کـاربـرد پـردازش تـصـویـر

[Z A H R A .GH]

با سلام :smile:

[glow=red,2,300] ماشین بینایی و پردازش تصویر در اتوماسیون صنعتی[/glow]

کنترل ماشین آلات و تجهیزات صنعتی یکی از وظایف مهم در فرآیندهای تولیدی است. بکارگیری کنترل خودکار و اتوماسیون روزبه روز گسترده تر شده و رویکردهای جدید با بهره گیری از تکنولوژی های نو امکان رقابت در تولید را فراهم می سازد. لازمه افزایش کیفیت و کمیت یک محصول ، استفاده از ماشین آلات پیشرفته و اتوماتیک می باشد . ماشین آلاتی که بیشتر مراحل کاری آنها به طور خودکار صورت گرفته و اتکای آن به عوامل انسانی کمتر باشد .

امروزه استفاده از تکنولوژی ماشین بینایی و تکنیک های پردازش تصویر کاربرد گسترده ای در صنعت پیدا کرده است و کاربرد آن بویژه در کنترل کیفیت محصولات تولیدی، هدایت روبات و مکانیزم های خود هدایت شونده روز به روز گسترده تر می شود.



عدم اطلاع کافی مهندسین از تکنولوژی ماشین بینایی و عدم آشنایی با توجیه اقتصادی بکارگیری آن موجب شده است که در استفاده از این تکنولوژی تردید و در بعضی مواقع واکنش منفی وجود داشته باشد. علی رغم این موضوع، ماشین بینایی روز به روز کاربرد بیشتری پیدا کرده و روند رشد آن چشمگیر بوده است. برای کسب اطلاعاتی در مورد توجیه اقتصادی سیستم های ماشین بینایی اینجا را کلیک کنید.

کاربردهای ماشین بینایی

صنعتی: بازرسی و کنترل کیفیت، اندازهآگیری، هدایت ربات، کنترل فرآیند، شناسایی قطعات، بارکدینگ، بازشناسی حروف و علائم، بازشناسی و تأیید فرمآها

پزشکی: تشخیص پزشکی، اشکارسازی و تشخیص خودکار تومورها، تحلیل تصاویر متحرک پزشکی، بازسازی سهآبعدی اندامآها، استخراج اطلاعات کارکردی اندامآها، سیستمآهای آرشیو و مخابره تصاویر پزشکی

نظامی و امنیتی: شناسایی اهداف، هدایت و کنترل هوشمند، ردیابی اهداف در تصاویر متحرک، وسائط نقلیهآی بدون سرنشین، پردازش تصاویر ماهوارهآای نظامی، چهرهآشناسی، اثر انگشت و امضاء بیومتری

کشاورزی: کنترل کیفیت و دستهآبندی محصولات کشاورزی، دارویی و ...

ارتباطات: انتقال تصاویر(با تکیه بر شبکهآهای اطلاعآرسانی جهانی)، مکالمهآ تصویری، استاندارد مخابرهآ اطلاعات تصویری

ترافیک: مانیتورینگ، کنترل هوشمند و ...

نقشهآبرداری: پردازش تصاویر ماهوارهآای و هوایی (تفکیک نواحی، استخراج اطلاعات، نقشهآبردازی)، ادغام اطلاعات تصویری ماهوارهآای، تصویربرداری چندطیفی، سیستمآهای تصویربرداری ماهوارهآای و هوایی


**
عملیات پردازش تصویر در حقیقت مقایسه دو مجموعه عدد است که اگر تفاوت این دو مجموعه از یک محدوده خاص فراتر رود، از پذیرفتن محصول امتناع شده و در غیر اینآصورت محصولآ پذیرفته میآشود.

یکی از کاربردهای بینایی ماشین و پردازش تصویر در کنترل کیفیت خروجی کارخانهآها میآباشد.
در این قسمت میآخواهیم ببینیم که یک جسم چگونه اجازه عبور میآیابد و برعکس چگونه به بعضی از جسم ها اجازه عبور و ادامه دادن داده نمیآشود.

پس از اینکه جسم از جلوی سنسور عبور کرد، سیگنال ارسالی به رایانه فرمان گرفتن تصویر را می دهد. سپس تصویر گرفته شده، پردازش و نتایج لازم از آن استخراج می شود. در این جا ما سعی در مکانیزه کردن فرآیندی یکنواخت داریم که بهآصورت معمول و تکراری توسط انسان انجام میآشود. اولین مسأله و مشکل ما این است که چگونه عکسآهای تهیه شده از اشیایی که در حال حرکت بر روی نوار نقاله هستند را تبدیل به دادهآهای قابل فهم و تفسیر سیستم (صفر و یک) نماییم، که این مشکل توسط دوربین CCD (Charge Coupled Device) و تبدیل داده ها به صفر و یک حل میآشود. سپس این داده ها برای تحلیل به کامپیوتر انتقال می یابند.

شکل- نمای ساده شدهآای از یک سیستم بینایی کنترل کیفیت خط تولید غیرواقعی

دوربین های صنعتی و دیجیتال معمولا از نوع CCD هستند،. نور از طریق یک عدسی وارد دوربین و برروی یک پرده مخصوص تصویر میآشود که تحت عنوان تراشه CCD شناخته میآشود. تراشهCCD که تصاویر با استفاده از آن گرفته میآشوند از تعداد زیادی سلول تشکیل شده که همگی در یک تراشه با الگوی خاصی مرتب شدهآاند و تحت عنوان پیکسل (pixels) شناخته میآشوند. زمانی که تراشه CCD این اطلاعات را دریافت میآکند، آنآها را به شکل سیگنالآهای دیجیتالی از طریق کابلآهایی به سیستم دریافتآکننده میآفرستد و بعد تصاویر در این سیستم به صورت مجموعهآای از اعداد ذخیره میآشوند.

[nikvand]

پاسخ : کـاربـرد پـردازش تـصـویـر

سلام.....

ما می خوایم پردازش تصویر یاد یگیریم ولی کاربرد اون کجاست؟؟؟

اگر سایتی، مطلبی داریم که کاربرد پردازش تصویر و ماشین های بینایی را در صنعت، هوا و فضا،پزشکی،.... تشریح می کند و دید می دهد در اختیار همه بگذاریم....

دوستانی هم که اطلاع دارند پروژه هایی که هم اکنون در سطح دنیا بوسیله این رشته انجام می شود ،،یا پروژه هایی جالب و کارآمد ی که از طریق پردازش انجام می دهتد ویا در حال تکمیل پروژه ها هستند (در دانشگاه های معتبر دنیا،سازمان های فضایی ....)در اختیار هم قرار دهیم چون که اعتقاد دارم دید وسیعی می دهد.

من چند تا سایت که در مورد کاربر ماشین های بینایی و پردازش تصویر در صنعت است پایین گذاشتم،امیدوارم مفید باشه.

موفق و پیروز باشید.... :smile:

http://www.sin-group.com/machinevision2.htm {صنعتی}
http://www.mums.ac.ir/hit/fa/medimagepro {پزشکی}
http://www.talar.roboeq.com/index.php?topic=68.0 {هوا و فضا}
http://forum.bioemm.com/index.php?topic=661.new {پزشکی}
http://dbase.irandoc.ac.ir/00302/00302008.htm

[nikvand]

پاسخ : کـاربـرد پـردازش تـصـویـر

سلام......

چند تا آدرس سایت جدید که واسه خودم جالب بود واستون پایین گذاشتم،امیدوارم واستون جالب باشه.

در ضمن اگر از دوستان سایتی سراغ داره که اطلاعاتی در مورد پروژه های پردازش تصویر که در دانشگا ها و سازمان های بزرگ تازه انجام شده و یا روی پروژه دارند کار می کنند (منظور پروژه های، به روز)در اختیارمون بذاره ،که استفاده کنیم.
ممنون....


http://www.eca.ir/forum2/index.php?topic=17055.0 {سایتی برای گرفتن پروژه های دانشگاهMIT}

http://www.eca.ir/forum2/index.php?topic=11604.0 {صنعتی}

http://barnamenevis.org/forum/showthread.php?p=548428 {در دنیای امروز}

https://balatarin.com/tag/%D9%BE%D8%B1%D8%AF%D8%A7%D8%B2%D8%B4+%D8%AA%D8%B5% D9%88%DB%8C%D8%B1 {اخبار روز}

[nikvand]

پاسخ : کـاربـرد پـردازش تـصـویـر

از میان همه شاخهآهای هوش مصنوعی، شاید کاربردیآترین آنآها کامپیوتری و مکانیزه کردن سیستمآهای بینایی باشد. دامنه کاربرد این شاخه از فناوری در حال رشد، بسیار وسیع است و از کاربردهای عادی و معمولی مثل کنترل کیفیت خط تولید و نظارت ویدئویی گرفته تا تکنولوژیآهای جدید مثل اتومبیلآهای بدون راننده را دربرگرفته است. دامنه کاربردهای این تکنولوژی براساس تکنیکآهای مورد استفاده در آنآها تغییر میآکند. دراین مقاله سعی داریم به شما نشان دهیم که سیستمآهای بینایی ماشین چگونه کار میآکنند و مروری کوتاه بر اهداف، تکنیکآها و تکنولوژیآهای موجود داشته باشیم و سعی داریم با نحوه کار بینایی ماشین و پیشرفت آنآها که مطابق با سیستم بینایی انسان است، آشنا شویم. در این متن، بررسیآ خود را با دو مثال انجام میآدهیم. اولی سیستم کنترل کیفیت خط تولید است که شامل نحوه عکسآبرداری و ذخیره و شیوه تفسیر عکسآهای گرفته شده بهآصورت خودکار است و دیگری بهآعنوان یک مثال پیچیدهآتر، چگونگی بینایی یک ربات را توضیح میآدهد.


