‫تقنية معالجة الصور‬

Image processing Technology

 ‫المحتويات‬
‫تعريف معالجة الصور‬ ‫‪1‬‬
‫أطر التعلم اآللي ومنصات معالجة الصور‬ ‫‪6‬‬

‫األهداف االساسية لمعالجة الصور‬ ‫‪2‬‬

‫استخدام الشبكات العصبية لمعالجة‬ ‫‪7‬‬
‫الصور‬
‫الشبكة العصبية التالفيفية‬ ‫مراحل معالجة الصور الرقمية‬ ‫‪3‬‬
‫‪8‬‬
‫الرئيسية‬

‫ق;;ناع ‪R-CNN‬‬ ‫‪8‬‬ ‫طرق وتقنيات وأدوات معالجة الصور‬ ‫‪4‬‬

‫الشبكة التوليدية‬ ‫‪9‬‬

‫مكتبات مفتوحة المصدر لمعالجة الصور‬ ‫‪5‬‬
 ‫ما هي معالجة الصور؟‬
‫‪? What is image processing‬‬
‫بشكل عام ‪ ،‬معالجة الصور هو التالعب بالصورة من أجل تحسينها أو‬
‫استخراج المعلومات منها‪.‬‬
‫هناك طريقتان لمعالجة الصور‪:‬‬
‫‪ .1‬تُستخدم معالجة الصور التناظرية لمعالجة الصور الفوتوغرافية‬
‫المادية والمطبوعات والنسخ الورقية األخرى للصور‬
‫‪ .2‬تُستخدم معالجة الصور الرقمية لمعالجة الصور الرقمية بمساعدة‬
‫خوارزميات الكمبيوتر في كلتا الحالتين ‪ ،‬يكون اإلدخال صورة‪.‬‬
‫بالنسبة إلى معالجة الصور التناظرية ‪ ،‬يكون اإلخراج دائمًا صورة‪.‬‬
‫ومع ذلك ‪ ،‬بالنسبة لمعالجة الصور الرقمية ‪ ،‬قد يكون اإلخراج‬
‫صورة أو معلومات مرتبطة بتلك الصورة ‪ ،‬مثل البيانات المتعلقة‬
‫بالميزات أو الخصائص أو المربعات المحيطة أو األقنعة‪.‬‬
‫‪3‬‬
 ‫األهداف األساسية‬
‫الصور‬
‫‪Main purposes‬‬ ‫‪:‬لمعالجة‬
‫‪of image‬‬ ‫‪processing‬‬
‫تمثيل البيانات المعالجة بطريقة مفهومة ‪ ،‬وإعطاء شكل مرئي للكائنات غير‬
‫المرئية ‪ ،‬على سبيل المثال‬
‫زيادة حدة الوان الصورة واستعادتها‬
‫‪ -‬تحسين جودة الصور المعالجة‬
‫‪ -‬استرجاع الصور‬
‫‪ -‬المساعدة في البحث عن الصور‬
‫‪ -‬قياس الكائن‬
‫‪-‬قياس الكائنات في صورة ما‬
‫‪ -‬التعرف على األنماط‬
‫‪ -‬تمييز وتصنيف الكائنات في صورة ما وتحديد مواقعها وفهم المشهد‬
‫‪4‬‬
‫‪Main phases of digital images processing‬‬
‫‪:‬مراحل معالجة الصور الرقمية الرئيسية‬
‫معالجة الصور الملونة‬ ‫الحصول على الصور‬

‫‪2‬‬
‫‪1‬‬
‫يشمل معالجة الصور الملونة ومساحات األلوان‬ ‫هي عملية التقاط صورة بجهاز استشعار‬
‫‪.‬المختلفة‬

‫تحسين الصورة‬ ‫استعادة الصورة‬

‫ض ا على تحسين جودة الصورة ‪ ،‬غالبًا عن طريق إزالة‬
‫يعمل أي ً‬

‫‪4‬‬
‫‪3‬‬

‫يحسن جودة الصورة من أجل استخراج المعلومات‬

‫‪.‬المخفية منها لمزيد من المعالجة‬ ‫‪ .‬عدم نقاء الصور المحتمل من أجل الحصول على نسخة افضل‬

‫ضغط الصور وفك الضغط‬ ‫المعالجة لالشكال‬

‫‪6‬‬
‫‪5‬‬

‫‪.‬تسمح بتغيير حجم ودقة الصورة‬

‫يصف أشكال وهياكل الكائنات في الصورة‬

‫التعرف على الصور‬ ‫التمثيل والوصف‬

‫‪7‬‬

‫‪8‬‬
‫هي عملية تحديد ميزات معينة لكائنات معينة‬ ‫‪.‬هي عملية تصور ووصف البيانات المعالجة‬
‫‪.‬في صورة ما‬

