Tasvir kontrastini oshirishning uchta asosiy usuli mavjud:
- chiziqli gistogramma cho'zilishi (chiziqli kontrast),
- gistogrammani normallashtirish,
- gistogrammani tekislash (chiziqli yoki tenglashtirish).
Chiziqli cho'zish tasvirdagi har bir pikselga yangi intensivlik qiymatlarini belgilashga to'g'ri keladi. Agar asl tasvirning intensivligi dan gacha bo'lgan diapazonda o'zgargan bo'lsa, qiymatlar 0 dan 255 gacha o'zgarishi uchun belgilangan diapazonni chiziqli ravishda "cho'zish" kerak. Buning uchun qayta hisoblash kifoya. formula bo'yicha barcha piksellar uchun eski intensivlik qiymatlari, bu erda koeffitsientlar chegara 0 ga va 255 ga borishi kerakligi asosida oddiygina hisoblanadi.
Gistogrammani normallashtirish Oldingi usuldan farqli o'laroq, u intensivlik o'zgarishlarining butun diapazonini kengaytirmaydi, faqat uning eng informatsion qismidir. Informatsion qism gistogramma cho'qqilari to'plami sifatida tushuniladi, ya'ni. tasvirdagi boshqalarga qaraganda tez-tez ko'rinadigan intensivlik. Oddiylashtirish jarayonida kamdan-kam uchraydigan intensivlikka mos keladigan qutilar tashlanadi, so'ngra olingan histogrammaning odatiy chiziqli cho'zilishi amalga oshiriladi.
Hizalama Gistogrammalar eng keng tarqalgan usullardan biridir. Tenglashtirishning maqsadi barcha yorqinlik darajalari bir xil chastotaga ega bo'lishini va gistogramma bir xil taqsimotga rioya qilishini ta'minlashdir. Aytaylik, bizga piksel o'lchamiga ega bo'lgan kulrang rangdagi rasm berilgan. Piksel yorqinligini kvantlash darajalari soni (qutilar soni) . Keyin, o'rtacha, har bir yorqinlik darajasi uchun bo'lishi kerak 
piksellar. Asosiy matematika ikki taqsimotni solishtirishda yotadi. Tasvirlardagi piksel intensivligining o'zgarishini tavsiflovchi tasodifiy o'zgaruvchilar, asl tasvirdagi intensivlikni taqsimlash zichligi va kerakli taqsimot zichligi bo'lsin. Istalgan zichlikni olishimizga imkon beradigan taqsimot zichliklarining o'zgarishini topish kerak:
Tasodifiy miqdorlarni taqsimlashning by va integral qonunlarini va ni belgilaymiz. Ehtimoliy ekvivalentlik shartidan kelib chiqadiki 
. Keling, ta'rif bo'yicha integral taqsimot qonunini yozamiz:
Bu erdan biz buni olamiz
Integral taqsimot qonunini qanday baholashni bilish qoladi. Buni amalga oshirish uchun avval asl tasvirning gistogrammasini qurishingiz kerak, so'ngra har bir qutining qiymatini piksellarning umumiy soniga bo'lish orqali olingan gistogrammani normallashtirishingiz kerak. Bin qiymatlarini taqsimlash zichligi funktsiyasining taxminiy ko'rinishi sifatida ko'rish mumkin. Shunday qilib, kümülatif taqsimot funksiyasining qiymati quyidagi shaklning yig'indisi sifatida ifodalanishi mumkin:
Tuzilgan smeta yangi intensivlik qiymatlarini hisoblash uchun ishlatilishi mumkin. E'tibor bering, sanab o'tilgan gistogramma o'zgarishlari nafaqat butun tasvirga, balki uning alohida qismlariga ham qo'llanilishi mumkin.
OpenCV kutubxonasi gistogramma tenglashtirish [,] orqali tasvir kontrastini yaxshilashni ta'minlaydigan equalizeHist funksiyasini amalga oshiradi. Funktsiya prototipi quyida ko'rsatilgan.
void equalizeHist(const Mat & src, Mat & dst)
Funktsiya to'rt bosqichda ishlaydi:
Quyida biz gistogramma tenglashtirishni ta'minlovchi dasturga misol keltiramiz. Ilova manba tasvirining nomini buyruq qatori argumenti sifatida oladi. Gistogrammani tenglashtirish operatsiyasini bajargandan so'ng, asl rasm 1 ko'rsatiladi Amaldagi rasm PASACL VOC 2007 ma'lumotlar bazasining bir qismidir., kul rangga aylantirildi (7.11-rasm, chapda) va gistogramma bilan tenglashtirilgan tasvir (7.11-rasm, o'ngda).