کنترل کیفیت خط تولید


شکل 1- نمای ساده شدهآای از یک سیستم بینایی کنترل کیفیت خط تولید غیرواقعی

یکی از کاربردهای بینایی ماشین در کنترل کیفیت خروجی کارخانهآها میآباشد. شکل 1 مثالی بسیار ساده از چنین سیستمی است. اجناس تولیدآشده در کارخانه که برروی یک نوار نقاله قرار گرفتهآاند و توسط یک دوربین CCD برای آزمایش دیده میآشوند و محصولات با کیفیتِ مناسب اجازه عبور پیدا خواهندکرد. چنانچه محصولی دارای استانداردهای مناسب نباشد از ادامه مسیر حذف میآشود. معیار این استانداردها میآتواند لبهآهای زائد، خراشیدگی و بادکردگی و تورم روی فلزات و بسیاری چیزهای دیگر باشد. در این مثال ما در پی یافتن مکانیزم خط تولید نیستیم و فقط میآخواهیم ببینیم که یک شی تولیدشده چگونه استاندارد تشخیص داده شده و اجازه عبور میآیابد و برعکس چگونه به بعضی از اشیاء اجازه عبور و ادامه دادن داده نمیآشود.

عکسآبرداری
در این مثال ما سعی در مکانیزه کردن فرآیندی یکنواخت داریم که بهآصورت معمول و تکراری توسط انسان انجام میآشود. اولین مسأله و مشکل ما این است که چگونه عکسآهای تهیه شده از اشیایی که در حال حرکت بر روی نوار نقاله هستند را تبدیل به دادهآهای قابل فهم و تفسیر برای سیستم نماییم، که این مشکل توسط دوربین CCD حل میآشود. عملکرد این دوربین را میآتوان به عملکرد چشم انسان که قادر است سطوح مختلف نور را تشخیص دهد تشبیه نمود.

چشم انسان
چشم انسان که در شکل 2 نشان داده شده است، تقریباً یک عدسی کروی با قطر 5/2 سانتیآمتر میآباشد که از چندین لایه مختلف که درونیآترین آنآها شبکیه نام دارد تشکیل شده است. ماهیچهآهای اطراف چشم اندازه لنز را تنظیم میآکنند که اینآکار چشم را قادر به زوم (zoom) کردن روی اشیاء میآکند.
وظیفه عدسی چشم، فرم و شکل دادن به تصویری است که توسط میلیونآها سلول گیرنده مخروطی (Cone) و میلهآای (rod) گرفته شده و برروی پرده شبکیه افتاده است، میآباشد. سلولآهای میلهآای به یک عصب معمولی که از انتها به شبکیه ختم میآشود و فقط در سطح نور پایین فعال است متصلند و سلولآهای مخروطی هر کدام به یک عصب اتصال دارند. آنآها در نورهای شدیدتر، بیشتر فعالند و میزان درک ما از رنگآها را نوع فعالیت اینآ مخروطآها مشخص میآکند.


در میان شبکیه ناحیهآای بهآنام نقطه کور وجود دارد که در آن هیچآ گیرندهآای موجود نیست. در این ناحیه اعصاب بهآصورت جداگانه به عصب بینایی که سیگنالآهای دریافت شده را به قشر بینایی مخ انتقال میآدهند، وصل میآشود.
دوربین CCD
CCD از جهت عملکرد تقریباً مانند چشم انسان کار میآکند. نور از طریق یک عدسی وارد دوربین و برروی یک پرده مخصوص تصویر میآشود که تحت عنوان تراشه CCD شناخته میآشود. تراشه Charge Coupled Device) CCD) که تصاویر با استفاده از آن گرفته میآشوند از تعداد زیادی سلول تشکیل شده که همگی در یک تراشه با الگوی خاصی مرتب شدهآاند و تحت عنوان پیکسل (pixels) شناخته میآشوند.
زمانی که تراشه CCD این اطلا



عات را دریافت میآکند، آنآها را به شکل سیگنالآهای دیجیتالی از طریق کابلآهایی به سیستم دریافتآکننده میآفرستد و بعد تصاویر در این سیستم به صورت مجموعهآای از اعداد ذخیره میآشوند. همانآطور که در شکل 3 میآبینید هر عدد نماینده یک پیکسل است.


شکل3- تصویر وسط یک نمای نزدیک از چشم ماهی را نمایش می دهد و نشان می دهد که هر قسمت از یک تصویر چگونه با تعدادی مقادیر عددی ذخیره می شود. به تعداد داده های عددی مورد نیاز برای ذخیره یک فضای کوچک از تصویر توجه کنید.
درک تصویر
با هر تصویر، چه با دوربین گرفته شود و چه با چشم انسان، مقداری تحریف و تغییر شکل و
به عبارتی "نویز (noise) " وجود دارد. البته در مورد مثال ما در سیستم خط تولید این مسأله چندان اهمیت ندارد اما در موقعیتآهایی که نیاز به دقت بالا وجود دارد باید از نورپردازی خاصی برای تصویربرداری استفاده شود.


شکل 4- ترسیم لبه. شکل اول تصویر اصلی میآباشد. در شکل وسط نویزها با فیلترنمودن اآز بین رفته است. در نهایت شکل 3، تصویر حاصل از بهآکار بردن الگوریتم ترسیم لبه میآباشد.

انسانآ برای درک تصاویری که میآبیند نیازی ندارد هیچ کاری در مورد فیلتر کردن و از بین بردن نویزهای یک تصویر انجام دهد. مثلاً در یک روز ابری که مه همه جا را فرا گرفته، دید ما به شدت ضعیف و دچار مشکل میآشود. اما هر آنچه را که قادر به دیدنش باشیم درک میآکنیم. یعنی برای درک اشیاء نیازی به حذف نویزهای تصویر نیست. مثلاً اگر در این روز در حال رانندگی در یک جاده باشید و تصویر مبهمی از یک ماشین را مقابل خود ببینید، بالطبع عکسآالعمل نشان میآدهید و به عبارتی سرعت خود را کم میآکنید.

این یعنی ما هنوز تصویر ماشین را علیرغم وجود مه میآتوانیم تشخیص دهیم و در مقابل آن عکسآالعمل نشانآدهیم. و یا مثلاً زمانی که دچار سرگیجه میآشوید، علیرغم اینآکه تصاویر اطراف خود را تار و مبهم میآبینید اما قادر به درک و تشخیص وسایل و تصاویر اطراف خود هستید. یعنی ابتدا صبر نمیآکنید تا سرگیجهآتان به پایان برسد و بعد تصاویر را تشخیص دهید و این یعنی با قدرت بینایی انسان، علیرغم خراب شدن تصاویر اطراف، میآتوانیم متوجه فضای اطراف خود بشویم. اما برای بینایی ماشین ابتدا باید این نویزها طی فرآیندی که تصفیه کردن یا فیلترینگ نامیده میآشود، از بین برود و بعد هر آنچه برای پردازش عکس لازم است انجام شود.


خوشبختانه در حال حاضر تکنیکآهایی برای انجام این کار وجود دارد. از بین بردن نویزها بهآصورت نرمال توسط تعدادی از توابع ریاضی یا الگوریتمآهایی که تحت عنوان 'treshholding' یا 'quantizing' نامیده میآشود انجام میآگردد. این فرآیند بسیار حرفهآای و پیچیدهآای است و نیاز به دانش و پشتوانه بالای ریاضی دارد. زمانی که خرابیآها از بین رفت، میآتوانیم پردازش عکسآها را ادامه دهیم که این کار با استخراج صورتآها و حالتآها از یک تصویر انجام میآشود. یک شیوه معمول که غالباً مورد استفاده قرار میآگیرد استخراج لبهآها که در شکل 4 دیده میآشود، میآباشد.

در مورد مثال ما در سیستم خط تولید، وظیفه اصلی یک اپراتور کنترل کیفیت این است که به سرتاسر محصول تولید شده نگاه کرده و با مقایسه آن با استانداردهای مورد قبول، برای محصول تولیدآشده جواز عبور یا عدم عبور صادر کنند.

اگر این کار با استفاده از بینایی ماشین صورت گیرد باید عکس گرفته شده از محصول تولید شده با عکسی که از یک محصول استاندارد وجود دارد مقایسه آشود. یکی از روشآهای انجام این کار به این صورت است:

برای انجام اینآکار، یک تصویر از محصول استاندارد در کامپیوتر ذخیره میآشود و سپس از محصولاآتی که از خط تولید عبور میآکنند. تصویر گرفته میآشود و به عنوان نقشه لبه ذخیره میآشود. و بعد سیستم، تصویر گرفته شده را از چپ به راست و از بالا به پایین بهآگونهآای که در هر زمان فقط یک رقم عبور کند، میآلغزاند و عدد ظاهر شده در هر موقعیت را با عدد همان موقعیت در تصویر اصلی مقایسه میآکند و در صورت تفاوت آن را اعلاآم میآنماید.

لذا عملیات بینایی کامپیوتر در حقیقت مقایسه دو مجموعه عدد است که اگر تفاوت این دو مجموعه از یک محدوده خاص فرارتر برود، از پذیرفتن محصول امتناع شده و در غیر اینآصورت محصولآ پذیرفته میآشود.

یک مثال پیچیدهآتر
در مثال قبل سیستم مورد مطالعه بسیار محدود بود و فقط یک تصویر دو بعدی از یک محصول را با تصویر اصلی و ایدهآآل مقایسه میآکرد و احتیاجی به بررسی مقادیر اندازه و زاویه نبود.

در این مثال میآخواهیم به سیستم بینایی که برای یک ربات خانگی که قادر به تمیز کردن خانه، پختن غذا و ... طراحی شده نگاهی بیاندازیم. این مثال بسیار پیچیدهآتر از مثال قبلی است و نیاز به گاهی از تغییرات محیط دارد. به عبارت بهتر نیاز به یک سیستم هوشمندتر داریم. قبلاً دیدیم که تصاویر چگونه ذخیره و تفسیر میآشوند. غالب تکنیکآهای گذشته دوباره در این مثال بهآکار گرفته میآشوند. تفاوت اصلی در تفسیر تصاویر گرفته شده است. در مثال قبلی فضای سیستم بینایی فقط متشکل از یک سری محصول بود، اما در این مثال ربات باید از همه آنچه در اطرافش میآگذرد باخبر بوده و این یعنی با دنیای وسیعآتر و بزرگآتری روبروست. بدینآمنظور نیاز به تکنیکآهای تشخیص پیچیدهآتری وجود دارد.

