ما تطبيق العتبة في معالجة الصور؟

للاطلاع على شرح مرئي للمفاهيم الواردة في هذه المقالة، شاهد الفيديو أدناه.

نحن البشر نرى الصور على هيئة لقطات متماسكة وذات معنى، بينما تراها الحواسيب شبكات من وحدات بكسل صغيرة، وهي أصغر مكونات الصورة الرقمية. وفي عملية تُسمى معالجة الصور، يمكن تعديل وحدات البكسل هذه أو تحليلها لتحسين الصورة واستخراج معلومات مفيدة.

من تقنيات معالجة الصور الشائعة، إلى جانب أساليب مثل اكتشاف الحواف، تطبيق العتبة على الصورة. وتحول هذه الطريقة الصور ذات التدرج الرمادي، حيث يمثل كل بكسل درجة من الرمادي، إلى صور بالأبيض والأسود من خلال مقارنة كل بكسل بقيمة محددة. وينتج عنها فصل واضح بين المناطق المهمة والخلفية.

يُستخدم تطبيق العتبة غالبًا في تجزئة الصور، وهي تقنية تقسّم الصورة إلى مناطق ذات دلالة لتسهيل تحليلها. وعادةً ما تكون هذه التقنية إحدى الخطوات الأولى التي تساعد الآلات على تفسير البيانات المرئية. في هذه المقالة، سنتناول ماهية تطبيق العتبة، وكيفية عمله، ومجالات استخدامه في سيناريوهات واقعية.

مصطلحات أساسية في تحديد عتبة الصور#

قبل التعمق في كيفية عمل تحديد العتبة، لنلقِ أولًا نظرة أقرب على الأفكار الأساسية وراءه وكيفية استخدامه في معالجة الصور.

عتبة الصورة الثنائية#

لنفترض أنك تعمل على صورة وتريد فصل الأجسام فيها عن الخلفية. ومن طرق تحقيق ذلك تحديد العتبة. فهو يبسّط الصورة بحيث تصبح كل وحدة بكسل إما سوداء تمامًا أو بيضاء تمامًا. والناتج صورة ثنائية، تكون فيها قيمة كل وحدة بكسل 0 (أسود) أو 255 (أبيض). وغالبًا ما تكون هذه الخطوة مفيدة في معالجة الصور لأنها تجعل الأجزاء المهمة من الصورة بارزة بوضوح.

الشكل 1. صورة بتدرج رمادي وناتجها الثنائي بعد تحديد العتبة. (المصدر: blog.devops.dev)

المدرّج التكراري#

وبالمثل، إذا أردت فهم كيفية توزيع قيم السطوع عبر صورة ما، فيمكن للمدرّج التكراري أن يساعدك. فهو رسم بياني يوضح عدد مرات ظهور كل شدة لوحدة بكسل، من الأسود (0) إلى الأبيض (255).

من خلال النظر إلى المدرّج التكراري، يمكنك معرفة ما إذا كانت الصورة داكنة أو ساطعة أو بينهما. ويسهّل ذلك اختيار قيمة عتبة مناسبة عند تحويل الصورة إلى أبيض وأسود، إذ يمكنك ملاحظة الأنماط ومستويات التباين بنظرة واحدة.

المقدمة والخلفية#

بعد تحديد العتبة للصورة، تُقسّم إلى جزأين: المقدمة والخلفية. وتُعرض المقدمة عادةً باللون الأبيض لتبرز العناصر المهمة، مثل النصوص أو الأشكال أو الأجسام التي تريد اكتشافها. أما الخلفية، التي تُعرض باللون الأسود، فتشمل كل ما عدا ذلك. ويساعد هذا الفصل الآلات على التركيز على ما يهم في الصورة.

التقسيم#

كما ذكرنا سابقًا، يقسّم التجزئة الصورة إلى مناطق ذات معنى استنادًا إلى سمات مثل السطوع أو النسيج. ويُعد تحديد العتبة طريقة بسيطة لإجراء ذلك، وغالبًا ما يكون إحدى الخطوات الأولى في مسار عمل الرؤية الحاسوبية.

الرؤية الحاسوبية فرع من الذكاء الاصطناعي يمكّن الآلات من معالجة البيانات المرئية وتفسيرها، على غرار البشر. ومن خلال استخدام تحديد العتبة في مرحلة مبكرة، تستطيع أنظمة الرؤية الحاسوبية فصل الأجسام عن خلفياتها، ما يسهّل على الخطوات اللاحقة، مثل الكشف أو التعرّف، العمل بدقة.

تحديد العتبة العام#

بعد أن أصبح لدينا فهم أفضل لماهية تطبيق العتبة، لنتناول كيفية تطبيق العتبة على صورة والأنواع المختلفة لتطبيق العتبة في معالجة الصور.

على سبيل المثال، يُعد تحديد العتبة العام من أسهل الطرق لإنشاء صورة ثنائية. فهو يطبق قيمة شدة واحدة على الصورة بأكملها. وتتحول وحدات البكسل الأشد سطوعًا من هذه العتبة إلى اللون الأبيض، بينما تصبح الوحدات الأغمق سوداء. ويساعد ذلك على فصل الجسم عن الخلفية.

