Percepția lumii înconjurătoare este realizată în principal prin intermediul vederii. Oamenii au abilitatea de a recunoaște obiecte, de a evalua distanțele și chiar de a estima textura, bazându-se doar pe informațiile vizuale.
Cu toate acestea, deși vederea pare un proces natural și facil, transpunerea acestei capacități în algoritmi pentru computere se dovedește o provocare. Totuși, de-a lungul timpului, au fost creați algoritmi specializați pentru a ajuta computerele să îndeplinească sarcina complexă a procesării imaginilor. Acești algoritmi au fost transformați în cod și distribuiți sub formă de biblioteci software, pe care le vom analiza în acest articol.
Ce presupune procesarea imaginilor?
Procesarea imaginilor este o ramură a viziunii computerizate. Aceasta se referă la operațiunile efectuate asupra imaginilor, în special în vederea utilizării lor în domeniul învățării automate și, implicit, al inteligenței artificiale.
Este esențială în detectarea și identificarea obiectelor din imagini. Această tehnologie este aplicabilă în dezvoltarea autovehiculelor și roboților autonomi, precum și în clasificarea imaginilor pentru a depista conținuturi problematice, cum ar fi discursul instigator la ură.
Domenii de aplicare ale procesării imaginilor
Procesarea imaginilor este utilizată într-o varietate de sectoare. Câteva dintre cele mai importante și frecvente utilizări includ:
- Imagistica medicală și diagnostic, unde inteligența artificială poate contribui la diagnosticarea pacienților pe baza scanărilor medicale.
- Securitatea, prin implementarea sistemelor de securitate biometrică și a sistemelor de supraveghere video.
- Robotica, în crearea roboților care pot percepe mediul înconjurător, incluzând aici și vehiculele autonome.
- Realitatea augmentată, cum ar fi aplicarea filtrelor. Procesarea imaginilor permite identificarea obiectelor și aplicarea filtrelor corespunzătoare.
- Analiza traficului, pentru citirea plăcuțelor de înmatriculare. Aceasta poate fi folosită de autorități pentru a identifica șoferii care nu respectă regulile de circulație sau în sistemele de monitorizare a vitezei.
Procesarea imaginilor utilizează o varietate de algoritmi, printre care dilatarea și eroziunea morfologică, filtrele Gauss, transformata Fourier, detectarea marginilor și procesarea imaginilor wavelet.
În lipsa bibliotecilor software, ar fi necesară implementarea acestor algoritmi de la zero. Din fericire, există biblioteci specializate care oferă funcționalitatea necesară. Iată câteva dintre cele mai utilizate:
OpenCV
OpenCV este una dintre cele mai populare biblioteci pentru procesarea imaginilor. Este utilizată pentru implementarea algoritmilor de viziune computerizată, precum și pentru aplicații de învățare automată și procesare a imaginilor.
Este disponibilă gratuit și este open-source. În plus, OpenCV este flexibilă, putând fi folosită cu diferite limbaje de programare, printre care Python, C++ și Java.
Această bibliotecă include multe dintre funcțiile și algoritmii necesari pentru procesarea imaginilor, precum detectarea marginilor, extragerea caracteristicilor, transformări, rotații, redimensionare și îmbunătățirea calității imaginilor.
Scikit-imagine
Scikit-image oferă o modalitate intuitivă și eficientă de a realiza procesarea imaginilor. Permite gestionarea intrărilor/ieșirilor de imagini, transformări, filtrare, segmentare, extragerea caracteristicilor, restaurarea imaginilor și transformări geometrice.
Această bibliotecă se integrează ușor cu alte biblioteci de calcul științific, facilitând manipularea și îmbunătățirea imaginilor pentru o gamă largă de aplicații, de la operații de bază, precum redimensionarea, până la sarcini avansate, cum ar fi recunoașterea obiectelor sau restaurarea imaginilor.
SimpleITK
SimpleITK este o versiune simplificată a ITK (Insight Toolkit), o bibliotecă open-source multi-platformă pentru analiza imaginilor. SimpleITK suportă citirea și scrierea imaginilor din peste 20 de formate de fișiere imagine.
Pe lângă Python, este compatibilă cu limbaje de programare precum R, Java, Ruby, Lua, C++ și C#. Oferă o gamă variată de funcții pentru lucrul cu imaginile.
SimpleITK se remarcă prin capacitatea de a gestiona imagini 2D, 3D, 4D și 5D, oferind totodată procesare paralelă pentru a accelera operațiunile.
SciPy
SciPy este o bibliotecă înrudită cu NumPy, populară în analiza numerică. SciPy este folosită pentru calculul științific, în timp ce NumPy se concentrează pe calculul numeric. SciPy folosește NumPy, fiind astfel rapidă și eficientă.
De asemenea, este compatibilă cu imagini multidimensionale. Această bibliotecă include funcții pentru filtrare, morfologie, măsurători ale obiectelor și interpolare B-spline.
Pillow
Pillow este o continuare a Bibliotecii de imagini Python (PIL), care era utilizată pentru lucrul cu imagini în Python. PIL funcționa doar cu Python2 și a fost discontinuată în 2011.
Pillow reprezintă o bifurcație a proiectului original. Aceasta acceptă citirea imaginilor din diverse formate de fișiere în propria sa reprezentare internă. Reprezentarea internă a Pillow manipulează eficient imaginile și oferă funcții puternice de procesare, permițând acces rapid la date și operațiuni precum rotații și redimensionare.
pgmagick
pgmagick este o bibliotecă Python open-source creată de Hideo Hattori. Aceasta acționează ca un înveliș pentru GraphicsMagick, o colecție de instrumente și biblioteci folosite pentru a citi, scrie și manipula imagini.
Biblioteca este compatibilă cu peste 88 de formate de imagine diferite și poate îndeplini funcții diverse, precum obținerea dimensiunii imaginilor, clarificarea sau estomparea, detectarea marginilor, rotirea, solarizarea, compararea imaginilor și scrierea lor pe disc.
pgmagick poate fi utilizată pentru a crea fișiere GIF, a adăuga text și a converti imagini între diferite formate.
Concluzie
Deși lista nu este completă, bibliotecile prezentate sunt printre cele mai populare în domeniul procesării imaginilor. Ele au fost utilizate de numeroase persoane și organizații pentru a implementa sisteme de detectare, segmentare și analiză a obiectelor.
Aceste tehnologii au avut un impact semnificativ în domeniile inteligenței artificiale și robotică. Ca o alternativă la biblioteci, se pot folosi și API-uri pentru analiza imaginilor.