معالجة الصور الرقمية

تمثيل الصورة

• رمادية: مصفوفة ثنائية الأبعاد، قيمها عادة من 0 (أسود) إلى 255 (أبيض) بنوع uint8.
• ملونة: مصفوفة ثلاثية الأبعاد (ارتفاع، عرض، 3).
• الصور الطبية: قد تكون بعمق 12 أو 16 بت، أو ثلاثية الأبعاد (أحجام CT وMRI).

import cv2
import numpy as np
img = cv2.imread("photo.jpg")             # BGR, uint8
print(img.shape, img.dtype)
rgb  = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
hsv  = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

المرشحات الخطية (الالتفاف)

المرشح نافذة صغيرة تنزلق على الصورة؛ القيمة الجديدة لكل بكسل مجموع موزون لجيرانه:

blur   = cv2.GaussianBlur(gray, (5, 5), sigmaX=1.0)   # تنعيم
median = cv2.medianBlur(gray, 5)                      # فعال ضد ضوضاء الملح والفلفل (غير خطي)
sharpen_kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]])
sharp  = cv2.filter2D(gray, -1, sharpen_kernel)

هذه هي العملية نفسها التي تتعلم الشبكات الالتفافية مرشحاتها تلقائياً.

الحواف

تدرج الصورة يقيس التغير في الشدة:

$$G = \sqrt{G_x^2 + G_y^2}$$

gx = cv2.Sobel(blur, cv2.CV_64F, 1, 0, ksize=3)
gy = cv2.Sobel(blur, cv2.CV_64F, 0, 1, ksize=3)
mag = np.hypot(gx, gy)
edges = cv2.Canny(blur, 50, 150)    # كاشف Canny متعدد المراحل

العتبات والعمليات الشكلية

_, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
kernel = np.ones((3, 3), np.uint8)
opened = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)    # إزالة نقاط صغيرة
closed = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)   # سد فجوات صغيرة

طريقة Otsu تختار العتبة تلقائياً من مدرج الشدة.

التحويلات الهندسية

small   = cv2.resize(img, (224, 224), interpolation=cv2.INTER_AREA)
h, w = img.shape[:2]
M = cv2.getRotationMatrix2D((w / 2, h / 2), 15, 1.0)
rotated = cv2.warpAffine(img, M, (w, h))
flipped = cv2.flip(img, 1)

هذه التحويلات أساس زيادة البيانات (data augmentation) في تدريب نماذج الرؤية.

تحسين التباين

معادلة المدرج التكراري (cv2.equalizeHist) أو نسختها التكيفية CLAHE تحسن التباين، وتُستخدم كثيراً في الصور الطبية، مع الحذر من تضخيم الضوضاء.