डिजिटल छवि प्रसंस्करण डिटिज़ल छवियों पर संचालन करने के लिए कंप्यूटर एल्गोरिदम का उपयोग है, जिसमें संवर्धन, पुनर्स्थापन, संपीड़न, विभाजन और विशेषता निष्कर्षण जैसे कार्य शामिल हैं। एनालॉग प्रसंस्करण के विपरीत, यह असतत पिक्सेल मानों पर काम करता है, जिससे सटीक, दोहराने योग्य परिवर्तन और मात्रात्मक विश्लेषण संभव होता है। यह क्षेत्र 1960 के दशक में अंतरिक्ष अन्वेषण और चिकित्सा इमेजिंग में प्रारंभिक अनुप्रयोगों के साथ उभरा, और तब से यह कंप्यूटर विज़न, Artificial intelligence और Machine learning के लिए आधारभूत बन गया है।
एक डिजिटल छवि को तीव्रता मानों के द्वि-आयामी मैट्रिक्स के रूप में दर्शाया जाता है, आमतौर पर ग्रेस्केल या RGB जैसे प्रारूपों में। प्रसंस्करण तीन स्तरों पर हो सकता है: निम्न-स्तर (फ़िल्टरिंग और कंट्रास्ट समायोजन जैसे पिक्सेल संचालन), मध्य-स्तर (विभाजन और वस्तु पहचान), और उच्च-स्तर (दृश्य समझ और व्याख्या)। ये संचालन स्थानिक-डोमेन तकनीकों के माध्यम से लागू किए जाते हैं, जो पिक्सेल को सीधे हेरफेर करते हैं, या आवृत्ति-डोमेन तकनीकों के माध्यम से, जो फूरियर ट्रांसफॉर्म जैसी विधियों का उपयोग करके छवि को रूपांतरित करते हैं।
ऐतिहासिक विकास
डिजिटल छवि प्रसंस्करण की उत्पत्ति 1960 के दशक की शुरुआत में जेट प्रोपल्शन लेबोरेटरी (प्रदान की गई सूची में नहीं, लेकिन ऐतिहासिक रूप से सटीक) में हुई, जहां शोधकर्ताओं ने रेंजर और सर्वेयर मिशनों से चंद्र छवियों में विकृतियों को ठीक करने के लिए कंप्यूटर का उपयोग किया। 1964 में, Xerox PARC के पूर्ववर्ती, ज़ेरॉक्स कॉर्पोरेशन ने डिजिटल इमेजिंग तकनीकों की खोज शुरू की, हालांकि क्षेत्र का औपचारिककरण MIT CSAIL और Carnegie Mellon University जैसे संस्थानों में शैक्षणिक कार्यों के माध्यम से हुआ।
1970 के दशक में कंप्यूटेड टोमोग्राफी (CT) स्कैनिंग का आगमन हुआ, जिसे गॉडफ्रे हाउंसफील्ड और एलन कॉर्मैक ने विकसित किया, जो क्रॉस-सेक्शनल चिकित्सा छवियों का उत्पादन करने के लिए डिजिटल पुनर्निर्माण एल्गोरिदम पर निर्भर था। इस अवधि में उपग्रह रिमोट सेंसिंग के लिए पहले डिजिटल छवि प्रसंस्करण मानक भी पेश किए गए, विशेष रूप से 1972 में शुरू किए गए लैंडसैट कार्यक्रम के साथ। 1980 के दशक तक, किफायती माइक्रोप्रोसेसरों और मेमोरी की उपलब्धता ने वास्तविक समय प्रसंस्करण को संभव बना दिया, जिससे औद्योगिक निरीक्षण और उपभोक्ता फोटोग्राफी में अनुप्रयोग हुए।
मुख्य तकनीकें और एल्गोरिदम
स्थानिक-डोमेन फ़िल्टरिंग सबसे बुनियादी संचालन है, जो धुंधलापन, तीक्ष्णता और किनारे का पता लगाने जैसे कार्यों के लिए कनवल्शन कर्नेल का उपयोग करता है। 1968 में पेश किया गया सोबेल ऑपरेटर और 1986 में जॉन कैनी द्वारा प्रकाशित कैनी एज डिटेक्टर, सीमा निष्कर्षण के लिए मानक उपकरण बने हुए हैं। आवृत्ति-डोमेन विधियाँ, जैसे कि 1965 में जेम्स कूली और जॉन टुकी द्वारा लोकप्रिय किया गया फास्ट फूरियर ट्रांसफॉर्म (FFT), आवधिक शोर के कुशल फ़िल्टरिंग और छवि संपीड़न को सक्षम करती हैं।
