسان‬ ‫که‬ ‫هایی‬ ‫رنگ‬ ً‫اساسا‬
‫شده‬ ‫منعکس‬ ‫طبیعت‬ ‫وسیله‬ ‫به‬ ‫وسیله‬
‫شود‬ ‫می‬ ‫تعیین‬ ‫شی‬ ‫یک‬ ‫از‬.
‫رنگ‬ ‫تک‬ ‫نور‬ ‫منبع‬ ‫کیفیت‬ ‫توصیف‬ ‫کمیت‬ ‫سه‬:‫تشعشع‬
‫وروشنی‬ ‫لومینانس‬
‫های‬ ‫مخروط‬RGB‫چشم‬:‫که‬65‫قرمز‬ ‫رنگ‬ ‫به‬ ‫ها‬ ‫آن‬ ‫درصد‬
33‫سبز‬ ‫رنگ‬ ‫به‬ ‫درصد‬
‫فقط‬ ‫و‬2‫حساس‬ ‫آبی‬ ‫نور‬ ‫به‬ ‫مخروط‬ ‫ها‬ ‫آن‬ ‫از‬ ‫درصد‬
‫است‬.
‫سازی‬ ‫استاندارد‬CIE
‫را‬ ‫نور‬ ‫های‬ ‫منحنی‬ ‫میانگین‬ ‫شکل‬ ‫این‬
‫دهد‬ ‫می‬ ‫نشان‬‫میزان‬ ‫که‬
‫کند‬ ‫می‬ ‫مشخص‬ ‫را‬ ‫چشم‬ ‫توسط‬ ‫نور‬ ‫جذب‬.
‫رفته‬ ‫هم‬ ‫روی‬ ‫را‬ ‫اشباع‬ ‫و‬ ‫رنگ‬ ‫پرده‬‫رنگینگی‬‫گویند‬.
‫و‬ ‫گویند‬ ‫گانه‬ ‫سه‬ ‫مقادیر‬ ‫را‬ ‫خاص‬ ‫رنگ‬ ‫یک‬ ‫تشکیل‬ ‫برای‬ ‫وآبی‬ ‫سبز‬ ‫قرمز‬ ‫مقادیر‬‫با‬ ‫ترتیب‬ ‫به‬X,Y,Z
‫شود‬ ‫می‬ ‫تعریف‬ ‫زیر‬ ‫صورت‬ ‫به‬ ‫دهندکه‬ ‫می‬ ‫نشان‬.

x=
𝑋
𝑋+𝑌+𝑍
Y=
𝑌
𝑋+𝑌+𝑍
Z=
𝑍
𝑋+𝑌+𝑍
X+y+z=1
Z=1-(x+y)
RGB
CMYK
HSI
‫د‬‫مدل‬ ‫ر‬RGB‫های‬ ‫مولفه‬ ‫صورت‬ ‫به‬ ‫رنگ‬ ‫هر‬
‫های‬ ‫رنگ‬ ‫از‬ ‫اولیه‬ ‫طیفی‬
‫شود‬ ‫می‬ ‫ظاهر‬ ‫آبی‬ ‫و‬ ‫سبز‬ ‫قرمز‬.
‫است‬ ‫دکارتی‬ ‫مختصات‬ ‫بر‬ ‫مبتنی‬ ‫مدل‬ ‫این‬ ‫که‬.
‫اولیه‬ ‫مقادیر‬ ‫در‬ ‫که‬RGB‫گوشه‬ ‫سه‬ ‫در‬
‫دارند‬ ‫قرار‬.
‫دیگر‬ ‫گوشه‬ ‫سه‬ ‫در‬ ‫نیز‬ ‫ثامویه‬ ‫های‬ ‫رنگ‬
‫دارد‬ ‫قرار‬ ‫مکعب‬.
‫مکعب‬ ‫این‬ ‫داخل‬ ‫در‬ ‫مدل‬ ‫این‬ ‫شامل‬ ‫های‬ ‫رنگ‬
‫از‬ ‫که‬ ‫برداری‬ ‫صورت‬ ‫به‬
‫کند‬ ‫می‬ ‫عبور‬ ‫مبدا‬.
‫در‬ ‫رنگ‬ ‫مقادیر‬ ‫تمامی‬ ‫راحتی‬ ‫منظور‬ ‫به‬
‫بازه‬[0,1]‫گرفته‬ ‫نظر‬ ‫در‬
‫شود‬ ‫می‬.
‫پیکسل‬ ‫هر‬ ‫نمایش‬ ‫برای‬ ‫الزم‬ ‫های‬ ‫بیت‬ ‫تعداد‬
‫اند‬ ‫نوری‬ ‫ثانوی‬ ‫های‬ ‫رنگ‬ ‫زرد‬ ‫و‬ ‫بنفش‬ ‫ای‬ ‫فیروزه‬ ‫واقع‬ ‫در‬‫رنگ‬ ‫یا‬
‫اند‬ ‫مادی‬ ‫ی‬ ‫اولیه‬ ‫های‬.
‫به‬ ‫نیاز‬ ‫پاشند‬ ‫می‬ ‫کاغذ‬ ‫روی‬ ‫را‬ ‫رنگی‬ ‫مواد‬ ‫که‬ ‫هایی‬ ‫دستگاه‬ ‫اغلب‬
‫ورودی‬CMYK‫تبدیل‬ ‫اجرای‬ ‫یا‬RGB‫به‬
CMY‫دارند‬ ‫خود‬ ‫داخل‬ ‫در‬.
‫سه‬ ‫با‬ ‫را‬ ‫آن‬ ‫بینیم‬ ‫می‬ ‫که‬ ‫را‬ ‫شی‬ ‫رنگ‬ ‫مدل‬ ‫این‬ ‫در‬
‫از‬ ‫عبارتند‬ ‫که‬ ‫کنیم‬ ‫می‬ ‫توصیف‬ ‫ویژگی‬:
۱)‫پرده‬‫رنگ‬
2)‫اشباع‬
3)‫روشنی‬
‫از‬ ‫محاسبات‬RGB‫به‬HSI‫شود‬ ‫می‬ ‫انجام‬ ‫ها‬ ‫بیت‬ ‫برحسب‬ ‫وبرعکس‬.
H=
𝜃 𝐵 ≤ 𝐺
360 − 𝜃 𝐵 > 𝐺
𝜃 = cos−1
(
1
2
𝐵 − 𝐺 + (𝑅 − 𝐵)
( 𝑅 − 𝐺 2 + (𝑅 − 𝐵)(𝐺 − 𝐵)
1
2)
)
S=1-
3
𝑅+𝐺+𝐵
{min(𝑅, 𝐺, 𝐵)}
I=
1
3
(𝑅 + 𝐺 + 𝐵)
‫مقادیر‬ ‫به‬ ‫توجه‬ ‫با‬ ‫خواهیم‬ ‫می‬HSI‫فاصله‬ ‫در‬[0,1]‫خواهیم‬ ‫می‬
‫مقادیر‬RGB‫کنیم‬ ‫پیدا‬ ‫بازه‬ ‫همان‬ ‫در‬ ‫را‬ ‫متناظر‬.
1)‫قطاع‬(0≤ 𝐻 < 120)RG
B=I(1-s)
R=I 1 +
𝑆 cos 𝐻
cos(60−𝐻)
G=3I-(R+B)
2)‫قطاع‬(120 ≤ 𝐻 < 240)RG
H=H-120
R=I(1-s)
G=I 1 +
𝑆 cos 𝐻
cos(60−𝐻)
B=3I-(R+B)
1)‫قطاع‬(240 ≤ 𝐻 < 360)RG
G=I(1-s)
B=I 1 +
𝑆 cos 𝐻
cos(60−𝐻)
R=3I-(R+B)
‫شوند‬ ‫می‬ ‫پردازش‬ ‫صورت‬ ‫دو‬ ‫به‬ ‫رنگی‬ ‫تصاویر‬:
1)‫تصاویر‬ ‫های‬ ‫مولفه‬ ‫جداگانه‬ ‫پردازش‬
2)‫رنگی‬ ‫های‬ ‫پیکسل‬ ‫پردازش‬
‫کنید‬ ‫فرض‬c‫فضای‬ ‫در‬ ‫برداری‬RGB‫باشد‬:
C=
𝐶 𝑅
𝐶 𝐺
𝐶 𝐵
=
𝑅
𝐺
𝐵
‫کنید‬ ‫فرض‬b,g,r‫در‬ ‫واحدی‬ ‫بردارهای‬ ‫واحدی‬ ‫بردارهای‬
‫محور‬ ‫امتداد‬R,G,B‫بردارهای‬ ‫و‬ ‫باشد‬
‫کنیم‬ ‫می‬ ‫تعریف‬ ‫را‬ ‫زیر‬:U=
𝟃𝑅
𝟃𝑋
r +
𝟃𝐺
𝟃𝑋
g+
𝟃𝐵
𝟃𝑋
𝑏
V=
𝟃𝑅
𝟃𝑦
r +
𝟃𝐺
𝟃𝑦
𝑔 +
𝟃𝐵
𝟃𝑦
𝑏
‫های‬ ‫کمیت‬ ‫کنیم‬ ‫می‬ ‫فرض‬,𝑔 𝑥𝑦 𝑔 𝑦𝑦 ,𝑔 𝑥𝑥‫برحسب‬‫نقطه‬ ‫ضرب‬ ‫حاصل‬
‫ای‬‫تعریف‬ ‫زیر‬ ‫صورت‬ ‫به‬
‫شود‬ ‫می‬:
𝑔 𝑥𝑥=𝑢 𝜏 u =
𝜕𝑅
𝜕𝑥
2
+
𝜕𝐺
𝜕𝑥
2
+
𝜕𝐵
𝜕𝑥
2
𝑔 𝑦𝑦=𝑣 𝜏
v =
𝜕𝑅
𝜕𝑦
2
+
𝜕𝐺
𝜕𝑦
2
+
𝜕𝐵
𝜕𝑦
2
𝑔 𝑥𝑦=𝑢 𝜏 v =
𝟃𝑅
𝟃𝑋
𝟃𝑅
𝟃𝑦
+
𝟃𝐺
𝟃𝑋
𝟃𝐺
𝟃𝑦
+
𝟃𝐵
𝟃𝑋
𝟃𝐵
𝟃𝑦
 𝜃 𝑥, 𝑦 =
1
2
tan−1(
2𝑔 𝑥𝑦
𝑔 𝑥𝑥−𝑔 𝑦𝑦
)
‫نرخ‬ ‫ومقدار‬(x,y)‫جهت‬ ‫در‬‫صورت‬ ‫ب‬‫ه‬ 𝜃 𝑥,𝑦‫شود‬ ‫می‬ ‫تعریف‬ ‫زیر‬.
 𝑓
𝜃 𝑥,𝑦 ={
1
2
𝑔 𝑥𝑥+𝑔 𝑦𝑦 +(𝑔 𝑥𝑥−𝑔 𝑦𝑦) cos 2𝜃 𝑥,𝑦 +2𝑔 𝑥𝑦 𝑠𝑖𝑛2𝜃(𝑥,𝑦) }
1
2
‫عمل‬ ‫با‬ ‫میتوان‬ ‫را‬ ‫خاکستری‬ ‫تصاویر‬ ‫سازی‬ ‫هموار‬
‫آن‬ ‫در‬ ‫که‬ ‫گرفت‬ ‫نظر‬ ‫در‬ ‫مکانی‬ ‫کردن‬ ‫فیلتر‬
‫دارد‬ ‫یکسانی‬ ‫مقدار‬ ‫کردن‬ ‫فیلتر‬ ‫ضرایب‬.‫نقاب‬ ‫که‬ ‫وقتی‬
‫خواهیم‬ ‫می‬ ‫که‬ ‫تصویری‬ ‫امتداد‬ ‫در‬ ‫ما‬
‫کند‬ ‫می‬ ‫حرکت‬ ‫شود‬ ‫هموار‬.‫میانگین‬ ‫با‬ ‫پیکسل‬ ‫هر‬
‫ها‬ ‫نقاب‬ ‫توسط‬ ‫آن‬ ‫همسایگی‬ ‫در‬ ‫ها‬ ‫پیکسل‬
‫شود‬ ‫می‬ ‫جایگزین‬.
𝐶(x,y)=
1
𝐾 (𝑠,𝑡)∈𝑠 𝑥𝑦
𝑐(𝑠, 𝑡)
𝐶(x,y)=
1
𝑘 (𝑠,𝑡)∈𝑠 𝑥𝑦
𝑅(𝑠, 𝑡)
1
𝑘 (𝑠,𝑡)∈𝑠 𝑥𝑦
𝐺(𝑠, 𝑡)
1
𝑘 (𝑠,𝑡)∈𝑠 𝑥𝑦
𝐵(𝑠, 𝑡)
‫بردار‬ ‫الپالسین‬ ‫از‬ ‫استفاده‬ ‫با‬ ‫را‬ ‫رنگی‬ ‫تصاویر‬ ‫کردن‬ ‫تیز‬RGB‫های‬ ‫مولفه‬ ‫که‬ ‫گیرد‬ ‫می‬ ‫صورت‬
‫الپالسی‬ ‫جا‬ ‫این‬ ‫در‬ ‫که‬ ‫است‬ ‫ورودی‬ ‫بردار‬ ‫اسکالر‬ ‫های‬ ‫مولفه‬ ‫از‬ ‫هریک‬ ‫الپالسین‬ ‫برابر‬ ‫آن‬‫ن‬
‫بردار‬C‫است‬ ‫زیر‬ ‫صورت‬ ‫به‬ ‫معادله‬ ‫در‬:
‫تصویری‬ ‫توان‬ ‫می‬ ‫تصاویر‬ ‫های‬ ‫مولفه‬ ‫الپالسین‬ ‫محاسبه‬ ‫با‬ ‫که‬
‫آورد‬ ‫وجود‬ ‫به‬ ‫را‬ ‫ای‬ ‫تیزشونده‬.
𝛻2
[𝑐 𝑥, 𝑦 =
𝛻2
𝑅(𝑥, 𝑦)
𝛻2
𝐺(𝑥, 𝑦)
𝛻2
𝐵(𝑥, 𝑦)
image processing

