مرجع
آخر الزيارات

التمويه الغاوسي

795 كلمة•0 مشاهدة•🗒️ منذ 14 يوماً
باختصار: التمويه الغاوسي هو أحد تقنيات معالجة الصورة، ويكون هذا التمويه (المعروف كذلك بالتنعيم الغاوسي ) ناتجًا عن تمويه الصورة باستخدام دالة غاوسية (سُمّيت على اسم عالم الرياضيات كارل فريدريش غاوس ). في هذه المقالة 7 أقسام: «كشف الحواف»، «مرشح الترددات المنخفضة» و«تقليل التباين» وغيرها.
المحتويات
  1. كشف الحواف
  2. مرشح الترددات المنخفضة
  3. تقليل التباين
  4. تمهيد رياضي
  5. نموذج عن مصفوفة غاوسية
  6. التطبيق
  7. التصوير
التمويه الغاوسي

تعريفًا بالموضوع، التمويه الغاوسي هو أحد تقنيات معالجة الصورة، ويكون هذا التمويه (المعروف كذلك بالتنعيم الغاوسي ) ناتجًا عن تمويه الصورة باستخدام دالة غاوسية (سُمّيت على اسم عالم الرياضيات كارل فريدريش غاوس ). وفيما يلي تفاصيل أوسع عن ذلك.

وفي السياق ذاته، يتم استخدام التنعيم الغاوسي كذلك كمرحلة ما قبل المعالجة في خوارزميات معالجة الصورة من أجل تحسين هياكل الصور بمقاييس مختلفة.

من جهة ثانية، يُستعمل التمويه الغاوسي على نطاق واسع في برامج الرسوميات، وعادةً ما يعمل على تقليل الضوضاء في الصورة وكذلك تقليل التفاصيل الغير مفيدة. التأثير المرئي لتقنية التمويه يشبه تقليل التركيز في الصورة ويمكن تخيله كعرض للصورة من خلال شاشة شفافة. يختلف تأثير التمويه الغاوسي بشكل واضح عن تأثير البوكيه الناتج عن عدسة خارج نطاق تركيزها أو ظل كائن (شيء) ما تحت الإضاءة.

كشف الحواف

وعلى صعيد آخر، يهدف استخدام مرشح التمويع الغاوسي قبل عملية الكشف عن الحواف إلى تقليل مستوى الضوضاء في الصورة، مما يُحسن نتيجة خوارزمية كشف الحواف التي تُستعمل لاحقًا. يشار إلى هذا النهج عادةً باسم لابلاس لغاوس كشف بلوب، أو اختصارًا LoG.

وفي هذا السياق، يشيع استخدام التنعيم الغاوسي مع كشف الحواف . أغلب خوارزميات كشف الحواف حساسة للضوضاء؛ فمثلًا مرشح لابلاس ثنائي البعد، الذي تم إنشاؤه بناءً على تقدير لابلاس ، حساس للغاية للبيئات الصاخبة.

مرشح الترددات المنخفضة

وفي السياق ذاته، طويلته في مخطط بود ( مقياس اللوغاريتمات في مجال التردد ) هي قطع مكافئ .

علاوةً على ذلك، التمويه الغاوسي هو مرشح تمرير منخفض يخفف إشارات التردد العالي.

تقليل التباين

.

في هذا الإطار، ما هو مقدار التنعيم في الصورة الذي ينتج عن مرشح غاوسي بانحراف معياري قدره ؟ بمعنى آخر، ما مقدار تقليل الانحراف المعياري لقيم البكسل في الصورة؟ بافتراض أن قيم البكسل الرمادية لها انحراف معياري ، بعد تطبيق الفلتر، يتم تقليل الانحراف المعياري تقريبيًا كما المعادلة التالية

تمهيد رياضي

أما في بعدين، فهي نتاج دالتين غاوسيتين، واحدة في كل بُعد:

وفي السياق ذاته، نظرًا لأن تحويل فورييه هو تحويل غاوسي آخر، فبشكل مشابه، فإن تطبيق تمويه غاوسي له تأثير في تقليل عناصر الصورة عالية التردد؛ وبالتالي يمكن اعتبار التمويه الغاوسي مرشحًا للتمرير منخفض.

كذلك، تطبيق التمويه الغاوسي على صورة ما هو نفس تحويل الصورة عن طريق دالة غاوسية. يُعرف هذا كذلك باسم تحويل ويرشتراس ثنائي البعد. على النقيض من ذلك، فإن التحويل بواسطة دائرة (مثلًا، مرشح خطّي مربع دائري) من شأنه أن يعيد إنتاج تأثير بوكيه. بدقة أكبر.

