Обработка изображений (Image Processing)

Image Processing






Применение алгоритмов обработки изображений

Компьютерная обработка и распознавание изображений представляет собой быстро развивающиеся направление в компьютерном моделировании, и предполагает обработку цифровых изображений с помощью компьютеров или специализированных устройств, построенных на цифровых сигнальных процессорах.

Области применения цифровой обработки в настоящее время значительно расширяются, вытесняя аналоговые методы обработки сигналов изображений. Методы цифровой обработки широко применяются в промышленности, искусстве, медицине, космосе. Они применяются при управлении процессами, автоматизации обнаружения и сопровождения объектов, распознавании образов и во многих других приложениях.

Сервисы Simmakers в области обработки изображений

Специализируясь на разработке и внедрении сложных алгоритмов обработки изображений более 10 лет, компания Simmakers готова удовлетворить самые требовательные запросы в области программных решений для компьютерной обработки изображений. Мы предлагаем следующие сервисы:

  • Линейная и нелинейная фильтрация изображений
  • Вейвлет-анализ
  • Очистка изображений от шумов (Image Denoising)
  • Устранение смазывания изображений (Image Deblurring)
  • Восстановление изображений (Image Recovery)
  • Сжатие изображений
  • Сегментация изображений (Image Segmentation)
  • Распознавание изображений (Image Recognition)
  • Super Resolution
  • Морфологическая обработка изображений.

 
Ваши основные выгоды:
 
Обратившись в компанию Simmakers с проектом по обработке изображений, вы получите компетентное решение, разработанное специалистами с высокой квалификацией в области компьютерной графики, информационных технологий и прикладной математики. Ваши основные выгоды от работы с Simmakers:
 

  • Высокое качество программного кода
  • Консультации профессионалов на всех стадиях сотрудничества
  • Многопрофильная группа квалифицированных специалистов
  • Техническая поддержка разработанного программного обеспечения для обработки изображений
  • Проекты, выполненные в срок.

Компания Simmakers – резидент инновационного центра «Сколково» (также известного как «российская Кремниевая долина»), который является местом сосредоточения высокотехнологичных компаний, ориентированных на разработку и внедрение новейших технологий. Мы также сотрудничаем с ведущими мировыми исследовательскими центрами – Массачусетским технологическим институтом (MIT) и Калифорнийским Университетом в Лос-Анджелесе (UCLA).

 

Организации, с которыми сотрудничает

Почему клиенты выбирают Simmakers

Оптимальное сочетание кадровых ресурсов, процессов и технологий позволяет компании Simmakers успешно помогать клиентам в решении даже самых сложных задач. Воспользуйтесь нашими конкурентными преимуществами:

     

  • Сотрудничество с Nvidia. Сотрудничество с корпорацией Nvidia, крупнейшим в мире производителем видеокарт и GPU, помогает нам внедрять передовой опыт и лучшие практики в области компьютерного моделирования и визуализации в решениях для своих клиентов.
  • Команда талантливых разработчиков. Люди – это основа компании Simmakers. Прошедшие строгий отбор специалисты в Simmakers – это талантливые, увлеченные прикладными науками и разработкой программного обеспечения люди, которые достигли определенных успехов в предметных областях на международном уровне.
  • Глубокие знания в области технологий. ИТ-специалисты компании Simmakers обладают знаниями в области многочисленных программных средств и технологий, которые необходимы для разработки программного обеспечения, используемого для компьютерной обработки изображений, и, следовательно, способны разработать оптимальное решение для конкретных требований.
  • Обширный опыт. Более чем за 10 лет компанией Simmakers реализовано порядка 10 сложных проектов по визуализации для клиентов из различных отраслей: здравоохранения, нефтегазовой отрасли, экологии, строительства, металлургии, и других.
  • Клиентоориентированный подход. Мы относимся с должным вниманием к каждому заказчику и его пожеланиям. Создание доверительных и взаимовыгодных отношений с клиентами помогает нам достигать высокой эффективности в реализации проектов.
  • Опытное руководство. Компанией Simmakers управляют преданные своему делу профессионалы с успешным опытом в области прикладных научных исследований, разработки программного обеспечения, включая CAD/CAM/CAE-системы, и управления проектами.
Примеры

Ниже представлено несколько наших проектов.

 
Deformable Registration
Deformable Registration
 
Thermosim
 
Ecoview
 
Backend для набора функционала OSL
 
Ускорение обрабатываемых изображений
 
Программа-студия для обработки изображений
 
Распознаватель эмоций
Технологии

Компания Simmakers обладает большим опытом использования современных технологий, что позволяет нам свободно применять в своих решениях только преимущества любой из них. Мы рады поделиться своим опытом и поможем вам выбрать подходящие технологии для новых проектов, чтобы обеспечить высокую производительность и стабильность ваших приложений или усовершенствовать существующие.

