1.1. Галузі застосування
Один із шляхів для демонстрації різноманітності предмету є підкреслити спектр застосувань перетворення образів. Цей спектр включає промислове застосування, яке ще часто називають "машинний зір", охорона/відстеження, а також застосування в пошуку та детектуванні. І на цьому список не закінчується. Деякі з них перелічені нижче:
Вимірювання позиції: в основному, в промислових застосування, необхідно точно визначити розташування об'єктів. Ця інформацію про положення, наприклад, необхідні для того аби взяти предмет, обробки, транспортування чи розміщення частин у виробничому середовищі. Як приклад, необхідно точно визначити місцезнаходження електричних компонентів таких як інтегральні схеми (ICs – Integrated Circuits) перед розміщенням їх на друкованій платі (PCB – Printed Circuit Board) для подальшого розміщення в машині для виробництва електронних пристроїв (наприклад, мобільних телефонів, ноутбуків, і т.д.) для того, щоб забезпечити стабільну пайку для всіх з'єднань (див. Рис. 1.1 для деяких прикладів зображень). Координати [X, Y] об'єкту разом з його обертанням і масштабом часто називають як поза об'єкту.
Рис.
1.1
Зображення
деяких
SMD(Surface
Mounted
Device)
компонентів,
які
повинні
бути
розміщені
з високою
точністю
при
монтажі
електронних
пристроїв: (а) Резистори
в чипі
або
MELF
(Metal
Electrode
Leadless
Faces)
упаковка; (б) IC в
BGA
(Ball
Grid Array)
упаковка:
кулі виглядають
як кільця,
коли
застосувати
освітлення під плоским
кутом;
(в) IC
в QFP (Quad
Flat
Package)
упаковка
з "Gullwing" контактами на краях.
Перевірка та контроль: використання систем технічного зору для контролю якості у виробничих середовищах є класичним застосуванням машинного зору. Зазвичай поверхню промислових частин перевіряють з метою виявлення дефектів. Прикладами є перевірка зварних швів або різьби гвинта. Для цього положення тестових елементів повинно бути визначено заздалегідь, що включає в себе розпізнавання об'єктів.
Сортування: привести приклад, посилки сортуються в залежності від їх розміру в автоматизованих поштових відділеннях. Це означає, що потрібно проводити попередню ідентифікацію та локалізацію окремих посилок.
Підрахунок: деякі застосування вимагають визначення числа входжень конкретного об'єкта в зображення, наприклад, дослідник в галузі молекулярної біології може бути зацікавлений в числі еритроцитів, які показані на зображенні мікроскопу.
Виявлення об'єктів: для цього об'єкт, що повинен бути ідентифікований порівнюється до моделі бази даних, що містить інформацію про колекції об'єктів. Модель кожного об'єкта, що міститься в базі даних часто будуються в тренувальних цілях до визнання ("Off-Line"). В результаті, або однин екземпляр з бази даних об'єктів виявляється або зображення для виявлення відкидається як "невідомий об'єкт". Ідентифікація осіб за допомогою розпізнавання обличчя або зображення райдужної оболонки ока, наприклад, широко використовується в системах доступу, є типовим прикладом.
Категоризація оточення(місцевості): на відміну до виявляння об'єктів, головна задача в категоризації є не знайти відповідність картини зображення до певного об'єкту, а ідентифікувати клас об'єкту до якого він належить (чи це зображення показує машину, будівлю, особу чи дерево), (див. приклади на Рис. 1.2). Звідси випливає, що категоризація є методом для класифікації, що відповідає семантичному значенню зображення.
Рис.1.2. Категоризація оточення: типові картинки (а) будівлі, (б) вулиці/машини, (в) ліс/поле.
Відновлення зображення: на основі запиту зображення, що показує певний об'єкт, зображення бази даних або Інтернет шукаються для того, щоб виявити всі зображення, що показують один і той же об'єкт або аналогічні об'єкти одного і того ж об'єктного класу.