Weitere ähnliche Inhalte

Mehr von Fellowship at Vodafone FutureLab

A machine learning based protocol for efficient routing in opportunistic netw...
A machine learning based protocol for efficient routing in opportunistic netw...A machine learning based protocol for efficient routing in opportunistic netw...
A machine learning based protocol for efficient routing in opportunistic netw...Fellowship at Vodafone FutureLab
 
Estimating Number of People in ITU-EEB as an Application of People Counting T...
Estimating Number of People in ITU-EEB as an Application of People Counting T...Estimating Number of People in ITU-EEB as an Application of People Counting T...
Estimating Number of People in ITU-EEB as an Application of People Counting T...Fellowship at Vodafone FutureLab
 
AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)
AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)
AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)Fellowship at Vodafone FutureLab
 
AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)
AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)
AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)Fellowship at Vodafone FutureLab
 
udacity Advance Lane identification (progress presentation)
udacity Advance Lane identification (progress presentation)udacity Advance Lane identification (progress presentation)
udacity Advance Lane identification (progress presentation)Fellowship at Vodafone FutureLab
 
Gaussian Three-Dimensional SVM for Edge Detection Applications
Gaussian Three-Dimensional SVM for Edge Detection ApplicationsGaussian Three-Dimensional SVM for Edge Detection Applications
Gaussian Three-Dimensional SVM for Edge Detection ApplicationsFellowship at Vodafone FutureLab
 
پردازش تصاویر و تشخیص پلاک تصاویر
پردازش تصاویر  و تشخیص پلاک تصاویرپردازش تصاویر  و تشخیص پلاک تصاویر
پردازش تصاویر و تشخیص پلاک تصاویرFellowship at Vodafone FutureLab
 

Mehr von Fellowship at Vodafone FutureLab (19)

A machine learning based protocol for efficient routing in opportunistic netw...
A machine learning based protocol for efficient routing in opportunistic netw...A machine learning based protocol for efficient routing in opportunistic netw...
A machine learning based protocol for efficient routing in opportunistic netw...
 
Estimating Number of People in ITU-EEB as an Application of People Counting T...
Estimating Number of People in ITU-EEB as an Application of People Counting T...Estimating Number of People in ITU-EEB as an Application of People Counting T...
Estimating Number of People in ITU-EEB as an Application of People Counting T...
 
AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)
AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)
AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)
 
AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)
AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)
AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)
 
Smart city take home question answers
Smart city take home question answersSmart city take home question answers
Smart city take home question answers
 
Possible Application for smart Airports
Possible Application for smart AirportsPossible Application for smart Airports
Possible Application for smart Airports
 
udacity Advance Lane identification
udacity Advance Lane identificationudacity Advance Lane identification
udacity Advance Lane identification
 
Kaggle Dog breed Identification
Kaggle Dog breed IdentificationKaggle Dog breed Identification
Kaggle Dog breed Identification
 
udacity Advance Lane identification (progress presentation)
udacity Advance Lane identification (progress presentation)udacity Advance Lane identification (progress presentation)
udacity Advance Lane identification (progress presentation)
 
Term project proposal image processing project
Term project proposal image processing projectTerm project proposal image processing project
Term project proposal image processing project
 
presntation about smart charging for the vehicles
presntation about smart charging for the  vehiclespresntation about smart charging for the  vehicles
presntation about smart charging for the vehicles
 
Report for Smart aiport application
Report for Smart aiport  applicationReport for Smart aiport  application
Report for Smart aiport application
 
Gaussian Three-Dimensional SVM for Edge Detection Applications
Gaussian Three-Dimensional SVM for Edge Detection ApplicationsGaussian Three-Dimensional SVM for Edge Detection Applications
Gaussian Three-Dimensional SVM for Edge Detection Applications
 
Bgp(مسیریابی سیستم های خودمختار)
Bgp(مسیریابی سیستم های خودمختار)Bgp(مسیریابی سیستم های خودمختار)
Bgp(مسیریابی سیستم های خودمختار)
 
پردازش تصاویر رنگی وکاربرد آن
پردازش تصاویر رنگی وکاربرد آنپردازش تصاویر رنگی وکاربرد آن
پردازش تصاویر رنگی وکاربرد آن
 
پردازش تصاویر و تشخیص پلاک تصاویر
پردازش تصاویر  و تشخیص پلاک تصاویرپردازش تصاویر  و تشخیص پلاک تصاویر
پردازش تصاویر و تشخیص پلاک تصاویر
 
پوچ گرایی
پوچ گراییپوچ گرایی
پوچ گرایی
 
تجارت الکنرونیک
تجارت الکنرونیکتجارت الکنرونیک
تجارت الکنرونیک
 
Introduce of society
Introduce of societyIntroduce of society
Introduce of society
 

