دانلود کامل ترین جزوه تحلیل غیر خطی

جزوه رنگی و تایپ شده تحلیل غیر خطی

دانلود فایل

تنباکوچی دانشگاه علمی کاربردی دکتر علیاستخدامییی دانشگاه ازاد دکتر محمدپور خلاصه کتاب دکتر تابش پور  علیاستخدامی فاروقی کاردانی دکتر محم

() “” () () ً () ()

() () (() – () )

() ()
در آن عملکرد الگوریتم های تصویربرداری لرزه ای مورد آزمایش قرار گرفته است. فلش به دام هیدروکربن (نفت و/یا گاز) اشاره می کند. این هدف از لایه های اطراف روشن تر است زیرا تغییر چگالی در ناحیه مورد نظر بیشتر است. متبدیل لرزه نگاری به دنبال این “نقاط روشن” برای یافتن نفت و گاز هستند. لایه های بالا نیز روشن هستند ، اما روشنایی آنها به شدت در لایه ها متفاوت نیست. بسیاری از الگوریتم های بازسازی لرزه ای به دلیل گسل های بالای آن در تصویربرداری از این مشکل مشکل دارند.
اگرچه از تصویربرداری اولتراسوند به طور معمول در تولید استفاده می شود ، اما شناخته شده ترین کاربردهای این تکنیک در پزشکی ، به ویژه در زنان و زایمان است ، جایی که از جنین برای تعیین سلامت رشد آنها تصویربرداری می شود. یک محصول جانبی این جزوه تحلیل غیر خطی تعیین جنسیت نوزاد است. تصاویر سونوگرافی با استفاده از روش اساسی زیر ایجاد می شوند

تحلیل غیر خطی

1. سیستم اولتراسوند (کامپیوتر ، کاوشگر اولتراسوند متشکل از منبع ، گیرنده و صفحه نمایش) پالس های فرکانس بالا (1 تا 5 مگاهرتز) را به بدن منتقل می کند.
2. امواج صوتی به بدن می روند و به مرز بین بافتها (به عنوان مثال ، بین مایع و بافت نرم ، بافت نرم و استخوان) برخورد می کنند. برخی از امواج صوتی به کاوشگر باز می گردند ، در حالی که برخی دیگر تا زمانی که به مرز دیگری نرسیده و بازتابیده می شوند ، بیشتر حرکت می کنند.
3. امواج منعکس شده توسط کاوشگر برداشته شده و به کامپیوتر منتقل می شوند.
4- دستگاه با استفاده از سرعت صوت در بافت (1540 متر بر ثانیه) و زمان بازگشت هر اکو ، فاصله کاوشگر تا محدوده بافت یا اندام را محاسبه می کند.
5. این سیستم فاصله ها و شدت پژواک های روی صفحه را نمایش می دهد و تصویری دو بعدی را تشکیل می دهد.

شکل 1.19 تصویر مقطعی از یک مدل لرزه ای فلش به دام هیدروکربن (نفت و/یا گاز) اشاره می کند. (با اجازه دکتر کورتیس اوبر ، آزمایشگاه های ملی ساندیا.)