Воспользуйтесь нашим практическим опытом в следующих областях:

Языки программирования:

Технологии:

  • C++ (legacy/boost)
  • C++ 11/14
  • C# .NET 2.0+
  • C++/C CUDA
  • C++/C OpenCL
  • Cg Shading Language
  • Open Shading Language (OSL)
  • OpenGL Shading Language (GLSL)
  • DirectX Shading Language (HLSL)
  • Java
  • OpenGL modern
  • CUDA  (including PTX)
  • DirectX
  • OpenCL
  • Processing (Java)
  • Qt 3D
  • WPF (.NET C#)
  • OpenGL ES (mobile)

Графические библиотеки и фреймворки:

Используемые графические приложения (разработка плагинов):

  • OpenCV
  • OptiX
  • OpenCascade API
  • VTK
  • OpenTK
  • Havok
  • Unity
  • UDK
  • Crysis
  • Source
  • Blender
  • Maya
  • VRay
  • 3DSMax
  • Aurora
  • Foundry Nuke
  • Cinema 4D
Часто задаваемые вопросы

В: Что такое компьютерная обработка изображений?
О: Визуальное (заметное глазом) улучшение качества изображения (коррекция яркости и контраста, цветокорреция и т.п.); объективное улучшение качества изображения (устранение искажений типа дисторсия, смаз, расфокусировка и т.п.).

В: Какие критерии качества изображений?
О: Качество изображения может определяться статистическими, спектральными, яркостными характеристиками изображения. В большинстве практических применений качество рассматривается как мера близости двух изображений: реального и идеального или преобразованного и исходного. При таком подходе можно оценивать как субъективную степень похожести изображений, так и получать объективные оценки параметров сигналов изображения: моменты первого и второго порядка разностного сигнала сравниваемых изображений, такие параметры преобразования как отношение С/Ш, коэффициенты сжатия информации и другие.

В: Основние методы интерполяции изображений?
О: Интерполяция предназначена для восстановления непрерывных значений амплитуды сигнала изображения по ее дискретным значениям. При масштабировании изображения необходимо заменить двумерный массив амплитуд сигнала, заданный на сетке отсчетов, некоторым другим массивом, положения отсчетов которого определяются коэффициентами масштабирования. Эта задача решается методами интерполяции. Широко применяется разделение интерполяционного преобразования на два независимых — сначала производится интерполяция по строкам, а затем по столбцам.

В: Цель и определение сегментации (обработка изображений)?
О: Это процесс разделения цифрового изображения на несколько сегментов (множество пикселей, также называемых суперпикселями). Цель сегментации заключается в упрощении и/или изменении представления изображения, чтобы его было проще и легче анализировать. Сегментация изображений обычно используется для того, чтобы выделить объекты и границы (линии, кривые, и т. д.) на изображениях. Более точно, сегментация изображений — это процесс присвоения таких меток каждому пикселю изображения, что пиксели с одинаковыми метками имеют общие визуальные характеристики.

В: Для чего нужна технология сглаживание?
О: Технология, используеться для устранения эффекта «зубчатости», возникающего на краях одновременно выводимого на экран множества отдельных друг от друга плоских, или объёмных изображений.

В: Что такое super-resolution (SR)?
О: В обработке изображений существует класс методов Super-resolution (SR), которые позволяют качественно увеличить разрешение исходного изображения, при этом происходит преодоление оптического предела объектива и/или физического разрешения цифрового сенсора, который записал изображение.

Получить оценку проекта
по компьютерной обработки изображений

ФИО:
E-mail:
Телефон:
Организация:
Должность:
Опишите задачу:

Дмитрий и команда Simmakers – профессионалы мирового уровня. С ними приятно работать. Буду счастлив продолжить с ними сотрудничество.

Len Charni
CEO
Quakeup Media Production, Inc. Канада

 

Читать другие отзывы

Чтобы узнать подробнее о наших услугах по разработке программного обеспечения для компьютерной обработки изображений, позвоните по телефону в Москве: +7 495 772 54 07  или воспользуйтесь формой обратной связи.

Название: Deformable Registration Algorithm Implementation
Реализация проекта: 2010.
Теги:
deformable registration, MATLAB, image deform, grid, mesh.

Технологии:  MATLAB.

Заказчик: Tomographix IP Ltd. (Canada)

 

Medical image matching – registration algorithms that deforms one image in a non-rigid [non-linear, elastic] manner to another. Assistance with the implementation of a particular algorithm from the theory in a specific academic – scientific paper.

Название: Thermosim 2.0
Реализация проекта: 2003-2006

Технологии: C++, C#, .NET Framework: WinForms, Windows Presentation Foundation; Managed DirectX, OpenCascade, FORTRAN, XML, MS SQL.

 

Программный комплекс позволяет анализировать результаты моделирования сформированных полей: температур, фазового состава, твердости, напряжений и деформаций. Результаты распределения цветовых полей отображаются в трехмерном виде в динамике, с возможностью произвольного сечения детали. Пользователь имеет возможность построить графики изменения температуры, фазового состава, напряжений и деформаций во времени в произвольной точке детали.