یعنی در این مثال، یک صحنه فرضی شامل دهآها یا حتی صدها شی مختلف در معرض دید است. این اشیاء در اندازهآها و تحت زوایای مختلف که متأثر از نوع نورپردازی هم هستند به نمایش درمیآآیند و به همین دلیل برای تشخیص این اشیاء نیاز به تکنیکآهای هوشآمصنوعی (Ai) میآباشد.

پردازش اطلاعات در مغز

شکل 5 - تصویر به نظر دو مثلث میآآید که در جهت عکس هم و برروی هم قرار داده شدهآاند، ولی از نظر ریاضی هیچ مثلثی رسم نشده است و فقط سه دسته از خطوط وجود دارند.

در مورد بینایی انسان متذکر شدیم که شاید یکی از قسمتآهایی از مغز که بیشتر فعالیت درک تصویر را انجام میآدهد ناحیه visual Cortex باشد. همانآطور که دیدهآایم، اینآجا ناحیهآای است که اطلاعات منتقل شده در طول عصب بینایی در آن پردازش میآشود. البته این را هم مدنظر داشته باشید که قسمتی از فعالیت پردازش اطلاعات در ناحیه شبکیه چشم قبل از اینآکه اطلاعات به مغز برسند، انجام میآشود.


البته خود ناحیه شبکیه بهآعنوان قسمتی از مغز شمرده میآشود. در ضمن این مسأله هم قبلاً مشخص شده است که نواحی مختلف قشر بینایی مخ در مقابل تصاویر مختلف عکسآالعمل نشان میآدهد. به عبارت دیگر هر قسمت از این ناحیه مربوط به یک حالت خاص است. مثلاً نواحی معین و مشخصی در مقابل رنگآهای متفاوت عکسآالعملآ نشان میآدهند و یا مثلاً نواحی وجود دارند که سلولآهایشان در مقابل جزییات دقیق موجود در یک تصویر عکسآالعمل نشان میآدهند. مثلاً در شکل 5 شما میآتوانید یک مثلث سفید که بهآطور واضح سه راس آن مشخص نشده است را ببیند،


شکل 6- مثلث Penrose: عدم هماهنگی هندسی در لبهآها باعث عدم درک صحیح شکل میآشود

علیرغم اینآکه بهآطور واضح و مجزا این مثلث مشخص نشده است. اما سلولآهای موجود در قشر بینایی میآتوانند تکهآهای این خطوط را کنار هم گذاشته و از آن یک مثلث استنتاج کنند.
زمانی که اطلاعات مربوط به چیزی که دیده میآشود را دریافت کردیم، مثل شکل ظاهری، لبهآها و غیره، مغز نیاز به رمزگشایی و کشف اطلاعات بهآدست آمده دارد تا دقیقاً نتیجهآگیری کند که آنچه در صحنه میآگذرد چیست. اینجا قسمتی است که ما خیلی کم در رابطه با آن میآدانیم و مشخص نیست که دقیقاً مغز چگونه این کار را انجام میآدهد. اما مسأله مشخص این است که سیستم بینایی ما چندان مبرا از خطا نیست و بهآراحتی دچار اشتباه میآشود. موارد بسیار زیادی وجود دارد که اطلاعات کسب شده میآآتوانند مبهم و یا حتی اشتباه باشند، مانند مثالآهایی که در شکل 6 و 7 مشاهده میآکنید.
[/img]
شکل 7- خطای دید: در شکل سمت چپ علیرغم نحوه ظهور خطوط همه آنآها با هم موازیند. در شکل سمت راست که به خطای Muller-Lyer معروف است دو خط ظاهر شده به نظر دارای طولآهای متفاوت میآآیند. اما در حقیقت همآاندازهآاند.

نمایش دانش
متخصصین هوش مصنوعی انواع سیستمآها را با استفاده از برنامهآهای معمول کامپیوتری و تفاوت قایلآشدن بین پردازش اطلاعات (information) و پردازش دانش (knowledge)، شناسایی میآکنند. اینآکار منجر به ایجاد سیستمآهای مبتنی بر دانش که کاربرد بسیار زیادی در هوش مصنوعی دارد میآشود.
ربات ما نیاز به داشتن اطلاعات یا "دانش" از دنیای اطراف خود دارد تا سیستم بیناییآاش به درستی عمل کند. ما بهآطور خلاصه بعضی تکنیکآهایی که توسط مهندسین دانش (knowledgc engineer) برای نمایش و پردازش این اطلاعات بهآکار میآرود را آزمایش میآکنیم.

یک شبکه معنایی (Semantic network) یک تکنیک خوش ساخت برای نمایش اشیاء یا ماهیت موجود در یک دنیا و ارتباطاتی که بینآشان موجود است، میآباشد. مثلاً قسمتی از دنیای ربات ما آشپزخانه است.


شکل 8- یک شبکه معنایی برای نمایش قسمتی از آشپزخانه.

یک شبکه معنایی (Semantic network) یک تکنیک خوش ساخت برای نمایش اشیاء یا ماهیت موجود در یک دنیا و ارتباطاتی که بینآشان موجود است، میآباشد. مثلاً قسمتی از دنیای ربات ما آشپزخانه است.

استفاده از یک شبکه معنایی میآتواند راه مناسبی برای نمایش اطلاعات باشد. بدینآترتیب آشپزخانه را تحت عنوان یک سری از اشیاء و روابط بینآشان فرض کنیم. یک شبکه میآتواند جزییات موجود را بهآخوبی نمایش داده و ما را قادر به کاوش بیشتر و بهتر در روابط موجود بین اشیاء کند. برای مثال، همانآطور که از شکل شماره 8 میآآتوان دید، گوشتآهای سرد در یخچالآ نگهداری میآشوند. این آیتمآها تحت عنوان غذاها میآتوانند دستهآبندی شوند. اگر چه همه غذاها در یخچال نگهداری نمیآشوند، اما همه محصولات گوشتی ملزم به نگهداری یخچال هستند.

مشخص است که این شبکه باید برای نمایش دنیای اطراف ربات ما بهآخوبی گسترش یابد و نیاز به نمایش دقیقآتر و جزییآتری از اشیاء و ارتباطات وجود دارد و همچنین این شبکه باید اتاقآها، افراد، اشیاء موجود و غیره را هم نمایش دهد.

پس از ساخته شدن شبکه معنایی ما قادر به ساخت یک پایگاه داده از دانش حاصل از شبکه معنایی در مورد اشیاء موجود در دنیای مربوطه هستیم. در مورد مثال ما، ورودیآهای مناسب میآتواند به شکل زیر باشد:

(سیب - شکل - گرد) (سیب - رنگ - قرمز) (سیب - نما - براق)

(همبرگر- شکل - گرد) (همبرگر- رنگ - قهوهآای) (همبرگر نما - گوشتی)

(یخچال - شکل - مستطیل) (یخچال - رنگ- سفید) (یخچال - نما - فلزی)

(ظرفآمیوه - شکل - بیضی) (ظرفآمیوه - رنگ- نقرهآای) (ظرف میوه - نما - فلزی)

((میوه) نگهداری - در (ظرف میوه))

((سیب) هست - یک (خوردنی))

توجه کنید که ورودیآهای این پایگاه دانش باید بهآگونهآای باشد که منجر به سردرگمی ماشین نشود. مثلاً در مورد مثال ما، سیب یک شی براق قرمز گرد معرفی شده است. اشیاء زیادی هستند که ممکن است چنین مشخصهآای داشته باشند و اگر مثلاً شما ربات خود را بفرستید که برای شما یک سیب تازه بیاورد امکان دارد ربات با یک توپ نزد شما باز گردد.

این پایگاه دانش تحت عنوان حافظه کاریِ سیستم شناخته میآشود. به منظور استفاده کارا و مناسب از اطلاعات موجود در این پایگاه، سیستم نیاز به داشتن تعدادی قانون دارد. بدینآترتیب پس از ساخت پایگاه دانش نیاز به ساخت یک پایگاه از قوانین برای برخورد مناسب با اطلاعات موجود در پایگاه دانش هستیم. اگر شما از قبل با زبانآهای برنامهآنویسی آشنایی داشته باشید، با عبارتی مثل If Statement Then آشنا هستید مثلا If cold Then wear coat ما از چنین ساختاری برای ایجاد پایگاه قوانین استفاده میآکنیم. قسمت IF عبارت تحت عنوان راس قانون و قسمت عملیات یعنی قسمت Then تحت عنوان بدنه قانون شناخته میآشوند.

و بدین ترتیب ربات مثلاً میآداند که یک سیب چیست و در کجا قرار دارد. مثلاً فرض کنید یکی از کارهایی که قرار است ربات انجام دهد رفتن به سمت یخچال و برداشتن چیزی از یخچال است، در این صورت میآتوانیم مجموعهآای از قوانین را به این منظور بسازیم.

اکنون هم دانش و هم قوانین مربوطه را داریم که نیاز به روشآهایی برای تفسیرشان داریم. این کار توسط سیستم مفسر انجام میآشود. مفسر برنامهآای است که قوانین را پردازش میآکند. وظیفه آن خواندن هر قانون و بررسی اینآکه موقعیتآها با هم همخوانی دارند یا نه میآباشد. اگر همخوانی داشتند عمل موردنظر را انجام میآدهد. این عمل آنآقدر انجام میآشود تا به عملی که دستور پایان دادهآاست، برسد.