شکل 1.20 نمونه هایی از تصویربرداری سونوگرافی. الف) یک جنین ب) نمایی دیگر از جنین. ج) تیروئیدها. (د) لایه های عضلانی که ضایعه را نشان می دهند. (با اجازه زیمنس سیستم های دارویی ، Inc. ، گروه سونوگرافی.)
در یک تصویر معمولی سونوگرافی ، میلیون ها پالس و پژواک در هر ثانیه ارسال و دریافت می شود. کاوشگر را می توان در امتداد سطح بدن حرکت داد و زاویه ای برای بدست آوردن نماهای مختلف ایجاد کرد. شکل 1.20 چندین نمونه از کاربردهای پزشکی فراصوت را نشان می دهد.
ما بحث در مورد روش های تصویربرداری را با نمونه هایی از میکروسکوپ الکترونی ادامه می دهیم. میکروسکوپ های الکترونیکی به عنوان همتایان نوری خود عمل می کنند ، با این تفاوت که از یک پرتو متمرکز الکترون به جای نور برای تصویربرداری از نمونه استفاده می کنند. عملکرد میکروسکوپ های الکترونی شامل مراحل اساسی زیر است: یک جریان الکترون توسط یک منبع الکترون تولید می شود و با استفاده از یک پتانسیل الکتریکی مثبت به سمت نمونه ها شتاب می گیرد. این جریان با استفاده از دیافراگم های فلزی و لنزهای مغناطیسی در یک پرتو نازک و تک رنگ ثابت و متمرکز شده است. این پرتو با استفاده از لنز مغناطیسی بر روی نمونه متمرکز می شود.
برهم کنش ها در داخل نمونه تابش شده روی پرتوی الکترون تأثیر می گذارد. این فعل و انفعالات و تأثیرات تشخیص داده می شوند و به یک تصویر تبدیل می شوند ، تقریباً به همان شیوه ای که نور از اجسام یک صحنه بازتاب می یابد یا جذب می شود. این مراحل اساسی در تمام میکروسکوپ های الکترونی انجام می شود.
میکروسکوپ الکترونی عبوری (TEM)بسیار شبیه پروژکتور اسلاید عمل می کند. یک پروژکتور یک پرتو نور را از طریق یک اسلاید منتقل می کند. با عبور نور از سرسره ، با محتویات اسلاید تعدیل می شود. سپس این پرتو منتقل شده بر روی صفحه نمایش نمایش داده می شود و یک تصویر بزرگتر از اسلاید را تشکیل می دهد. TEM ها به همان شیوه کار می کنند ، با این تفاوت که یک پرتو الکترون را از طریق یک نمونه (مشابه اسلاید) می تابانند. کسری از پرتوی منتقل شده از طریق نمونه بر روی صفحه نمایش فسفر قرار می گیرد. برهم کنش جزوه تحلیل غیر خطی با فسفر نور و در نتیجه تصویری قابل مشاهده ایجاد می کند. از سوی دیگر ، میکروسکوپ الکترونی روبشی (SEM)در واقع پرتو الکترونی را اسکن می کند و برهمکنش پرتو و نمونه را در هر مکان ثبت می کند. این یک نقطه روی صفحه فسفر تولید می