رنگی کردن عکسهای قدیمی در مسیری تازه/ هوش مصنوعی شما را به گذشته رنگی میبرد
تاریخ انتشار: ۱ شهریور ۱۳۹۹ | کد خبر: ۲۹۰۵۴۵۰۱
به گزارش گروه وبگردی باشگاه خبرنگاران جوان، باوجود تلاشهای دانشمندان، عکاسی رنگی تا سال ۱۹۳۵ بهصورت عمومی رایج نشد و پسازآن هم تا دههها تصاویر سیاهسفید محبوب باقی ماندند و حتی تا دهههای هفتاد و هشتاد نیز مورداستفاده قرار میگرفتند. اما عکاسی دیجیتال در دو دههی اخیر، فناوری تصویربرداری و انتشار عکس را دگرگون کرده است و هرچند بهطور مفهومی همان کارها انجام میشود، اما ازنظر فنی، تکنیکهای متفاوتی مورداستفاده قرار میگیرد.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
دیجیتالی شدن صنعت عکاسی، امکان اسکن تصاویر قدیمی را نیز فراهم آورد و در این نقطه بود که این ایده به ذهن بسیاری رسید که آیا میتوان بهوسیله فناوری تصاویر قدیمی را رنگی کرد یا خیر. بیشک این امر بهوسیلهی نرمافزار محبوبی همچون فتوشاپ محقق شد، اما مشکل اینجا بود که تنها افراد خبره و کارشناس میتوانستند تصاویر را رنگی کنند و این کار مستلزم دانش گرافیکی و کامپیوتری بود.
امروز به لطف هوش مصنوعی اوضاع دگرگون شده است.
عکاسی رنگی؛ دنیا فقط سیاهسفید نیست
از قرن نوزدهم این ایده قوت گرفت که نورها اساساً از سه رنگ قرمز، سبز و آبی تشکیل شدهاند و بقیهی رنگها از این رنگها مشتق میشوند. این نتیجهگیری در توسعه نظریه عکاسی رنگی که برای دههها تنها یک رؤیا بود، مورداستفاده قرار گرفت. دانشمندان برای ایجاد تصویر رنگی، نگاتیوهایی را متشکل از سه لایه که هر یک از لایهها نسبت به یکی از سه رنگ مزبور حساس بودند، تعبیه کردند تا عکس نسبت به آن طیف نور، بازتابی متناسب داشته باشد.
پسازآن بهطورکلی در دوربینهای رنگی، از سیستم فیلتر رنگی استفاده شد تا رنگهای اولیه با جذب نورهای قرمز، سبز و آبی نورهای مختلف را تولید کنند؛ بنابراین اگر رنگ باقیمانده، آبی متمایل به سبز (سیان) باشد، نور آبی جذب میشود، و اگر مگنتا باشد، رنگ زرد و قرمز متمایل به آبی ظاهر میشود.
اگرچه از سال ۱۹۳۵ فناوری تصاویر رنگی عرضه شد، اما تماشای تصاویر آلبومهای خانوادگی خودمان نشان میدهد که حتی در دهه هفتاد میلادی (پنجاه شمسی) نیز تصاویر مرسوم غالباً سیاهوسفید بودند؛ بنابراین کمابیش هر یک از افراد در نسل ما، دارای تعداد زیادی تصاویر قدیمی است که سیاهوسفید هستند و این فقدان تنوع رنگ عطروبوی خاصی را به آن تصاویر بخشیده و همزمان ما را از چشیدن عطروبوی کامل آن فضا و زمان به دلیل محدودیتهای رنگی محروم کرده است.
بیشتر بخوانید
اینترنت اشیا زمینه ساز رشد تولید استهوش مصنوعی وارد میشود!
با گسترش نرمافزارهای گرافیکی، تبدیل عکس رنگی به سیاهوسفید به امری بسیار آسان مبدل شد، اما تا همین اواخر عکسهای سیاهوسفید فقط بهصورت دستی و در فرایندی وقتگیر رنگی میشدند. به لطف پیشرفتهای هوش مصنوعی امروزه میتوان این فرایند را تسریع و اتوماسیون کرد. برای مثال محققان در یک دانشگاه ژاپنی یک سیستم کامپیوتری ساختهاند که میتواند بهطور خودکار چنین عکسهای سیاهسفید قدیمی را رنگآمیزی کند.
