Podstawy przetwarzania obrazów

Czy zastanawiałeś się kiedyś, jak Twój telefon automatycznie wykrywa twarze na zdjęciach, albo jak samochody Tesla "widzą" przeszkody na drodze? Odpowiedź leży w przetwarzaniu obrazów — fundamentalnej technologii, która pozwala komputerom interpretować świat wizualny tak, jak robią to ludzkie oczy i mózg.

Obraz cyfrowy — anatomia piksela

Każdy obraz cyfrowy to macierz liczb. Wyobraź sobie zdjęcie jako gigantyczną tabelę Excel, gdzie każda komórka zawiera wartość określającą kolor lub jasność punktu. Te punkty nazywamy pikselami.

Zdjęcie Full HD (1920×1080 pikseli) składa się z 2 073 600 pikseli. Każdy piksel w kolorowym obrazie RGB przechowuje trzy wartości (0-255) dla czerwieni, zieleni i błękitu — łącznie ponad 6 milionów liczb na jedno zdjęcie!

Typy obrazów w praktyce

Grayscale (skala szarości): wartości 0-255, gdzie 0 = czerń, 255 = biel. Używane w skanowaniu dokumentów i analizie medycznej
RGB: standard dla aparatów i monitorów. Przykład: RGB(255,0,0) = intensywna czerwień
RGBA: dodatkowo kanał alpha (przezroczystość). Niezbędne w grafikach z logo czy nakładkach na wideo

Wskazówka: Instagram przetwarza ponad 100 milionów zdjęć dziennie, każde przechodząc przez algorytmy przetwarzania obrazów.

Filtry — cyfrowe sita dla obrazów

Filtry to małe macierze (zwykle 3×3 lub 5×5), które "przesuwają się" po obrazie, wykonując matematyczne operacje na każdym pikselu i jego sąsiadach.

Popularne filtry i ich zastosowania

Filtr Gaussa (rozmycie):

Instagram używa go w trybie "portret"
Medycyna: redukcja szumów na zdjęciach RTG
Macierz 3×3: środkowa wartość najwyższa, brzegi niższe

Filtr Sobela (wykrywanie krawędzi):

Kamery samochodowe: wykrywanie linii pasa ruchu
Kontrola jakości: znajdowanie defektów na powierzchni produktów
Podstawa systemów rozpoznawania tekstu (OCR)

Filtr wyostrzający:

Automatyczna poprawa ostrości w aparatach
Przygotowanie skanów dokumentów do analizy

Transformacje geometryczne w działaniu

Skalowanie i rotacja

Każdy edytor zdjęć wykonuje te operacje setki razy dziennie. Interpolacja bikubiczna zapewnia wysoką jakość przy zmianie rozmiaru — dlatego Twoje zdjęcia nie pixelują się przy powiększeniu.

Korekcja perspektywy

Aplikacje jak CamScanner automatycznie prostują sfotografowane dokumenty. Algorytm wykrywa krawędzie kartki i stosuje transformację perspektywiczną, by uzyskać idealny prostokąt.

Wskazówka: Google Lens przetwarza obraz w czasie rzeczywistym, stosując transformacje geometryczne do rozpoznawania tekstu na szyldach czy menu restauracji.

Histogram — DNA obrazu

Histogram to wykres rozkładu jasności pikseli. W aparatach fotograficznych pomaga ocenić ekspozycję:

Przeważnie lewe wartości: obraz za ciemny (niedoświetlony)
Przeważnie prawe wartości: obraz za jasny (prześwietlony)
Równomierny rozkład: dobrze zbalansowana ekspozycja

Aplikacje AI używają histogramów do automatycznej korekcji ekspozycji i segmentacji obiektów od tła.

Przestrzenie kolorów — języki opisu barw

RGB vs HSV

RGB: naturalne dla kamer cyfrowych (czerwony + zielony + niebieski)
HSV: intuicyjne dla człowieka (odcień + nasycenie + jasność)

Praktyczny przykład: Rozpoznawanie niebieskich samochodów na parkingu jest łatwiejsze w HSV — wystarczy określić zakres odcienia, niezależnie od oświetlenia.

Zastosowania w rzeczywistych projektach

Tesla Autopilot: 8 kamer przetwarza 36 obrazów na sekundę, wykrywając pojazdy, pieszych i znaki drogowe
Facebook: algorytmy rozpoznają twarze spośród 3 miliardów użytkowników
Amazon Go: kamery analizują ruchy klientów, automatycznie rozliczając zakupy

Podsumowanie kluczowych konceptów:

Obraz cyfrowy = macierz liczb reprezentujących piksele
Filtry wykonują operacje matematyczne na sąsiadujących pikselach
Transformacje geometryczne zmieniają przestrzenne właściwości obrazu
Histogram ujawnia rozkład intensywności w obrazie
Różne przestrzenie kolorów służą różnym celom analitycznym

Te podstawy stanowią fundament dla zaawansowanych technik Computer Vision z AI, które poznasz w kolejnych modułach.