Aplicaciones y uso
Dado que el procesamiento de imágenes digitales tiene aplicaciones muy amplias y casi todos los campos técnicos se ven afectados por DIP, solo discutiremos algunas de las principales aplicaciones de DIP.
El procesamiento de imágenes digitales no se limita solo a ajustar la resolución espacial de las imágenes cotidianas capturadas por la cámara. No se limita solo a aumentar el brillo de la foto, etc. Es mucho más que eso.
Las ondas electromagnéticas se pueden considerar como una corriente de partículas, donde cada partícula se mueve con la velocidad de la luz. Cada partícula contiene un paquete de energía. Este paquete de energía se llama fotón.
El espectro electromagnético según la energía del fotón se muestra a continuación.
En este espectro electromagnético, solo podemos ver el espectro visible. El espectro visible incluye principalmente siete colores diferentes que comúnmente se denominan (VIBGOYR). VIBGOYR significa violeta, índigo, azul, verde, naranja, amarillo y rojo.
Pero eso no anula la existencia de otras cosas en el espectro. Nuestro ojo humano solo puede ver la parte visible, en la que vimos todos los objetos. Pero una cámara puede ver otras cosas que a simple vista no puede ver. Por ejemplo: rayos X, rayos gamma, etc. Por lo tanto, el análisis de todo eso también se realiza en el procesamiento de imágenes digitales.
Esta discusión lleva a otra pregunta que es
¿Por qué también tenemos que analizar todas esas otras cosas en el espectro EM?
La respuesta a esta pregunta radica en el hecho, porque otras cosas como XRay se han utilizado ampliamente en el campo de la medicina. El análisis de rayos gamma es necesario porque se usa ampliamente en medicina nuclear y observación astronómica. Lo mismo ocurre con el resto de las cosas en el espectro EM.
Aplicaciones del procesamiento de imágenes digitales
Algunos de los campos principales en los que se utiliza ampliamente el procesamiento de imágenes digitales se mencionan a continuación.
Mejora y restauración de imágenes
Campo médico
Sensores remotos
Transmisión y codificación
Visión de máquina / robot
Procesamiento de color
Reconocimiento de patrones
Procesamiento de video
Imágenes microscópicas
Others
Mejora y restauración de imágenes
La nitidez y restauración de imágenes se refiere aquí al proceso de imágenes que se han capturado con la cámara moderna para hacerlas una mejor imagen o para manipular esas imágenes de manera que se logre el resultado deseado. Se refiere a hacer lo que normalmente hace Photoshop.
Esto incluye zoom, desenfoque, nitidez, conversión de escala de grises a color, detección de bordes y viceversa, recuperación de imágenes y reconocimiento de imágenes. Los ejemplos comunes son:
La imagen original
La imagen ampliada
Imagen borrosa
Imagen nítida
Bordes
Campo médico
Las aplicaciones comunes de DIP en el campo de la medicina son
Imágenes de rayos gamma
Escaneo de mascotas
Imágenes de rayos X
TC médica
Imagen UV
Imagen UV
En el campo de la teledetección, el área de la tierra es escaneada por un satélite o desde un terreno muy alto y luego se analiza para obtener información sobre ella. Una aplicación particular del procesamiento de imágenes digitales en el campo de la teledetección es la detección de daños en la infraestructura causados por un terremoto.
Ya que se necesita más tiempo para captar el daño, incluso si se enfoca en daños graves. Dado que el área afectada por el terremoto es a veces tan amplia, no es posible examinarla con el ojo humano para estimar los daños. Incluso si lo es, es un procedimiento muy agitado y que requiere mucho tiempo. Entonces, una solución a esto se encuentra en el procesamiento de imágenes digitales. Se captura una imagen del área afectada desde el suelo y luego se analiza para detectar los diversos tipos de daños causados por el terremoto.
Los pasos clave incluidos en el análisis son
La extracción de aristas
Análisis y mejora de varios tipos de bordes
Transmisión y codificación
La primera imagen que se transmitió por cable fue de Londres a Nueva York a través de un cable submarino. La imagen que se envió se muestra a continuación.
La imagen que se envió tardó tres horas en llegar de un lugar a otro.
Ahora imagínense que hoy podemos ver la transmisión de video en vivo o imágenes de circuito cerrado de televisión en vivo de un continente a otro con solo un retraso de segundos. Significa que también se ha trabajado mucho en este campo. Este campo no solo se centra en la transmisión, sino también en la codificación. Se han desarrollado muchos formatos diferentes para anchos de banda altos o bajos para codificar fotos y luego transmitirlas a través de Internet, etc.
Visión de máquina / robot
Aparte de los muchos desafíos a los que se enfrenta un robot hoy en día, uno de los mayores desafíos sigue siendo aumentar la visión del robot. Hacer que el robot sea capaz de ver cosas, identificarlas, identificar los obstáculos, etc. Este campo ha contribuido mucho al trabajo y se ha introducido un campo completo de visión artificial para trabajar en él.
Detección de obstáculos
La detección de obstáculos es una de las tareas comunes que se ha realizado a través del procesamiento de imágenes, identificando diferentes tipos de objetos en la imagen y luego calculando la distancia entre el robot y los obstáculos.
Robot seguidor de línea
La mayoría de los robots de hoy funcionan siguiendo la línea y, por lo tanto, se denominan robots seguidores de línea. Esto ayuda al robot a moverse en su camino y realizar algunas tareas. Esto también se ha logrado mediante el procesamiento de imágenes.
Procesamiento de color
El procesamiento de color incluye el procesamiento de imágenes en color y los diferentes espacios de color que se utilizan. Por ejemplo, modelo de color RGB, YCbCr, HSV. También implica estudiar la transmisión, el almacenamiento y la codificación de estas imágenes en color.
Reconocimiento de patrones
El reconocimiento de patrones implica el estudio del procesamiento de imágenes y de varios otros campos que incluyen el aprendizaje automático (una rama de la inteligencia artificial). En el reconocimiento de patrones, el procesamiento de imágenes se usa para identificar los objetos en una imagen y luego el aprendizaje automático se usa para entrenar al sistema para el cambio de patrón. El reconocimiento de patrones se utiliza en el diagnóstico asistido por computadora, el reconocimiento de escritura a mano, el reconocimiento de imágenes, etc.
Procesamiento de video
Un video no es más que el movimiento muy rápido de imágenes. La calidad del video depende del número de cuadros / imágenes por minuto y de la calidad de cada cuadro que se utilice. El procesamiento de video implica reducción de ruido, mejora de detalles, detección de movimiento, conversión de velocidad de cuadro, conversión de relación de aspecto, conversión de espacio de color, etc.