#o'z ichiga oladi \n\ \t
- rasm fayli nomi\n"; int main(int argc, char* argv) ( const char *initialWinName = "Boshlang'ich rasm", *equalizedWinName = "Tenglashtirilgan rasm"; Mat img, grayImg, equalizedImg; agar (argc)< 2)
{
printf("%s", helper);
return 1;
}
// загрузка изображения
img = imread(argv, 1);
// преобразование в оттенки серого
cvtColor(img, grayImg, CV_RGB2GRAY);
// выравнивание гистограммы
equalizeHist(grayImg, equalizedImg);
// отображение исходного изображения и гистограмм
namedWindow(initialWinName, CV_WINDOW_AUTOSIZE);
namedWindow(equalizedWinName, CV_WINDOW_AUTOSIZE);
imshow(initialWinName, grayImg);
imshow(equalizedWinName, equalizedImg);
waitKey();
// закрытие окон
destroyAllWindows();
// осовобождение памяти
img.release();
grayImg.release();
equalizedImg.release();
return 0;
}
Guruch. 7.11.
TENGLASH ALGORITMLARINI QOYISHASI
YArim TONLI TASVIRLAR GISTOGRAMASI
1 "2 Aleksandrovskaya A.A., Mavrin E.M.
1 Aleksandrovskaya Anna Andreevna - magistratura talabasi; Mavrin Evgeniy Mixaylovich - magistratura talabasi, kafedra axborot tizimlari va telekommunikatsiya,
Moskva davlat universitetining informatika va boshqaruv tizimlari fakulteti texnika universiteti ular. N.E. Bauman, Moskva
Xulosa: ushbu maqola raqamli tasvirni qayta ishlash algoritmlarini, ya'ni histogrammani tenglashtirish algoritmlarini solishtiradi. Uchta algoritm ko'rib chiqiladi: global gistogramma tenglashtirish (GHE), adaptiv gistogramma tenglashtirish (AHE) va kontrastni cheklash bilan moslashtirilgan gistogramma tenglashtirish (CANE). Maqolada tasvirlangan ishning natijasi bir xil tasvirlardagi algoritmlarning ishlashini vizual taqqoslashdir.
Kalit so'zlar: tasvir gistogrammasi, tasvirlarni gistogramma bilan tenglashtirish, COI, kompyuterni ko'rish, ANE, SIANE.
Tasvir sifatini yaxshilash uchun yorqinlik diapazoni, kontrast, aniqlik va ravshanlikni oshirish kerak. Ushbu parametrlarni birgalikda tasvir gistogrammasini tenglashtirish orqali yaxshilash mumkin. Ob'ektlarning konturlarini aniqlashda ko'p hollarda kul rang tasviridagi ma'lumotlar etarli. Yarim ohangli tasvir - bu piksellar rangi haqida emas, balki faqat yorqinligi haqida ma'lumotni o'z ichiga olgan tasvir. Shunga ko'ra, yarim rangli tasvir uchun gistogramma qurish tavsiya etiladi.
Ko'rib chiqilayotgan tasvir intensivligi (yorqinligi) r 0 dan 2bpp gacha bo'lgan n pikseldan iborat bo'lsin, bu erda bpp - bir pikselning yorqinligini kodlash uchun ajratilgan bitlar soni. Kodlash uchun ko'pgina rangli modellarda
Bitta pikselli bitta rangning yorqinligi 1 baytni talab qiladi. Shunga ko'ra, piksel intensivligi 0 dan 255 gacha bo'lgan to'plamda aniqlanadi. Intensivligi r bo‘lgan tasvirdagi piksellar sonining intensivlikning o‘ziga nisbatan grafigi tasvir gistogrammasi deyiladi. Shaklda. 1-rasmda ushbu tasvirlar asosida tuzilgan sinov tasvirlari va gistogrammalarning namunasi ko'rsatilgan:
Guruch. 1. Sinov tasvirlari va ularning gistogrammalari
Shubhasiz, tegishli gistogrammani o'rganish orqali asl tasvir haqida xulosa chiqarish mumkin. Masalan, juda qorong'i tasvirlarning gistogrammalari nolga teng bo'lmagan gistogramma qiymatlarining kontsentratsiyasining nolga yaqin yorqinligi bilan tavsiflanadi, engil tasvirlar uchun esa, aksincha, nolga teng bo'lmagan barcha qiymatlar ekranning o'ng tomonida yig'iladi. gistogramma.