تعمل هذه الطريقة بأفضل شكل عندما تكون الإضاءة متجانسة والتباين قويًا في الصورة. لكن في ظروف الإضاءة غير المتجانسة أو المناطق منخفضة التباين، قد تفوّت عتبة واحدة بعض التفاصيل أو تطمس الحواف.

لمعالجة ذلك، تُستخدم طرق مثل تحديد العتبة بطريقة أوتسو. فبدلًا من ضبط قيمة يدويًا، تحلل طريقة أوتسو لتحديد العتبة المدرّج التكراري للصورة، وتختار عتبة تفصل شدة وحدات البكسل بين المقدمة والخلفية على أفضل وجه.

الشكل 2. صورة لكوكب زحل قبل تطبيق تحديد العتبة بطريقة أوتسو وبعده. (المصدر)

تحديد العتبة المحلي (التكيفي)#

على خلاف تحديد العتبة العام، تحسب طريقة تحديد العتبة التكيفية أو المحلية قيمة العتبة بصورة منفصلة لأجزاء الصورة المختلفة. وهذا يجعلها أكثر فاعلية مع الصور ذات الإضاءة غير المتجانسة، مثل المستندات الممسوحة ضوئيًا التي تحتوي على ظلال أو الأسطح المزخرفة.

تعمل الطريقة بتقسيم الصورة إلى مناطق صغيرة وحساب عتبة محلية لكل كتلة، ما يساعد على الحفاظ على التباين بين المقدمة والخلفية. ويشيع استخدام هذا النهج في مهام مثل التعرّف على النصوص والتصوير الطبي وفحص الأسطح، حيث تتفاوت الإضاءة عبر الصورة.

تشمل الأساليب الشائعة لتحديد العتبة التكيفية في معالجة الصور تحديد العتبة بمتوسط محلي وتحديد العتبة الغاوسي التكيفي. في تحديد العتبة بمتوسط محلي، تُستخدم شدة البكسل المتوسطة في جوار محلي عتبةً للبكسل المركزي. أما تحديد العتبة الغاوسي التكيفي، فيستخدم متوسطًا موزونًا بنافذة غاوسية، مع إعطاء أهمية أكبر لوحدات البكسل الأقرب إلى المركز.

تطبيقات تحديد عتبة الصور في العالم الحقيقي#

لنستكشف الآن مجالات استخدام تحديد عتبة الصور في تطبيقات العالم الحقيقي.

تحديد عتبة الصور لتحويل المستندات إلى صور ثنائية والتعرّف الضوئي على الحروف#

غالبًا ما تُمسح الكتب القديمة والرسائل المكتوبة بخط اليد ضوئيًا لحفظها أو تحويلها إلى نص رقمي باستخدام التعرّف الضوئي على الحروف (OCR)، وهي تقنية تقرأ الأحرف المطبوعة أو المكتوبة بخط اليد. وقبل استخراج النص، يحتاج المستند عادةً إلى التنظيف أو المعالجة المسبقة. فكثيرًا ما تحتوي الصور الممسوحة ضوئيًا على ظلال أو حبر باهت أو إضاءة غير متجانسة، ما قد يصعّب التعرّف على الأحرف.

لتحسين الوضوح، يُستخدم تحديد العتبة لتحويل الصور ذات التدرج الرمادي إلى صيغة ثنائية، ما يساعد على عزل النص عن الخلفية. وتصبح المناطق الداكنة، مثل الحروف، سوداء، بينما تتحول الخلفية الفاتحة إلى اللون الأبيض، ما يسهّل كثيرًا على أنظمة OCR قراءة النص.

الشكل 3. مثال على مستند تاريخي وصورته بعد تحديد العتبة. (المصدر)

استخدام تحديد العتبة في معالجة الصور الطبية#

وبالمثل، يُستخدم تحديد العتبة عادةً في التصوير الطبي لعزل بُنى معينة في الصور، مثل العظام أو الرئتين في صور الأشعة السينية. ومن خلال تحويل الصور ذات التدرج الرمادي إلى صيغة ثنائية، يصبح فصل مناطق الاهتمام عن الأنسجة المحيطة وإعداد الصورة لمزيد من التحليل أسهل. وفي الحالات الأكثر تعقيدًا، يمكن تطبيق تحديد العتبة متعدد المستويات لتقسيم الصورة إلى عدة مناطق متميزة، ما يتيح تحديد أنواع مختلفة من الأنسجة أو البُنى في الوقت نفسه.

