رنگ ها در پردازش تصویر

تقریباً همه‌ی انسان‌ها، در زندگی و تجربیاتشان، با مفهوم رنگ‌ها آشنا هستند. واقعیت این است که چشم‌های ما توانایی تشخیص میلیون‌ها رنگ را دارند و این به ما خیلی کمک می‌کند و ما باید از رنگ‌ها ممنون باشیم که به ما توانایی تشخیص و تمایز ایجاد کردن را می‌دهند؛ مثلاً تشخیص غذای سالم از غذای ناسالم را به کمک تشخیص رنگ‌ها می‌توانیم انجام دهیم. به همین دلیل است که بسیاری از برنامه‌های پردازش تصویر که در آن چشم انسان تعبیر نهایی را انجام می‌دهد، برای بهینه‌سازی بازتولید رنگ به‌طور خاص برای انسان‌ها طراحی‌ شده‌اند.

رنگ چیست؟

امواج الکترومغناطیسی با طول موج بین 380 نانومتر و 780 نانومتر، مسئولیت ایجاد ادراک‌های رنگی در انسان را بر عهده دارند. اگر چه امواج فراتر از این محدوده برای چشم انسان نامرئی هستند؛ اما می‌توان آن‌ها را توسط دستگاه‌های فنی ویژه تشخیص داد. چشمان ما محدوده مرئی را که برای ما قابل‌ مشاهده است با گیرنده‌هایی که سه حساسیت رنگ متفاوت دارند، درک می‌کنند. مغز ما سیگنال‌های خود را پردازش کرده و به یک تصویر رنگی تبدیل می‌نماید.

تصاویر تک رنگ معمولاً کافی هستند

دریافت اطلاعات رنگ‌ها از یک دوربین رنگی، زیاد کار ساده‌ای نیست. در ساده‌ترین حالت برای توصیف می‌توان گفت که یک دوربین معمولی، برای مشخص کردن مقدار رنگ یک پیکسل، به اطلاعات مربوط به 2×2 پیکسل نیاز دارد که به این اطلاعات، الگوی Bayer گفته می‌شود و به فرآیند تشخیص مقدار رنگ، Debayering میگویند. از آنجایی‌که این کار، یک درون‌یابی اطلاعات است؛ نتایج ماتریس 2×2 ضعیف عمل می کند، برای همین معمولاً از ماتریس 3×3 و یا بیشتر استفاده می‌شود. دوربین‌های تک‌رنگ ، اطلاعات خود در مورد پیکسل‌ها را از روش خطی به دست می‌آورند که این روش را، 1:1 می‌نامند و از آرایه‌ای از پیکسل‌ها استفاده می‌کنند. اما چشم انسان به‌عنوان ابزاری جامع طراحی شده است و ما همیشه به توانایی خود برای دیدن رنگ‌ها نیازی نداریم. اغلب اطلاعاتی که فقط از مقادیر سطح روشنایی اشیاء به دست می‌آوریم کافی هستند و این کاری است که در پردازش تصویر نیز انجام می‌گیرد. در خیلی از موارد، برای تشخیص رنگ‌ها نیازی به دوربین‌های رنگی نداریم و استفاده از این دوربین‌ها غیرضروری و در بعضی از موارد، موجب به وجود آمدن مشکلات فنی می‌شود که بعداً برای رفع این مشکلات، نیاز داریم از برنامه‌های خاصی استفاده کنیم. بسیاری از برنامه‌ها می‌توانند به‌صورت کامل، اطلاعات رنگ را در زنجیره پردازش تصویر توزیع کنند. در برخی دیگر، با روشنایی نورپردازی رنگی یا فیلتر رنگی و دوربین تک‌رنگ، می‌توان نوعی از اطلاعات رنگ را انتخاب کرد. به‌عنوان‌مثال نواحی سبز روی اشیاء قرمز، هنگامی‌که نور مورد استفاده قرمز باشد؛ سیاه به نظر می‌رسند.

موضوع رنگ اهمیت زیادی دارد

تقاضا برای دوربین‌های رنگی رو به افزایش است. این تقاضای زیاد، به‌ این‌ علت است که برنامه‌های جدید که از عکس استفاده می‌کنند، تجزیه‌ و تحلیل‌های خود را فقط بر پایه پردازش‌های کامپیوتری قرار نمی‌دهند و در خیلی از جاها، عکس‌ها باید برای چشم انسان نیز قابل‌ قبول باشند. همچنین اطلاعات اضافی که از رنگ‌ها به دست می‌آید، می‌تواند امکانات خیلی زیادی را برای تجزیه‌ و تحلیل در اختیار ما بگذارد.