گفتیم برای استفاده از تکنیک همسانآسازی الگو (Template matching) نیاز به ذخیره مقادیر بسیار زیادی از دانش در رابطه با هر آیتم موجود در دنیای ربات وجود دارد. با استفاده از قوانین میآتوانیم استفاده از این اطلاعات را از بین ببریم و دیگر نیازی به آنآها حس نمیآشود. مثلاً در مورد یک صندلی، بهآجای ذخیره یک صندلی از تعدادی زوایا و اندازهآها میآتوانیم اطلاعاتی راجعآبه برخی خواص و ظواهر صندلی نظیر جنس، دستهآها، پایهآها و ... که یک سیستم مبتنی بر دانش از آنآها به منظور تشخیص صندلی استفاده میآکند، ذخیره کنیم. یک صندلی دارای چهار پایه، یک نشیمنگاه و یک تکیهآگاه است.

از طرف دیگر میز هم چهار پایه و یک رویه دارد. بدینآترتیب بهآجای ذخیره تعداد زیادی عدد برای هر شی، از خواص آن شی برای توصیفش استفاده کنیم. بدینآترتیب نیاز به یک پایگاه دانش هست که چیزهایی نظیر اجزا (دستهآها، پایهآها، دیوارهآها و...) خواصی که این اجزا را توصیف میآکند (ظاهر و غیره)، و حقایقی در رابطه با اشیایی که توسط این اجزا ساخته میآشوند (آشپزخانه چهار دیوار و یک در دارد و غیره) و همچنین یک سری قوانین به منظور پردازش این اطلاعات را نگهداری نماید.


خلاصه
همانآطور که دیدیم، عملیات زیادی باید به منظور پردازش اطلاعات تصویری انجام شود. تصاویر غالباً دارای نویز هستند که باعث خرابی و تحریفشان میآشود. هر چند این مشکل چندان حادی برای سیستم بینایی انسان به حساب نمیآآید اما برای سیستمآهای بینایی ماشین این نویزها بهآطور کامل باید فیلتر و پاکسازی شوند که این عمل با استفاده از تعدادی الگوریتم انجام میآشود.

همچنین دیدیم که اشیاء چگونه با استفاده از تکنیک همساآنآسازی الگو دیده میآشوند هر چند پس از اینآکه اشیاء داخل صحنه توسط سیستم بینایی مشخص شدند هنوز کار تمام شده است. اطلاعات حاصل باید به یک نمایش دانش مناسبآ ترجمه شوند بهآطوری که قابل پردازش باشند.

نتیجهآگیری
مثال اول یک مثال محدود شده از نوعی سیستم بود که در کاربردهای روزانه مشابه آن را فراوان میآتوان یافت. سیستمآهای بینایی اولیه روز به روز در حال گسترش هستند و هر روز کاربرد جدیدی برای آنآها یافت میآشود. با توسعه این سیستمآها، کاربردهایی برای سایر محیطآها نظیر توسعه پردازش نیز یافت میآشود. سیستمآهای بینایی مصنوعی از کاربردهای پزشکی و نظامی گرفته تا کاربردهای ساده و معمول روزمره مورد استفاده هستند. و این شاخه از هوش مصنوعی از کاربردیآترین شاخهآها میآباشد که هنوز مسایل حلآنشده زیادی در خود دارد .

[nikvand]

پاسخ : کـاربـرد پـردازش تـصـویـر




ربات هایی که سیستم بینایی آن ها از چشم مگس الگوبرداری شده، می توانند از مزایای سیستم بینایی این حشره، برای تشخیص لبه ها و مرزهای اجسام بهره ببرند. این قابلیت می تواند به ربات ها کمک کند تا انواع و اقسام کارها را سریع تر و دقیق تر از زمانی که در بینایی آن ها از سنسورهای سنتی استفاده می شد، انجام دهند.

به گزارش خبرگزاری برق، الکترونیک و کامپیوتر ایران (الکترونیوز) و به نقل از فیزورگ، پژوهشگران مرکز جنگ هوایی دریایی در چاینا لیک کالیفرنیا، به همراه دانشگاه وایومینگ، سنسور فیبر نوری را با الگوبرداری از چشم مرکب مگس توسعه داده اند. یکی از بزرگ ترین مزایای این طرح، تشخیص سریع و دقیق لبه ها و مرزهای تصاویر می باشد. دستگاه هایی مانند وسایل نقلیه ی بدون سرنشین، موشک های هدایت شونده و ربات های صنعتی سریع مخصوص جستجو و کاوش، می توانند از مزایای این طرح برای تشخیص دقیق اجسام ریز و متحرک استفاده کنند....


دکتر رایلی و سایر پژوهشگران در مقاله ی اخیری در مجله ی «بیواینسپریشن و بیومیمتیکس»، توضیح دادند که چگونه سیستم بینایی مگس ها به طور منحصر به فردی می تواند اجسام ریز را با دقت بالایی تشخیص دهد. در واقع، مگس ها بر خلاف محدودیت وضوح بیناییشان، از دقت زیادی برخوردارند. این ویژگی که فرا تیزبینی نامیده می شود، در خیلی از موجودات و انسان ها امری عادی به شمار می رود.

پژوهشگران اظهار داشتند: "مگس مزایای مهمی در رابطه با ردیابی دارد. زمان واکنش مگس خیلی سریع است. آن ها می توانند خیلی بهتر از انسان های آموزش ندیده، واکنش نشان دهند و ردیابی کنند. هر چند، ما در مورد کیفیت بقیه ی بخش های بینایی مگس ها مردد هستیم. احتمالاً کیفیت بقیه ی بینایی آن ها شبیه ویژگی های ردیابی و واکنش آن هاست. روی هم رفته، کیفیت بینایی مگس ها (و فن آوری سنسور بینایی ربات که الهام گرفته از آن هاست) هنوز پایین تر از
بینایی انسان هاست و احتمالاً همیشه هم این گونه خواهد بود."

پژوهشگران توضیح دادند که جالب ترین جزء سازنده ی سیستم بینایی مگس این است که میدان دید هر «گیرنده ی نور» واقع در چشم مگس، با گیرنده های نور کناریش، بالای ۹۰ درصد هم پوشانی دارد. هر چشم مگس حدود ۳۰۰۰ اوماتیدیوم (واحد اصلی سازنده ی چشم) دارد و هر اوماتیدیوم، ۸ گیرنده ی نور را شامل می شود. عملکرد اصلی گیرنده های نور، تبدیل نور به جریان یونی است. این جریان بعداً به سیستم پردازش سیستم وارد می شود.

بر خلاف سیستم های پردازش تصویر معمولی که اغلب دیجیتال هستند، سیستم پردازش تصویر مگس آنالوگ است. سیستم های دیجیتال، داده ها را پیکسل به پیکسل دریافت می کنند و عموماً به زمان پردازش طولانی و همچنین پردازش محاسباتی سنگین احتیاج دارند. سیستم آنالوگ به مگس کمک می کند تا اطلاعات لبه ها را خیلی سریع تر استخراج کند و همچنین توانایی پردازش موازی را می دهد. این دو ویژگی مگس ها، منجر به سیستم بینایی دقیق و پرسرعت آن ها می شود.

پژوهشگران سنسورشان را برای تقلید از گیرنده های نور مگس ها (که با یکدیگر هم پوشانی دارند) و سیستم پردازش آنالوگ و موازی آن ها طراحی کردند. این سنسور شامل یک لنز کروی با قطر یک میلی متر می باشد که نور را بر روی تعدادی گیرنده ی نور متمرکز می کند. میدان دید گیرنده های نور این سنسور، حدود ۷۰ درصد با یکدیگر هم پوشانی دارند. در آزمایش های انجام شده مشاهده شد که سنسور توانست با کم ترین خطا، یک رشته نخ با پهنای یک میلی متر را که در میدان دید سنسور یعنی در فاصله های تا حداکثر ۲۰۰ میلی متر از لنز، حرکت می کرد، تشخیص دهد.

سیستم بینایی مذکور با چنان وضوح و کیفیت بالایی، می تواند در زمینه های مختلفی از جمله پزشکی، تجاری، صنعتی و دفاعی کاربرد داشته باشد. پژوهشگران در حال حاضر، سنسوری را که متشکل از ۷ اوماتیدیوم که هر کدام از آن ها از ۷ گیرنده ی نور تشکیل شده، تولید می کنند و امیدوارند که دقت و مقیاس این طرح را گسترش دهند.

پژوهشگران خاطر نشان کردند: "ما تصور می کنیم که این سنسور به عنوان یک مکمل برای سنسورهای تصویر قدیمی تر و برای کاربردهای گوناگون، مورد استفاده قرر گیرد. ما این سنسور را به عنوان یک جایگزین تلقی نمی کنیم. همچنان که مگس ها، دو چشم مرکب و یک چشم دوربین مانند خیلی ساده دارند، خیلی از کارهای بینایی کامپیوترها و ربات ها می تواند از مزایای این دو نوع سنسور بهره مند گردد."

[nikvand]

پاسخ : کـاربـرد پـردازش تـصـویـر

با سلام خدمت دوستان و شهروندان ECA

حدودا چند ماهی میشه که این تاپیک باز شده و طبق نظرسنجی اغلب دوستان به بخش های نظامی علاقمند هستند. :rolleyes:
مشکلی که همیشه در بخش هایی نظامی هست اینه که اطلاعات این بخش طبقه بندی شده است و هیچ کشوری حاضر نیست که اطلاعات به روز نظامی خودش رو انتشار بده.
ولی همون طور که می دونید در دنیای ما انسان ها هیج چیز مطلقی نیست.(در حد اطلاعات من)
پس اگر دوستان اطلاعاتی در این بخش دارند هر چند فقط در حد اطلاع رسانی در اختیار شهروندان ECA قرار بدند.

با تشکر(البته فراوان...)