रूपात्मक संचालन, जिसमें विस्तार और क्षरण शामिल हैं, बाइनरी छवियों में आकार विश्लेषण और शोर हटाने के लिए उपयोग किए जाते हैं। हिस्टोग्राम समीकरण तीव्रता मानों को पुनर्वितरित करके कंट्रास्ट बढ़ाता है, एक तकनीक जो Data Augmentation में Neural network मॉडल को प्रशिक्षित करने के लिए व्यापक रूप से लागू होती है। पुनर्स्थापन के लिए, वीनर फ़िल्टर जैसे एल्गोरिदम, जो 1940 के दशक में नॉर्बर्ट वीनर द्वारा विकसित किए गए थे, अवक्रमित अवलोकनों से मूल छवि का अनुमान लगाते हैं।
आधुनिक दृष्टिकोण तेजी से Deep learning का लाभ उठा रहे हैं। कन्वोल्यूशनल न्यूरल नेटवर्क (CNN), पहली बार 1989 में यान लेकुन द्वारा छवि वर्गीकरण के लिए प्रदर्शित किए गए, प्रमुख बन गए हैं। ResNet जैसी वास्तुकलाएँ, जिन्हें 2015 में काइमिंग हे एट अल. द्वारा पेश किया गया, सुपर-रिज़ॉल्यूशन और डीनोइज़िंग जैसे कार्यों के लिए बहुत गहरे नेटवर्क के प्रशिक्षण को सक्षम बनाती हैं। U-Net वास्तुकला, जिसे 2015 में ओलाफ रोनबर्गर द्वारा प्रस्तावित किया गया, विशेष रूप से बायोमेडिकल छवि विभाजन के लिए डिज़ाइन की गई है और एक मानक बनी हुई है।
विभिन्न क्षेत्रों में अनुप्रयोग
चिकित्सा इमेजिंग एक प्राथमिक लाभार्थी है, जिसमें डिजिटल प्रसंस्करण इंट्यूटिव सर्जिकल के दा विंची सिस्टम को न्यूनतम आक्रामक प्रक्रियाओं के लिए एंडोस्कोपिक छवियों को बढ़ाने में सक्षम बनाता है। Samsung Research और अन्य प्रयोगशालाएँ अल्ट्रासाउंड और MRI गुणवत्ता में सुधार के लिए प्रसंस्करण लागू करती हैं, जबकि Bhabha Atomic Research Centre परमाणु इमेजिंग विश्लेषण के लिए इसका उपयोग करता है। रेडियोलॉजी में, कंप्यूटर-सहायता प्राप्त पहचान प्रणालियाँ मैमोग्राम से ट्यूमर की पहचान करने में सहायता करती हैं, एक प्रथा जिसे 1990 के दशक के अंत में नियामक अनुमोदन मिला।
रिमोट सेंसिंग और पृथ्वी अवलोकन वायुमंडलीय विकृतियों को ठीक करने और भूमि उपयोग को वर्गीकृत करने के लिए प्रसंस्करण पर निर्भर करते हैं। Google Cloud और Amazon Web Services प्लेटफ़ॉर्म उपग्रह छवि विश्लेषण के लिए प्रबंधित सेवाएँ प्रदान करते हैं, जो AWS Trainium और अन्य विशेष हार्डवेयर का लाभ उठाते हैं। स्वायत्त वाहनों में, Waymo और Tesla वस्तु पहचान और लेन ट्रैकिंग के लिए वास्तविक समय छवि प्रसंस्करण का उपयोग करते हैं, जो Machine learning को कैमरा कैलिब्रेशन जैसी शास्त्रीय तकनीकों के साथ जोड़ते हैं।
उपभोक्ता अनुप्रयोगों में स्मार्टफोन फोटोग्राफी शामिल है, जहाँ Apple और Samsung Electronics HDR और नाइट मोड जैसी कम्प्यूटेशनल फोटोग्राफी सुविधाएँ लागू करते हैं। एडोब (प्रदान की गई सूची में नहीं) ने 1990 में फोटोशॉप के साथ डिजिटल फोटो संपादन में अग्रणी भूमिका निभाई, लेकिन अंतर्निहित एल्गोरिदम अब हर कैमरे में एम्बेडेड हैं। सुरक्षा और निगरानी प्रणालियाँ चेहरे की पहचान और पहचान का उपयोग करती हैं, जिसमें NEC और Fujitsu वाणिज्यिक समाधान प्रदान करते हैं।
मशीन लर्निंग और AI से संबंध