وعلى صعيد آخر، حيث x هي المسافة من المركز على المحور الأفقي و y هي المسافة من المركز على المحور الرأسي، وσ هو الانحراف المعياري لتوزيع غاوس. عند تطبيقها في بعدين، تُنتج هذه الصيغة سطحًا تكون معالمه دوائر متحدة المركز بتوزيع غاوسي من نقطة المركز.

علاوةً على ذلك، تُستعمل قيم هذا التوزيع لبناء مصفوفة تحويل يتم تطبيقها على الصورة الأصلية. تعين القيمة الجديدة لكل بكسل عن طريق المتوسط المثقّل لجيران ذلك البكسل. نُعطي قيمة البكسل، الذي نريد حساب قيمته الجديدة، أثقل وزن (أعلى قيمة غاوسية) ونُعطي البكسلات المجاورة له أوزانًا أصغر كلما زادت المسافة عن البكسل الأصلي. ينتج عن هذا الأمر تمويه يحافظ على الحدود والحواف بشكل أفضل من مرشحات التمويه الأخرى.

كذلك، التمويه الغاوسي هو نوع من مرشحات التمويه الذي يستعمل دالة غاوسية (تعبر كذلك عن التوزيع الطبيعي في الإحصائيات) لحساب التحويل، بحيث يُطبق على كل بكسل في الصورة. صيغة الدالة الغاوسية ذات البعد الواحد هي

نموذج عن مصفوفة غاوسية

إضافةً إلى ذلك، العنصر 0.22508352 (العنصر المركزي) أكبر 1177 مرة من 0.00019117 وهو خارج ثلاثة اضعاف الانحراف المعياري.

ومن ناحية أخرى، يتم إنتاج هذا النموذج للمصفوفة عن طريق أخذ عينات من نواة المرشح الغاوسي (مع σ = 0.84089642) عند نقاط المنتصف لكل بكسل ثم نقوم بالتقييس. المركز (عند [4 ، 4]) له أكبر قيمة، ويتناقص بشكل متماثل مع زيادة المسافة عن المركز.

التطبيق

ومن ناحية أخرى، عادةً ما يتم إنشاء تأثير التمويه الغاوسي عن طريق تحويل الصورة بنواة FIR لقيم غاوسية.

في هذا الإطار، من الناحية العملية، من الأفضل الاستفادة من خاصية التمويه الغاوسي القابلة للتقسيم عن طريق تقسيم العملية إلى مرشحي تمرير. في المرشح الأول، تُستعمل نواة أحادية البعد لتمويه الصورة في الاتجاه الأفقي أو الرأسي فقط. في المرشح الثاني، تُستعمل نفس النواة الأحادية البعد لطمس الاتجاه الآخر. التأثير الناتج هو نفسه تأثير التحويل مع نواة ثنائية الأبعاد في مسار واحد، ولكنه يتطلب عمليات حسابية أقل.

في هذا الإطار، يتم تحقيق التكتّم بشكل نموذجي عن طريق أخذ عينات من نواة مرشح غاوسي في نقاط منفصلة، وعادةً في المواضع المقابلة لنقاط المنتصف لكل بكسل. يؤدي هذا إلى تقليل التكلفة الحسابية، ولكن بالنسبة إلى نوى المرشح الصغيرة جدًا، يؤدي أخذ العينات النقطية للدالة الغاوسية مع عدد قليل جدًا من العينات إلى حدوث خطأ كبير.

الاستخدامات الشائعة

من جهة ثانية، في هذه الحالات، يتم الحفاظ على الدقة (بتكلفة حسابية طفيفة) من خلال تكامل الدالة الغاوسية على مساحة كل بكسل.

إضافةً إلى ذلك، عند تحويل القيم الغاوسية المستمرة إلى القيم متقطعة المطلوبة لحساب النواة، سيكون مجموع القيم مختلفًا عن 1. سيؤدي ذلك إلى تعتيم الصورة أو تفتيحها. لعلاج هذا، يمكن تسوية القيم عن طريق قسمة كل عنصر في النواة على مجموع كل العناصر في النواة.

التصوير

إضافةً إلى ذلك، يطبق التمويه الغاوسي تلقائيًا كجزء من المعالجة اللاحقة للصورة بواسطة برنامج الكاميرا، مما يؤدي إلى فقدان التفاصيل بشكل لا رجعة فيه.

وفي هذا السياق، عادةً ما تستعمل الكاميرات الرقمية ذات النهاية المنخفضة، بما في ذلك الكثير من كاميرات الهواتف المحمولة، عملية التمويه الغاوسي للتغطية على ضوضاء الصورة الناتجة عن حساسية الضوء العالية.

ما رأيك في هذه المقالة؟

📝 هل في هذه المقالة خطأ؟

إذا وجدت معلومة تحتاج تصحيحاً أو إضافة، أو أردت حذف المقالة، أرسل لنا طلباً وسنراجعه.