نقش رنگ در پردازش تصویر در دوربین‌ها و سنسورها

نقش رنگ در پردازش تصویر بسیار پیچیده و در فن‌آوری‌های به روز دنیا (دوربین‌ها و سنسورها) بسیار حائز اهمیت است. سازندگان دوربین‌ها و سنسورها، جزئیات زیادی را در حین فرآیند طراحی و ساخت در نظر می‌گیرند؛ اما مفاهیم اصلی همیشه یکسان اند.

تصویر و داده خام

بیش‌تر سنسورهای تصویر رنگی از یک الگوی بایر از فیلتر قرمز، سبز و آبی برای تبدیل آن به سنسور رنگی استفاده می‌کنند. بنابراین هر پیکسل فقط می‌تواند یک رنگ را تشخیص دهد، برای مثال قرمز، سبز یا آبی را می‌بیند. از آن‌جایی که رنگ سبز برای تشخیص اطلاعات روشنایی مهم‌ترین باند است، در تصویر به ازای یک پیکسل آبی و یک پیکسل قرمز، دو پیکسل سبز داریم. سیگنال دریافتی توسط سنسور حاوی اطلاعات رنگ نیست و هر پیکسل فقط یک رنگ را نشان می‌دهد. جزئیات تصویر زیر هر پیکسل فقط یک رنگ را تشخیص می‌دهد. تصویر هنوز «موزاییک» است.

بازیابی رنگ

مرحله مهم «رفع حالت موزاییکی» اطلاعات از دست‌رفته را درون‌یابی می‌کند و اطلاعات قرمز، سبز و آبی در هر پیکسل به دست می‌آ‌ید. این بخش بسیار مهمی از کیفیت تصویر است و بنابراین یک راز برای هر سازنده‌ای است که با جزئیات انجام می‌دهد. از آنجایی که فیلترهای مختلف باعث حساسیت متفاوت به نور و قدرت سیگنال پایین می‌شود، سطح نویز می‌تواند بسیار متفاوت باشد. در فرآیند تخریب، نویز بر روی همسایگان پخش می‌شود، نویز در کانال‌های رنگی مختلف با یکدیگر مرتبط‌اند.

اطلاعات یک پیکسل برای اطلاعات رنگ در پیکسل مجاور استفاده می‌شود. این کار باعث پخش‌شدن رنگ می‌شود. پس از بازیابی رنگ، هر پیکسل مقداری برای قرمز، سبز و آبی دارد، بنابراین به یک تصویر رنگی تبدیل می‌شود.

حساسیت رنگ در پردازش تصویر

حساسیت کانال‌های رنگی مختلف در یک دوربین دیجیتال می‌تواند بسیار متفاوت باشد. برای به دست آوردن رنگ‌های صحیح همانطور که در سیستم بینایی انسان دیده می‌شود، دوربین به طور متفاوتی بهره کانال‌های مختلف را کنترل می‌کند. پس از متعادل کردن رنگ سفید، مناطق خنثی در تصویر خنثی به نظر می‌رسند و تقریباً همان مقدار دیجیتالی را برای قرمز، سبز و آبی دارند. پس از تنظیم بهره تمام کانال‌ها، تصویر خنثی و طبیعی به نظر می‌رسد.

ماتریس تصحیح رنگ (CCM)

هر دوربین حساسیت طیفی جداگانه‌ای دارد. بنابراین خروجی RGB یک دوربین مخصوص آن دوربین است. برای به دست آوردن نتایج ثابت برای همه دوربین‌ها، این دوربین RGB باید به یک فضای رنگی تعریف شده و شناخته شده تبدیل شود. در بیشتر موارد این sRGB است، اما می‌تواند هر فضای رنگ دیگری باشد. برای مثال، برای تبدیل مقادیر از RGB به دوربین sRGB، باید یک ماتریس تصحیح رنگ CCM (3×3) روی داده‌ها اعمال شود. پس از اعمال CCM، رنگ‌ها در یک فضای رنگی تعریف شده قرار می‌گیرند (در اینجا sRGB). حساسیت طیفی دوربین اساس CCM است.

اصلاح رنگ در پردازش تصویر با تابع گاما

عملیات پردازش رنگ که تا کنون ذکر شده‌اند، داده‌های تصویر از حالت خطی خارج نمی‌شوند، اما تابع گاما غیرخطی است. بنابراین دو برابر کردن شدت نور، مقدار دیجیتال را در تصویر دو برابر می‌کند، فرقی نمی‌کند در نواحی تاریک یا در مناطق روشن بررسی شود. برای به دست آوردن یک نمایش صحیح در دستگاه‌های خروجی، تصاویر معمولاً دارای یک تابع گاما هستند. با اعمال و تصحیح تابع گاما در مرحله پایانی پردازش تصویر، از این پس داده‌های تصویر غیرخطی هستند. اکنون یک تصویر خام تبدیل شده به یک تصویر sRGB شده است.