Histogrammani tenglashtirish algoritmlari qayta ishlangan yarim tonna tasvirni yaxshilash uchun mashhur algoritmlardir. Umuman olganda, HE algoritmlari (Histogram Equalization) nisbatan past hisoblash narxiga ega va shu bilan birga yuqori samaradorlikni ko'rsatadi. Ushbu turdagi algoritmning mohiyati berilgan tasvirning ehtimollik taqsimoti funksiyasiga (1) muvofiq yarim ohangli tasvirning darajalarini tartibga solish va buning natijasida yorqinlikni taqsimlashning dinamik diapazoni oshadi. Bu vizual effektlarning yaxshilanishiga olib keladi,
kabi: yorqinlik kontrasti, aniqlik, ravshanlik.
p(i) = -, i = 0. .255, n
Bu erda p(i) - yorqinligi i bo'lgan pikselning paydo bo'lish ehtimoli, asl tasvir gistogrammasining normallashtirilgan funktsiyasi, k - qayta ishlangan tasvirning piksel koordinatalari, g (k) - tenglashtirilgan tasvir.
Gistogrammani tenglashtirish algoritmlari ikki turga bo'linadi: mahalliy (adaptiv) gistogramma tenglashtirish va global gistogramma tenglashtirish. Global usulda bitta diagramma tuziladi va butun tasvirning gistogrammasi tenglashtiriladi (3-a rasm). Mahalliy usulda (3b-rasm) ko'p sonli gistogrammalar tuziladi, bunda har bir gistogramma qayta ishlangan tasvirning faqat bir qismiga to'g'ri keladi. Bu usul mahalliy kontrastni yaxshilaydi
tasvirlar, bu sizga odatda yaxshi ishlov berish natijalarini olish imkonini beradi.
Mahalliy ishlov berish algoritmlarini quyidagi turlarga bo'lish mumkin: bir-birining ustiga chiqadigan mahalliy ishlov berish birliklari, bir-birining ustiga chiqmaydigan mahalliy ishlov berish birliklari va qisman bir-biriga o'xshash mahalliy ishlov berish birliklari (2-rasm).
Guruch. 2. Ishning illyustratsiyasi har xil turlari tasvirni qayta ishlashning mahalliy algoritmlari: a) bir-birining ustiga chiqqan mahalliy ishlov berish bloklari, b) bir-birining ustiga chiqmaydigan mahalliy ishlov berish bloklari, c) qisman bir-biriga mos keladigan mahalliy ishlov berish bloklari.
Bir-biriga yopishgan blok algoritmi eng yaxshi ishlov berish natijasini beradi, lekin sanab o'tilganlar orasida eng sekin hisoblanadi. Bir-birining ustiga chiqmaydigan bloklarning algoritmi, aksincha, kamroq ishlov berish vaqtini talab qiladi, qolgan barcha narsalar teng, lekin qayta ishlangan bloklar bir-birining ustiga chiqmasligi sababli, yakuniy tasvirda yorqinlikning keskin o'zgarishi mumkin. Murosali yechim qisman bir-biriga mos keladigan blok algoritmidir. Moslashuvchan gistogrammani tenglashtirish algoritmlarining kamchiliklari orasida tasvir parametrlarini haddan tashqari kuchaytirish va natijada yakuniy tasvirdagi shovqinning oshishi mumkin.
Yuqoridagi algoritmning takomillashtirilgan versiyasi kontrastli cheklangan adaptiv gistogramma tenglashtirish (CLAHE) algoritmidir (4c-rasm). Asosiy xususiyat ushbu algoritmdan cheklovdir
gistogramma diapazoni qayta ishlangan blokdagi piksellarning yorqinlik qiymatlarini tahlil qilishga asoslangan (2), natijada olingan tasvir tabiiyroq va kamroq shovqinli ko'rinadi.
bu erda qo'shish - gistogramma funktsiyasi qiymatining o'sish koeffitsienti, ps - chegara qiymatidan oshib ketgan piksellar soni. Gistogrammaning o'zgarishi tasviri 3-rasmda ko'rsatilgan.