 

Основные функциональные возможности:

• 3D-моделирование полей температур, напряжений и деформации;

• Компьютерное моделирование формирования фазовой структуры и твердости;

• Учет релаксации напряжений и влияния фазового состава на теплофизические свойства в процессе расчета;

• Прогнозирование трещинообразования.

Название: Ecoview
Реализация проекта: 2007-2010

Технологии: C++, C#, FORTRAN, .NET Framework: WinForms, Windows Presentation Foundation, Managed DirectX, OpenGL, CUDA, XML, ADO .Net.

 

Программный комплекс позволяет осуществить компьютерное моделирование тепло- и влагопереноса в почвах и грунтах, распространения загрязняющих веществ в окружающей среде с целью дальнейшей минимизации экологических рисков.

В процессе работы с программой у пользователя имеется возможность создавать материалы почвенных горизонтов, определять их мощность и характеристики, задавать изменение во времени метеорологических условий окружающей среды. База данных материалов содержит гидрологические и теплофизические свойства почв и грунтов, определяемые гранулометрическим составом, физико-химическими характеристиками грунтов, кислотностью, влажностью и содержанием органических веществ.

Название: Разработка нового backend для специализированного набора функционала OSL.
Реализация проекта: 2013-2014

Технологии: C++, OpenGL, GLSL, CUDA, PTX, LLVM, LLVM-IR.

Заказчик: Spectral Pixel (Belgium)

 
Целью проекта являлось создание нового бэк-энда для специализированного набора функционала шейдерного языка OpenShadingLanguage (изначально существует только в CPU реализации, используя LLVM для оптимизации и генерации бинарного кода). Задача была значительно усложнена необходимостью получить исполняемый на GPU код, что должно было ускорить работу основного приложения.
 
Таким образом были исследованы и проанализированы основные подходы к решению данной задачи:
1) Прямая конвертация OSL исходных кодов в GLSL шейдерный язык;
2) Получение промежуточого GPU адаптированного LLVM-IR байткода, с последующей его линковкой на libdevice для генерации PTX;
3) Получение промежуточной LLVM-IR структуры, ее адаптация для GPU архитектуры, с последующей ручной записью в GLSL шейдеры.
В силу специфики основного приложения, был выбран третий путь реализации.
В результате был получен генератор GLSL кода для специфицированного набора функционала OSL, с сохранением промежуточной оптимизации OSL для применения на шейдерных сетях, что дало многократный прирост производительности.

Название: Ускорение обрабатываемых изображений
Реализация проекта: 2010-2011

Технологии: C#, С++, CUDA API (SDK).

Заказчик: Spectral Pixel (Belgium)

 
Целью проекта являлось ускорение получения формируемых изображений в программном комплексе Spectral Studio ©. Программный комплекс предназначен для создания фотореалистичных изображений объектов, на базе их трехмерных моделей.
Для этого была разработана GPU-версия модуля «Aurora Renderer», включающего новую CUDA реализацию трассировщика лучей (Ray-tracer). В рамках оптимизации и ускорения его работы была создана и внедрена специальная BVH (Bounding Volume Hierarchy) структура.
Таким образом, после всех этапов оптимизации модуля «Aurora Renderer» было достигнуто в среднем 10 кратное ускорение при создании изображений на видеокартах.

Название: Разработка программы-студии для обработки изображений
Реализация проекта: 2011

Технологии: C#, WPF 3.5, OpenDiagram, GLSL.

Заказчик Spectral Pixel (Belgium)

 
Целью проекта являлось создание программы для обработки изображений с использованием графических шейдеров. В программе создавалась последовательность GLSL шейдеров, каждый из которых выполнял определенный графический эффект над изображением, например, цифровой шум или смазывание изображения. Организована такая структура шейдеров была в виде специальной сети, называемой «visual node network». Такая организация позволила: выстраивать дерево эффектов для обработки изображений; интерактивно изменять параметры каждого эффекта; визуализировать результаты применения построенного дерева эффектов и заданных для них параметров.
Результатом работы программы являлось создание GLSL-кода соответствующего построенному дереву эффектов. Получение этого кода позволяет выполнять обработку такого эффекта на видеокарте и для любого другого изображения. Это существенно сокращает время обработки и разгружает центральный процессор, при создании, например, промышленной серии эффектов для киноиндустрии.

Интерфейс пользователя был реализован с применением технологии WPF для операционной системы Windows XP.

Название: Распознаватель эмоций
Реализация проекта: 2010.

Теги: шейдеры, обработка изображений, эффекты для изображений, программы для обработки изображений, GLSL, дерево эффектов, visual node network, WPF C#, фильтры для изображений.

Технологии: MATLAB

Заказчик: University of East Anglia (UK)

 

В программе реализованы:

  • Считывание графических данных, обработка изображений, распознавание лиц на сложном фоне;
  • Метод главных компонент;
  • Распознавание эмоций используя классификатор на основе линейного дискриминантного анализа Фишера.