دوربین و بهبود رنگ در تصویر

هنگامی که هدف براق است و دارای یک سطح منحنی است، یک دوربین تک رنگ نمی‌تواند تصویر را مانند چشم انسان پردازش کند. همان‌طور که در شکل زیر خروجی بخش‌بندی شده (segmented) دو حالت مقایسه شده است. روشنایی برچسب در شی مورد نظر یکنواخت نیست. هدفمان بازرسی برچسب طلایی براق است که ابتدا با دوربین تک رنگ پردازش شده است و نشان می‌دهد یک دوربین تک رنگ نمی‌تواند شکل کل برچسب را استخراج کند و تصویر نهایی با دوربین رنگی پردازش شده است که یک دوربین رنگی می‌تواند شکل کل برچسب را استخراج کند.

با این حال، با یک دوربین رنگی، می‌توان تنها رنگ طلایی برچسب را همانطور که در سمت راست‌ترین تصویر نشان داده شده است، استخراج کرد. این به این دلیل است که یک دوربین رنگی یک تصویر را با استفاده از داده‌های رنگی، به جای دادههای شدت (روشنایی) استفاده شده توسط یک دوربین تک رنگ، پردازش می‌‎کند. دوربین‌های رنگی اغلب امکان بازرسی پایدار دارند و در شرایطی که بازرسی با دوربین‌های تک رنگ امکان‌پذیر نیست، قابلیت‌های بهتری از خود نشان می‌دهند. تا این مرحله، ما عمدتاً مراحلی برای اخذ تصویر (تکثیر تصویر) را پوشش داده‌ایم. هدف از مطالب بعدی، ذکر کاربردها و موارد استفاده از دوربین‌های رنگی برای گرفتن تصاویر مشابه با تصاویری که با چشم انسان دیده می‌شود، است. در ادامه بهبود و اصلاح تصویر را توضیح می‌دهیم.

پردازش تنالیته و سایه رنگ

پردازش تصویر و بینایی ماشین مورد استفاده در خطوط تولید پرسرعت نیازمند زمان پردازش یک صدم ثانیه است. «پردازش سایه رنگ» یک روش پیش پردازش است که برای حل مشکلات مربوط به زمان پردازش بسیار طولانی دوربین‌های رنگی و همچنین تداخل نویز ناشی از اطلاعات بیش از حد و نور متناقض ایجاد شده است.

پردازش در مقیاس سایه رنگ روشی برای تبدیل یک تصویر رنگی با مقدار زیادی داده به یک تصویر خاکستری 256 سطحی با تنظیم یک رنگ مشخص به عنوان روشن‌ترین سطح (سفید) است. از آن‌جایی که تصاویر نه تنها با روشنایی، بلکه با اطلاعات رنگی نیز پردازش می‌شوند، برنامه‌های دشوار و پیچیده مانند تمایز بین طلا و نقره دیگر مشکلی ندارند.

نمونه‌ای از پردازش سایه رنگ

الگوهای کم‌رنگ با پردازش خاکستری معمولی (همانطور که در سمت چپ نشان داده شده است) به راحتی قابل تشخیص نیستند. پردازش سایه رنگ در یک تصویر خاکستری، اطلاعات بیش‌تری به تصویر اضافه می‌کند و در نتیجه یک تصویر خاکستری به وضوح قابل مشاهده و قوی در پس زمینه سیاه ایجاد می‌نماید. این روش نتایج پایداری را برای بازرسی الگوهای مختلف یا انحراف موقعیت ارائه می‌دهد.