‫‪5‬‬
 ‫طرق وتقنيات وأدوات معالجة‬
‫الصور‬
‫‪Image processing methods, techniques and tools‬‬

‫تستخدم التصفية لتحسين وتعديل صورة اإلدخال‪ .‬بمساعدة عوامل‬

‫التصفية المختلفة ‪ ،‬يمكنك التأكيد على ميزات معينة أو إزالتها في‬
‫الصورة ‪ ،‬وتقليل عدم وضوح الصورة ‪ ،‬وما إلى ذلك‪ .‬تتضمن تقنيات‬
‫التصفية الشائعة التصفية الخطية والفلترة المتوسطة وتصفية الوينر‬
‫يستخدم اكتشاف الحواف مرشحات لتجزئة الصور واستخراج البيانات‪.‬‬
‫من خالل الكشف عن حاالت االنقطاع في السطوع ‪ ،‬تساعد هذه الطريقة‬
‫في العثور على حواف ذات معنى للكائنات في الصور المعالجة‪ .‬يعد‬
‫اكتشاف الحافة الحادة‪.‬‬

‫‪7‬‬
 ‫مكتبات مفتوحة المصدر لمعالجة الصور‬
‫االصطناعي‬
‫‪Open source‬‬ ‫الذكاء‬
‫‪libraries for‬‬ ‫القائمة على‬
‫‪AI-based‬‬ ‫‪image processing‬‬

‫مكتبات مفتوحة المصدر لمعالجة الصور القائمة على الذكاء االصطناعي‬

‫تحتوي مكتبات رؤية الكمبيوتر على وظائف وخوارزميات معالجة الصور الشائعة‪ .‬هناك العديد من‬
‫المكتبات مفتوحة المصدر التي يمكنك استخدامها عند تطوير ميزات معالجة الصور ورؤية‬
‫الكمبيوتر‪:‬‬
‫‪ .1‬السيرة الذاتية المفتوحة‬
‫‪ .2‬المكتبة المرئية‬
‫‪ .3‬التعليق التوضيحي لصورة ‪VGG‬‬

‫‪9‬‬
 ‫أطر التعلم اآللي ومنصات معالجة الصور‬
‫‪hine learning frameworks and image processing platforms‬‬

‫رؤية الكمبيوتر هي خدمة قائمة على‬ ‫‪ Google‬تعد رؤية السحابة جز ًءا من نظام‬
‫والتي ‪ Microsoft‬السحابة تقدمها‬ ‫األساسي وتقدم مجموعة من ميزات ‪Cloud‬‬
‫تمنحك الوصول إلى خوارزميات متقدمة‬ ‫معالجة الصور‪ .‬يوفر واجهة برمجة تطبيقات‬
‫لمعالجة الصور واستخراج البيانات‬ ‫لدمج ميزات مثل تسمية الصور وتصنيفها ‪،‬‬
‫‪.‬وتوطين الكائنات ‪ ،‬والتعرف على الكائنات‬

‫ماتالب هو اختصار لمختبر المصفوفة‪ .‬إنه اسم‬

‫النظام األساسي الشهير لحل المشكالت العلمية‬
‫والرياضية ولغة البرمجة‪ .‬توفر هذه المنصة‬
‫التي )‪ )IPT‬مجموعة أدوات معالجة الصور‬ ‫مع;روف ‪(Colab‬‬
‫)‬ ‫ت;;ع;اونج;وجل ا;;لتع;اوني‪ ،‬ا;;ل‬
‫تتضمن العديد من الخوارزميات وتطبيقات سير‬ ‫ضا‪ ،‬هو خ;دمة س;;حابية مجانية ي;;مكن‬ ‫ب;;اسم; أ;ي ً‬
‫العمل لتحليل الصور المعتمدة على الذكاء‬ ‫ا;ستخدا;مه;ا ل;;يسف;;;قط ل;;تحسينمه;ارا;تا;;لترميز‬
‫االصطناعي ومعالجتها وتصورها وكذلك لتطوير‬ ‫ضا ل;;تطوير ت;;طبيقاتا;;لتعلم;‬
‫ا;;لخاصة ب;;ك ولكنأ;ي ً‬
‫‪.‬الخوارزميات‬ ‫‪.‬ا;;لعميقمنا;;لبدا;ية‬

