تشخیص فاصله قرنیه و عدسی چشم با متلب

پروژه تشخیص فاصله قرنیه و عدسی چشم در MATLAB

در این پست پروژه تشخیص فاصله قرنیه و عدسی چشم با استفاده از با فیلتر های پردازش تصویر در متلب را آماده کرده ایم که در ادامه به شرح عملکرد این پروژه پردازش تصویر و بینایی ماشین پرداخته و فیلم و تصاویر خروجی آن قرار داده شده است.

در این پروژه در صورتی که بخواهید عکسی را بارگذاری کنید، در کنار پروژه فایلی با نام iris.bmp قرار دارد که  شما باید این فایل را تحت یک نرم افزار گرافیکی مانند Adobe Fire Works یا Adobe Photoshop یا هر نرم افزار دیگری باز کنید و عکس مورد نظر خودتان را روی آن قرار دهید و با همان نام ذخیره کنید یا اینکه نام فایل ذخیره شده و بارگذاری شده را از داخل فایل frequencydem.m تغییر دهید و فایل iris.bmp نیز همنام فایل فراخوان شده از کد باشد.

توضیحات بیشتر، فیلم و تصاویری از خروجی پروژه تشخیص فاصله قرنیه و عدسی چشم در ادامه مطلب.

زمانیکه frequencydem.m را اجرا می کنید، خروجی زیر را مشاهده می کنید:

تصویر خروجی 1:

در قسمت image می توانید هر عکس دلخواهی را مانند فایل iris.bmp در کنار پروژه قرار داده و نام آن را در کارد متن (text box) وارد نمایید. دقت کنید که فایل عکس مورد نظر حتما در سایز iris.bmp باشد، پسوند آن حتما مهم نیست (در کدها نیز آمده است) و تصویر سیاه و سفید (grayscale) و یا رنگی (RGB) باشد.

برای فهم بهتر و درک صحیح نوع فیلتر ها در بخش Filter Type کتاب پردازش دیجیتالی رافائل گونزالس از صفحه 305 الی 311 را مطالعه بفرمایید. این فیلترها عبارتند از فیلتر پایین گذر ایده آل (Ideal Low-Pass Filter) ، فیلتر بالا گذر ایده آل (Ideal High-Pass Filter) ، فیلتر پایین گذر گوسی (Gaussian Low-Pass Filter) ، فیلتر بالا گذر گوسی (Gaussian High-Pass Filter) ، فیلتر پایین گذر باترورث (Butterworth Low-Pass Filter) ، فیلتر بالا گذر باترورث (Butterworth High-Pass Filter) .

Cutoff Distance یک مقدار که فاصله بین چشم بیرونی و درونی (قرنیه و عدسیه) را تشخیص دهد و میزان آن برای برنامه جهت بینایی را مشخص می کند. یک میزان اعمال فیلتر وجود دارد که اصولا برای فیلترهای باترورث استفاده می شود. تصویر ورودی از بعد از خوانده شدن در Original Image نمایش داده می شود. نتایج روی Filtered Image و Normalized Difference Image جهت نمایش تصاویر و نمایش به صورت شبکه ای روی دو بخش 2 و 3 بعدی نشان داده می شود.

می توانید نتایج پروژه تشخیص فاصله قرنیه و عدسی چشم را مشاهده کنید (با فیلتر های گوناگون برای عکس تست).

تصویر خروجی 2:

تصویر خروجی 3:

تصویر خروجی 4:

تصویر خروجی 5:

تصویر خروجی 6: