۲-۸ پردازش تصویر^[۱۹]
در واقع مرز مشخصی بین پردازش تصویر در یک سمت و ماشین بینایی در سمت دیگر وجود ندارد. به عبارت بهتر هیچ توافقی درباره نقطه پایان پردازش تصویر دیجیتال و شروع تحلیل تصاویر و ماشین بینایی وجود ندارد. ماشین بینایی که هدف آن استفاده از رایانه برای شبیه سازی کردن بینایی انسان است، شامل فرایند یادگیری بر مبنای اطلاعات ورودی تصویری می باشد. اما به هر حال یک الگوی مناسب در راستای این مرزبندی توجه به سه نوع فرایند محاسباتی در این زمینه است: فرایندهای سطح پایین، متوسط و بالا (کیا، ۱۳۸۸).

فرایندهای سطح پایین شامل عملیات اولیه مثل پردازش تصویر برای کاهش نوفه، تغییر کنتراست و برجسته­­سازی تصاویر^[۲۰] می­شوند. مشخصه مهم فرایندهای سطح پایین این است که ورودی و خروجی همه آنها تصویر است. فرایندهای سطح متوسط شامل عملیاتی نظیر قطعه­بندی تصویر^[۲۱] توصیف اشیاء مختلف در راستای تسهیل پردازش تصویر و طبقه ­بندی اشیاء منفرد می­باشد. مشخصه فرایندهای سطح متوسط این است که ورودی آنها تصویر و خروجی آنها خصوصیات استخراج شده از تصویر (مثل لبه و مشخصه­های اشیاء) می­باشند. سرانجام فرایندهای سطح بالا شامل ایجاد حس^[۲۲] از شیء تشخیص داده شده می­باشد. بنابراین با توجه به الگوهای ذکر شده، آنچه که ما به عنوان پردازش تصویر یاد می­کنیم شامل فرایندهایی است که ورودی و خروجی آنها تصویر بوده و علاوه بر آن خصوصیات خاصی از تصویر را استخراج می­ کنند. ایجاد حس که همان شبیه سازی بینایی انسان است در محدوده ماشین بینایی قرار می­گیرد.
ماشین بینایی حاصل ترکیب دو علم “پردازش تصویر” و “شناسایی الگو^[۲۳]” می­باشدJames,) .(1987
از کنار هم قرار گرفتن ویژگی­های یک جسم یک الگو پدید می ­آید. جهت شناسایی و جداسازی اشیاء مختلف ابتدا نیاز به پردازش تصویر می­باشد. محدودیت­های فیزیکی سخت افزار استفاده شده برای تهیه تصویر باعث ایجاد نوفه در داده ­های تصویری می­گردد. علاوه بر این تصویر ممکن است دارای قسمت­ هایی باشد که مورد نظر نبوده و حتی شامل قسمت­ هایی باشد که روی قسمت مورد نظر را پوشانده باشد. نقش اصلی پردازش تصویر عبارت است از اصلاح داده ­های تصویری و آماده سازی تصویر به گونه ­ای که از لحاظ کیفیت بهبود یافته باشند و یا از اثرات نوفه کاسته شده و یا به طور کلی حذف شده باشند.
واحد پردازش تصویر اعمال زیر را انجام می­دهد:
گرفتن تصویر
ارتقاء تصویر
استخراج ویژگی­ها^[۲۴]
اغلب نرم­افزارهایی که با نام نرم­افزار پردازش تصویر موجود هستند حاوی دستورات اولیه پیش پردازش تصاویر می­باشند که موجب تسهیل در یافتن و استخراج ویژگی­های اشیاء می­شوند. به عنوان مثال روش­هایی از قبیل حذف نوفه، آستانه­گذاری^[۲۵] سطوح خاکستری و تشخیص لبه­ها^[۲۶] از این قبیل هستند. جهت پردازش تصویر دیجیتالی توسط رایانه بایستی از نمایش ریاضی آنها استفاده شود.
به طور کلی تصاویر را در چند گروه عمده می توان دسته بندی نمود:
الف- تصاویر سیاه و سفید^[۲۷]: که تنها دارای ۲ رنگ سیاه و سفید هستند و در ماتریس آنها تنها اعداد صفر و یک قرار گرفته است. این تصاویر کاربرد فراوانی در پردازش تصویر دارند و اکثر برنامه ها تصاویر خود را در نهایت به این شکل در آورده و بر روی آن پردازش انجام می­ دهند. ساده­ترین پردازش در این نوع تصاویر صورت می­گیرد و این تنها به دلیل تک بیتی بودن پیکسل­های این نوع تصاویر است (اعداد صفر به معنی سیاه و اعداد ۱ به معنی رنگ سفید می­باشند) (شکل ۲-۲).
شکل ۲- ۲ تصویر سیاه و سفید
ب- تصاویر رنگی با شاخص^[۲۸]: در این نوع تصاویر خود عدد آرایه و ماتریس مشخص کننده رنگ پیکسل نیست بلکه عدد آرایه، شاخص یا شماره عددی از یک جعبه رنگ می­باشد. این جعبه به صورت ۳ ماتریس برای رنگ­های قرمز، سبز و آبی تعبیه شده است و با فراخوانی اعداد درون ماتریس تصویر، مقادیر رنگی آن تصویر نمایش داده می­شوند (خلیلی، ۱۳۸۰) (شکل ۲-۳).
شکل ۲- ۳ تصاویر رنگی با شاخص
ج- تصاویر غیر­رنگی با شدت نور^[۲۹]: این نوع تصاویر به صورت یک تک ماتریس در ابعاد تصویر می­باشند که آرایه­های ماتریس نشان­دهنده میزان روشنایی و یا تیرگی و سایه­های تصویر هستند. به این نوع تصاویر، تصاویر خاکستری گفته می­ شود (خادمی، ۱۳۸۲) (شکل ۲-۴).
شکل ۲- ۴ تصاویر غیر­رنگی با شدت نور
۲-۹ توموگرافی ساده
توموگرافی تکنیکی است که در آن تصویر یک قسمت نازک از جسم از طریق محو کردن قسمت های دیگر بدست می ­آید. در واقع سایه اجزایی از جسم که روی ناحیه مطالعه قرار گرفته­اند را محو می­ کند و در نتیجه این عمل ناحیه مورد مطالعه با وضوح بیشتری تصویربرداری می­ شود.
دستگاه توموگرافی طوری ساخته شده است که تیوب اشعه و فیلم بوسیله یک میله به هم متصل بوده و حول یک محور دوران در دو جهت مخالف حرکت می­ کنند.
مقطع تصویربرداری شده درست در محور دوران دستگاه توموگرافی قرار داشته و تصویر تهیه شده از این مقطع هیچ محوشدگی ندارد. نقاط خارج از این مقطع بسته به فاصله آن از سطح مقطع دچار محوشدگی می­شوند و هر چه این فاصله بیشتر باشد محو شدگی نیز بیشتر می­ شود.
چشم انسان تا یک محدوده خاصی محو شدگی تصویر را تشخیص می­دهد و محو شدگی تصاویر نقاط نزدیک به مقطع مورد نظر ممکن است دیده نشود. بنابراین تصویر نهایی که در ذهن انسان شکل می­گیرد مربوط به مقطعی از بدن است که دارای ضخامت معین می­باشد.
ضخامت مقطع با زاویه توموگرافی نسبت عکس دارد. یعنی هرچه زاویه توموگرافی بیشتر شود ضخامت مقطع کمتر خواهد شد (Momose et al., 1996).
۲-۱۰ توموگرافی کامپیوتری
اصول بنیادی سی­تی ­اسکن مشابه رادیوگرافی و توموگرافی عادی است. در همه اینها اشعه یونیزان از داخل جسم عبور می­ کند و بر اساس میزان جذب اشعه ایکس تصویر تهیه می­ شود. در سی­تی اسکن پرتو تابیده شده از مقطع مشخصی از جسم عبور می­ کند و بر روی آشکار ساز تاثیر می گذارد. این تاثیرات به صورت سیگنال به کامپیوتر داده می­ شود و در نهایت تصویری از اجزای داخلی آن مقطع به دست می ­آید. مهمترین اصل بنیادی که از آن در سی­تی ­اسکن استفاده می­ شود این است که ساختمان­های داخلی جسم را می­توان از طریق تابش­های متعدد از جهات مختلف به جسم بازسازی کرد (Agatston et al., 1990).