Guruch. 3. CLAHE algoritmida gistogramma diapazonini cheklash
Shuni ta'kidlash kerakki, klassik SILIB algoritmi qayta ishlangan bloklar orasidagi chegaralarni yo'q qilish uchun ikki chiziqli interpolyatsiyadan foydalanadi.
Guruch. 4. Gistogrammani tenglashtirish algoritmlari natijalari: a) global gistogramma tenglashtirish (HE), b) adaptiv gistogramma tenglashtirish (ANE), c) kontrastni cheklash bilan moslashuvchi gistogramma tenglashtirish (CANE)
Qayta ishlash natijalarini vizual taqqoslashda eng yaxshi usul CLAHE hisoblanadi (3c-rasm). Ushbu usul bilan ishlangan tasvir AHE tomonidan ishlangan tasvirga qaraganda kamroq shovqinga ega va yorqinlik kontrasti tabiiyroq. Global tenglashtirish usuli bilan qayta ishlangan tasvir bilan solishtirganda, CLAHE usuli qayta ishlangan tasvirning nozik va xira detallarining ravshanligini yaxshilaydi, shuningdek, kontrastni oshiradi, lekin AHE usulidagi kabi bo'rttirilgan emas. Shuningdek, quyida MATLAB 2016 dasturlash muhitida ko'rib chiqilayotgan usullarning bajarilish vaqtini taxmin qiluvchi jadval keltirilgan.
Jadval 1. Ko'rib chiqilganning taxminiy bajarilish vaqti
bajarish vaqti
Dastur nomi c Bajarish vaqti
ko'rib chiqilayotgan usul bo'yicha usul, c usuli, c
CLAHE 0,609 0,519
Ma'lumotnomalar
1. Chichvarin N.V. Signallarni aniqlash va tanib olish // Milliy kutubxona. N.E. Bauman [Elektron resurs] 2016, Kirish rejimi: https://ru.bmstu.wiki/Correction_of_brightness_and_contrast_ of images (kirish sanasi: 05.03.2019).
2. Gonsales R.K. , Vuds R.E. . Raqamli tasvirni qayta ishlash, 3-nashr, Nyu-Jersi: Pearson Education, 2008. 950 pp.
3. Gupta S., Kaur Y. Raqamli tasvir uchun turli xil mahalliy va global kontrastni kuchaytirish usullarini ko'rib chiqish // Kompyuter ilovalari xalqaro jurnali [Elektron resurs] 2014 yil, URL: https://pdfs.semanticscholar.org/7fb1/bf8775a1a1eaad9b3d1f4 5bc302adc. 2019).
4. Ma J., Fan X. , Yosh S. X. , Zang X. , Ztsu Ks. . Suv osti tasvirini yaxshilash uchun kontrastli cheklangan adaptiv histogramma tenglashtirishga asoslangan termoyadroviy // Preprints [Elektron resurs] 2017, URL: https: //www. preprintlar. org/manuscript/201703.0086/v 1 (Kirish sanasi: 03/05/2019).
Tasvirni oldindan qayta ishlash- tasvir sifatini yaxshilash jarayoni, uning maqsadi asl nusxa asosida avtomatik tahlil qilish uchun moslashtirilgan eng aniq tasvirni olishdir.
Raqamli tasvir nuqsonlarining quyidagi turlarini ajratish mumkin:
- Raqamli shovqin
- Rang nuqsonlari (yorqinlik va kontrastning etarli emasligi yoki haddan tashqari ko'pligi, noto'g'ri rang ohangi)
- Xiralashtirish (fokus)
Usullari oldindan davolash tasvirlar tadqiqot maqsadlariga bog'liq va quyidagi ish turlarini o'z ichiga olishi mumkin:
Shovqinli tasvirlarni filtrlash
Raqamli tasvir shovqini- fotosensorlar va ulardan foydalanadigan qurilmalarning elektronikasi tomonidan kiritilgan tasvir nuqsoni. Uni bostirish uchun quyidagi usullar qo'llaniladi:
Nuqtalarni chiziqli o'rtacha hisoblash keyingi eshik - shovqinni olib tashlash algoritmlarining eng oddiy turi. Ularning asosiy g'oyasi nuqtaning yangi qiymati sifatida ma'lum bir mahalladagi nuqtalarning o'rtacha arifmetik qiymatini olishdir.