الشكل 4. استخدام طرق تحديد العتبة متعددة المستويات على صور الأشعة السينية للصدر. (المصدر: sciencedirect.com)

إيجابيات وسلبيات تحديد العتبة في معالجة الصور#

فيما يلي بعض الفوائد الرئيسية لاستخدام تحديد العتبة في معالجة الصور:

• قليل استهلاك الموارد: يعمل تحديد العتبة جيدًا على الأجهزة منخفضة الطاقة، ولا يحتاج إلى الوصول إلى السحابة أو إلى أجهزة متطورة، ما يجعله مناسبًا للأنظمة المضمّنة والبيئات غير المتصلة.
• سهل التفسير: يجعل منطقه البسيط مخرجات تحديد العتبة سهلة الفهم وتصحيح الأخطاء، وهو أمر بالغ الأهمية في مجالات مثل الرعاية الصحية أو معالجة المستندات، حيث تكون الشفافية مهمة.
• اختبار سريع: يتيح تحديد العتبة للفرق استكشاف أفكار التقسيم بسرعة في المشاريع المبكرة قبل الانتقال إلى نماذج أكثر تعقيدًا.

مع أن تحديد عتبة الصور مفيد في سيناريوهات كثيرة، فإنه ينطوي أيضًا على بعض القيود. وفيما يلي تحديات ينبغي أخذها في الاعتبار عند استخدام تحديد العتبة:

• محدودية التكيف: يتبع تحديد العتبة قواعد ثابتة، ولا يتكيف مع ظروف الإضاءة الجديدة أو التباينات في البيانات دون ضبط يدوي.
• حساس للضوضاء: قد تؤثر التغييرات الطفيفة في السطوع الناجمة عن الظلال أو الانعكاسات سلبًا في النتائج، ولا سيما عند التعامل مع صور مفصلة أو ذات نسيج.
• ثابت وقائم على القواعد: على خلاف نماذج الذكاء الاصطناعي، لا يتعلم تحديد العتبة من البيانات ولا يتحسن بمرور الوقت؛ فهو لا يعمل إلا ضمن الظروف المحدودة التي صُمم لها.

ما وراء تحديد عتبة الصور: متى تكون الرؤية الحاسوبية هي الأداة المناسبة#

يعمل تحديد العتبة جيدًا في مهام التقسيم البسيطة ضمن بيئات مضبوطة. لكنه غالبًا ما يواجه صعوبة عند التعامل مع صور معقدة تحتوي على أجسام متعددة أو ضوضاء في الخلفية. ولأنه يعتمد على قواعد ثابتة، فإنه يفتقر إلى المرونة اللازمة لمعظم تطبيقات العالم الحقيقي.

لتجاوز هذه الحدود، تستخدم كثير من الأنظمة الحديثة الرؤية الحاسوبية. وعلى خلاف تطبيق العتبة، تُدرّب نماذج الذكاء الاصطناعي للرؤية على اكتشاف الأنماط والميزات المعقدة، مما يجعلها أدق وأكثر قدرة على التكيّف.

فعلى سبيل المثال، تستطيع نماذج الرؤية الحاسوبية، مثل Ultralytics YOLO11، اكتشاف الأجسام وتجزئة الصور في الوقت الفعلي. وهذا يجعلها مناسبة تمامًا لمهام مثل رصد إشارات المرور في المركبات ذاتية القيادة أو تحديد مشكلات المحاصيل في الزراعة.

وعلى وجه الخصوص، يدعم Ultralytics YOLO11 مجموعة من مهام الرؤية الحاسوبية، مثل تقسيم الكائنات، حيث يُقسّم كل جسم في الصورة على حدة. كما يمكنه تنفيذ مهام أخرى قائمة على الرؤية، بما في ذلك تقدير الوضعية (تحديد موضع جسم أو هيئته) وتتبع الأجسام (متابعة جسم أثناء تحركه عبر إطارات الفيديو).

الشكل 5. يسهّل YOLO11 اكتشاف الأجسام وتقسيمها. (المصدر)

مع أن تحديد العتبة يناسب المهام البسيطة أو اختبار الأفكار الأولية، فإن التطبيقات التي تحتاج إلى السرعة والدقة والمرونة تُعالج عادةً على نحو أفضل باستخدام الرؤية الحاسوبية.

أبرز النقاط#

يُعد تطبيق العتبة أداة مفيدة في معالجة الصور، لأنه سريع وسهل الاستخدام لفصل الأجسام عن الخلفية. ويعمل جيدًا مع المستندات الممسوحة ضوئيًا والصور الطبية وفحص عيوب المنتجات في المصانع.

لكن مع ازدياد تعقيد الصور ومقاطع الفيديو، قد تواجه أساليب معالجة الصور الأساسية، مثل تحديد عتبة الصور، صعوبات. وهنا يمكن لنماذج الرؤية الحاسوبية المتقدمة أن تتدخل. إذ تستطيع نماذج مثل Ultralytics YOLO11 فهم مهام أكثر وتنفيذها، ورصد أجسام كثيرة في آنٍ واحد، والعمل في الوقت الفعلي، ما يجعلها مفيدة في حالات استخدام متعددة.

هل ترغب في معرفة المزيد عن الذكاء الاصطناعي؟ اطّلع على مجتمعنا ومستودعنا على GitHub. استكشف صفحات حلولنا للتعرّف على الذكاء الاصطناعي في الروبوتات والرؤية الحاسوبية في الزراعة. تعرّف على خيارات الترخيص لدينا وابدأ اليوم في البناء باستخدام الرؤية الحاسوبية!