روش های پردازش تصویر در این قسمت با روش های پردازش تصویر بر روی یک جسم به صورت خلاصه آشنا می شویم این روش ها بسیار متنوع می باشند و هر کدام در شرایط خاص و براساس نیاز ما تعیین می شوند و برای دریافت بهترین نتیجع در یک پردازش به کمک برنامه نویس می آیند.

 

 

شمارش پیکسل 
در این روش با شمردن تعداد پیکسل‌های روشن و تاریک پردازش را برای کنترلر سیستم تعریف می کنیم و کنترل خط را انجام می دهیم.

 

تعیین آستانه

تبدیل یک عکس با قسمت‌های خاکستری به یک عکس سیاه و سفید به این طریق که با قرار دادن آستانه ای پیکسل‌های روشن تر از آن را، سفید و پیکسل‌های تیره تر از آن را، سیاه در نظر می گیریم. 

بخش بندی کردن (Segmentation)  
تبدیل تصویر ورودی به بخش‌های مختلف برای موقعیت یابی و شمارش پیکسل ها. 

تشخیص و شناسایی لکه‌ها و دستکاری 
بررسی یک عکس برای یافتن گسسته از بین تمامی پیکسل ها.(به عنوان مثال یک حفره سیاه رنگ در درون یک جسم خاکستری) این لکه‌ها به عنوان نشان اختصاصی عکس خواهند بود. 

تشخیص و شناسایی توسط اجزاء موجود 
استخراج اجزای خاص از یک تصویر ورودی. به عنوان مثال الگو گیری از روی یک عکس. 

تشخیص و شناسایی الگو به طور مقاوم در برابر تغییرات 
به این معنا که موقعیت جسمی که ممکن است چرخانده شود یا اندازه اش تغییر کند یا قسمتی از این جسم توسط جسم دیگر پوشانده شود، را به طور دقیق شناسایی کند. 

خواندن بارکد 
شناسایی و تعیین کدهای یک بعدی ( 1D ) و دو بعدی ( 2D ) اسکن شده که توسط ماشین‌ها طراحی شده است. 

 

تشخیص و شناسایی کاراکتر نوری 
خواندن خودکار یک متن ( مثال : یک رشته اعداد پشت سر هم ).
 
 

اندازه گیری 
اندازه گیری ابعاد یک جسم ( بر حسب میلی متر یا اینچ )

تشخیص و شناسایی لبه ها 
پیدا کردن لبه‌های یک جسم در یک تصویر. 

تشخیص و شناسایی از طریق تطبیق الگو 
پیدا کردن، مطابقت دادن و شمارش اشکال خاص در یک تصویر.

در اکثر موارد یک سیستم Machine Vision به منظور بررسی کامل یک تصویر، از زنجیره مرکبی از این تکنیکهای پردازش استفاده می کند. به عنوان مثال می توان به سیستمی اشاره کرد که بارکد را می خواند و هم سطح جسم را برای خراش احتمالی مورد بررسی قرار می دهد و هم ممکن است طول و عرض آن وسیله را اندازه گیری کند.

 

 

 

 

 

 

 

 

نیرو نوین در شبکه های اجتماعی