‫‪10‬‬
 ‫استخدام الشبكات العصبية‬
‫‪Using neural networks to process images‬‬ ‫لمعالجة الصور‬
‫تستخدم العديد من األدوات التي تحدثنا عنها في القسم السابق الذكاء االصطناعي لتحليل الصور‬
‫وحل مهام معالجة الصور المعقدة‪ .‬في الواقع ‪ ،‬تعد التحسينات في الذكاء االصطناعي والتعلم اآللي‬
‫أ‪j‬حد أسباب التقدم المذهل في تكنولوجيا رؤية الكمبيوتر التي يمكننا رؤيتها اليوم‪.‬‬
‫تستخدم نماذج التعلم اآللي األكثر فاعلية لمعالجة الصور الشبكات العصبية والتعلم العميق‪.‬‬
‫يستخدم التعلم العميق الشبكات العصبية لحل المهام المعقدة بشكل مشابه للطريقة التي يحلها بها‬
‫الدماغ البشري‪ .‬يمكن نشر أنواع مختلفة من الشبكات العصبية لحل مهام معالجة الصور المختلفة ‪،‬‬
‫بدءًا من التصنيف الثنائي البسيط (سواء كانت الصورة تتطابق أو ال تتطابق مع معايير معينة) إلى‬
‫تجزئة المثيل‪ .‬يلعب اختيار النوع والبنية المناسبين للشبكة العصبية دورًا أساسيًا في إنشاء حل‬
‫معالجة صور فعال قائم على الذكاء االصطناعي‪ .‬أدناه ‪ ،‬نلقي نظرة على العديد من الشبكات‬
‫العصبية الشائعة ونحدد المهام األكثر مالءمة لها‪.‬‬

‫‪11‬‬
‫‪Convolutional Neural Network‬‬
‫العصبية‬ ‫الشبكة‬
‫التالفيفية‬
‫الشبكات العصبية التالفيفية ( (‪ Conv Nets‬أو (‪ )CNN‬هي فئة من شبكات التعلم العميق‬
‫التي تم إنشاؤها خصيصًا لمعالجة الصور باستخدام الذكاء االصطناعي‪ .‬ومع ذلك ‪ ،‬فقد تم‬
‫تطبيق شبكات ‪ CNN‬بنجاح على أنواع مختلفة من البيانات ‪ ،‬وليس فقط على الصور‪.‬‬
‫في هذه الشبكات ‪ ،‬يتم تنظيم الخاليا العصبية وتوصيلها بشكل مشابه لكيفية تنظيم الخاليا‬
‫العصبية وتوصيلها في الدماغ البشري‪ .‬على عكس الشبكات العصبية األخرى ‪ ،‬تتطلب شبكات‬
‫‪ CNN‬عددًا أقل من عمليات المعالجة المسبقة‪ .‬باإلضافة إلى ذلك ‪ ،‬بدالً من استخدام‬
‫المرشحات المصممة يدويًا (على الرغم من قدرتها على االستفادة منها) ‪ ،‬يمكن لشبكات‬
‫(‪) CNN‬معرفة المرشحات والخصائص الضرورية أثناء التدريب‪.‬‬
‫شبكات ‪ CNN‬عبارة عن شبكات عصبية متعددة الطبقات تتضمن طبقات اإلدخال واإلخراج‪j‬‬
‫باإلضافة إلى عدد من كتل الطبقات المخفية التي تتكون من‪:‬‬

‫‪12‬‬
 ‫الشبكة العصبية التالفيفية‬
‫طبقات التجميع‬ ‫الطبقات التالفيفية‬

‫تحسين اكتشاف الكائنات الموضوعة بشكل‬ ‫مسؤولة عن تصفية صورة اإلدخال‬

‫غيرعادي‬ ‫واستخراج ميزات محددة مثل الحواف‬
‫والمنحنيات واأللوان‬

‫طبقات متصلة بالكامل‬ ‫)‪ ReLU‬طبقاتا;;لتسوية )‬

‫طبقات يكون فيها للخاليا العصبية وصالت كاملة بجميع‬
‫تحسين أداء الشبكة من خالل تطبيع مدخالت الطبقة‬
‫عمليات التنشيط في الطبقة السابقة (على غرار الشبكات‬
‫العصبية العادية)‬ ‫السابقة‬