image processing

  • 1. IN THE NAME OF GOD
  • 3. ‫از‬ ً‫تقریبا‬ ‫را‬ ‫الکترومناطیسی‬ ‫طیف‬ ‫رنگ‬ ‫تک‬ ‫نور‬ 400‫تا‬700‫باشد‬ ‫می‬ ‫نانومتر‬. ‫به‬ ‫دریافت‬ ‫شی‬ ‫یک‬ ‫از‬ ‫انسان‬ ‫که‬ ‫هایی‬ ‫رنگ‬ ً‫اساسا‬ ‫شده‬ ‫منعکس‬ ‫طبیعت‬ ‫وسیله‬ ‫به‬ ‫وسیله‬ ‫شود‬ ‫می‬ ‫تعیین‬ ‫شی‬ ‫یک‬ ‫از‬. ‫رنگ‬ ‫تک‬ ‫نور‬ ‫منبع‬ ‫کیفیت‬ ‫توصیف‬ ‫کمیت‬ ‫سه‬:‫تشعشع‬ ‫وروشنی‬ ‫لومینانس‬
  • 4. ‫های‬ ‫مخروط‬RGB‫چشم‬:‫که‬65‫قرمز‬ ‫رنگ‬ ‫به‬ ‫ها‬ ‫آن‬ ‫درصد‬ 33‫سبز‬ ‫رنگ‬ ‫به‬ ‫درصد‬ ‫فقط‬ ‫و‬2‫حساس‬ ‫آبی‬ ‫نور‬ ‫به‬ ‫مخروط‬ ‫ها‬ ‫آن‬ ‫از‬ ‫درصد‬ ‫است‬. ‫سازی‬ ‫استاندارد‬CIE
  • 5. ‫را‬ ‫نور‬ ‫های‬ ‫منحنی‬ ‫میانگین‬ ‫شکل‬ ‫این‬ ‫دهد‬ ‫می‬ ‫نشان‬‫میزان‬ ‫که‬ ‫کند‬ ‫می‬ ‫مشخص‬ ‫را‬ ‫چشم‬ ‫توسط‬ ‫نور‬ ‫جذب‬.
  • 6. ‫رفته‬ ‫هم‬ ‫روی‬ ‫را‬ ‫اشباع‬ ‫و‬ ‫رنگ‬ ‫پرده‬‫رنگینگی‬‫گویند‬. ‫و‬ ‫گویند‬ ‫گانه‬ ‫سه‬ ‫مقادیر‬ ‫را‬ ‫خاص‬ ‫رنگ‬ ‫یک‬ ‫تشکیل‬ ‫برای‬ ‫وآبی‬ ‫سبز‬ ‫قرمز‬ ‫مقادیر‬‫با‬ ‫ترتیب‬ ‫به‬X,Y,Z ‫شود‬ ‫می‬ ‫تعریف‬ ‫زیر‬ ‫صورت‬ ‫به‬ ‫دهندکه‬ ‫می‬ ‫نشان‬.  x= 𝑋 𝑋+𝑌+𝑍 Y= 𝑌 𝑋+𝑌+𝑍 Z= 𝑍 𝑋+𝑌+𝑍 X+y+z=1 Z=1-(x+y)
  • 7.
  • 9. ‫د‬‫مدل‬ ‫ر‬RGB‫های‬ ‫مولفه‬ ‫صورت‬ ‫به‬ ‫رنگ‬ ‫هر‬ ‫های‬ ‫رنگ‬ ‫از‬ ‫اولیه‬ ‫طیفی‬ ‫شود‬ ‫می‬ ‫ظاهر‬ ‫آبی‬ ‫و‬ ‫سبز‬ ‫قرمز‬. ‫است‬ ‫دکارتی‬ ‫مختصات‬ ‫بر‬ ‫مبتنی‬ ‫مدل‬ ‫این‬ ‫که‬. ‫اولیه‬ ‫مقادیر‬ ‫در‬ ‫که‬RGB‫گوشه‬ ‫سه‬ ‫در‬ ‫دارند‬ ‫قرار‬. ‫دیگر‬ ‫گوشه‬ ‫سه‬ ‫در‬ ‫نیز‬ ‫ثامویه‬ ‫های‬ ‫رنگ‬ ‫دارد‬ ‫قرار‬ ‫مکعب‬. ‫مکعب‬ ‫این‬ ‫داخل‬ ‫در‬ ‫مدل‬ ‫این‬ ‫شامل‬ ‫های‬ ‫رنگ‬ ‫از‬ ‫که‬ ‫برداری‬ ‫صورت‬ ‫به‬ ‫کند‬ ‫می‬ ‫عبور‬ ‫مبدا‬. ‫در‬ ‫رنگ‬ ‫مقادیر‬ ‫تمامی‬ ‫راحتی‬ ‫منظور‬ ‫به‬ ‫بازه‬[0,1]‫گرفته‬ ‫نظر‬ ‫در‬ ‫شود‬ ‫می‬. ‫پیکسل‬ ‫هر‬ ‫نمایش‬ ‫برای‬ ‫الزم‬ ‫های‬ ‫بیت‬ ‫تعداد‬