Jismoniy jihatdan bunday filtrlash quyidagi shaklga ega bo'lgan konvolyutsiya matritsasi bilan tasvir piksellarini kesib o'tish orqali amalga oshiriladi:
Misol:
div - normalizatsiya koeffitsienti, shuning uchun o'rtacha intensivlik o'zgarishsiz qoladi. U matritsa koeffitsientlarining yig'indisiga teng, misolda div = 6.
Gauss xiralashishi(chiziqli konvolyutsiya turi) tasvir piksellarini konvolyutsiya matritsasi bilan kesib o'tish orqali amalga oshiriladi, bu quyidagicha ko'rinadi:
5x5 matritsa normal (Gauss) qonuniga muvofiq to'ldiriladi. Quyida bir xil matritsa mavjud, bu erda koeffitsientlar allaqachon normallashtirilgan, shuning uchun ushbu matritsa uchun div bittaga teng.
Loyqalik kuchi matritsaning o'lchamiga bog'liq.
Yuqori chap pikselda chap va yuqorida "qo'shnilar" yo'q, shuning uchun bizda matritsa koeffitsientlarini ko'paytirish uchun hech narsa yo'q!
Ushbu muammoni hal qilish oraliq tasvirni yaratishni talab qiladi. G'oya o'lchamlari bilan vaqtinchalik tasvirni yaratishdir
kenglik + 2 bo'shliq / 2, balandlik + 2 bo'shliq / 2, bu erda
kengligi va balandligi - filtrlangan tasvirning kengligi va balandligi;
bo'shliq - konvolyutsiya matritsasining o'lchami.
Kirish tasviri tasvirning markaziga ko'chiriladi va qirralari tasvirning eng tashqi piksellari bilan to'ldiriladi. Loyqalik oraliq buferga qo'llaniladi, so'ngra natija undan olinadi.
Median filtri tasvirni ketma-ket skanerdan o'tkazuvchi va har qadamda filtr oynasiga tushgan elementlardan birini qaytaruvchi oyna filtri.
Oynaga "tushgan" piksellar o'sish tartibida tartiblanadi va tartiblangan ro'yxatning o'rtasida joylashgan qiymat tanlanadi.
Median filtri odatda shovqinni kamaytirish yoki tasvirni "silliq" qilish uchun ishlatiladi. 
Aniqlikni yaxshilash uchun tasvir quyidagi filtr ishlatiladi (div = 1):
Morfologik transformatsiyalar
Morfologik filtrlash binar tasvir elementlarini kengaytirish (kengayish) yoki toraytirish (eroziya) uchun ishlatiladi.
Dilatatsiya(morfologik kengayish) - biron bir shablon bilan tasvirning yoki tasvirning tanlangan maydonining konvolyutsiyasi. Shablon har qanday shakl va o'lchamga ega bo'lishi mumkin. Shu bilan birga, unda ajralib turadigan yagona narsa yetakchi pozitsiya(langar), bu konvolyutsiyani hisoblashda joriy piksel bilan birlashtiriladi.
Ikkilik tasvir qora va oq nuqtalarning (piksellarning) tartiblangan to'plamidir (tartibli to'plam). Rasm piksellarining maksimal intensivligi bitta, minimali esa nolga teng.
Dilatatsiyani qo'llash shablonni butun tasvir bo'ylab o'tkazish va shablon bilan qoplangan tasvir piksellarining mahalliy maksimal intensivligi uchun qidiruv operatorini qo'llashdan iborat. Agar maksimal 1 bo'lsa, shablon langari joylashgan nuqta oq bo'ladi. Ushbu operatsiya rasmdagi yorug'lik joylarining o'sishiga olib keladi, piksellar kul rang bilan belgilanadi, ular kengayishni qo'llash natijasida oq bo'ladi.
Eroziya(morfologik torayish) - kengayishning teskari operatsiyasi. Eroziyaning ta'siri dilatatsiyaga o'xshaydi, yagona farq shundaki, mahalliy minimal qidiruv operatori qo'llaniladi. Agar minimal 0 bo'lsa, shablon langari joylashgan nuqta qora bo'ladi. O'ngdagi rasmda kulrang piksellar eroziya natijasida qora rangga aylanadigan piksellardir.
Operatsiya " Dilatatsiya" - mantiqiy "yoki" ning analogi, operatsiya " Eroziya" mantiqiy "va" ning analogidir.