[nikvand]

پاسخ : کـاربـرد پـردازش تـصـویـر

امنیتی و نظامی

با سلام خدمت دوستان و شهروندان ECA

حتما از این موضوع که در فرود گاه ها دستگا هایی برای دیدن داخل ساک مسافر ها هست اطلاع دارید،چندی پیش هم در اخبار شنیدم که در فرود گاه های چند کشور اروپایی دوربین های برای دیدن بدن مسافران کار گذاشته اند که مخالفت هایی را هم داشته،
ولی چیز جدیدی که دیروز از یکی از فامیلون که تازه از آمریکا برگشته شنیدم این بود که داخل فرودگاه های آمریکا سیستمی هست که مسافر وقتی برای چک شدن از جایگاه مخصوص عبور می کنه می تونه دلار های موجود در جیب مسافر را هم تشخیص بده،یعنی این که چند دلار مسافر همراهش هست،اگر تعداد زیادی پول همراش باشه پلیس مشکوک شده و از مسافر دلیل حمل پول زیاد با خودش رو می پرسه،دلیل این کارا برخورد با ساپورت مالی تروریست هاست.

به نظر من طرح جالبی رسید ولی برای کشور ما فکر نکنم مفید باشه ولی میشه از این طرح ایده گرفت برای پروژه های دیگه.اگر کسی میتونه توضیحی در مورد نحوه انجام این پردازش و اینکه چه طوری میشه دلار های داخل جیب رو تشخیص داد بده ممنون میشسم.

ممنون....

[Reyhane7]

پاسخ : کـاربـرد پـردازش تـصـویـر

*کاربردهای پردازش تصویر در دنیای امروز*( مقاله ی خودم)
منتظر نظرات سازنده شما هستم :nerd:

چکیده - علم پردازش تصویر در چند دهه اخیر از هر دو جنبه نظری و عملی پیشرفت های چشمگیری داشته است. سرعت این پیشرفت به اندازه ای بوده است که هم اکنون، به راحتی می توان رد پای پردازش تصویر را در بسیاری از علوم و صنایع مشاهده نمود. بعضی از این کاربردها آنچنان به پردازش تصویر وابسته هستند که بدون آن،اساساً قابل استفاده نمی باشند. اگر چه ذکر تمام جزئیات کاربردهای پردازش تصویر در یک مقاله امکان پذیر نمی باشد ولی سعی شده است که به طور کلی اکثر زمینه های کاربرد آن بیان شود. در این مقاله چهارده زمینه ی مختلف کاربرد پردازش تصویر بیان شده است که عبارتند از: صنعت، پزشکی، علوم نظامی و امنیتی، زمین شناسی، فضانوردی و نجوم، شهرسازی، هنر و سینما، فناوری های علمی، سیاست و روانشناسی، کشاورزی، هواشناسی، باستان شناسی، اقتصاد و تبلیغات.

کلید واژه- پردازش تصویر(Image processing)، بینایی ماشین(Machine vision)، کاربرد



1- مقدمه
امروزه با گسترش روز افزون روش های مختلف اخذ اطلاعات گسسته مانند پویشگرها و دوربین های دیجیتالی، پردازش تصویر کاربرد فراوانی یافته است. تصاویر حاصله از این اطلاعات همواره کم و بیش همراه مقداری نویز بوده و در مواردی نیز دارای مشکل محوشدگی مرزهای نمونه های داخل تصویر می باشند که موجب کاهش وضوح تصویر دریافتی می گردند. مجموعه عملیات و روش هایی که به منظور کاهش عیوب و افزایش کیفیت ظاهری تصویر مورد استفاده قرار میگیرد، پردازش تصویر نامیده می شود. اگرچه حوزه های کار با تصویر بسیار وسیع است ولی عموماً محدوده مورد توجه در چهار زمینه ی بهبود کیفیت ظاهری(Enhancement)، بازسازی تصاویر مختل شده(Restoration)، فشرده گی و رمزگذاری تصویر (Compression and Coding) و درک تصویر توسط ماشین (Understanding) متمرکز می گردد.
بهبود تصاویر شامل روش هایی مثل استفاده از فــ....یـــ......لـــ......تـــ.... ...ر محو کننده و افزایش تضاد برای بهتر کردن کیفیت دیداری تصاویر و اطمینان از نمایش درست آن ها در محیط مقصد است. بینایی ماشین به روش هایی می پردازد که به کمک آن ها می توان معنی و محتوای تصاویر را درک کرد تا از آن ها در کارهایی چون رباتیک و محور تصاویر استفاده شود. پردازش تصویر از هر دو جنبه نظری و عملی پیشرفت های چشمگیری داشته است و بسیاری از علوم به آن وابسته اند.
2- کاربردهای پردازش تصویر

زمینه های مختلف کاربرد پردازش تصویر عبارتند از صنعت، هواشناسی، شهرسازی، کشاورزی، علوم نظامی و امنیتی، نجوم و فضا نوردی، پزشکی، فناوری های علمی، باستان شناسی، تبلیغات، سینما، اقتصاد، روانشناسی و زمین شناسی که در ادامه درباره هر کدام مختصراً بحث شده است.

2-1-صنعت

امروزه کمتر کارخانه پیشرفته ای وجود دارد که بخشی از خط تولید آن توسط برنامه های هوشمند بینایی ماشین کنترل نشود. خطای بسیار کم، سرعت زیاد، هزینه نگهداری بسیار پایین، عدم نیاز به حضور اپراتور 24 ساعته و خیلی مزایای دیگر باعث شده که صنایع و کارخانه ها به سرعت به سمت پردازش تصویر و بینایی ماشین روی بیاورند. دستگاهی ساخته شده که قادر است کیک های پخته را از کیک هایی که نیاز به پخت مجدد دارند، تشخیص دهد و آنها را به صورت اتوماتیک به بسته بندی بفرستد و کیک هایی که نیاز به پخت دارند را دوباره برای پختن ارسال کند.
یکی دیگر از دلایل استفاده از بینایی ماشین قابلیت دیدن و اندازه گیری محصولاتی است که دیدن یا اندازه گیری آنها با چشم غیر مسلح غیر ممکن است. عناصر تشکیل دهنده یک سیستم بینایی ماشین نرم افزار هوشمند بینایی است که ورودی خود را از دوربین های نصب شده در بخش های مختلف خط تولید می گیرد و بر اساس تصاویر دریافتی دستورات لازم برای کنترل ماشین های صنعتی را صادر می کند. پردازش تصویر در تشخیص دمای کوره هایی که هیچ وسیله ی مکانیکی و الکترونیکی تحمل دمای آنها را ندارد، کاربرد دارد. دوربین های حرارتی می توانند مشکل بخشی از سازه ی مورد نظر را تشخیص دهند.

2-2 هواشناسی

از آنجایی که در علم هواشناسی تشخیص و پیش بینی آب و هوا اکثراً از طریق تصاویر هوایی و ماهواره ای انجام می گیرد، پردازش تصویر در این علم کاربرد زیادی دارد و دقت و سرعت پیش بینی آب و هوا و طوفان ها را بسیار بالا می برد. جبهه های پرفشار، کم فشار، گردبادها و گرداب های بوجود آمده در سطح کره زمین را می توان مشاهده کرد.

2-3شهرسازی

با مقایسه عکس های مختلف از سال های مختلف یک شهر می توان میزان گسترش و پیشرفت آن را مشاهده کرد.
کاربرد دیگر پردازش تصویر می تواند در کنترل ترافیک باشد. با گرفتن عکس های هوایی از زمین ترافیک هر قسمت از شهر مشخص می شود.
قبل از ساختن یک شهر می توان آن را توسط کامپیوتر شبیه سازی کرد که به صورت دو بعدی از بالا و حتی به صورت سه بعدی از دید های مختلف، یک شهرک چطور ممکن است به نظر برسد. تصاویر ماهواره ای که از شهرها گرفته می شود، می تواند توسط فــ....یـــ......لـــ......تـــ.... ...رهای مختلف پردازش تصویر فــ....یـــ......لـــ......تـــ.... ...ر شود و اطلاعات مختلفی از آن استخراج شود. به طور مثال این که شهر در چه قسمت هایی دارای ساختمان ها، آب ها یا راه های بیشتری است و همین طور می توان جاده هایی که داخل یا خارج از شهر کشیده شده اند را تحلیل کرد.

2-4- کشاورزی
این علم در بخش کشاورزی معمولاً در دو حالت کاربرد دارد. یکی در پردازش تصاویر گرفته شده از ارتفاعات بالا مثلاً از هواپیما و دیگری در پردازش تصاویر نزدیک به زمین.
در تصاویر دور به عنوان مثال می توان تقسیم بندی اراضی را تحلیل کرد. همچنین می توان با مقایسه تصاویر دریافتی در زمان های متفاوت میزان صدمات احتمالی وارد به محیط زیست را دید. به عنوان مثال می توان برنامه ای نوشت که با توجه به محل رودخانه ها و نوع خاک مناطق مختلف، به صورت اتوماتیک بهترین نقاط برای کشت محصولات مختلف را تعیین می کند.
تصاویر نزدیک هم در ساخت ماشین های هرز چین اتوماتیک کاربرد دارد. امروزه ماشین های بسیار گران قیمت کشاورزی وجود دارند که می توانند علف های هرز را از گیاهان تشخیص بدهند و به صورت خودکار آنها را نابود کنند.
برای مثال یکی از پروژه های جالب در بخش کشاورزی، تشخیص خودکار گل زعفران برای جداسازی پرچم قرمز رنگ آن بوده است. این پردازش که توسط نرم افزار Stigma detection®انجام گرفته است.


2-5- علوم نظامی و امنیتی
پردازش تصویر بخصوص بینایی هوشمند، کاربردهای بسیاری را در علوم نظامی و امنیتی دارند و این کاربرد برای دولت اکثر کشورها بسیار مهم است. به عنوان مثال موشک هدایت شونده خودکاری وجود دارد که می تواند روی در یک ساختمان قفل کند و حتی می تواند به درز بین در و دیوار آن ساختمان که حساس ترین جای ساختمان است به راحتی نفوذ کند. این موشک به صورت اتوماتیک این قسمت را شناسایی کرده و به سمت آن حمله می کند.
در مسائل امنیتی هم کاربرد پردازش تصویر کاملاً در زندگی ما مشهود است. دوربین های که به صورت اتوماتیک از ماشین هایی که تخلف رانندگی انجام می دهند عکس برداری می کند.
از سیستم های امنیتی دیگر می توان سیستم تشخیص اثر انگشت اتوماتیک را نام برد. در لپ تاپ های جدید قابلیت finger print به آنها اضافه شده و می تواند صاحب لپ تاپ را توسط اثر انگشت شناسایی کند.
کد امنیتی دیگری که همیشه همراه انسان حمل می شود، چشم انسان است. دانشمندان ثابت کرده اند که پترن های (Pattern) موجود در مردمک چشم هر انسان منحصر به فرد است و هیچ دو فردی در دنیا وجود ندارند که پترن هایی که در مردمک چشم آنها وجود دارد دقیقاً مثل هم باشد. از همین روش برای شناخت افراد و سیستم های امنیتی استفاده می شود.