نمونه‌ای از پردازش سایه رنگ

حوزه بازرسی در صنعت چاپ، یکی از مثال‌های استفاده صنعتی از پردازش تصویر رنگی است. به کمک فناوری‌های نوین، بازرسی چاپ اکنون فرآیندی خودکار است. سیستم‌های بازرسی هوشمند و مبتنی بر دوربین، به‌طور مثال مسئول بازرسی لیبل‌ها و بسته‌بندی‌ها هستند. کنترل میزان رنگ، کاری مهم است؛ به‌طور مثال در بازرسی بسته‌بندی‌ مواد غذایی آن محصولی که “تازه” و “ترد” است باید به مشتریان عرضه شود تا انگیزه خرید بالا رود. سیستم‌های بازرسی، برای اطمینان حاصل کردن از اینکه دستگاه‌ها و سیستم‌های مختلف محصولی دقیقاً یکسان و با همان داده‌های رنگی تولید می‌کنند، نیاز دارند از تصویر بهینه و استانداردشده استفاده کنند. معیار اندازه‌گیری کیفیت خود انسان است و به‌طور مثال در صنعت چاپ، چشم انسان با کمک مانیتور کنترل چاپ نهایی را انجام می‌دهد. ارگان‌های بینایی ما نسبت به هرگونه انحراف حساس هستند؛ پس باید رنگ‌ها بر روی مانیتور به‌گونه‌ای واقع‌بینانه باشند تا از وقوع اشتباه جلوگیری کنند. این فقط یکی از برنامه‌های مورد استفاده است که در آن دقت رنگ بالا، عاملی کلیدی محسوب می‌شود.

رنگ و پردازش تصویر در دوربین‌های باسلر (Basler)

جدیدترین مدل‌های دوربین‌های باسلر قابلیت بهینه‌سازی تصویر در درون دوربین (PGI) دارند که شامل ترکیبی منحصر به فرد از ویژگی‌ها از جمله بازیابی تصویر، افزایش حساسیت رنگ، حذف نویز و بهبود وضوح و بازیابی تصاویر رنگی است. این قابلیت (PGI) بدون نیاز به برنامه‌نویسی و تنها با یک کلیک، به طور خودکار یک تصویر رنگی را بهبود می‌بخشد. مجموعه نرم‌افزار Pylon viewer متناسب با دوربین‌های باسلر، امکان پیکربندی رنگ و اشباع (hue and saturation) را در امتداد شش کانال رنگ قرمز، سبز، آبی، سرخ‌آبی، زرد و فیروزه‌ای فراهم می‌کند. تمامی مدل‌های دوربین‌های باسلر (Basler ace Family، Basler dart و…) به این ویژگی مجهز هستند. به ویژه، دوربین‌هایی با جدیدترین سنسورهای CMOS شرکت‌های ON Semiconductor و Sony رنگی پیچیده با بهره‌مندی از جدیدترین فن‌آوری سنسورها، می‌توانند با تشخیص رنگ، پردازش تصاویر را به بهترین نحو انجام دهند.

رنگ و پردازش تصویر در سنسورهای سنسوپارت (Visor)

محصولات به طور خودکار در یک فرآیند صنعتی باید شناسایی یا مرتب شوند، رنگ اشیا یا علائم رنگی را می‌توان با استفاده از سنسورهای کنتراست یا رنگ Visor SensoPart تشخیص داد. سنسورهای این شرکت بارها استانداردهای جدیدی را در این زمینه تعیین کرده‌اند؛ FT 50 C (شامل سنسور رنگ نور سفید) و سنسور دید FA 45 برای تشخیص مطمئن، مجهز به LEDهای فعال‌اند. سنسورهای رنگی FT 55-CM طیف وسیعی از عملکردها را ارائه می‌دهد که به نوبه خود بی‌نظیر است. از ویژگی‌های آن محدوده عملیاتی گسترده (مستقل از فاصله) همراه با ویژگی تشخیص رنگ انعطاف‌پذیر است. این ترکیب منحصربه‌فرد از ویژگی‌ها، سنسورهای سنسوپارت را برای کارهای چالش‌برانگیز تشخیص و مرتب‌سازی رنگ، به‌عنوان مثال در ماشین‌سازی و در صنایع خودروسازی، پلاستیک، داروسازی یا بسته‌بندی و … مناسب می‌سازد. در آخر این مطلب را عنوان می‌کنیم که رنگ وسیله اطلاعاتی مهم است که می‌تواند به ما در بسیاری از برنامه‌های کاربردی پردازش تصویر برای انجام وظایف بازرسی کمک کند. مغز انسان دارای قابلیت‌های عظیمی برای پردازش تصویر است که این باعث می‌شود ما مشکلات و سختی‌های موجود در پردازش تصویرِ صحیح را دست‌کم بگیریم. خوشبختانه بسیاری از برنامه‌ها، فقط به دوربین‌های تک‌رنگ نیاز دارند. برای موارد دیگری که نیاز به دوربین‌های رنگی است؛ درون دوربین‌ها توابع مفید زیادی تعبیه‌شده است که بدون ایجاد بارهای بیشتر بر روی پردازنده، به کنترل و پردازش تصاویر رنگیِ ما کمک می‌کند.

سوالات متداول