این فناوری رنگآمیزی خودکار از تکنیک شناختهشده هوش مصنوعی یعنی یادگیری عمیق استفاده میکند. در یادگیری عمیق تلاش میشود با تقلید از فرایند یادگیری انسان و تغذیه مقادیر زیادی از دادهها به کامپیوتر، به این دستگاههای مکانیکی آموزش داده شود که چه کاری صحیح است و چه کاری غلط است؛ بنابراین با انتقال حجم بالای دادهها به ماشین، سیستم به یک نظریه کلی در مورد اینکه فرضاً آسمان همیشه باید آبی باشد میرسد.
با اسکن بیشمار عکس، چه بهصورت رنگی و چه بهصورت سیاهوسفید، کامپیوتر یاد میگیرد چه ویژگیهایی را باید تشخیص دهد تا درنتیجه بتواند تخمین بزند یک عکس چگونه باید رنگ شود، و از این دانش استفاده میکند تا بهصورت خودکار تصاویر تکرنگ (سیاهسفید) را به رنگی تبدیل کند. محققان برای آموزش سیستم هوش مصنوعی، در حدود ۲،۳ میلیون عکس را مورداستفاده قرار دادند.
این فناوری ضمناً برای دستیابی به رنگهای دقیقتر، از روشی که بهتازگی توسعه یافته است استفاده میکند؛ در این روش اطلاعات جمعآوریشده از تصویر کامل با ویژگیهای بُرشهای کوچکتر عکس با هم ادغام میشوند. بهعنوانمثال، این سیستم از طریق یک تصویر میآموزد که آیا عکس نمای داخلی را نشان میدهد یا نمای خارجی، یا اینکه عکس در طول روز گرفته شده است یا شب، و براین اساس تعیین میکند که هر قسمت از تصویر مانند گیاهان، شن و ماسه، آب و ... باید چه خصوصیات رنگیای داشته باشند. ترکیب اطلاعات و مشخصات بهدستآمده از تصویر و اجزای آن، امکان یک رنگآمیزی طبیعی را ممکن میسازد.
برخلاف روشهای مبتنی بر نرمافزارهای گرافیکی، با استفاده از هوش مصنوعی هرکسی میتواند عکسها را رنگی کند. درعینحال، در رنگآمیزی تصاویر سیاهوسفید محدودیتهایی وجود دارد و دشواری رنگآمیزی هر عکسی، به محتوای آن بستگی دارد. برای مثال، تعیین رنگ خودکار اشیایی مانند اتومبیل، ساختمان و لباس صرفاً از طریق یک تصویر سیاهوسفید بهوسیله کامپیوتر غیرممکن است، درحالیکه چیزهایی مانند آب، درختان یا برگها و چیزهایی که رنگ آنها معمولاً ثابت است، میتوانند به طرز دقیقتری تعیین شود؛ بنابراین اپلیکیشن در این قبیل موارد با دو انتخاب روبروست، او یا میتواند انتخاب تمام رنگهای نامشخص را بهصورت تصادفی برعهده هوش مصنوعیاش بگذارد و یا با تکمیل اطلاعاتی همچون تاریخ، آبوهوا و رنگ ساختمانها و لباسها و غیره رنگآمیزی تصاویر را واقعبینانهتر و دقیقتر مقدور کند. به همین دلیل تلاش میشود با اضافه کردن ترمیم دستی به فرایند رنگآمیزی خودکار، عکسها و اسناد گذشته بهصورت بهتری بازیابی شوند.
قرار است کد منبع (ساختار زیرین برنامه، که از طریق زبانهای برنامهنویسی نوشته شده است) تهیه شده توسط محققان بهطور رایگان در دسترس عموم قرار گیرد و همچنین افراد قادر خواهند بود آن را امتحان کنند. محققان همچنین قصد دارند یک وبسایت ایجاد کنند تا هرکسی بتواند از سیستم استفاده کند. بااینوجود بلافاصله بحث حریم شخصی مطرح میشود، زیرا شما تصاویر خود به منبع ناشناس سپردهاید. فراموش نکنیم شرکت فیسبوک به دلیل نگهداری تصاویر شخصی مردم در یکی ایالتهای آمریکا، میلیونها دلار جریمه شد.
