موقعیت شغلی و آگهی استخدام برنامه نویس پردازش تصویر

امروزه با پیشرفت تکنولوژی شاهد استفاده‌ی حداکثری از کامپیوترها در زمینه‌های مختلف صنعت، پزشکی، علوم نظامی و امنیتی، فضانوردی و... برای افزایش کاربری و کاهش خطای انسانی هستیم. اما کامپیوترها برای هوشمندی و کاربرد بیشتر نیاز به ابزاری مانند هوش مصنوعی، پردازش تصویر، بینایی ماشین و غیره دارند. از جمله کسانی که این ابزارها را برای کامپیوترها فراهم‌می‌کنند، برنامه نویسان پردازش تصویرهستند. به‌همین دلیل بسیاری از شرکت‌ها به منظور تکمیل تیم تحقیق و توسعه‌ی خود به دنبال استخدام یک برنامه نویس پردازش تصویرهستند.
اگر قصد ورود به مسیر برنامه نویسی پردازش تصویررا دارید، پیش از هر چیزی لازم‌است با دو مفهوم پردازش‌تصویر و بینایی‌ماشین که در رشته‌های مهندسی و علوم رایانه‌ای جزء‌‌ پایه‌های اصلی پژوهش هستند، آشنا شوید.
 

به‌عنوان یک برنامه نویس پردازش تصویر باید بدانید که پردازش تصویر (image processing) شاخه‌ای مدرن  از هوش ‌مصنوعی است که با استفاده از الگوریتم‌های کامپیوتری  به آنالیز و پردازش سیگنال‌های دوبعدی‌ دیجیتالی می‌پردازد. در واقع این سیگنال‌ها، برگرفته از تصاویر پویش‌شده توسط پویشگر‌ها هستند و یا اینکه با استفاده ‌از دوربین‌های دیجیتال برداشته‌‌شده‌اند. به‌طور کلی پردازش تصویر برای دو منظور زیر انجام می‌شود:
    ایجاد تصویر متناسب و سازگار با دستگاهی که قرار است آن را بخواند.
    استخراج اطلاعات مفید از تصاویر و استفاده از آن‌ها در تخصص‌های مختلف.
 

    انطباق تصاویر
    سنجش کیفیت ‌تصویر
    ذخیره سازی اطلاعات در تصویر
    تبدیلات هندسی: همانند تغییر اندازه، چرخش و...
    رنگ: همانند تغییر روشنایی، وضوح و یا تغییر فضای‌رنگ
    فشرده سازی پرونده: کاهش حجم‌تصویر
    ترکیب‌تصاویر: ترکیب دو و یا چند تصویر
    ناحیه بندی پرونده: تجزیه‌ی تصویر به نواحی با معنی
    بهبود کیفیت پرونده: کاهش نویز، افزایش کنتراست، اصلاح گاما و ...
 

بینایی ‌ماشین (Machine vision) یک زمینه‌ی میان‌رشته‌ای است که سعی دارد از طریق پردازش تصاویر دوبعدی، جهان سه‌بعدی پیرامون را تفسیر و بازسازی‌کند. به بیان ساده‌تر، بینایی‌ماشین یعنی اینکه کامپیوترها قادر به فهم و دیدن جهان به‌کمک دوربین‌ها باشند و حتی در برخی موارد از بینایی انسان پیشی بگیرند. هر جایی که نیاز است ماشین به جای انسان ببیند، تکنولوژی بینایی ‌ماشین به‌کار خواهدآمد.
یک برنامه نویس پردازش تصویر به‌خوبی می‌داند که مبحث بینایی ‌ماشین را از دو دیدگاه علمی و تکنولوژیکی می‌توان مورد بررسی قرارداد. از نظر علمی، بینایی ‌ماشین به توسعه‌ی تئوری سیستم‌های هوشمندی می‌پردازد که اطلاعات را از تصاویر استخراج می‌کنند. اما اگر بخواهیم از منظر تکنولوژیکی (فناورانه) به این موضوع نگاه کنیم باید بگوییم که بینایی ‌ماشین تلاش دارد که از تئوری‌ها و مدل‌های توسعه ‌داده‌ شده برای ساخت سیستم‌های بینایی‌ماشین بهره‌برداری کند. به‌عنوان ‌مثال در صنعت از سیستم‌های بینایی ‌ماشین برای بازرسی‌های چشمی که نیاز به بزرگ‌نمایی، سرعت‌بالا، تکرارپذیری و عملکرد ۲۴ ساعته دارند، استفاده می‌شود.
 