کند. یک تصویر کامل با اسکن رستری پرتو از طریق نمونه درست می شود ، درست مانند دوربین تلویزیون. الکترونها با صفحه فسفر برهمکنش کرده و نور تولید می کنند. SEM ها برای نمونه های “حجیم” مناسب هستند ، در حالی که TEM ها به نمونه های بسیار نازک نیاز دارند. میکروسکوپ های الکترونی قادر به بزرگنمایی بسیار زیاد هستند. در حالی که میکروسکوپ نوری به بزرگنمایی به میزان 1000 محدود می شود ، میکروسکوپ های الکترونی می توانند به بزرگنمایی 10،000 یا بیشتر برسند. شکل 1.21 دو تصویر SEM از خرابی نمونه به دلیل اضافه بار حرارتی را نشان می دهد.
ما بحث روشهای تصویربرداری را با نگاه کوتاه به تصاویری که از اجسام فیزیکی به دست نیامده است ، به پایان می بریم. در عوض ، آنها توسط کامپیوتر تولید می شوند. فراکتال ها نمونه های قابل توجهی از تصاویر کامپیوتری هستند. اساساً یک فراکتال چیزی نیست جز یک بازتولید تکراری از یک الگوی اصلی طبق برخی قوانین ریاضی. به عنوان مثال ، کاشی کاری یکی از ساده ترین روش ها برای ایجاد یک تصویر تکه تکه است. یک مربع را می توان به چهار ناحیه مربعی تقسیم کرد که هر یک را می توان بیشتر به چهار ناحیه مربع کوچکتر تقسیم کرد و غیره. بسته به پیچیدگی قوانین برای پر کردن هر زیرمجموعه ، برخی از تصاویر کاشی زیبا را می توان با استفاده از این روش ایجاد کرد. البته ، هندسه می تواند دلخواه باشد. به عنوان مثال ، تصویر فراکتال می تواند به صورت شعاعی خارج از نقطه مرکزی رشد کند. شکل 1.22 (الف) فرکتالی را نشان می دهد که به این روش رشد کرده است. شکل 1.22 (ب) فراکتال دیگری (“منظره ماه”) را نشان می دهد که قیاس جالبی با تصاویر فضا که به عنوان تصویر در برخی از بخشهای قبلی استفاده می شود ، ارائه می دهد. یک رویکرد ساختارمندتر برای ایجاد تصویر توسط رایانه در مدل سازی سه بعدی نهفته است. این ناحیه ای است که تقاطع مهمی بین پردازش تصویر و گرافیک رایانه ای ایجاد می کند و پایه و اساس بسیاری از سیستم های تجسم سه بعدی (به عنوان مثال ، شبیه سازهای فضا) است. شکل 1.22 (ج) و (د) نمونه هایی از تصاویر ایجاد شده توسط کامپیوتر را نشان می دهد. از آنجا که شیء اصلی به صورت سه بعدی ایجاد می شود ، تصاویر را می توان در هر منظری از پیش بینی های سطح حجم سه بعدی ایجاد کرد. تصاویری از این نوع را می توان برای آموزش پزشکی و بسیاری از کاربردهای دیگر مانند پزشکی قانونی جنایی و جلوه های ویژه استفاده کرد.