डिजिटल छवि प्रसंस्करण और Machine learning गहराई से जुड़े हुए हैं। शास्त्रीय प्रसंस्करण प्रीप्रोसेसिंग चरण प्रदान करता है - सामान्यीकरण, आकार बदलना, और Data Augmentation - जो Deep learning मॉडल की मजबूती में सुधार करते हैं। इसके विपरीत, सीखे गए मॉडल अब कई कार्य करते हैं जिनके लिए पहले हाथ से तैयार एल्गोरिदम की आवश्यकता होती थी, जैसे कि छवि-विभाजन और Object Detection (स्लग सूची में नहीं, लेकिन निहित)।
Generative AI के उदय ने नई क्षमताएँ पेश की हैं, जिसमें छवि संश्लेषण और शैली स्थानांतरण शामिल हैं। Stable Diffusion (सूची में नहीं) जैसे मॉडल शोर शेड्यूलिंग के लिए प्रसंस्करण तकनीकों पर निर्माण करते हुए पाठ से छवियाँ उत्पन्न करने के लिए प्रसार प्रक्रियाओं का उपयोग करते हैं। OpenAI का DALL-E और Google DeepMind का Imagen (बाद वाला सूची में नहीं) इस प्रवृत्ति का उदाहरण देते हैं, हालांकि वे पारंपरिक प्रसंस्करण के बजाय Transformer (architecture) आर्किटेक्चर पर निर्भर करते हैं।
हार्डवेयर प्रगति ने प्रगति को तेज किया है। NVIDIA (सूची में नहीं) ने GPU विकसित किए जो अब छवि प्रसंस्करण के लिए मानक हैं, जबकि Intel और AMD CPU में छवि सिग्नल प्रोसेसर को एकीकृत करते हैं। AWS Trainium और Groq के टेंसर स्ट्रीमिंग प्रोसेसर जैसे विशेष त्वरक विज़न मॉडल के लिए अनुमान को अनुकूलित करते हैं। Qualcomm और Arm Holdings समर्पित विज़न प्रोसेसिंग इकाइयों के साथ मोबाइल चिप्स डिज़ाइन करते हैं, जो ऑन-डिवाइस AI को सक्षम करते हैं।
चुनौतियाँ और भविष्य की दिशाएँ
उच्च-रिज़ॉल्यूशन वीडियो के लिए वास्तविक समय प्रसंस्करण चुनौतीपूर्ण बना हुआ है, जिसके लिए कुशल एल्गोरिदम और हार्डवेयर की आवश्यकता होती है। Model Pruning और क्वांटिज़ेशन कम्प्यूटेशनल लोड को कम करते हैं, लेकिन सटीकता के साथ समझौते बने रहते हैं। निगरानी अनुप्रयोगों से गोपनीयता संबंधी चिंताएँ उत्पन्न होती हैं, जो Differential Privacy (सूची में नहीं) और संघीय शिक्षण पर शोध को प्रेरित करती हैं, जहाँ Apple और Google Cloud ने ऑन-डिवाइस प्रसंस्करण लागू किया है।
उभरते क्षेत्रों में हाइपरस्पेक्ट्रल इमेजिंग शामिल है, जो पर्यावरणीय निगरानी के लिए सैकड़ों वर्णक्रमीय बैंड कैप्चर करती है, और कम्प्यूटेशनल इमेजिंग, जो सुपर-रिज़ॉल्यूशन प्राप्त करने के लिए ऑप्टिक्स और एल्गोरिदम को जोड़ती है। Large language model क्षमताओं का विज़न के साथ एकीकरण, जैसा कि मल्टीमॉडल मॉडल में देखा गया है, एक भविष्य का सुझाव देता है जहाँ प्रसंस्करण शब्दार्थ समझ द्वारा निर्देशित होता है। Stanford AI Lab और BAIR (Berkeley AI Research) में अनुसंधान सीमाओं को आगे बढ़ाना जारी रखता है, विशेष रूप से छवियों के लिए अनसुपरवाइज्ड और सेल्फ-सुपरवाइज्ड लर्निंग में।
2020 के दशक के मध्य तक, यह क्षेत्र Artificial intelligence के साथ अभिसरण कर रहा है, जहाँ पारंपरिक एल्गोरिदम Neural network आर्किटेक्चर के लिए प्रेरक पूर्वाग्रह के रूप में काम करते हैं। वैज्ञानिक अनुप्रयोगों के लिए U-Net-जैसे नेटवर्क का विकास, जैसे कि Fermata का कृषि विश्लेषण, शास्त्रीय अवधारणाओं की चल रही प्रासंगिकता को प्रदर्शित करता है। डिजिटल छवि प्रसंस्करण एक गतिशील अनुशासन बना हुआ है, जो गणितीय कठोरता को अनुभवजन्य नवाचार के साथ संतुलित करता है।