رؤية حاسوبية

الرؤية الحاسوبية هي إحدى مجالات فهم الحاسوب، تهدف إلى بناء تطبيقات ذكية قادرة على فهم محتوى الصور كما يفهمها الإنسان. حيث من الممكن حتى تأخذ بيانات الصور عدة أشكال كالصور المتعاقبة (فيديو)، المشاهد من عدة كاميرات، بيانات ذات عدة أبعاد مأخوذ من جهاز تصوير طبي. بعض الأمثلة على تطبيقات الرؤية الحاسوبية:

تطبيق قادر على التعهد على الأغراض أوالأشخاص ضمن صورة
تطبيقات التحكم الآلي (الروبوتالصناعي، المركبات الآلية).
بناء نماذج للأشياء أوللمحيط (الفحص الصناعي، تحليل الصورة الطبية).
تطبيق قادر على متابعة غرض يتحرك ضمن صورة
تطبيق قادر على فهم البعد الثالث من صورة أوأكثر ثنائية البعد (أومن صورة وضوء ليزري متحرك)

من الممكن وصف الرؤية الحاسوبية باعتبارها مرادفاً(وليس بالضرورة عكساً) للرؤية الفيزيولوجية. فكما حتى الرؤية الفيزيولوجية للإنسان والحيوانات المتنوعة تتم دراستها للتعهد على خصائصها، فإن فهم الرؤية الحاسوبية يفهم ويصف أنظمة الرؤية الصنعية التي يتم تطبيقها في البرامج أوالأجهزة. وقد أظهر التعاون بين مجالي دراسة الرؤية الفيزيولوجية والحاسوبية تطوراً في تعميق الفهم لكلا المجالين.

المهام الأساسية للرؤية الحاسوبية

كل واحد من التطبيقات المذكورة آنفاً يتضم الكثير من مهام الرؤية الحاسوبية، بعضها مهام للقياس، وبعضها مهام حسابية تستخدم لحل الكثير من المسائل. هذه بعض المهام الأساسية لفهم الرؤية الحاسوبية.

التعهد

هي المهمة التقليدية في الرؤية الحاسوبية، وهي القيام بتحديد ما إذا كانت الصورة تحتوي أولا تحتوي جسماً، مفهماً، أونشاطاً معيناً. هذه المهمة من الممكن حلها بباسطة وبدون أي جهد يذكر بواسطة الإنسان، لكن لا تزال هذه المسألة غير محلولة بشكل فعال ونهائي من قبل الحاسوب في شكلها العام. جميع الطرق الموجودة لحل هذه المسألة تقوم بإيجاد أفضل الحلول من أجل إيجاد أشكال معينة كالأشكال الهندسية، وجوه الأشخاص، الأحرف المطبوعة أوالمكتوبة، أوالسيارات، وفي حالات معينة فقط محددة على الغالب بظروف إضاءة محددة، خلفية ووضعية معينة للجسم بالنسبة للكاميرا. هناك أنواع مختلفة لمشكلة التعهد مشروحة في المراجع الفهمية:

التعهد Recognition : يتم التعهد على واحد أوالبعض من الأجسام التي تم تعليمها مسبقاً للحاسوب، غالباً بأوضاعها المتنوعة أوبزاويا مختلفة للكاميرا.

التحديد Identification: تحديد مطابق وحيد للجسم المعهد. مثلاً: تحديد وجه إنسان معين أوالتعهد على بصمة إنسان معين أوسيارة من نوع معين.

التحري Detection:يتم البحث في بيانات الصورة لإيجاد جسم معين. مثال: تحري وجود خلايا مريضة في صورة طبية، التحري عن وجود سيارة على طريق سريع.

الحركة

يوجد الكثير من المهام التي تتعلق بتقدير الحركة حيث تعالج فيها سلسلة من الصور المتعاقبة زمنياً من أجل حساب السرعة إما عند جميع نقطة في الصورة أوفي المشهد الثلاثي الأبعاد. بعض الأمثلة على هذه المهام هي:

حركة الكاميرا Egomotion: تحديد الحركة الصلبة للكاميرا في الفضاء الثلاثي الأبعاد.

التتبع Tracking: تتبع حركة الأجسام في الصورة المتعاقبة زمنياً (فيديو) مثل تتبع الأشخاص أوالسيارات.

بناء المشهد Scene reconstruction

بإعطاء صورة واحدة (بشكل عام أكثر من واحدة) لجسم معين أوصور متعاقبة، تهدف عملية بناء المشهد إلى حساب الموديل الثلاثي البعد للمشهد. وفي أبسط الحالات من الممكن إعادة بناء الجسم على شكل مجموعة من النقاط الثلاثية الأبعاد. وهناك طرق معقدة أكثر تقوم ببناء الموديل السطحي الكامل للأجسام.

ترميم الصورةImage restoration

تهدف عملية ترميم الصور إلى إزالة التشويش (تشويش المستشعرات، تشويش الحركة...الخ) من الصور. تعتبر عمليات الفلترة (فلتر المتوسط - فلتر الوسيط..الخ) من أبسط عمليات إزالة التشويش من الصور. وهناك عمليات معقدة أكثر تفترض الشكل الذي تبدوعليه الصور مما يسمح لها بالتمييز بين الصورة والتشويش. يتم بشكل مبدئي التعهد على مكونات الصورة كالخطوط والمستقيمات ومن ثم التحكم بالفلتر بناء على المعلومات المحلية في جزء الصورة حيث يتم الحصول على نتائج أفضل من استخدام الفلاتر البسيطة.

أنظمة الرؤية الحاسوبية

تختلف أنظمة الرؤية الحاسوبية بشكل كبير وتتوزع بين أنظمة كبيرة ومعقدة تؤدي مهمات عامة وشاملة، وبين أنظمة صغيرة تؤدي مهمات مخصصة وبسيطة. ولكن معظم أنظمة الرؤية الحاسوبية تضم العناصر التالية بشكل أساسي:

الحصول على الصورة: يتم الحصول على الصورة باستخدام واحد أوأكثر من مستشعرات الصور، وهذه تتضمن الكثير من كاميرات مستشعرات الضوء، مستشعرات المسافات، أجهزة التصوير الشعاعي، الرادار، كاميرات الموجات الفوق صوتية..الخ. وتبعاً لنوع المستشعر فإن الصورة الناتجة تكون ثنائية البعد أوثلاثية البعد أوسلسلة صور متعاقبة. تكون قيمة جميع بكسل في الصورة تابعة لقيمة شدة الإشعاع الضوئي في واحد أوأكثر من الحزم الضوئية (الصور الرمادية، أوالصور الملونة) ولكن أيضاً من الممكن حتى تشير إلى الكثير من القياسات الفيزيائية كالبعد، الامتصاص، أوانعكاس الموجات الكهرومغناطيسية.
العمليات المسبقة: قبل تطبيق خوارزمية الرؤية الحاسوبية على بيانات الصورة من أجل الحصول على معلومات مفيدة، فإنه من الضروري إجراء عمليات مسبقة على البيانات من أجل تأكيد حتى البيانات تحقق افتراضات محددة تابعة للخوارزمية. بعض الأمثلة على هذه العمليات هي:

- إعادة تحديد دقة الصورة من أجل تأكيد صحة نظام إحداثيات الصورة.
- التقليل من التشويش من أجل التأكد حتى المستشعر لا يقوم بتقديم أي معلومات خاطئة.
- زيادة التباين من أجل التأكد من حتى المعلومات المرغوبة سيكون من الممكن الحصول عليها.

استحصال معالم الصورة Feature extraction: يتم الحصول على معالم الصورة على مستويات دقة مختلفة من بيانات الصورة ذاتها. تصنف هذه المعالم إلى:
- معالم عامة global features مثل اللون والشكل.
- معالم محلية local features كالزوايا Harris corner ، والبقع وSIFT features .

من الممكن الحصول على معالم معقدة أكثر متعلقة بالألوان والأشكال في الصورة.

التحري-التقسيم Detection/Segmentation

: يتم تحديد أي نقاط أومناطق من الصورة هي المناطق الهامة من أجل العمليات اللاحقة. مثلاً:

- اختيار مجموعة من نقاط العلام المميزة.
- تقسيم ضورة أوأكثر تحتوي على المنطقة التي تحتوي الجسم المهتم به.

العمليات عالية المستوى: عند هذه الفترة تكون البيانات المدخلة هي مجموعة صغيرة من البيانات، على سبيل المثال مجموعة من النقاط أومنطقة من الصورة التي يشك أنها تحتوي الجسم موضوع الدراسة. والعمليات المتبقية تقوم بما يلي :
- التأكد من حتى البيانات التي تم الحصول عليها توافق افتراضات التطبيق المقترح.
- تقدير قيم المعاملات المعينة للتطبيق، كاتجاه الجسم أوحجم الجسم.
- تصنيف الأجسام التي تم التعهد عليها في عدة فئات.