سوالی که در ذهن بسیاری از برنامه نویسان پردازش تصویر وجود دارد، این‌است که چه عاملی پردازش‌ تصویر دیجیتال را از بینایی‌ماشین متمایز می‌کند؟ وجوه مشترک بسیاری بین این دو وجود دارد اما بینایی‌ ماشین معمولا گسترده‌تر است. هدف بینایی ‌ماشین دستیابی به یک‌سری خروجی از تصمیم‌های قابل ردیابی است، که برای این‌کار به ورودی‌هایی مثل فرضیه‌ها نیاز دارد.
برای درک بهتر این تفاوت، مثالی را با هم بررسی می‌کنیم. تصورکنید یک ربات ساده و مجهز به دوربین و چتر نجات را از هواپیما به پایین پرتاب‌کنیم. این ربات در زمان سقوط به‌کمک عمل پردازش تصویر، تنها می‌تواند ورودی دوربین خود را برای شناسایی سوژه‌هایی مثل زمین و دریا تحلیل‌کند. اما صرفا با پردازش تصویر از ماهیت زمین یا دریا آگاه نیست و نمی‌داند چه وظیفه‌ای را در مورد آن‌ها باید انجام دهد. اینجاست که بینایی ماشین دست به‌کار می‌شود. در واقع توسط بینایی ‌ماشین، می‌توان پیش‌فرض‌هایی را به ربات داد. برای مثال، « ویژگی‌های آب و گدازه‌ها‌ی داغ چیست؟» یا «آب و گدازه‌های داغ برای فرود، محل مناسبی نیستند». 
 

همان‌طور که متوجه‌‌شدید، پردازش تصویر در حوزه‌ی بینایی ‌ماشین ازطریق استخراج اطلاعات بامعنی از داده‌های‌ تصویری، نقش بسیار مهمی را ایفا می‌کند. یک برنامه نویس پردازش تصویر حتما می‌داند که سیستم‌های بینایی ‌ماشین به یک یا چند دوربین، مبدل‌ آنالوگ به دیجیتال و غیره متصل هستند. خروجی این سیستم‌ها به یک ربات و یا یک کنترلر کامپیوتر می‌رود. روال ‌کار سیستم‌های بینایی‌ ماشین این‌گونه است که کامپیوترها با استفاده از دوربین‌ها، در ابتدا عمل تصویربرداری را انجام می‌دهند. در گام‌ بعدی با کمک الگوریتم‌های بینایی‌ ماشین به پردازش تصاویر می‌پردازند و سپس تصاویر پردازش شده را تحلیل و بررسی می‌کنند. در نهایت با شناسایی و فهمیدن اشیای موجود در تصویر، تصمیمات لازم را بر اساس نوع اشیای موجود در تصویر، اتخاذ می‌کنند. 
 

به‌عنوان یک برنامه نویس پردازش تصویر لازم‌است بدانید که مرزهای مشخصی بین پردازش تصویر و بینایی ‌ماشین وجود ندارد.‏ اما به هر حال یک الگوی مناسب در این راستا توجه به سه نوع فرآیند محاسباتی سطح پایین،‏ متوسط و بالا، می‌باشد.

در این سطح، عملیات‌ اولیه همچون پردازش تصویر برای کاهش ‌نویز،‏ فیلترکردن تصویر، تغییر کنتراست و برجسته‌سازی تصویر، انجام می‌شوند.‏ خصیصه‌ی مهم فرآیندهای سطح‌ پایین این است که ورودی و خروجی در آن‌ها تصویر است.‏ 

سطح متوسط، شامل فعالیت‌هایی مثل قطعه‌بندی تصویر، توصیف اشیا برای پردازش راحت‌تر تصاویر و تشخیص و طبقه‌بندی اشیا، می‌شود.‏ ویژگی فرآیندهای سطح‌متوسط این است که ورودی آن‌ها تصویر و خروجی آن‌ها صفاتی از خصوصیات استخراجی از اشیای تصویر مانند لبه‌ها، کانتورها و... می‌باشد.

در این فرآیندها، اطلاعات مهیا شده توسط فرآیندهای سطح ‌میانی تفسیر می‌شوند. این تفاسیر در واقع همانند تفسیر و تشخیص‌هایی است که سیستم ‌بینایی انسان انجام می‌دهد، مانند فعالیت، هدف و رفتار. 
 

