Skip to main content
LibreTexts - Ukrayinska

6.1: Зображення як двовимірні сигнали

  1. Last updated
  2. Save as PDF
  • Page ID
    31962

    • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)

    Зображення знімаються камерами, що містять матриці пристроїв із зарядним зв'язком (ПЗС) або аналогічними напівпровідниками, які можуть перетворювати фотони в електричні сигнали. Ці матриці можна зчитувати піксель за пікселем і перетворювати в цифрові значення, наприклад масив з 640 на 480 трибайтових кортежів, що відповідають червоним, зеленим і синім (RGB) компонентам, які бачила камера. Приклад таких даних, для простоти всього одного колірного каналу, наведено на малюнку 6.1.1.

    clipboard_e5681a1c139c575377f35dc16ede33230.png
    Малюнок\(\PageIndex{1}\): Шахова дошка, що плаває всередині МКС, астронавт Грегорі Шамітов. Вставка показує зразок фактичних даних, записаних датчиком зображення. Можна чітко розпізнати контури білої плитки.

    Дивлячись на дані, чітко видно білу плитку всередині чорних плиток у правому нижньому куті шахової дошки. Більш високі значення відповідають більш яскравим кольорам (білий), а нижчим значенням - темнішим кольорам. Ми також спостерігаємо, що хоча плитки повинні мати однаковий колір, фактичні значення відрізняються зовсім небагато. Можливо, має сенс думати про ці значення так само, як ми б робили, якби дані були 1D сигналом: прийняття «похідної», наприклад, вздовж горизонтальних рядків, вказувало б області великих змін, тоді як «частота» зображення вказуватиме на те, як швидко змінюються значення. Області з плавними градієнтами, наприклад, чорно-білі плитки, мали б низькі частоти, тоді як області з сильними градієнтами міститимуть високочастотну інформацію.

    Ця мова відкриває двері для низки концепцій обробки сигналів, таких як фільтри низьких частот (придушення високочастотної інформації), фільтри високих частот (придушення низькочастотної інформації), або смугові фільтри (пропускаючи лише діапазон частот), аналіз частотного спектру зображення ( розподіл контенту на різних частотах), або «згортаючи» зображення з іншою двовимірною функцією. Наступні розділи нададуть як інтуїцію того, яка значуща інформація прихована в таких абстрактних даних, так і наводяться конкретні приклади прийомів обробки сигналів, які змушують цю інформацію з'являтися.