  • 10. ‫اند‬ ‫نوری‬ ‫ثانوی‬ ‫های‬ ‫رنگ‬ ‫زرد‬ ‫و‬ ‫بنفش‬ ‫ای‬ ‫فیروزه‬ ‫واقع‬ ‫در‬‫رنگ‬ ‫یا‬ ‫اند‬ ‫مادی‬ ‫ی‬ ‫اولیه‬ ‫های‬. ‫به‬ ‫نیاز‬ ‫پاشند‬ ‫می‬ ‫کاغذ‬ ‫روی‬ ‫را‬ ‫رنگی‬ ‫مواد‬ ‫که‬ ‫هایی‬ ‫دستگاه‬ ‫اغلب‬ ‫ورودی‬CMYK‫تبدیل‬ ‫اجرای‬ ‫یا‬RGB‫به‬ CMY‫دارند‬ ‫خود‬ ‫داخل‬ ‫در‬.
  • 11. ‫سه‬ ‫با‬ ‫را‬ ‫آن‬ ‫بینیم‬ ‫می‬ ‫که‬ ‫را‬ ‫شی‬ ‫رنگ‬ ‫مدل‬ ‫این‬ ‫در‬ ‫از‬ ‫عبارتند‬ ‫که‬ ‫کنیم‬ ‫می‬ ‫توصیف‬ ‫ویژگی‬: ۱)‫پرده‬‫رنگ‬ 2)‫اشباع‬ 3)‫روشنی‬
  • 12. ‫از‬ ‫محاسبات‬RGB‫به‬HSI‫شود‬ ‫می‬ ‫انجام‬ ‫ها‬ ‫بیت‬ ‫برحسب‬ ‫وبرعکس‬. H= 𝜃 𝐵 ≤ 𝐺 360 − 𝜃 𝐵 > 𝐺 𝜃 = cos−1 ( 1 2 𝐵 − 𝐺 + (𝑅 − 𝐵) ( 𝑅 − 𝐺 2 + (𝑅 − 𝐵)(𝐺 − 𝐵) 1 2) ) S=1- 3 𝑅+𝐺+𝐵 {min(𝑅, 𝐺, 𝐵)} I= 1 3 (𝑅 + 𝐺 + 𝐵)
  • 13. ‫مقادیر‬ ‫به‬ ‫توجه‬ ‫با‬ ‫خواهیم‬ ‫می‬HSI‫فاصله‬ ‫در‬[0,1]‫خواهیم‬ ‫می‬ ‫مقادیر‬RGB‫کنیم‬ ‫پیدا‬ ‫بازه‬ ‫همان‬ ‫در‬ ‫را‬ ‫متناظر‬. 1)‫قطاع‬(0≤ 𝐻 < 120)RG B=I(1-s) R=I 1 + 𝑆 cos 𝐻 cos(60−𝐻) G=3I-(R+B)
  • 14. 2)‫قطاع‬(120 ≤ 𝐻 < 240)RG H=H-120 R=I(1-s) G=I 1 + 𝑆 cos 𝐻 cos(60−𝐻) B=3I-(R+B)
  • 15. 1)‫قطاع‬(240 ≤ 𝐻 < 360)RG G=I(1-s) B=I 1 + 𝑆 cos 𝐻 cos(60−𝐻) R=3I-(R+B)
  • 16. ‫شوند‬ ‫می‬ ‫پردازش‬ ‫صورت‬ ‫دو‬ ‫به‬ ‫رنگی‬ ‫تصاویر‬: 1)‫تصاویر‬ ‫های‬ ‫مولفه‬ ‫جداگانه‬ ‫پردازش‬ 2)‫رنگی‬ ‫های‬ ‫پیکسل‬ ‫پردازش‬ ‫کنید‬ ‫فرض‬c‫فضای‬ ‫در‬ ‫برداری‬RGB‫باشد‬: C= 𝐶 𝑅 𝐶 𝐺 𝐶 𝐵 = 𝑅 𝐺 𝐵
