روش گرادیان Gradient methods در پردازش تصویر

روش گرادیان Gradient methods در پردازش تصویر بخش‌بندی تصویر بر پایه عدم پیوستگی در تصویر می باشد. این کار در ابتدا توسط مرتب کردن گرادیان در تصویر شروع می‌شود. مسئله‌ اینجاست که تشخیص لبه، در مرزهای به هم پیوسته نتیجه نمی‌دهد. و باید توسط روشهایی برای اتصال لبه‌ها به نتایج مرزهای بهم پیوسته دنبال شود.

 اندازه‌گیرهای در تصاویر:

هنگامی که یک تصویر بخش‌بندی شده، اندازه‌گیرها بر روی اشیاء‌ جداشده انجام می‌گیرد. طرحهایی که باید اندازه‌گیری شود به بخشهای زیر تقسیم می گردد.

• ویژگی‌های هندسی: خواصی از شی مانند سطح، محیط، شکل و…
• ویژگی‌های شدت: توضیحی درباره سطوح خاکستری در یک شی می‌باشد مانند متوسط مقادیر، انحراف معیار و ماکزیمم گشتاور موجود.
• ویژگی رنگ: بطور واقعی رنگ اشیاء را توضیح می‌دهد، همچنین توزیع رنگ درون هر شیء این امر واضح است که این کار شباهتهای در دسترس را بیان می‌کند. و این امر که جداکردن پیکسل به وسیله تابع کوانتیزه از مقادیر خاکستری در نمایش‌های رنگی امکان پذیر است.
• ویژگی‌ بافت:

در حقیقت ساختارهای کوچک در تصویر را بیان می کند. این عمل، اختلاف بین مقادیر سطوح خاکستری را در فواصل کوچک بیان می‌کند. چنانچه شی به وسیله الگوهای تکراری از مقادیر خاکستری تشکیل شده باشد، ویژگی باید این الگو را مشخص کند.

 بایگانی تصاویر

با وجود اینکه ذخیره‌سازی تصاویر مبحث پردازش تصویر نمی‌باشد ولی این مسئله بطور افزاینده‌ای مهم می‌باشد بخصص در بخشهای رادیولوژی. از آنجا که دستگاههای پیشرفته رادیولوژی تصاویر را به صورت دیجیتال در اختیار ما می‌گذراند، بنابراین به نظر می‌رسد که زمان رادیولوژی فوتوگرافی به پایان رسیده است. این امر موجب نیاز به ذخیره‌سازی حجم‌های بزرگی از تصاویر دیجیتال می‌شود. و این کار تلنگری برای توسعه PACS شده.

نه تنها تعداد زیادی از تصاویر باید بتوانند ذخیزه شوند، بلکه باید قابلیت بازیابی به آسانی و سرعت را داشته باشند. این مسئله اشاره می‌کند که بایگانی تصاویر باعث استفاده از تکنیکهای پیشرفته فشرده سازی تصاویر که بعدها بحث خواهد شد می‌گردد