تصویر دیجیتال چیست؟

تصویر دیجیتال در ساده‌ترین تعریف، نمایش یک تصویر به‌صورت داده‌های عددی است. برخلاف تصویر آنالوگ که پیوسته است، تصویر دیجیتال از مجموعه‌ای از نقاط کوچک به نام پیکسل (Pixel) تشکیل شده است. هر پیکسل دارای مقدار عددی مشخصی است که میزان روشنایی یا رنگ آن نقطه را تعیین می‌کند.

بخش هایی که در ادامه به آن ها پرداخته می شود:

1. پیکسل (Pixel)
2. رزولوشن (Resolution)
3. عمق رنگ (Color Depth)
4. ساختار داده‌ای تصویر (Image Data Structure)
5. تصویر خاکستری و رنگی
6. نوع داده (Data Type)
7. فضای رنگی HSV

پیکسل (Pixel):

پیکسل کوچک‌ترین واحد تشکیل‌دهنده یک تصویر دیجیتال است. اگر روی یک تصویر زوم کنیم، متوجه می‌شویم که از مربع‌های بسیار ریزی تشکیل شده است.

هرچه تعداد پیکسل‌ها بیشتر باشد:

• تصویر جزئیات بیشتری دارد
• کیفیت بالاتر است
• حجم فایل بیشتر می‌شود

برای مثال تصویر با رزولوشن 1920×1080 یعنی تصویر شامل:

1080 * 1920 = 2,073,600

رزولوشن (Resolution):

رزولوشن به تعداد پیکسل‌های تصویر گفته می‌شود و معمولا از ضرب عرض در طول تصویر بدست می اید

برای مثال:

• 640×480
• 1280×720 (HD)
• 1920×1080 (Full HD)

نکته هر چی رزولوشن بالاتر بره جزئیات تصویر بیشتر میشه و در نتیجه قدرت بیشتری برای پردازش تصویر نیاز هست.

عمق رنگ و کانال‌های رنگی در تصویر دیجیتال:

برای نمایش هر پیکسل در یک تصویر دیجیتال، کامپیوتر باید اطلاعاتی دربارهٔ میزان روشنایی و رنگ آن ذخیره کند. این اطلاعات با دو مفهوم مهم مشخص می‌شوند: عمق رنگ و کانال‌های رنگی.

• کانال‌های رنگی (Color Channels):

     در بسیاری از تصاویر دیجیتال، رنگ هر پیکسل از ترکیب چند کانال ساخته می‌شود. رایج‌ترین مدل رنگی، مدل RGB است که شامل سه کانال است:

• Red (قرمز)
• Green (سبز)
• Blue (آبی)

هر یک از این کانال ها یک مقدار عددی بین 0 تا 255 دارند که شدت روشانیی ان پیکسل رو مشخص می کنه که 0 به معنی خاموشی پیکسل و 255 به معنی روشنی کامل پیکسل هست

و تصاویر خاکستری فقط یک کانال دارند، چون رنگی نیستند و فقط شدت روشنایی ثبت می‌شود.

عمق رنگ (Color Depth):

عمق رنگ تعیین می‌کند هر کانال رنگی چند بیت اطلاعات دارد. هرچه تعداد بیت بیشتر باشد:

• تعداد رنگ‌های قابل نمایش بیشتر می‌شود
• کیفیت و دقت رنگ‌ها بالاتر است

در تصاویر استادارد:

• هر کانال ۸ بیت دارد → مقدار 0 تا 255
• تصویر RGB شامل ۳ کانال است → در مجموع ۲۴ بیت برای هر پیکس

در نتیجه یه تصویر می‌تواند بیش از ۱۶ میلیون رنگ نمایش دهد.

ساختار داده‌ای تصویر (Image Data Structure):

در کامپیوتر، یک تصویر دیجیتال در واقع مجموعه‌ای از اعداد است که به صورت منظم در کنار هم قرار گرفته‌اند. این اعداد مقدار روشنایی یا رنگ هر پیکسل را مشخص می‌کنند. به همین دلیل، از دید برنامه‌نویسی و پردازش تصویر، یک تصویر معمولاً به صورت یک آرایه (Array) یا ماتریس (Matrix) از اعداد ذخیره می‌شود که هر عدد نشان‌دهنده مقدار یک پیکسل است.

تصویر خاکستری و رنگی :

در ساده‌ترین حالت، یعنی در تصاویر خاکستری (Grayscale)، هر پیکسل فقط یک مقدار دارد که شدت روشنایی را نشان می‌دهد. این مقدار معمولاً در بازه‌ی 0 تا 255 قرار می‌گیرد ولی در تصاویررنگی وضعیت کمی متفاوت است. در این تصاویر هر پیکسل از ترکیب چند مقدار رنگی ساخته می‌شود. رایج‌ترین مدل رنگی، مدل RGB است که شامل سه کانال قرمز، سبز و آبی است. به همین دلیل هر پیکسل در یک تصویر رنگی سه مقدار عددی دارد بنابراین ساختار داده‌ای آن یک آرایه سه‌بعدی است:

Image(height,width,channels)

مثال:

تصویر 480×640 رنگی → آرایه‌ای با ابعاد:

(480, 640, 3)

عدد 3 نشان‌دهنده سه کانال رنگی است.

نوع داده (Data Type):

علاوه بر ابعاد تصویر، نوع داده (Data Type) نیز نقش مهمی در ساختار داده‌ای تصویر دارد. در بسیاری از تصاویر معمولی، از نوع داده‌ی 8 بیتی استفاده می‌شود که با نام uint8 شناخته می‌شود و مقادیر آن بین 0 تا 255 قرار می‌گیرند. در برخی کاربردهای پیشرفته‌تر مانند پردازش‌های علمی، تصویربرداری پزشکی یا تصاویر RAW ممکن است از داده‌های 16 بیتی یا حتی اعداد اعشاری استفاده شود تا دقت بیشتری در ثبت اطلاعات تصویر وجود داشته باشد.

و به صورت خلاصه نوع داده ها به این صورت است:

• uint8 → اعداد 0 تا 255 (۸ بیت) رایج‌ترین نوع داده

در تصاویر دقیق‌تر یا علمی ممکن است از:

• 16-bit
• float32

فضای رنگی HSV (Hue – Saturation – Value)

فضای رنگی HSV یکی از رایج‌ترین مدل‌های رنگی در پردازش تصویر و بینایی ماشین است. در این مدل، رنگ‌ها بر اساس سه بخش اصلی توصیف می‌شوند:

• Hue (‌رنگ): نوع رنگ اصلی مانند قرمز، آبی، سبز و…
• Saturation (اشباع): میزان خلوص یا شدت رنگ
• Value (ارزش یا روشنایی): مقدار روشنایی یا شدت نور آن رنگ

این مدل بسیار شبیه به درک انسان از رنگ عمل می‌کند. به همین دلیل در کارهایی مثل تشخیص رنگ، جداسازی اشیا، Tracking و کنترل نور دقت بالاتر و تنظیمات ساده‌تری نسبت به RGB ارائه می‌دهد. استفاده از HSV در تشخیص رنگ باعث می‌شود تغییرات نور محیط کمتر روی نتیجه تأثیر بگذارد.

در بخش بعد با ما همراه باشید تا با تصاویر در دنیای واقعی اشنا شوید.