با اضافه کردن رنگ به عکسهای سیاهوسفید، صحنههایی از مناظر قدیمی و افرادی که سالهاست در میانمان نیستند، بهوضوح بازسازی میشود و نهایتاً حس بهتری را نسبت به گذشته ایجاد میکند. محققانی که این فناوری را توسعه دادهاند، امیدوارند با استفاده آزادانه از این فناوری، افراد ایدههای جدید و کاربردهایی را برای آن کشف کنند.
منبع: آنا
انتهای پیام/
منبع: باشگاه خبرنگاران
کلیدواژه: عکاسی دیجیتال رنگی کردن عکس های سیاه و سفید مورداستفاده قرار سیاه وسفید هوش مصنوعی رنگ آمیزی سیاه سفید رنگ ها عکس ها
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.yjc.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «باشگاه خبرنگاران» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۲۹۰۵۴۵۰۱ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
شناسایی بیماریهای عفونی با نانوکامپوزیت آراسته به طلا
به گزارش خبرگزاری مهر، در مقالهای که در مجله Langmuir منتشر شده است، دانشمندان توضیح دادند که بیشتر آزمایشهایی که امروز استفاده میشود مبتنی بر واکنشهای آنتیژن و آنتیبادی است. ماده فلورسانس یا پروب ذرات رنگی به آنتیبادیها وصل میشود تا نتیجه مشخص شود. هنگامی که آنتیبادیها به ویروسی مانند SARS-COV-۲ میچسبند، این پروبها حضور ویروس را اعلام میکنند. استفاده از نانوذرات رنگی به دلیل سادگی در اجرای آن و تجهیزات علمی کمی برای انجام آزمایشات بسیار مورد توجه است.
نانوذرات طلا رنگی با ثبات شیمیایی بالا و جذب پلاسمون منحصر به فرد، به طور گسترده به عنوان پروب در آزمایشات ایمنیسنجی استفاده میشوند. به گفته محققان، چنین موادی دارای تطبیقپذیری بالایی هستند و رنگهای آنها بر اساس اندازه و شکل تغییر میکند. علاوه بر این، سطح آنها را میتوان با استفاده از ترکیبات تیول اصلاح کرد.
در آزمایشهای معمولی که از نانوذرات طلا رنگی استفاده میکنند، اغلب باید چگالی نوری نانوذرات طلا را تقویت کنند، به طوری که پزشکان بتوانند به راحتی قدرت سیگنال تولید شده توسط تعامل بین آنتیبادیها و ماده هدف را اندازهگیری کنند. با افزایش میزان نانوذرات طلا میتوان تا حدی سیگنال را بهبود داد اما مقدار بسیار زیادی از نانوذرات طلا نیاز است. برای حل این مشکل محققان چیدمان جدیدی از نانوذرات طلا ارائه کردند.
محققان روش جدیدی به نام رسوب خودسازمانده (SORP) را پیشنهاد کردند. SORP با حل کردن پلیمرها در حلالهای آلی کار میکند. پس از اینکه حلال آلی توسط تبخیر حذف شد، پلیمرها با هم جمع میشوند و ذرات ریز را تشکیل میدهند.
هیروشی یابو، یکی از نویسندگان این مقاله میگوید: «با استفاده از پلیمرهای تزئینشده با نانوذرات طلا که توسط SORP جمعآوری شدهاند، تصمیم گرفتیم ببینیم چقدر در تشخیص ویروس آنفولانزا موثر هستند و آیا حساسیت بیشتری در تشخیص واکنشهای آنتیژن-آنتیبادی دارد یا خیر. روش ما منجر به چگالی نوری بالاتری نسبت به نانوذرات طلا شد.»
یافتههای این گروه نشان داد که میتوان از این فناوری در فضای خارج از آزمایشگاه نیز استفاده کرد.
کد خبر 6087499 مهتاب چابوک