در کل این خواص بیومتریک در انسان بسیار زیاد است. عرض و طول صورت، فاصله بین انگشتان دست، طول و عرض انگشت ها، فاصله ی بندها از یکدیگر و حتی خط های کشیده شده کف دست و هزاران خاصیت دیگر، تماماً خصوصیاتی هستند که برای انسان ها منحصر به فرد هستند.دوربین هایی وجود دارند که به صورت دید در شب، قادر هستند چیزهایی را که ما نمی بینیم، ببینند و پردازش کنند.اسلحه های خودکاری ساخته شده اند که به صورت اتوماتیک و دقیق نشانه گیری می کنند.
پردازش تصویر همینطور با پردازش تصاویر گرفته شده از فاصله های دور هم می تواند در علوم نظامی و امنیتی کمک کند.به عنوان مثال دوربینی قادر است با سرعت بسیار زیاد یک توپ را دنبال کند.این مسئله کاربرد بسیار زیادی در مسائل نظامی دارد.


2-6- نجوم و فضا نوردی
ساخت دستگاه های اتوماتیک رصد آسمان و ثبت وقایع آسمانی به صورت خودکار از کاربردهای پردازش تصویر است که امروزه روی آن کار می شود.
از پروژه های جدید در بخش نجوم که بخشی از آن توسط سیستم پردازش تصویر انجام می شود، تهیه نقشه سه بعدی از کل عالم کائنات است !

پردازش تصویر در فضانوردی هم کاربرد زیادی دارد. در تصاویر دور می توان سطح سیارات و همچنین سطح قمرها را اسکن کرده و اطلاعات بسیار ریزی از آنها استخراج کنیم.
کاربرد دیگر پردازش تصویر در فــ....یـــ......لـــ......تـــ.... ...ر کردن عکس هایی است که توسط تلسکوپ های فضایی مختلف از جمله هابل (Hubble Space Telescope)، از فضا گرفته می شود.
کاربرد دیگر آن حذف گرد و خاک و جو سیاره ها از تصاویر به کمک تصویربرداری IR و X-RAY به صورت همزمان و ترکیب این تصاویر است.
در تصاویر نزدیک هم کاربرد دارد، از جمله هدایت مریخ نوردها، فرود فضاپیماهای بدون سرنشین و الصاق تجهیزات جدید به ایستگاههای فضایی به صورت خودکار.
از امکانات سایت گوگل، امکاناتی است به نام Google Mars که این برنامه دقیقاً مانند Google Earth عمل می کند با این تفاوت که Google Earth سطح زمین را در هر زمان که بخواهید و در هر نقطه ای از زمین و از ارتفاع های بسیار پائین هم نشان می دهد ولی Google Mars دقیقاً همین کار را برای سطح سیاره مریخ انجام می دهد.

2-7- پزشکی
یکی از مهمترین کاربردهای پردازش تصویر در علم پزشکی است. در جایی که ما نیاز داریم تمام عکس ها با نهایت شفافیت و وضوح گرفته شوند زیرا دیدن تمام جزئیات لازم است. جراحی های ریز microsurgery با ایجاد یک سوراخ کوچک و فقط دیدن محل جراحی توسط پزشک، از راه دور و توسط بازوهای رباتیک بسیار دقیق انجام می شوند.


2-8- فناوری های علمی
پردازش تصویر در افزایش سرعت پیشرفت های علمی تأثیر فوق العاده داشته است. اولین و مشخص ترین تأثیر آن را می توان در علم عکاسی یا هنر دید. شکار لحظه های شگفت آوری که در کسری از ثانیه اتفاق می افتد، بالا بردن وضوح عکس های گرفته شده و ایجاد افکت های خیره کننده، از دستاوردهای پردازش تصویر است.
همچنین در توسعه تکنولوژی پیشرفته gps (Global Positioning Systems) کمک زیادی داشته و تهیه نقشه های سه بعدی از جاده ها در تمام نقاط جهان، از کاربردهای دیگر آن است. با به وجود آمدن این علم، مسابقات ربات های فوتبالیست به صورت جدی دنبال شد.
این علم در پیشرفت علوم پایه فیزیک ، شیمی و مخصوصاً تحقیقات فیزیکی و مکانیکی، کمک فراوانی کرده است. به عنوان مثال وسیله ای برای حمل و نقل کالاها در مسیرهای صعب العبور ساخته شده است. قبل از ساخت آن، رفتار چهارپایان در حالت های مختلف توسط کامپیوتر تحلیل و عیناً به دستگاه آموزش داده شده است.در کل پردازش تصاویر به علت سرعت زیاد آن، در ساخت وسایل مکانیکی پر سرعت، کاربرد زیادی دارد. وسیله ای وجود دارد که قادر است ، توپی که با سرعت بسیار زیاد به سمت پائین می آید را مهار کند.


2-9- باستان شناسی

در علم باستان شناسی تنها مدارک باقی مانده از دوران باستان، دست نوشته ها، نقاشی ها و غارنگاری های قدیمی است. تهیه تصاویر از بناهای گذشته و بازسازی مجازی این بناهای تاریخی یکی از کاربردهای پردازش تصویر در این علم است. همچنین می توان نقاشی ها و غارنگاری ها را مورد پردازش دقیق قرار داد و شکل آنها را همان طور که در ابتدا بوده اند، شبیه سازی کرد. حتی می توان مکانهای باستانی را از زوایایی که تصاویر مستندی از آنها وجود ندارد، شبیه سازی کرد.
امروزه یکی از پروژه های پر سر و صدای بازسازی بناهای باستانی، بازسازی شهر روم باستان توسط دانشمندان ایتالیایی است. هم اکنون توریست ها با زدن عینک های مخصوص می توانند در خیابان های شهر روم باستان قدم بزنند.

2-10- تبلیغات
از مقایسه تبلیغات دهه ی 70 و 80 میلادی با تبلیغات امروزی می توان تأثیر تکنولوژی را در تبلیغات کاملاً درک کرد. تغییر شکل تبلیغات از اشکال مربع و زاویه دار به شکل های دایره ای، تغییر رنگ تبلیغات و هزاران تغییر دیگر. یکی از مهمترین فاکتورهای فروش و دلایل بالا رفتن یا پایین آمدن فروش، شکل و نحوه ی بسته بندی کالاست. پردازش تصویر می تواند به ما کمک کند تا قبل از تولید یک بسته بندی آن را شبیه سازی کنیم. با ادغام کردن علم الگوریتم ژنتیک با پردازش تصویر می توان برنامه ای را نوشت که به صورت اتوماتیک به ساختن بسته بندی های مختلف بپردازد و آنهایی که از نظر کاربران زیباتر و جالب تر به نظر خواهند آمد را به ما معرفی نماید.

2-11 سینما

اولین علمی که پردازش تصویر در آن مورد استفاده قرار گرفت، هنر و سینما بود. یکی از تکنولوژی های برتر دنیا motion capture است که در آن یک کاراکتر انیمیشنی قادر است حرکات دست انسان را تقلید کند. امروزه این سیستم جهت ساخت فیلم ها و بازی های کامپیوتری مورد استفاده قرار می گیرد.
در پردازش تصویر قابلیتی به نام هیستوگرام (Histogram) وجود دارد که با آن قادرند تصاویر را شفاف یا تیره تر کرده و یا هر تغییر مورد نیاز دیگری را روی تصاویر با توجه به منحنی ها و نمودارهای هیستوگرام بدهند.
در سینما برای اینکه تصویری شفاف به نظر آید، با استفاده از یک کره ی نقره ای رنگ، تصاویر اطراف دوربین را هم ثبت می کنند. بنابراین تصویر نسبت به محیط اطراف خود شفافیت غیر قابل تصوری پیدا می کند.

2-12- اقتصاد
در دنیای امروز تمام نوآوری ها، به نوعی مستقیم یا غیر مستقیم باعث تغییراتی در اقتصاد گروهی از کشورها و یا کل دنیا می شوند. پردازش تصویر هم، به صورت مستقیم و غیر مستقیم در اقتصاد تأثیر گذار است. در تبلیغات، سیاست، فضانوردی، کشاورزی، شهرسازی، سینما، پزشکی و علوم نظامی می تواند تأثیر غیر مستقیمی در اقتصاد کشورها داشته باشد. همچنین از تأثیر مستقیم آن در اقتصاد، می توان به وجود شعبه های بانک بدون کارمند اشاره کرد. این شعبه ها قادرند به صورت خودکار سریال چک ها و قبوض پرداختی را بخوانند، نوع اسکناس ها را تشخیص دهند و تا حد زیادی از کارهای یک بانک عادی را انجام دهند.

2-13- روانشناسی
بحث تاثیر رنگ در روحیه انسان اهمیت بسیار زیادی دارد به طوری که در روانشناسی گرایشی به نام روانشناسی رنگ وجود دارد. در این علم در مورد رنگ ها و تأثیر هر یک بر روح و جسم انسان صحبت می شود. به عنوان مثال رنگ قرمز بیشتر تأثیر را در چشم انسان دارد. در حالی که رنگ سبز بیشترین تأثیر را در مغز انسان دارد.
همچنین رنگ آبی باعث ایجاد حس آرامش و اطمینان در انسان می شود. به همین دلیل در سخنرانی های اکثر سیاستمداران دنیا از پرده آبی رنگ در پشت سر آن ها استفاده می شود.
با پردازش تصویر می توان به راحتی تصاویر ثابت و متحرک را ویرایش کرد. به طور مثال رنگ آبی را برای ایجاد حس اطمینان یا رنگ سبز را برای حس زیبایی و قرمز را برای ایجاد هیجان در تصاویر پر رنگ تر کرد.

