Hacktoberfest 2026: những issue maintainer đã đánh dấu cho tháng Mười, đang mở và phù hợp người mới. Xem issue Hacktoberfest

Missing: Short explanation of the image capture pipeline

Đang mở
  • Có gì không ổn?
#212 3 bình luận 0 reaction 0 người được giao Xem trên GitHub

Chưa có ai nhận issue này.

Đánh giá

Độ khó
5/5
Thời gian dự kiến
Hơn một tuần
Mức phù hợp với người mới
25/100
Loại issue
Tài liệu
Độ rõ ràng
Cần làm rõ
Mức độ hoạt động
Đình trệ
Lĩnh vực
computer-vision, documentation

Hướng nghiên cứu

Issue không nêu tệp bài học mục tiêu hay bài kiểm thử nào; hãy bắt đầu bằng cách xác định bài học xử lý ảnh dành cho người mới bắt đầu và xem lại cấu trúc hiện tại cùng hướng dẫn cấp phép của bài. Công việc được xem là hoàn tất khi đã thêm phần giải thích ngắn gọn, được thống nhất về pipeline, cùng các hình minh họa có giấy phép phù hợp hoặc đã được thay thế, bao gồm các chủ đề được issue liệt kê.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

help wanted type:discussion

Hi all,
as a followup to todays DataCarpentry onboarding I feel like a image processing workshop aimed at beginners should contain a short description of the image processing pipeline.
Lacking any pictures myself, I will put a couple of diagrams in here, that I found using some google searches, so licensing may vary...

First We start with this overview diagram:
overview of image capture

To summarize(kind of in reverse), here we see that a rasterized image can only be captured by an imaging device, if an object is properly lighted.
To highlight the first couple of issues

  • Lighting affects the visual perception of an object. light in a particular color can only be captured if the object receives this color and actually reflects it towards the device.
  • All known devices today rasterize the image into something called pixels, which defines the lowest available resolution. The light intensity captured by this pixel therefore is the integral across the surface area of this pixel.

Moving forward to the imaging device itself, we can use a diagram like this:
in-photo-camera capture
To summarize, we see that from the outside the entire electromagnetic spectrum has to pass through the lens, optionally pass some filters in order to reach the sensor that converts photon counts to intensity levels in pictures.

This brings us to the issues that can occur in a device:

  • assuming no filtering is present, the lens system affects the picture, obviously
  • Intensity levels: there is a minimum sensitivity level and a maximum intensity in all devices that they can process. Hence a quantization procedure has to be applied, in order to transform intensities to values.
  • color rasterization: In 99.9% of all consumer devices a color pattern is used(the image shows the so-called Bayer Pattern) to generate from a single capture of photon intensities a color image. This means that adjacent pixels only have information about particular color channels, and the other channels are obtained via interpolation.

Another diagram showing the entire pipeline

Pictures from here:
[1]
[2]
And then we are at the point where a camera chooses a file format.
File Format are chosen according to enhance transferability in a certain application. If your're looking at a image gathered by an expensive microscope with a program supplied by a vendor, chances are that the vendor has a file format for this particular application. If you're looking at camera photos with your friends a file format that is portable and adapted to the human visual system, (e.g. JPEG or JPEG2000) is chosen. Diagrams are often transferred using PNG.

Things we discussed today, but that I have not touched upon here:

  • The generation of information, or the destruction of information using resizing operations.
  • Color spaces
  • psychological perception

Thanks for all your work on this episode!

Ngôn ngữ chính
HTML
Star
113
Fork
126
Merge trung bình
21 giờ 37 phút
Pull request đã merge (30 ngày)
2

Chuẩn bị môi trường

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của datacarpentry/image-processing

Tất cả issue của datacarpentry/image-processing

Issue tương tự

Thêm issue về Computer Vision

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.