bildsignalbehandling

Bildsignalbehandling är studiet av hur bilder och bildrelaterade signaler fångas, behandlas och tolkas med hjälp av matematiska och beräkningsmässiga metoder. Utgångspunkten kan vara råbilddata från digitala sensorer eller befintligt bildmaterial. Målet är att förbättra bildkvalitet, extrahera information och möjliggöra vidare analys. Bildsignalbehandling integreras ofta med bildåtergivning, datorseende och maskininlärning och används i medicinska bilder, fjärranalys, industriell kontroll och konsumentelektronik.

Grunden utgörs av bildens representation, brus och störningar, sampling och kvantisering. Typiska uppgifter är bildförbättring (kontrastjustering, brusreducering, deblurring), restaurering (återställning av förvrängningar), segmentering och kantdetektion samt funktionell bildanalys och tolkning. Vanliga tekniker inkluderar rumsliga operationer med filtrering och kantdetektion, frekvensdomänmetoder (Fourier, DCT), adaptiva och icke-linjära filter, wavelets och dekonvolution. Modern bildsignalbehandling använder ofta maskininlärning och djupinlärning för uppgifter som superupplösning, denoising och segmentering.

Bilddata representeras vanligtvis som tvådimensionella matriser eller färgbilder i RGB, eller i färgrymden YCbCr. Vanliga format och standarder används för kompression och lagring (t.ex. JPEG, JPEG‑2000). Inom tillämpningar betonas realtidsbearbetning och hårdvaruintegration i sensorer, kamerachips och inbäddade system.

Bildsignalbehandling är nära besläktad med digital bildbehandling, datorseende och signalbehandling, och utvecklas kontinuerligt genom forskning inom algoritmer, maskinvara och applikationsspecifika krav. Mycket arbete fokuserar på att anpassa metoderna till sensorernas egenskaper och tillgängliga beräkningsresurser, inklusive användning av FPGAs, GPUs och inbyggda processorer.