پروژه نمایش های مختلف ماتریس اسپارس و کاربرد آن در پردازش تصویر پژوهش کامل در حوزه کامپیوتر و IT می باشد و در 3 فصل تنظیم شده است. شما میتوانید فهرست مطالب پروژه را در ادامه مشاهده نمایید.

پروژه بصورت فایل قابل ویرایش ورد(WORD) در 78 صفحه برای رشته های کامپیوتر و IT در پایین همین صفحه قابل دانلود میباشد. شایسته یادآوری است که پروژه از ابتدا تا پایان ویرایش وتنظیم , سکشن بندی (section) ، نوشتن پاورقی (Footnote) و فهرست گذاری اتوماتیک کامل شده وآماده تحویل یا کپی برداری از مطالب مفید آن است.

مقدمه

مجموعه عملیات و روش هایی که برای کاهش عیوب و افزایش کیفیت ظاهری تصویر مورد استفاده قرار می گیرد، پردازش تصویر نامیده می شود.حوزه های مختلف پردازش تصویر را می توان شامل بهبود تصاویر مختلف پزشکی مانند آشکار سازی تومور های مغز یا پهنای رگ های خونی و ... ، افزایش کیفیت تصاویرحاصل از ادوات نمایشی مانند تصاویر تلویزیونی و ویدیویی، ارتقا متون و شکل های مخابره شده در رسانه های مختلف مانند شبکه و فاکس و همچنین بهبود کیفیت روش های کنترل توسط بینایی ماشین و درک واقعی تر مناظر توسط ربات ها دانست.

اگرچه حوزه ی کار با تصاویر بسیار گسترده است ولی عموما محدوده ی مورد توجه در چهار زمینه ی بهبود کیفیت ، بازسازی تصاویر مختل شده، فشرده سازی تصویر و درک تصویر توسط ماشین متمرکز می گردد. در اینجا سه تکنیک اول بررسی خواهد شد.

از آنجایی که برای کار روی تصاویر با پیکسل ها سروکار داریم و هر پیکسل نشان دهنده ی یک عنصر از یک آرایه ی دوبعدی است، کار روی تصاویر همواره با کار روی ماتریس ها عجین شده است. ماتریس اسپارس یا ماتریس خلوت ، ماتریسی است که درایه های صفر آن زیاد باشد و در نتیجه ذخیره ی عناصر صفر مقرون به صرفه نیست و همواره سعی در کاهش ذخیره ی این عناصر است تا بتوان عملیات ماتریسی را سریع تر انجام داد. در کار با تصویر با اینگونه ماتریس ها زیاد برخورد می کنیم . در این پروژه ابتدا تکنیک ها و روش های مختلف پردازش تصویر را معرفی می کنیم. در بخش بعد الگوریتم های موازی را شرح می دهیم که در GPU کاربرد دارند و با معماری موازی آشنا می گردیم. در بخش سوم برخی از الگوریتم های مربوط به ماتریس خلوت را مورد بررسی قرار می دهیم و در نهایت در بخش چهارم کاربرد این ماتریس ها را در پردازش تصویر معرفی خواهیم نمود.

و در آخر، پیاده سازی یکی از ا لگوریتم های مبحث فشرده سازی را روی تصاویر باینری، انجام خواهیم داد و با یکی از الگوریتم های فشرده سازی مربوط به تصاویر باینری به نام Run length coding مقایسه خواهیم نمود.

فهرست مطالب

مقدمه. 1

فصل اول ، روش های پردازش تصویر

1-1- مقدمه. 3

1-2- تصویر دیجیتالی.. 3

1-3- تعريف رنگ و ويژگي هاي آن.. 4

1-4- فضاي رنگ HSV.. 5

1-5- فضای رنگ RG.. 7

1-6- پردازش تصوير. 8

1-7- بهبود كيفيت تصوير. 9

1-8- بهبود کیفیت تصویر در حوزه مکان.. 9

1-9- بهبود کیفیت تصویر در حوزه فرکانس.... 17

1-10- بازسازی تصاویر. 21

1-11- کدینگ و فشرده سازی تصویر. 26

1-12- معیارهای فشرده سازی.. 26

1-13- قطعه بندی تصویر. 28

1-14- فيلترهاي مشتق گير پايه. 31

1-15- فيلترهاي مشتق گير قطري.. 32

1-16- روش مبتنی بر مشتق دوم یا لاپلاس.... 34

فصل دوم ، الگوریتم های موازی

2-1- مقدمه. 37

2-2- الگوریتم های موازی.. 37

2-3- معماری موازی.. 38

فصل سوم ، ماتریس اسپارس(خلوت)

3-1- مقدمه. 42

3-2- الگوریتم های ذخیره ماتریس اسپارس.... 42

3-2-1- COO.. 42

3-2-2- روش CRS. 43

3-2-3- روش CCS. 46

3-2-4- CDS. 48

3-2-5- Jagged Diagonal Format (JDS)49

3-2-6-The transpose jagged diagonal format51

3-2-7- Robs Alorithm.. 52

3-3- کاربرد ماتریس اسپارس در پردازش تصاویر. 54

3-4- Graphic Processing Unit55

3-5- پردازش تصویر وGPU.. 56

3-6- مقایسه ی دو الگوریتم.. 58

3-7- نتیجه گیری.. 62

ضمیمه 1. 63

ضمیمه 2. 69

منابع.. 71

فهرست شکل ها

شکل 1-1- یک ماتریس که دارای 288 سطر و 265 ستون است... 4

شکل1-2- سيستم رنگ يا فضاي رنگ HSV.. 6

شکل1-3- چگونگی تغییرات پارامترهای مختلف رنگ... 7

شکل1-4- الف) تصویر رنگی ب) تصویر مقادیر مولفه فام ج) مولفه خلوص د) مولفه روشنایی از مولفه های HSV به صورت جداگانه. 7

شکل1-5- فضای مکعبی رنگ ها که سیاه در مبدا قرار دارد. 8

شكل1-6- سه نوع اصلي از توابع كه اغلب براي بهبود تصوير به كار مي روند. 11

شكل1-7- چند تصوير مختلف و هيستوگرام آن.. 13

شکل 1-9- چند نمونه ی مختلف از يك تصوير و تصاوير يكسان ساز شده. 15

شکل 1-9- نتيجه فيلتر خطي.. 16

شکل 1-10- نحوه ی پردازش... 17

شکل 1-11- پرسپکتیو سه بعدی.. 18

شکل 1-12- تابع انتقال BLPF. 18

شکل1-13- تابع انتقال GLPF. 19

شکل1-14- پرسپکتیو سه بعدی، نمایش فیلتر به صورت تصویر و سطح مقطع شعاعی هر سه فیلتر بالاگذر 20

شکل1-15- تابع تخریب به همراه نویز جمع شونده. 21

شکل1-16- نمودار تابع چگالی.. 24

شکل 1-17- نمایی از جهت های مشتق و لبه ها مسیرهای بسته نشانگر نواحی با مقادیر روشنایی یکسان می باشند 29

شکل 1-18- چند نمونه از لبه ها در حالت سیگنال پیوسته یک بعدی.. 29

شکل 1-19- تصویری با تغییرات روشنایی در راستای افق و مشتقات اول و دوم. 30

شکل 1-20- آشکار سازی لبه توسط روش های مختلف با سطح آستانه 14/0. 34

شکل2-1- یک کامپیوتر ترتیبی متداول.. 37