2-14- زمین شناسیآ
با پردازش تصویر می توان کانی های مختلف را از روی رنگ و اندازه آن ها شناسایی و دسته بندی کرد. همچنین در زمین شناسی برای پی بردن به مواد تشکیل دهنده کانی ها از روش پرتونگاری ((tomography استفاده می کنند و پردازش تصویر در این بخش می تواند سرعت و دقت این روش را بسیار بالا ببرد. کاربرد دیگر آن این است که دانشمندان با مقایسه کردن ارتفاع آب در سال های مختلف، در واقع روند تند شدن یا کند شدن کاهش آّب در سطح زمین را مورد بررسی قرار می دهند.

3- نتیجه گیری
رد پای پردازش تصویر در بسیاری از علوم و صنایع مشاهده می شود و بعضی از این کاربردها آنچنان به پردازش تصویر وابسته هستند که بدون آن، اساساً قابل استفاده نمی باشند. کاربرد پردازش تصویر در هر یک از زمینه هایی که بحث شد، بسیار گسترده است

[slm_hj_nj]

پاسخ : کـاربـرد پـردازش تـصـویـر


تصویر برداری با تشدید مغناطیسی یا MRI

سلام به همه

تصمیم گرفتم قسمت هایی از کتابی رو که تالیف کردم و قراره دانشگاه شیراز چاپ کنه، در اختیار شما دوستان خوبم قرار بدم. امیدوارم مفید باشه.

به نام نامی حضرت حق

مقدمه :

MRI یا NMRI ؟
تصویر برداری با تشدید مغناطیسی (MRI) ، یک تکنیک طبّی است که اساساً برای تولید عکس هایی با کیفیت بالا از درون بدن انسان استفاده می شود . (MRI) طبق اصول تشدید مغناطیسی هسته ای پایه گذاری شده است . (NMR ) یک روش نوری است که دانشمندان برای بدست آوردن خواص فیزیکی و شیمیایی مولکول ها از آن بهره می برند . این تکنیک را در دهه ی هفتاد بجای تصویر برداری با تشدید مغناطیسی هسته ای (NMRI) ، تصویر برداری با تشدید مغناطیسی نامیدند ، زیرا در آن زمان لفظ "هسته ای" به نوعی منحوس به شمار می آمد . MRI اولین روشی بود که با استفاده از پرتو نگاری ، می توانست تصویر یک سیگنال تشدید مغناطیسی روی برش نازکی از بدن انسان را نمایش دهد .
MRI ، با گذشت زمان از یک روش پرتونگاری ساده به یک روش تصویر برداری حجمی مبدل شد . این کتاب تصویری کلی از اصول کار در MRI را ارائه می دهد .
قبل از مطالعه ی دانش MRI ، خالی از لطف نیست اگر نگاه مختصری به تاریخچه ی آن بیندازیم .

MRI Timeline
1946 MR phenomenon - Bloch & Purcell
1952 Nobel Prize – Bloch & Purcell
1950 NMR developed as analytical tool
1960
1970
1972 Computerized Tomography
1973 Backprojection MRI - Lauterbur
1975 Fourier Imaging - Ernst
1977 Echo-planar imaging - Mansfield
1980 FT MRI demonstrated - Edelstein
1986 Gradient Echo Imaging
NMR Microscope
1987 MR Angiography - Dumoulin
1991 Nobel Prize - Ernst
1992 Functional MRI
1994 Hyperpolarized 129Xe Imaging
2003 Nobel Prize - Lauterbur & Mansfield
Bloch و Purcell، که هر دو به سال 1952 موفق به اخذ جایزه نوبل شدند ، در سال 1946 هر یک به طور جداگانه ، تشدید مغناطیسی را کشف کردند . طی سالهای 1950 تا 1970 ، NMR برای تحلیل مولکولی مورد استفاده قرار میگرفت .
در سال 1971 ، Damadian نشان داد که مدت زمان آرامش مغناطیسی هسته ای سلولهای سالم با سلولهای سرطانی متفاوت است . این سبب تحریک محققان شد و ایشان را بر آن داشت که از تشدید برای تشخیص بیماری ها بهره جویند .
در سال 1973 ، Hounsfield تصویر برداری با اشعه ی ایکس( TAC ) را به عالم علم تقدیم کرد . این تاریخ حایز اهمیت است زیرا در آن MRI با هزینه های فراوانی به بیمارستان ها راه پیدا کرد . MRI ، درهمان سال برای اولین بار توسط Lauterbur با موفقیت روی نمونه های کوچک در لوله ی آزمایشگاهی امتحان شد .
وی برای عکس برداری از تکنیک " بک پروجکشن " بهره برد ( بک پروجکشن در سینما به تکنیکی گفته می شود که در آن تصویراز پشت ، روی یک پرده افتاده و بیننده ، عکسبردار یا فیلمبردار ، از جلو به پرده می نگرد -) . در سال1975 ، Ernst استفاده های دیگر MRI مثل رمز بندی فرکانس و رمزبندی فاز را با تبدیل فوریه ارایه داد . این تکنیک در حال حاضر پایه ی تکنیک های فعلی MRI است . دو سال بعد یعنی در سال 1977 ، Damadian ، MRI را روی بدن انسان آزمایش کرد . در همان سال ، Mansfield روش تصویر برداری اکو پلا نار را توسعه داد ( EPI ) . از این تکنیک در سال های بعد برای تولید تصاویر با فرکانس ویدیو (30 تصویر بر ms ) استفاده شد . در سال 1980 ، Edelstein وهمکارانش از روش Ernst ، برای تصویر برداری از بدن انسان بهره بردند .
در این آزمایشات در هر پنج دقیقه یک عکس گرفته می شد . از سال 1986 به بعد این زمان به 5 ثانیه کاهش یافت ، بدون اینکه از کیفیت عکس ها کاسته شود . در همان سال برخی از دانشمندان در حال ساخت میکروسکوپ NMRبودند . این میکروسکوپ از دقتی معادل 10μm روی نمونه ها یی در ابعاد یک سانتی متر برخوردار بود . در سال 1987 ، EPI برای بدست آوردن تصویر یک دوره از تپش قلب بر مبنای زمان استفاده شد . در همان سال ، Dumoulin آنژیوگرافی (تصویر برداری ازعروق) با تشدید مغناطیسی را مطالعه میکرد
( MRA ( ، که به علم طب اجازه ی داشتن تصاویری از تشدید مغناطیسی جریان خون بدون وسایل ایجاد تضاد رنگی می داد . در سال1991 ، Ernst جایزه ی نوبل شیمی را به دلیل نتایجی که از اعمال تبدیل فوریه درNMR و MRI بدست آورده بود ، دریافت کرد . در سال 1993 ، بشر به MRI کاربردی دست می یافت . این تکنیک ، اجازه ی ساخت یک نقشه از کار اعضای مختلف بدن در مغز را می داد . شش سال قبل از این ، برخی شیمیدانان براین عقیده بودند که کاربرد اصلی تصویر برداری "اکو- پلانار" بایستی تصویر برداری از قلب بر مبنای زمان باشد . گسترش و توسعه MRI کاربردی یک استفاده ی جدید ازEPI را ( در ساخت نقشه ای از مناطقی از مغز که مسئولیت کنترل فکر و حرکت را بر عهده داشتند) نشان داد . در سال1994 ، محققین دانشگاه های Stony Brook و Princeton در ایالت نیویورک امریکا ، استفاده از گاز هیپرپلاریزه ( زنون بسیار قطبی شده) را در تصویر برداری برای مطالعه ی تنفس امتحان کردند . در سال 2003 ، Lauterbur از دانشگاه Illinois وp.Mansfield از دانشگاه Nottingham جایزه ی نوبل در طب را به مناسبت اکتشافاتشان در زمینه ی MRI دریافت کردند . مسلماً MRI یک دانش جوان و در حال تحول است .

