این متن شامل 17 صفحه می باشد 

قطعه بندي عملياتي جهت تقسيم بندي تصوير به نواحي يكنواخت مي باشد. بنابراين قطعه بندي عملياتي مقدماتي جهت تشخيص اشيا موجود در تصوير است. هدف از اين پروژه دسته بندي تصاوير رنگي به کمک روش فازي مي باشد. هر شي يك رنگ منحصر به فرد دارد. هدف تشخيص هر شي بر اساس رنگ آن است.

كاربردها :

قطعه بندي تصوير از مسائل مهم در زمينه هاي مختلف پردازش مي باشد كه از جمله كاربردهاي مي توان به موارد زير اشاره نمود :

• كاربرد در پزشكي
• تشخيص محتواي سايت ها
• تشخيص پوست در تصاوير
• فيلتر كردن سايت هاي غير اخلا قي

روشها :

براي پياده سازي، روشهاي متفاوتي ارائه شده است كه از جمله آنها مي توان support vector machines ، روشهاي هيستوگرام وروشهاي فازي را نام برد.

در روشهاي هيستوگرام سگمنت بندي براساس شباهت رنگ انجام مي گيرد ودر بعضي الگوريتم ها بر اساس ناحيه ،سگمنت بندي انجام مي گيرد.

تکنيک هاي قطعه بندي تصاوير با استفاده از رنگ را مي توان در پنچ دسته گنجاند :

• قطعه بندي بر اساس پيکسل [2]
• قطعه بندي براساس تشخيص لبه [5][4]
• قطعه بندي ترکيبي براساس لبه وناحيه [6]
• قطعه بندي بر اساس خوشه بندي [10][9][8][7]

قطعه بندي تصاوير رنگي بااستفاده از دسته بندي فازي يکي از روشهاي قطعه بندي بر اساس پيکسل مي باشد. به اين ترتيب که سيستم فازي مشخص مي کند هر پيکسل به کدام دسته رنگ تعلق دارد .بنابراين هدف ايجاد يک سيستم فازي است که بتواند رنگهاي بيشتري را دسته بندي نمايد.

براي اين کار نياز به يک فرد خبره است که با توجه به داه هاي آموزشي ، قوانين و توابع راتنظيم نمايد که امري وقت گير مي باشد .لذا نياز به يک روش اتوماتيک است که باتوجه به داده هاي آموزشي قوانين وتوابع عضويت فازي را ايجاد نمايد .روشهاي زيادي براي اين منظور ابداع شده است که از جمله تقسيم کردن فضاي ورديهاي سيستم فازي مي باشد.

2.دسته بندي رنگ فازي:

دسته بندي فازي يک روش يادگيري با ناظر است که جهت قطعه بندي تصاوير استفاده مي شود .اين سيستم هر پيکسل رنگي از تصوير ورودي را در يک دسته رنگ قرار مي دهد.

فضاهاي رنگ متنوعي مانند HSV,YIQ,HSL,RGB در پردازش تصاوير استفاده مي شود.[1]

فضاي رنگ RGB

يکي از فضا هاي رنگ متداول فضاي رنگ RGB مي باشد که شامل سه رنگ قرمز وآبي وسبز مي باشد وهر کدام در بازه صفر تا يک ويا 0 تا 255 تغيير مي کنند حداقل مقدار (رنگ سياه ) (0و0و0) بوده وحداکثر مقدار (رنگ سفيد )(255و255و255) مي باشد.

اين فضاي رنگ اغلب در روشهاي هيستوگرام استفاده مي گردد بطوريک رنگ هر پيکسل در سه رنگ آبي وسبز وقرمز توزيع مي شود. وبراساس ميزان شباهت عمل مي کند. اما روش هيستوگرام روش سختي بوده و همچنين نمي توان براحتي درجه تابع را براي آن تعريف نمود.

فضای رنگ HSL

این فضا از بهترین فضاهای رنگ برای الگوریتم های قطعه بندي می باشد. دلایل آن را می توان اینگونه بیان کرد:

• دراين فضا رنگ به صورت مستقيم توسط پارامتر Hue مشخص مي شود واکثر رنگ ها به استثنا رنگ هاي که خيلي كم رنگ وپررنگ مي باشند براحتي توسط اين پارامتر قابل تشخيص مي باشندکه اين امکان در فضا هاي رنگ ديگر وجود ندارد.
• ویژگیهای ادراکی رنگ ازقبیل Hue(H) , Saturation(S) , Lightness(L) که توسط این فضا قابل توصیف می باشد توسط فضاهای رنگ دیگر قابل بیان نمی باشد.
• این فضا خیلی به سیستم بینایی انسان شبیه می باشد.
• در این فضا رنگ(H) و روشنایی (L) از هم قابل تفکیک هستند.

این دلایل باعث شده که این فضا از بین فضاهای دیگر بیشتر مورد توجه قرارگیرد.

به علت اينکه در فضاي HSL رنگ در بعد H نمايش داده مي شود ودر بعد S,L توصيف کننده رنگ مي باشند لذا در اين پروژه از فضاي رنگ HSL استفاده شده است.[1]

بعد H به صورت دايره اي نمايش داده مي شود که هر رنگ در محدوده اي از درجه زوايا قرار دارد. توزيع رنگ در بعد H يکنواخت نمي باشد .به عنوان مثال مجموعه فازي H را مي توان با 11 تابع عضويت نمايش داد. توابع عضويت مي توانند به صورت هاي مختلف هاي مختلفي چون ذوزنقه اي ، زنگوله اي ، مثلثي ، گوسي و... باشند.در شکل زير نمونه اي از توابع عضويت از مجموعه فازي H که ذوزنقه اي شکل اند، مشاهده مي شود.

هرکدام از توابع عضويت براساس شكلشان داراي تعداد پارامترهاي خاصي مي باشند.تابع ذوزنقه اي به چهار پارامتر نياز دارد.

که به عنوان مثال براي محاسبه مقدار تابع عضويت رنگهاي مختلف در Hue مي توان از فرمول زير استفاده نماييم[1] :

به عنوان مثال اگر به خواهيم تابع عضويت را براي رنگ نارنجي بنوسيم به صورت زير خواهد شد[1].

دو بعد ديگر S,L عملا رنگي ندارندوتوصيف كننده رنگ مي باشند. هر بردار به سه قسمت ضعيف ، متوسط وقوي تقسيم مي شود.دوبردار را باهم تركيب كرده وبه صورت نموداري دوبعدي آنها را در نظر مي گيريم .با تركيب اين دو بردار باهم نه ناحيه توصيف رنگ حاصل مي گردد.