  • 17. ‫کنید‬ ‫فرض‬b,g,r‫در‬ ‫واحدی‬ ‫بردارهای‬ ‫واحدی‬ ‫بردارهای‬ ‫محور‬ ‫امتداد‬R,G,B‫بردارهای‬ ‫و‬ ‫باشد‬ ‫کنیم‬ ‫می‬ ‫تعریف‬ ‫را‬ ‫زیر‬:U= 𝟃𝑅 𝟃𝑋 r + 𝟃𝐺 𝟃𝑋 g+ 𝟃𝐵 𝟃𝑋 𝑏 V= 𝟃𝑅 𝟃𝑦 r + 𝟃𝐺 𝟃𝑦 𝑔 + 𝟃𝐵 𝟃𝑦 𝑏 ‫های‬ ‫کمیت‬ ‫کنیم‬ ‫می‬ ‫فرض‬,𝑔 𝑥𝑦 𝑔 𝑦𝑦 ,𝑔 𝑥𝑥‫برحسب‬‫نقطه‬ ‫ضرب‬ ‫حاصل‬ ‫ای‬‫تعریف‬ ‫زیر‬ ‫صورت‬ ‫به‬ ‫شود‬ ‫می‬: 𝑔 𝑥𝑥=𝑢 𝜏 u = 𝜕𝑅 𝜕𝑥 2 + 𝜕𝐺 𝜕𝑥 2 + 𝜕𝐵 𝜕𝑥 2 𝑔 𝑦𝑦=𝑣 𝜏 v = 𝜕𝑅 𝜕𝑦 2 + 𝜕𝐺 𝜕𝑦 2 + 𝜕𝐵 𝜕𝑦 2 𝑔 𝑥𝑦=𝑢 𝜏 v = 𝟃𝑅 𝟃𝑋 𝟃𝑅 𝟃𝑦 + 𝟃𝐺 𝟃𝑋 𝟃𝐺 𝟃𝑦 + 𝟃𝐵 𝟃𝑋 𝟃𝐵 𝟃𝑦
  • 18.  𝜃 𝑥, 𝑦 = 1 2 tan−1( 2𝑔 𝑥𝑦 𝑔 𝑥𝑥−𝑔 𝑦𝑦 ) ‫نرخ‬ ‫ومقدار‬(x,y)‫جهت‬ ‫در‬‫صورت‬ ‫ب‬‫ه‬ 𝜃 𝑥,𝑦‫شود‬ ‫می‬ ‫تعریف‬ ‫زیر‬.  𝑓 𝜃 𝑥,𝑦 ={ 1 2 𝑔 𝑥𝑥+𝑔 𝑦𝑦 +(𝑔 𝑥𝑥−𝑔 𝑦𝑦) cos 2𝜃 𝑥,𝑦 +2𝑔 𝑥𝑦 𝑠𝑖𝑛2𝜃(𝑥,𝑦) } 1 2
  • 19.
  • 20. ‫عمل‬ ‫با‬ ‫میتوان‬ ‫را‬ ‫خاکستری‬ ‫تصاویر‬ ‫سازی‬ ‫هموار‬ ‫آن‬ ‫در‬ ‫که‬ ‫گرفت‬ ‫نظر‬ ‫در‬ ‫مکانی‬ ‫کردن‬ ‫فیلتر‬ ‫دارد‬ ‫یکسانی‬ ‫مقدار‬ ‫کردن‬ ‫فیلتر‬ ‫ضرایب‬.‫نقاب‬ ‫که‬ ‫وقتی‬ ‫خواهیم‬ ‫می‬ ‫که‬ ‫تصویری‬ ‫امتداد‬ ‫در‬ ‫ما‬ ‫کند‬ ‫می‬ ‫حرکت‬ ‫شود‬ ‫هموار‬.‫میانگین‬ ‫با‬ ‫پیکسل‬ ‫هر‬ ‫ها‬ ‫نقاب‬ ‫توسط‬ ‫آن‬ ‫همسایگی‬ ‫در‬ ‫ها‬ ‫پیکسل‬ ‫شود‬ ‫می‬ ‫جایگزین‬. 𝐶(x,y)= 1 𝐾 (𝑠,𝑡)∈𝑠 𝑥𝑦 𝑐(𝑠, 𝑡) 𝐶(x,y)= 1 𝑘 (𝑠,𝑡)∈𝑠 𝑥𝑦 𝑅(𝑠, 𝑡) 1 𝑘 (𝑠,𝑡)∈𝑠 𝑥𝑦 𝐺(𝑠, 𝑡) 1 𝑘 (𝑠,𝑡)∈𝑠 𝑥𝑦 𝐵(𝑠, 𝑡)
  • 21.
  • 22. ‫بردار‬ ‫الپالسین‬ ‫از‬ ‫استفاده‬ ‫با‬ ‫را‬ ‫رنگی‬ ‫تصاویر‬ ‫کردن‬ ‫تیز‬RGB‫های‬ ‫مولفه‬ ‫که‬ ‫گیرد‬ ‫می‬ ‫صورت‬ ‫الپالسی‬ ‫جا‬ ‫این‬ ‫در‬ ‫که‬ ‫است‬ ‫ورودی‬ ‫بردار‬ ‫اسکالر‬ ‫های‬ ‫مولفه‬ ‫از‬ ‫هریک‬ ‫الپالسین‬ ‫برابر‬ ‫آن‬‫ن‬ ‫بردار‬C‫است‬ ‫زیر‬ ‫صورت‬ ‫به‬ ‫معادله‬ ‫در‬: ‫تصویری‬ ‫توان‬ ‫می‬ ‫تصاویر‬ ‫های‬ ‫مولفه‬ ‫الپالسین‬ ‫محاسبه‬ ‫با‬ ‫که‬ ‫آورد‬ ‫وجود‬ ‫به‬ ‫را‬ ‫ای‬ ‫تیزشونده‬. 𝛻2 [𝑐 𝑥, 𝑦 = 𝛻2 𝑅(𝑥, 𝑦) 𝛻2 𝐺(𝑥, 𝑦) 𝛻2 𝐵(𝑥, 𝑦)