شكل 1.21 (الف) تصوير SEM 250 از تنگستن به دنبال خرابي حرارتي (به قطعات خرد شده در سمت چپ پايين توجه كنيد). (ب) تصویر SEM 2500 of از یک مدار مجتمع آسیب دیده. تارهای سفید اکسیدهای ناشی از تخریب حرارتی هستند. (شکل (الف) برگرفته آقای مایکل شفر ، گروه علوم زمین شناسی ، دانشگاه اورگان ، یوجین ؛ (ب) شورای دکتر J. M. Hudak ، دانشگاه مک مستر ، همیلتون ، انتاریو ، کانادا.)

شکل 1.22 (الف) و (ب) تصاویر فراکتال. (ج) و (د) تصاویر ایجاد شده از مدل های کامپیوتری سه بعدی از اشیاء نشان داده شده. (شکل (الف) و (ب) برگرفته از خانم ملیسا. بینده ، کالج Swarthmore ؛ (ج) و (د) برگرفته از ناسا.)
1.4 گام های اساسی در پردازش تصویر دیجیتال

دانلود خلاصه کتاب پی دی اف pdf رایگان جزوه تحلیل غیر خطی

مفید است که مطالبی که در فصل های زیر آمده است را به دو دسته وسیع تعریف شده در بخش 1.1 تقسیم کنیم: روش هایی که ورودی و خروجی آنها تصاویر هستند و روش هایی که ورودی آنها ممکن است تصاویر باشد ، اما خروجی های آنها ویژگی هایی است که از آن تصاویر استخراج شده است. این سازمان در شکل 1.23 خلاصه شده است. نمودار به این معنا نیست که هر فرایندی روی یک تصویر اعمال می شود. در عوض ، هدف این است که ایده ای از همه روش هایی که می توانند برای اهداف مختلف و احتمالاً با اهداف مختلف روی تصاویر اعمال شوند ، منتقل شود. بحث در این بخش ممکن است به عنوان یک مرور کوتاه از مطالب باقی مانده کتاب در نظر گرفته شود. بدست آوردن تصویر اولین فرایند در شکل 1.23 است. بحث در بخش 1.3 نکاتی را در مورد منشاء تصاویر دیجیتال ارائه کرد. این مبحث در فصل 2 بسیار مفصل تر مورد بررسی قرار می گیرد ، جایی که ما تعدادی از مفاهیم اولیه تصویر دیجیتال را که در سراسر کتاب استفاده می شود ، معرفی می کنیم. تصاحب می تواند به سادگی ارائه تصویری باشد که در حال حاضر به شکل دیجیتالی است. به طور کلی ، مرحله تصویربرداری شامل پیش پردازش ، مانند مقیاس بندی است. بهبود تصویر فرایند دستکاری تصویر است ، بنابراین نتیجه مناسب تر از نسخه اصلی برای یک برنامه خاص است. کلمه specific در اینجا مهم است ، زیرا در ابتدا ثابت می کند که تکنیک های تقویت مسئله محور هستند. بنابراین ، برای مثال ، روشی که برای افزایش تصاویر اشعه ایکس بسیار مفید است ، ممکن است بهترین رویکرد برای افزایش تصاویر ماهواره ای که در باند مادون قرمز طیف الکترومغناطیسی گرفته می شوند جزوه تحلیل غیر خطی. هیچ “نظریه” کلی در مورد بهبود تصویر وجود ندارد. وقتی تصویری برای تفسیر بصری پردازش می شود ، بیننده داور نهایی نحوه عملکرد یک روش خاص است. تکنیک های تقویت بسیار متنوع هستند و از رویکردهای مختلف پردازش تصویر استفاده می کنند ، به طوری که جمع آوری مجموعه ای معنادار از تکنیک های مناسب برای تقویت در یک فصل بدون توسعه زمینه گسترده ، دشوار است.

خلاصه کتاب تحلیل غیر خطی

