ความรู้เบื้องต้นเกี่ยวกับ Computer Vision และ Digital Image Processing

Computer Vision เป็นสาขาหนึ่งของปัญญาประดิษฐ์ที่ทำให้คอมพิวเตอร์สามารถสกัดข้อมูลที่มีความหมายจากภาพและวิดีโอเชิงดิจิทัลได้ โดยมุ่งหมายที่จะเชื่อมช่องว่าง semantic gap ระหว่างข้อมูลพิกเซลดิบกับความเข้าใจในระดับมนุษย์ Digital Image Processing ทำหน้าที่เป็นชั้นพื้นฐานของ Computer Vision โดยเน้นการจัดการและปรับปรุงสัญญาณภาพผ่านการแปลงแบบพิกเซลต่อพิกเซล เพื่อเตรียมข้อมูลสำหรับงานตีความในระดับที่สูงขึ้น

หลักการสำคัญ

การแทนข้อมูล: ในระดับเครื่อง ภาพคือ tensor เชิงตัวเลข ไม่ใช่ภาพองค์รวม ภาพระดับสีเทาเป็นเมทริกซ์ 2 มิติของค่าความเข้ม ในขณะที่ภาพสีเป็นเทนเซอร์ 3 มิติที่แทนช่องสีแดง เขียว และน้ำเงิน (RGB) โดยมีขนาด $H \times W \times 3$
การแปลงสภาพ vs. การตีความ: Digital Image Processing เน้นการดำเนินการแบบภาพสู่ภาพ เช่น การลดสัญญาณรบกวน การเพิ่มความคมชัด หรือการปรับสมดุลฮิสโตแกรม ส่วน Computer Vision เน้นการดำเนินการแบบภาพสู่ความรู้ เช่น การจำแนกวัตถุ การระบุตำแหน่ง และการแบ่งส่วนภาพ
กระบวนทัศน์ Inverse Graphics: Computer Vision สามารถมองได้ว่าเป็นกระบวนการย้อนกลับของ Computer Graphics ในขณะที่กราฟิกมุ่งสร้างโลกทัศน์จากแบบจำลองทางคณิตศาสตร์ ส่วนวิชันมุ่งกู้คืนโครงสร้าง 3 มิติและป้ายกำกับเชิงความหมายจากการฉายภาพ 2 มิติ

ความท้าทายหลัก

ความท้าทายหลักในสาขานี้คือ Semantic Gapซึ่งเป็นช่องว่างระหว่างค่าพิกเซลระดับต่ำที่เครื่องประมวลผลกับแนวคิดระดับสูงที่มนุษย์รับรู้

การใช้งานด้วย Python

คำถามข้อที่ 1

กระบวนการใดจัดอยู่ในประเภทการดำเนินการแบบภาพสู่ความรู้?

Digital Image Processing

Computer Vision

Computer Graphics

การปรับสมดุลฮิสโตแกรม

คำถามข้อที่ 2

ในระดับเครื่อง โครงสร้างข้อมูลของภาพสีมาตรฐานคืออะไร?

เมทริกซ์ 2 มิติ

อาร์เรย์ 1 มิติ

เทนเซอร์ 3 มิติ / ช่องสี RGB

ลิงก์ลิสต์

กรณีศึกษา: ระบบวินิจฉัยทางการแพทย์

อ่านสถานการณ์ด้านล่างแล้วตอบคำถาม

โรงพยาบาลแห่งหนึ่งกำลังพัฒนาระบบวินิจฉัยทางการแพทย์อัตโนมัติระบบใหม่สำหรับวิเคราะห์ภาพเอกซเรย์เพื่อหากระดูกที่อาจแตกหัก ระบบจะประมวลผลข้อมูลดิบจากเซ็นเซอร์ของเครื่องเอกซเรย์และส่งออกรายงานการวินิจฉัยให้นักรังสีวิทยา

ข้อ

1. หากระบบใช้การเพิ่มความคมชัดของภาพเพื่อให้โครงสร้างกระดูกชัดเจนขึ้น นี่คือ Digital Image Processing (DIP) หรือ Computer Vision (CV)?

คำตอบ:
Digital Image Processing การเพิ่มความคมชัดเป็นการแปลงแบบภาพสู่ภาพที่ช่วยเพิ่มคุณภาพการมองเห็นของสัญญาณโดยไม่สกัดความหมายเชิงความหมาย

ข้อ

2. หากระบบระบุพื้นที่เฉพาะว่าอาจเป็นกระดูกแตกหักโดยอัตโนมัติ ระบบกำลังทำภารกิจใด?

คำตอบ:
Computer Vision / การตรวจจับวัตถุ ระบบกำลังตีความเนื้อหาภาพเพื่อสกัดความรู้ระดับสูง (การระบุตำแหน่งกระดูกแตกหัก)

ข้อ

3. ทำไมจึงต้องลดสัญญาณรบกวนก่อนรันอัลกอริทึมการตรวจจับ?

คำตอบ:
เพื่อปรับปรุงคุณภาพสัญญาณและลดผลบวกลวงในขั้นตอนการตีความเชิงความหมาย สัญญาณรบกวนอาจถูกอัลกอริทึม CV ตีความผิดว่าเป็นลักษณะหรือขอบจริง