Morfologik operatsiyalarning natijasi asosan ishlatiladigan shablon (struktura elementi) bilan belgilanadi. Boshqa strukturaviy elementni tanlash orqali siz tasvirni qayta ishlashning turli muammolarini hal qilishingiz mumkin:
- Shovqinni kamaytirish.
- Ob'ektning chegaralarini tanlash.
- Ob'ektning skeletini tanlash.
Tasvirlarning yorqinligi va kontrastini tuzatish
Yorqinlik piksel ranglari qora rangdan qanchalik farq qilishini aniqlaydigan xususiyatdir. Misol uchun, raqamli fotosurat quyoshli ob-havoda olingan bo'lsa, uning yorqinligi sezilarli bo'ladi. Boshqa tomondan, agar fotosurat kechqurun yoki tunda olingan bo'lsa, unda uning yorqinligi past bo'ladi.
Kontrast tasvirdagi piksellar ranglarining qanchalik xilma-xilligining xarakteristikasidir. Piksel rang qiymatlarining tarqalishi qanchalik ko'p bo'lsa, tasvirning kontrasti shunchalik katta bo'ladi.
Tasvirni qayta ishlash, vizualizatsiya va tahlil qilish
Image Processing Toolbox™ tasvirni qayta ishlash, tahlil qilish, vizuallashtirish va algoritmlarni ishlab chiqish uchun mos yozuvlar-standart algoritmlar va ish jarayoni ilovalarining keng qamrovli to‘plamini taqdim etadi. Chuqur o'rganish va tasvirni qayta ishlashning an'anaviy usullaridan foydalangan holda tasvirni segmentatsiyalash, tasvirni yaxshilash, denozizatsiya, geometrik transformatsiyalar va ro'yxatga olish xaritasini amalga oshirish mumkin. 2D, 3D va o'zboshimchalik bilan katta hajmdagi tasvirlar uchun ishlov berish asboblar to'plamini qo'llab-quvvatlash.
Rasmlarni qayta ishlash asboblar to'plami ilovalari tasvirni qayta ishlashning umumiy ish oqimlarini avtomatlashtirishga imkon beradi. Tasvir ma'lumotlarini interaktiv tarzda segmentlash, tasvirni ro'yxatdan o'tkazish usullarini solishtirish va katta ma'lumotlar to'plamlarini ommaviy qayta ishlashingiz mumkin. Vizualizatsiya xususiyatlari va ilovalari tasvirlar, 3D hajmlari va videolarni o'rganish imkonini beradi; kontrastni sozlash; gistogramma yaratish; va ko'rinadigan joylarni nazorat qilish (KINGS).
Algoritmlarni ko'p yadroli protsessor va GPUlarda ishga tushirish orqali tezlashtirishingiz mumkin. Ko'pgina asboblar paneli funktsiyalari kompyuterni ko'rish tizimini joylashtirish va prototip tahlili uchun C/C++ kodini yaratishni qo'llab-quvvatlaydi.
Ishni boshlash
Tasvirga ishlov berish asboblar to‘plami asoslarini o‘rganing
Import, eksport va konvertatsiya
Tasvir ma'lumotlarini import va eksport qilish, tasvir turlari va sinflarini aylantirish
Namoyish va tadqiqot
Tasvirni ko'rsatish va o'rganish uchun interfaol vositalar
Geometrik o'zgartirish va tasvirni ro'yxatga olish
Intensivlik korrelyatsiyasi, xususiyatlarni moslashtirish yoki nazorat nuqtalarini xaritalashdan foydalangan holda tasvirlarni masshtablash, aylantirish, boshqa N-D transformatsiyalarini bajarish va tekislash
Displeyni filtrlash va yaxshilash
Kontrastni tuzatish, morfologik filtrlash, xiralashtirish, ROI asosida ishlov berish
Displey segmentatsiyasi va tahlili
Hudud tahlili, struktura tahlili, piksel va tasvir statistikasi
Tasvirni qayta ishlash uchun chuqur o'rganish
Konvolyutsion neyron tarmoqlardan foydalangan holda tasvirni denozlash va past aniqlikdagi tasvirlardan yuqori aniqlikdagi tasvirlarni yaratish kabi tasvirni qayta ishlash vazifalarini bajaring (Deep Learning Toolbox™ talab qilinadi)