به همین دلیل ، و همچنین به دلیل اینکه مبتدیان در زمینه پردازش تصویر به طور کلی برنامه های کاربردی تقویت کننده را از نظر بصری جذاب ، جالب و نسبتاً ساده می دانند ، هنگام معرفی مفاهیم جدید در بخشهایی از فصل 2 و فصل ها3 و 4 ، از افزایش تصویر به عنوان مثال جزوه کنترل اماری فرایند می کنیم. ماده در دو فصل اخیر شامل بسیاری از روشهایی است که به طور سنتی برای افزایش تصویر استفاده می شود. بنابراین ، استفاده از مثالهایی برای افزایش تصویر برای معرفی روشهای جدید پردازش تصویر که در این فصلهای اولیه توسعه یافته اند ، نه تنها باعث صرفه جویی در داشتن یک فصل اضافی در کتاب مربوط به افزایش تصویر می شود ، بلکه مهمتر از همه ، یک رویکرد موثربرای معرفی تازه واردان با جزئیات فناوری پردازش است. – نیک در ابتدای کتاب با این حال ، همانطور که در ادامه کتاب مشاهده خواهید کرد ، مطالبی که در فصل های 3 و 4 ارائه شده است برای مشکلات بسیار وسیع تری از افزایش تصویر کاربرد دارد. بازسازی تصویر ناحیه ای است که با بهبود ظاهر تصویر نیز سروکار دارد. با این حال ، بر خلاف تقویت ، که ذهنی است ، ترمیم تصویر عینی است ، به این معنا که تکنیک های ترمیم بر اساس مدل های ریاضی یا احتمالی تخریب تصویر است. از سوی دیگر ، پیشرفت بر اساس ترجیحات ذهنی انسان در مورد آنچه نتیجه “خوب” افزایش است ، استوار است. پردازش تصویر رنگی منطقه ای است که به دلیل افزایش چشمگیر استفاده از تصاویر دیجیتالی در اینترنت اهمیت خود را از دست داده است.
فصل 6 تعدادی از مفاهیم اساسی در مدلهای رنگی و پردازش اساسی رنگ در یک حوزه دیجیتال را پوشش می دهد. رنگ همچنین به عنوان پایه ای برای استخراج ویژگی های مورد علاقه در یک تصویر استفاده می شود. موج ها پایه ای برای نمایش تصاویر در درجات مختلف آفتاب هستند. به طور خاص ، این ماده در کتاب برای فشرده سازی داده های تصویر و نمایش هرمی استفاده می شود ، که در آن تصاویر به طور متوالی به مناطق کوچکتر تقسیم می شوند. مطالب فصل های 4 و 5 بیشتر بر مبنای تبدیل فوریه است. علاوه بر موجکها ، در فصل 7 تعدادی از تغییرات دیگر را که بطور معمول در پردازش تصویر استفاده می شود ، مورد بحث قرار می دهیم. فشرده سازی ، همانطور که از نامش پیداست ، به تکنیک هایی برای کاهش ذخیره سازی مورد نیاز برای ذخیره تصویر یا پهنای باند مورد نیاز برای ارسال آن می پردازد. اگرچه فناوری ذخیره سازی در یک دهه گذشته به طور قابل توجهی بهبود یافته است ، اما در مورد ظرفیت انتقال نمی توان همین را گفت. این امر به ویژه در مورد استفاده از اینترنت صادق است ، که با محتوای تصویری قابل توجه مشخص می شود. فشرده سازی تصویر (شاید ناخواسته) برای اکثر کاربران رایانه ها در قالب افزونه های تصویری ، مانند پسوند jpg که در استاندارد فشرده سازی JPEG گروه متخصصان عکاسی مشترک) استفاده می شود ، آشنا است. پردازش ریخت شناسی به ابزارهایی برای استخراج اجزای تصویر می پردازد که در نمایش و توصیف شکل مفید هستند. همانطور که در بخش 1.1 جزوه تحلیل غیر خطی داده شده است ، مواد موجود در این فصل از فرآیندهای خروجی تصاویر به فرآیندهایی که ویژگی های تصویر را خروجی می دهند ، شروع می کند.

شکل 1.23 مراحل اساسی در پردازش تصویر دیجیتال فصل (های) مشخص شده در جعبه ها جایی است که مطالبی که در جعبه توضیح داده شده است مورد بحث قرار می گیرد.
تقسیم بندی یک تصویر را به اجزای تشکیل دهنده یا اشیاء تقسیم می کند. به طور کلی ، تقسیم بندی خودکار یکی از دشوارترین وظایف در پردازش تصویر دیجیتال است. یک روش تقسیم بندی ناهموار ، این فرآیند را تا رسیدن به راه حل موفقیت آمیز مشکلات تصویربرداری که نیاز به شناسایی اشیاء به صورت جداگانه دارد ، پیش می برد. از سوی دیگر ، الگوریتم های تقسیم بندی ضعیف یا نامنظم تقریباً همیشه شکست نهایی را تضمین می کنند. به طور کلی ، هر چه تقسیم بندی دقیق تر باشد ، احتمال طبقه بندی خودکار اجسام بیشتر می شود.
استخراج ویژگی تقریباً همیشه خروجی یک مرحله تقسیم بندی را که معمولاً داده های پیکسلی خام است دنبال می کند ، که یا مرز یک ناحیه (یعنی مجموعه ای از پیکسل ها را که یک ناحیه تصویر را از منطقه دیگر جدا می کند) یا تمام نقاط خود ناحیه را تشکیل می دهد. استخراج ویژگی شامل تشخیص ویژگی و شرح ویژگی است. منظور از تشخیص ویژگی ها ، یافتن ویژگی ها در یک تصویر ، منطقه یا مرز است. شرح ویژگی ویژگی های کمی را به ویژگی های شناسایی شده اختصاص می دهد.
به عنوان مثال ، ممکن است گوشه های یک منطقه را تشخیص دهیم و آن گوشه ها را بر اساس جهت و موقعیت آنها توصیف کنیم. هر دوی این توصیف کننده ها ویژگی های کمی هستند.
روشهای پردازش ویژگیهایی که در این فصل مورد بحث قرار گرفته است ، بسته به اینکه در محدوده ها ، مناطق یا کل تصاویر قابل اجرا هستند ، به سه دسته اصلی تقسیم می شوند. برخی از ویژگی ها برای بیش از یک دسته قابل اجرا هستند. توصیف کننده های ویژگی باید تا حد ممکن نسبت به تغییرات پارامترهایی مانند مقیاس ، انتقال ، چرخش ، روشنایی و دیدگاه حساس نباشند.
طبقه بندی الگوی تصویر فرایندی است که برچسب (به عنوان مثال ، “وسیله نقلیه”) به یک شیء بر اساس توصیف کننده های ویژگی آن اختصاص می دهد. در فصل آخر کتاب ، ما روشهای طبقه بندی الگوی تصویر را از رویکردهای “کلاسیک” مانند حداقل فاصله ، همبستگی و طبقه بندی بیز ، تا رویکردهای مدرن تر که با استفاده از شبکه های عصبی عمیق اجرا می شوند ، مورد بحث قرار خواهیم داد. به طور خاص ، ما به تفصیل در مورد شبکه های عصبی پیچشی عمیق بحث خواهیم کرد ، که به طور ایده آل برای کارهای پردازش تصویر مناسب هستند.
تا کنون ، در مورد نیاز به دانش قبلی یا در مورد تعامل بین پایگاه دانش و ماژول های پردازشی در شکل 1.23 چیزی نگفته ایم.
دانش در مورد یک حوزه مشکل در قالب یک پایگاه داده دانش در یک سیستم پردازش تصویر کدگذاری می شود. این دانش ممکن است به سادگی جزئیات ناحیه ای از تصویر باشد که اطلاعات مورد علاقه در آن قرار دارد ، بنابراین جستجوی لازم برای جستجوی آن اطلاعات را محدود می کند. پایگاه دانش همچنین می تواند بسیار پیچیده باشد ، مانند فهرستی از همه نقایص احتمالی عمده در یک مشکل بازرسی مواد ، یا پایگاه داده تصاویر حاوی تصاویر ماهواره ای با وضوح جزوه تحلیل غیر خطی از یک منطقه در ارتباط با برنامه های تشخیص تغییر. پایگاه دانش علاوه بر هدایت عملکرد هر یک از ماژول های پردازش ، تعامل بین ماژول ها را نیز کنترل می کند. این تمایز در شکل 1.23 با استفاده از فلش های دو سر بین ماژول های پردازش و پایه دانش ، برعکس فلش های تک سر که ماژول های پردازش را به هم متصل می کنند ، ایجاد می شود.