ریشه بازسازی تصویر^[۳۰] از تابش­های متعدد را در نظریه­ای که در سال ۱۹۱۷ توسط ریاضی­دانی به نام رادون^[۳۱] ارائه شد می توان جستجو کرد. رادون به روش ریاضی اثبات کرد که می­توان تصویری دو یا سه بعدی از جسم را با بهره گرفتن از تعداد زیادی تابش که از جهات مختلف تهیه شده بازسازی کرد. این تئوری در زمینه ­های مختلفی از جمله در ستاره­ شناسی و میکروسکوپ کاربرد پیدا کرد.
هانسفیلد^[۳۲] دانشمندی که این تئوری را تبدیل به یک تکنیک عملی در تصویربرداری نمود در سال ۱۹۷۳ انقلابی در رادیولوژی تشخیصی ایجاد کرد. در اولین دستگاهی که هانسفیلد به همین منظور ساخت (دستگاه اولیه EMI ) برای تولید پرتو از عنصر امرسیوم^[۳۳] که یک چشمه پرتوی گاما است استفاده نمود. ولی به علت شدت نه چندان کافی اشعه عنصر امرسیوم جای خود را به تیوب اشعه ایکس داد. یک مقطع عرضی نازک از جسم توسط اشعه مدادی شکل از زوایای مختلف مورد تابش قرار گرفت. شدت اشعه عبور کرده از بافت توسط آشکارساز اندازه ­گیری شده و این مقادیر بوسیله کامپیوتر و با بهره گرفتن از الگوریتم بازسازی تجزیه و تحلیل شده و در نهایت تصویر به صورت یک مقطع بدست آمد. در این دستگاه برای ساخت یک تصویر یک روز زمان لازم بود. اما بعدها با بهره گرفتن از کامپیوتر­های پیشرفته­تر این زمان به ۲۰ دقیقه کاهش یافت (Baxter and Sorenson, 1981).
۲-۱۱ اصول توموگرافی کامپیوتری
روش ساده­ای که بوسیله آن می­توان روش تصویربرداری در سی­تی ­اسکن را توضیح داد در شکل ۲-۵ نشان داده شده است.
شکل ۲- ۵ تصویر جسمی که از چهار قسمت با جرم حجمی­های مختلف تشکیل شده
شکل ۲-۵ تصویر جسمی را که از چهار قسمت با جرم حجمی­های متفاوت تشکیل شده است را نشان می­دهد. اشعه از چند جهت بر جسم تابیده شده و همزمان شدت اشعه خروجی از تمام ردیف­ها بوسیله آشکارساز اندازه ­گیری می­ شود. جهت بازسازی تصویر داده ­های بدست آمده توسط روش­های ریاضی (حل روابط چند مجهولی) تجزیه و تحلیل می­شوند و در نهایت جرم حجمی (ضریب تضعیف) هر قسمت بدست می ­آید. از این روش امروزه استفاده نمی­ شود و تنها ایده بنیادی سی­تی ­اسکن را توصیف می­نماید. روش­هایی که داده ­های بدست آمده از آشکارسازها را تجزیه و تحلیل و اطلاعات لازم را برای تهیه تصویر آماده می­ کنند بسیار پیچیده بوده و تحت عنوان روش های بازسازی نامیده می­شوند (TomograpHy, 2004).
۲-۱۲ روش های بازسازی تصویر
در اغلب دستگاه­های سی­تی­اسکن فعلی از روش های بازسازی تلفیقی^[۳۴] و تبدیل فوریه سریع^[۳۵] استفاده می شود.
الف- روش ماتریس معکوس^[۳۶]
ساده­ترین مثال این است که فرض کنیم بافت مورد مطالعه از چهار قسمت تشکیل شده است (شکل ۲-۵). فرض بر این است اجزاء بافت مورد نظر دارای جرم حجمی­هایی مانند ماتریس زیر باشند. برای رسیدن به چهار مجهول اشعه را از شش جهت به جسم می تابانیم (افقی، عمودی و قطری).