‫‪13‬‬
 ‫ق;;ناع ‪R-CNN‬‬
‫‪ Mask R-CNN‬هي شبكة عصبية عميقة تستند إلى ‪ R-CNN‬أسرع ويمكن استخدامها‬
‫لفصل الكائنات في صورة أو فيديو معالج‪ .‬تعمل هذه الشبكة العصبية على مرحلتين‪:‬‬
‫التقسيم ‪ :‬تعالج الشبكة العصبية صورة ‪ ،‬وتكتشف المناطق التي قد تحتوي على كائنات ‪،‬‬
‫وتقوم بإنشاء مقترحات‪.‬‬
‫إنشاء المربعات واألقنعة المحيطة ‪ :‬تحسب الشبكة قناعًا ثنائيًا لكل فئة وتقوم بإنشاء‬
‫النتائج النهائية بناءً على هذه الحسابات‬
‫نموذج الشبكة العصبية هذا مرن وقابل للتعديل ويوفر أداء أفضل عند مقارنته بالحلول‬
‫المماثلة‪ .‬ومع ذلك ‪ ،‬فإن ‪ Mask R-CNN‬تكافح مع المعالجة في الوقت الفعلي ‪ ،‬حيث أن‬
‫هذه الشبكة العصبية ثقيلة جدًا وتضيف طبقات القناع القليل من األداء ‪ ،‬خاصةً بالمقارنة مع‬
‫‪.Faster R-CNN‬‬

‫‪14‬‬
 ‫ي;;و ن;;ت‪U-Net‬‬
‫هي شبكة عصبية تالفيفية تسمح بتجزئة الصور بسرعة ودقة‪ ،.‬تم تصميم ‪ U-Net‬خصيصًا‬
‫لتجزئة الصور الطبية الحيوية‪ .‬لذلك ‪ ،‬ليس من المستغرب أن ‪ U-Net‬يُعتقد أنها متفوقة‬
‫على ‪ Mask R-CNN‬خاصة في مهام معقدة مثل معالجة الصور الطبية‪.‬‬
‫‪ U-Net‬بنية على شكل حرف ‪ U‬ولديها المزيد من القنوات المميزة في جزء االختزال‬
‫الخاص بها‪ .‬نتيجة لذلك ‪ ،‬تنشر الشبكة معلومات السياق إلى طبقات عالية الدقة ‪ ،‬وبالتالي‬
‫إنشاء مسار توسعي متماثل إ‪j‬لى حد ما إ‪j‬لى الجزء المتعاقد‪.‬‬

‫‪16‬‬
 ‫الشبكة التوليدية‬
‫‪Generative Adversarial Network‬‬

‫من المفترض أن تتعامل شبكات الخصومة التوليدية ((‪ )GANs‬مع أحد أكبر التحديات‬
‫التي تواجهها الشبكات العصبية هذه األيام‪ :‬الصور التوليدية ‪.‬‬
‫تُعرف الصور العدائية بأنها تسبب إخفاقات هائلة في الشبكات العصبية‪ .‬على سبيل المثال ‪،‬‬
‫يمكن‪ j‬خداع الشبكة العصبية إذا أضفت طبقة من الضوضاء المرئية تسمى االضطراب إلى‬
‫الصورة األصلية‪.‬‬
‫وعلى الرغم من أن االختالف يكاد يكون غير ملحوظ للدماغ البشري ‪ ،‬إال أن خوارزميات‬
‫الكمبيوتر تكافح لتصنيف الصور العدائية بشكل صحيح ‪.‬‬

‫‪18‬‬
 ‫الخاتم‪j‬ة‬
‫بمساعدة خوارزميات التعلم العميق والشبكات العصبية ‪ ،‬يمكن‪ j‬تعليم اآلالت رؤية الصور‬
‫وتفسيرها بالطريقة المطلوبة لمهمة معينة‪.‬‬
‫إن التقدم في تنفيذ خوارزميات الذكاء االصطناعي لمعالجة الصور مثير لإلعجاب ويفتح‬
‫مجموعة واسعة من الفرص في مجاالت من الطب والزراعة ‪.‬‬
‫يشعر متخصصو ‪ Apriorit‬من فريق الذكاء االصطناعي بالفضول الشديد بشأن الذكاء‬
‫االصطناعي والتعلم اآللي ‪ ،‬لذلك نتتبع أحدث التحسينات في معالجة الصور التي تعمل‬
‫بالذكاء االصطناعي ونستخدم هذه المعرفة عند العمل في مشاريع الذكاء االصطناعي ‪.‬‬
‫نقوم بتطوير الذكاء االصطناعي وحلول التعلم العميق بناءً على أ‪j‬حدث األبحاث في معالجة‬
‫الصور واستخدام أطر عمل مثل ‪ Keras‬و ‪ TensorFlow‬و ‪.PyTorch‬‬
‫عندما يكون نموذج الذكاء االصطناعي النهائي جاهزًا ويكون العميل راضيًا عن النتائج ‪،‬‬
‫نساعده على دمجه في أي منصة ‪ ،‬من سطح المكتب والجوال إلى الويب والسحابة وإنترنت‬
‫األشياء‪.‬‬
‫‪20‬‬