اگرچه ما در مورد نمایش تصویر به صراحت در این مرحله بحث نمی کنیم ، مهم است که به خاطر داشته باشیم که مشاهده نتایج پردازش تصویر می تواند در خارج از هر مرحله در شکل 1.23 انجام شود. ما همچنین توجه داریم که همه برنامه های پردازش تصویر به پیچیدگی فعل و انفعالات دلالت شده در شکل 1.23 نیاز ندارند. در حقیقت ، حتی بسیاری از این ماژول ها در بسیاری موارد مورد نیاز نیستند. برای مثال ، افزایش تصویر برای تفسیر بصری انسان به ندرت مستلزم استفاده از مراحل دیگر در شکل 1.23 است. اما به طور کلی ، با افزایش پیچیدگی یک کار پردازش تصویر ، تعداد فرآیندهای مورد نیاز برای حل مشکل نیز افزایش می یابد.
1.5 مولفه های یک سیستم پردازش تصویر
در اواسط دهه 1980 ، مدلهای متعددی از سیستمهای پردازش تصویر در سراسر جهان به فروش می رسیدند و دستگاههای جانبی قابل توجهی بودند که به رایانه های میزبان قابل توجهی متصل بودند.
در اواخر دهه 1980 و اوایل دهه 1990 ، بازار به سخت افزارهای پردازش تصویر در قالب تخته های تک جهت طراحی شده برای سازگاری با اتوبوس های استاندارد صنعت و ورود به کابینت های مهندسی ایستگاه های کار و رایانه های شخصی روی آورد. در اواخر دهه 1990 و اوایل دهه 2000 ، کلاس جدیدی از بردهای اضافی به نام واحدهای پردازش گرافیکی (GPU) برای کار بر روی برنامه های سه بعدی مانند بازی ها و سایر برنامه های گرافیکی سه بعدی معرفی شد. دیری نگذشت که پردازنده های گرافیکی راه خود را در برنامه های پردازش تصویر شامل اجرای ماتریس در مقیاس بزرگ ، مانند آموزش شبکه های پیچیده عمیق پیدا کردند. علاوه بر کاهش هزینه ها ، تغییر بازار از دستگاه های جانبی قابل توجه به صفحات پردازش اضافی نیز به عنوان یک کاتالیزور برای تعداد قابل توجهی از شرکت های جدید متخصص در توسعه نرم افزارهایی که به طور خاص برای پردازش تصویر نوشته شده اند ، عمل کرد.
این روند به سمت کوچک سازی و ترکیب رایانه های کوچک چند منظوره با سخت افزار و نرم افزار تخصصی پردازش تصویر ادامه می یابد. شکل 1.24 مولفه های اصلی شامل یک سیستم معمولی با کاربرد عمومی که برای پردازش تصویر دیجیتال استفاده می شود را نشان می دهد. عملکرد هر جزء در پاراگراف های زیر مورد بحث قرار می گیرد و با تشخیص تصویر شروع می شود.
برای به دست آوردن تصاویر دیجیتال به دو زیر سیستم نیاز است. اولین سنسور فیزیکی است که به انرژی تابیده شده از جسم مورد نظر ما پاسخ می دهد. دومی که دیجیتایزر نامیده می شود ، وسیله ای برای تبدیل خروجی دستگاه سنجش فیزیکی به شکل دیجیتالی است.
به عنوان مثال ، در دوربین فیلمبرداری دیجیتال ، سنسورها تراشه های CCD) خروجی الکتریکی متناسب با شدت نور تولید می کنند. دیجیتایزر این خروجی ها را به داده های دیجیتال تبدیل می کند. این مباحث در فصل 2 پوشش داده خواهد شد.
سخت افزارهای تخصصی پردازش تصویر معمولاً شامل دیجیتالیزوری است که ذکر شد ، به جزوه تحلیل غیر خطی سخت افزاری که عملیات اولیه دیگری را انجام می دهد ، مانند واحد منطق حسابداری (ALU) ، که عملیات حسابی و منطقی را به طور موازی روی کل تصاویر انجام می دهد. یک مثال از نحوه استفاده از ALU این است که به منظور کاهش نویز ، میانگین گیری تصاویر را به همان سرعت که دیجیتالی می شوند. این نوع سخت افزارها گاهی اوقات زیرسیستم جلویی نامیده می شوند و متمایزترین ویژگی آن سرعت است. به عبارت دیگر ، این واحد عملکردهایی را انجام می دهد که نیاز به داده های سریع (به عنوان مثال ، دیجیتالی سازی و متوسط تصاویر ویدئویی با سرعت 30 فریم بر ثانیه) دارد که رایانه اصلی معمولی قادر به انجام آنها نیست. یک یا چند پردازنده گرافیکی (در بالا ببینید) همچنین در سیستم های پردازش تصویر که عملیات ماتریس فشرده را انجام می دهند ً ® ، * : () () ً ؛ () () ، () ، () ، () ()