فرصت ها در MRI
در سال 2003 ، طبق یک تخمین ، تعداد واحد های MRI موجود در جهان ، 10000 واحد برآورد شده است که هر سال تقریباً 75 میلیون آزمایش انجام می دهند . رشد بخش MRI فرصت های شغلی در این زمینه را زیاد می کند .
وجود رادیولوژیست متخصص برای خواندن تصاویرMRI ، گریز ناپذیر است . انتظار میرود که درآینده نیز نیاز به این متخصصین از رشد برخوردار باشد ، زیرا که در این برهه ی زمانی ، در بازار اشتغال درخواست برای تکنیسین رادیولوژی نیز رو به افزایش است .
یک تکنیسین رادیولوژی ، شخصی است که با دستگاه MRI ، تصاویر تجویز شده توسط رادیولوژیست متخصص را می گیرد . یک تحقیق که به مطالعه ی تعداد دستگاههای نصب شده پرداخته ، نشان داده است که در آینده به طور ثابت ، سالانه به هزار تکنیسین ، نیاز خواهد بود .
یک منبع اطلاعاتی خوب برای تکنیسین ها SMRT ( انجمن کارکنان (MR است .
در زمینه ی MRI ، اخیراً دو شغل جدید نیز ایجاد شده اند : تکنیسین ماهر در
post-processing (پردازش ثانوی) و متخصص امنیتی .
تکنیسین Post-processing ، پردازش تصویریِ عکس های MRI جهت استخراج اطلاعات بیشتر یا افزایش دقت دید تصویر را بر عهده دارد . متخصص امنیتی هم جهت یک استفاده ی امن ، مطمئن و صحیح بکار گرفته می شود .
پیچیدگی سیستم MRI ، نیاز به یک حرفه ی دیگر را نیز اجتناب ناپذیر می سازد : تکنیسین مربوط به نگهداری و تعمیرات .
معمولا کارمندهای شرکت های تولید MR که دارای یک دیپلم از شرکت یا دارای مدرک کارشناسی در الکترونیک یا الکتروتکنیک می باشند ، می توانند وارد تاسیسات بزرگ شده و عملکرد خوب MRI را تضمین کنند .
مثل سایر زمینه ها ، برای انجام تحقیقات پایه ای و جلو بردن دانش سمت مرزهای جدید ، به محققین گوناگون در شیمی ، بیولوژی و فیزیک نیاز است . برخی از موضوعات تحقیق عبارتند از : تصویر برداری از مولکول ها و ساخت دنباله ای از پالس های پیشرفته .
این افراد معمولاً دارای کارشناسی در زمینه ی مربوطه ، تجربه ی زیاد درMRI و انگیزه ای بالا هستند . یک منبع خوب اطلاعاتی برای محققین ، انجمن بین المللی تشدید مغناطیسی در طب است ( ISMRM ) .
مهندسین رشته های مواد و مهندسی پزشکی نیز ، برای ساخت زیر سیستم های MRI مورد نیاز هستند . یکی از زیر سیستم های مطرح و مورد نیاز ، سیم پیچ های تصویر برداری هستند . یک محیط جالب دیگر ، محیط توسعه ی دستگاه های جانبی MRI است (دستگاه تنظیم ضربان قلب یا Pacemaker و دیگر دستگاه ها) .
برای تشخیص بیماری ها و پاتولوژی ، نیاز به متخصصین در امر تصویر برداری می باشد که قادر به انجام پردازش ثانوی تصاویرMRI هستند . نیاز به متخصصین کامپیوتر هم ، برای طراحی و ساخت اینترفیس های گرافیکی ) GUI ( ضروری است . )اینترفیس هایی که کارا و ساده باشند) . در پایان ، از مهندسین آرشیتکت نام می بریم که برای طراحی و ساخت مراکز MRI کارا و مطمئن ، ضروری می باشند . این کتاب می تواند نقطه شروع خوبی برای تمام کسانی باشد که می خواهند وارد دنیای MRI یا زمینه های مربوط به MRIشوند .
اگر شما به یکی از این حرفه ها علاقمندید به شما پیشنهاد می کنیم تعمق و تامل زیادی روی حرفه های مربوط به MRI داشته باشید و اطلاعات خود را درباره ی مدارج تحصیلی مورد نیاز تکمیل کنید .
فعلا در دنیا ، شش سازنده ی اصلی MRI برای استفاده های کلینیکی موجودند . علاوه بر اینها ، دو سازنده ی دیگر وجود دارند که MRI برای کارهای تحقیقاتی تولید می کنند . بقیه ی سازنده ها ، زیر سیستم هایMRI را تولید می کنند ( مثل تقویت کننده های RF ، وسائل جانبی ، سیم پیچ های RF و مگنت ها) .

[slm_hj_nj]

پاسخ : کـاربـرد پـردازش تـصـویـر

تصویر برداری تومو گرافیک
این کتاب سعی بر این دارد که اصول MRI را از لحاظ میکروسکوپی و ماکروسکوپی و اصول سیستم تصویر برداری به شما آموزش دهد . MRI ، تصویر یک لایه ی نازک از بدن انسان را ارائه می دهد . این لایه ، دارای یک قطر است که به آن Thk گفته می شود
این نوع تصویر برداری به نوعی ، معادل لایه لایه کردن بدن در آناتومی است . این لایه را به تعداد زیادی المان حجمی یا Voxel تقسیم بندی می کنند .حجم یک Voxel تقریبا3mm3 است . تصویر گرفته شده با MRI به المان هایی با نام Pixel تقسیم بندی می شود . دقت یک پیکسل متناسب با شدت سیگنال NMR است که به المان حجم یا Voxel شیء تصویر برداری شده تابیده می شود .
MRIبراساس جذب و دفع انرژی طیف های الکترو مغناطیسی با فرکانس رادیویی پایه ریزی می شود . روشن است که از اشعه ی ایکس به این علت استفاده می شود که بدن انسان امواج و تشعشعات را تضعیف می کند .
بدن انسان اساساً از آب و چربی ساخته شده است . آب و چربی دارای اتم های هیدروژن فراوانی هستند که این سبب می شود 63 درصد هیدروژن بدن مربوط به آب و چربی باشد . هسته ی اتم های H دارای یک سیگنال NMR هستند . به این دلیل MRI تصویر سیگنال هسته های H را می گیرد . هرVoxel از بدن انسان دارای یک یا چند بافت است . مثلاً فرض کنیم یک Voxel وجود دارد که از یک بافت ساخته شده است .
بنابراین تمام Voxel مورد نظر از یک نوع سلول ساخته شده است .
اگر با دقت بیشتری نگاه کنیم درون هر سلول مولکول های آب وجود دارند .

هر مولکول آب یک اتم اکسیژن و دو اتم هیدروژن دارد . چیزی که اهمیت دارد اسپین پروتون هسته هیدروژن است .
پس پروتون دارای خاصیتی به نام spin است که:
1-می توانیم آنرا به عنوان یک میدان مغناطیسی کوچک در نظر بگیریم .
2- سبب می شود هسته سیگنال NMR تولید کند.
تمام هسته ها دارای spin نیستند. یک لیست از این هسته ها در بخش فیزیک spin ارائه میشود .

[slm_hj_nj]

پاسخ : کـاربـرد پـردازش تـصـویـر

Spin چیست ؟

Spin ، یک ویژگی بنیادی بسیار مهم مثل بار الکتریکی یا جرم است . spin ، ضریبی از ½ است و می تواند مثبت یا منفی باشد . پروتون ها ، نوترون ها و الکترون ها دارای spin هستند و مقدار آن برای این سه ذره ، برابر ½ است .
در یک اتم هیدروژن ، spin الکترونیکی برابر ½ و spin هسته ای کلی برابر یک است . دو یا چند ذره با spin مختلف العلامه ، می توانند برای خنثی کردن spin کل ، جفت شده ، کنار هم قرار بگیرند . یک مثال ، هلیم است . در NMR ، spin ذره های هسته ای منفرد حائز اهمیت هستند (ذره هایی که از حالت جفت در آمده اند) .

خواص spin :
وقتی که یک ذره با spin قابل توجهی در یک میدان مغناطیسی B قرار می گیرد ،
می تواند یک فوتون با فرکانس υ راجذب کند . فرکانس υ بستگی به γ یا ضریب ژایرومگنتیک دارد .

υ = B γ

برای هیدروژن :

γ = 42.58 MHz/T

هسته های دارای spin :
مدل لایه ای هسته به ما می گوید که نوکلئون ها مانند الکترون ها روی اوربیتال هایی
قرار می گیرند . وقتی تعداد پروتون ها یا نوترون ها برابر 2، 8، 20،28 ، 50، 82 ،126 است اوربیتال ها پر شده اند . با توجه به این که نوکلئون دارای spin است ، هنگام پر کردن اوربیتال ها می تواند جفت شده ، برایند را خنثی کند .( Spin down- spin upمثل الکترون ها در اوربیتال های اتمی) . تقریباً تمام عناصر جدول مندلیف دارای یک ایزوتوپ با spin هسته ای غیر صفر هستند .

( اصطلاح ایزوتوپ اولین بار توسط شیمیدانی به نام Soddy به کار گرفته شد . این لغت ریشه ی یونانی دارد : isos به معنای همسان ، topos به معنای مکان . عموماً به اتم هایی از یک عنصر شیمیایی خاص گفته می شود که دارای اجرام اتمی مختلف هستند . این تفاوت از آنجا ناشی می شود که تعداد نوترون ها در هر ایزوتوپ با دیگر ایزوتوپ ها متفاوت است . )

NMR می تواند فقط روی ایزوتوپ هایی اجرا شود که فراوانی طبیعی شان آنقدر بالا هست که قابل تشخیص هستند . برخی عناصر استفاده شده در MRI عبارتند از :

[hess]

پاسخ : کـاربـرد پـردازش تـصـویـر

سلام .....................

شرمنده من یه مقدار با تاخیر به بحثتون رسیدم .. ممنونم از مطالبتون .. یه سوال ازتون میتونم بپرسم؟ در مورد Voxel میخواستم یه مقدار بیشتر بدونم .. امکانش هست براتون که یه کم با جزئیات بیشتر و شهودی تر توضیح بدید؟ ممنون میشم ..

[slm_hj_nj]

پاسخ : کـاربـرد پـردازش تـصـویـر

سلام

کلمه voxel از کلمات volume و pixel گرفته شده و به معنای عنصر حجم در پردازش است. ساده ترین نوع آن یک مکعب کوچک است.

[mkz1367]

پاسخ : کـاربـرد پـردازش تـصـویـر

با عرض پوزش مطلب من بر می گرده به بحث های ابتدایی شرمنده
دوستان درباره ی دوربین های CCD گفتن که این دوربین ها دارای خروجی دیجیتالن در کتاب گنزالز خروجی این دوربینا رو آنالوگ می دونه و عملا بخشی رو تحت عنوان Sampling and quantization طرح می کنه در حقیقت خروجی این دوربین ها آنالوگ و باید با استفاده از تکنیک های نمونه برداری و کوانتیده کردن خروجی رو دیجیتال کرد

[hess]

پاسخ : کـاربـرد پـردازش تـصـویـر

سلام ...................

با عرض پوزش مطلب من بر می گرده به بحث های ابتدایی شرمنده
دوستان درباره ی دوربین های CCD گفتن که این دوربین ها دارای خروجی دیجیتالن در کتاب گنزالز خروجی این دوربینا رو آنالوگ می دونه و عملا بخشی رو تحت عنوان Sampling and quantization طرح می کنه در حقیقت خروجی این دوربین ها آنالوگ و باید با استفاده از تکنیک های نمونه برداری و کوانتیده کردن خروجی رو دیجیتال کرد

http://www.eca.ir/forum2/index.php?t...6113#msg146113