شش رابطه چند مجهولی بوجود می ­آید و با حل آنها جواب چهار مجهول بدست می ­آید که همان اعداد در نظر گرفته شده هستند. به این ترتیب به هر چهار مشخصه جسم می­رسیم.
ب- روش بازگردان تصویر^[۳۷]
قدیمی­ترین روش بازسازی است و همانطور که قبلا اشاره شد در دستگاه­های امروزی کاربرد ندارد. اگر مثال قبل را در نظر بگیریم روش بازگردان را می­توان به صورت زیر نشان داد. در تابش از جهات مختلف تضعیف­های کلی بدست آمده در محل پیکسل­های افقی، عمودی و قطری قرار می گیرد.
به منظور ساده کردن ماتریس حاصله با تقسیم اعداد داخل خانه­ها به عدد ۳ و سپس کم کردن ۳ واحد از آن اعداد ساده شده هر قسمت بدست می ­آید.
ج- روش تبدیل فوریه
در این روش بازسازی از فرمول­های بسیار پیچیده ریاضی استفاده می­ شود که بیان آنها بسیار مشکل است، اما به طور کلی اساس این روش بر این پایه استوار است که هر تابع زمانی و فضایی را می­توان با مجموع امواج سینوسی و کسینوسی با فرکانس­ها و دامنه­های مختلف نشان داد. این نوع دستکاری ریاضی به آسانی و به سرعت در کامپیوتر پردازش می­ شود. همانطور که قبلا اشاره شد امروزه اغلب از روش­های بازسازی از جمله روش اخیر استفاده می شود (Elbakri and Fessler, 2002; Natterer and Wübbeling, 2001).
۲-۱۳ مروری بر پژوهش­های گذشته
۲-۱۳-۱ تحقیقات انجام شده در زمینه خواص فیزیکی و کیفی میوه انار
آل­میمان و احمد^[۳۸] (۲۰۰۲) تغییرات خواص فیزیکی و شیمیایی میوه انار رقم طایفی^[۳۹] متعلق به عربستان سعودی را بررسی کردند. آنها در طی سه مرحله رشد شامل انارهای نرسیده، نیمه رسیده و رسیده، خواص فیزیکی و شیمیایی آنها را اندازه ­گیری نمودند. خواص فیزیکی شامل طول، قطر نسبت طول به قطر، حجم، جرم حجمی، وزن، وزن پوست، درصد وزن پوست، وزن آریل^[۴۰]، درصد وزن آریل، وزن آب و درصد وزن آب و خواص شیمیایی شامل رنگ رطوبت، pH، درصد بریکس، اسیدیته کل، پروتئین، فروکتوز، گلوکز و قند کل بود. آنها به این نتیجه رسیدند که خواص فیزیکی و شیمیایی میوه انار در طی رسیدگی به طور معنی­داری تغییر می کند که این تغییرات در مرحله آخر رسیدگی بیشتر است. همچنین خواص شیمیایی مانند pH، اسیدیته کل، پروتئین و درصد قند در مرحله رسیدگی بیشترین مقدار را دارا بود.
ال­السید^[۴۱] و همکاران (۲۰۰۹) خواص فیزیکی و شیمیایی چهار رقم میوه انار متعلق به کشور عمان را بررسی کردند. آنها برای میوه کامل خواصی مانند وزن، قطر، طول، ضخامت پوست، عرض و طول گردن میوه و برای آریل­ها اندازه آریل­ها، وزن کل آریل برای هرمیوه، تعداد آریل برای هر میوه و رطوبت آنها را اندازه گرفتند. خواص شیمیایی نیز شامل درصد بریکس، pH، اسیدیته کل، مواد جامد محلول و شاخص­ های رنگ L*a*bبرای آب انار و پوست آن بود. نتایج نشان داد که اختلاف معنی­داری در اندازه میوه، رنگ پوست، اندازه آریل، رنگ آریل، مواد جامد محلول و اسیدیته کل در بین ارقام مختلف وجود دارد.