طی سال‌های گذشته، در صنایع مختلف برای تعیین کیفیت و نوع ساخت، نیاز بالایی به بازبینی، بررسی و کنترل کالاهای صنعتی احساس می‌شود. انجام چنین نظارت‌های دقیقی در سطوح گسترده توسط نیروهای انسانی امری بس دشوار و وقت‌گیر است. امروزه برای حل این مشکل از کامپیوتر، دوربین‌های صنعتی، لنز و لایتینگ و دیگر تجهیزات، استفاده‌ می‌شود. به‌کمک ابزارهای گفته‌شده و نوشتن برنامه‌های کامپیوتری توسط برنامه نویس پردازش تصویر می‌توان یک سیستم‌ بینایی‌ماشین ساخت. کاربرد بینایی ماشین و پردازش تصویر در حوزه‌های مختلف بسیار گسترده‌است که در ادامه برخی از آن‌ها را آورده‌ایم:

با استفاده از پردازش تصویر در علم هواشناسی، دقت و سرعت پیش‌بینی آب و هوا و طوفان‌ها، بسیار بالا رفته‌است. توسط تصاویر پردازش شده‌ی هوایی و ماهواره‌ای، جبهه‌های‌ پرفشار، کم‌فشار، گردبادها و گرداب‌هایی که آمده در سطح کره‌ی زمین به‌وجود آمده‌اند، به‌راحتی قابل مشاهده هستند. 

افزایش سرعت، کاهش خطا و هزینه و همچنین عدم نیاز به حضور ۲۴ ساعته‌ی اپراتورها، همگی از مزایای استفاده ‌از پردازش تصویر و بینایی‌ماشین در صنعت می‌باشند. در صنایع‌غذایی، دستگاهی ساخته‌شده که قادر به تشخیص کیک‌های‌ پخته از کیک‌هایی که نیاز به پخت‌مجدد دارند، می‌باشد. این دستگاه به لطف تکنولوژی پردازش تصویر و بینایی ماشین کیک‌های پخته‌شده را به‌صورت اتوماتیک به بسته‌بندی می‌فرستد و کیک‌های نپخته را دوباره برای پختن ارسال می‌کند.

با استفاده از پردازش تصاویری که در دو حالت دور و نزدیک از اراضی کشاورزی گرفته شده‌اند، می‌توان کارهای مختلفی انجام داد. در مواردی همچون تقسیم اراضی یا صدمات احتمالی وارد به محیط زیست را می توان از تصاویر دور استفاده‌کرد. در چنین حالتی یک برنامه نویس پردازش تصویر، ‌می‌تواند برنامه‌ای بنویسد که با توجه به نوع خاک مناطق مختلف و محل رودخانه‌ها، به‌طور خودکار، بهترین نقاط برای کشت محصولات‌مختلف را تعیین‌‌کند.

به کمک پردازش تصاویر هوایی از یک شهر می‌توان ترافیک هر قسمت از شهر را مشخص و کنترل کرد. همچنین با مقایسه‌ی عکس‌های مختلف از یک شهر طی سال‌های متمادی، می‌توان میزان تغییرات، پیشرفت و گسترش آن را مشاهده‌کرد.
در مواردی از قبیل ساخت ماشین‌های هرز چین اتوماتیک نیز می‌توان از تصاویر نزدیک استفاده‌کرد. برای مثال، تشخیص خودکار گل زعفران جهت جداسازی پرچم قرمزرنگ آن، یکی از پروژه‌های جالب برنامه نویسان پردازش تصویردر بخش کشاورزی می‌باشد. این پردازش توسط نرم‌افزار Stigma Detection نوشته‌ شده‌است.

زمانی‌که در زمینه‌ی پزشکی، نیاز به‌گرفتن عکس‌هایی با نهایت شفافیت و وضوح می‌باشد و دیدن تمام جزئیات لازم است، پردازش تصویر بسیار کارآمد خواهدبود. در جراحی‌های میکروسرجری (Microsurgery) با استفاده از میکروسکوپ‌های جراحی و ایجاد یک سوراخ‌کوچک، از برش‌های پوستی دردناک اجتناب خواهدشد. کاربرد پردازش تصویر در مهندسی‌پزشکی، انجام عمل‌جراحی توسط بازوهای رباتیک بسیار دقیق و دیدن محل‌جراحی توسط پزشک از راه دور را امکان‌پذیر ساخته‌است.

از جمله کدهای امنیتی که همیشه همراه بشر بوده‌است، مردمک چشم و اثر انگشت می‌باشد. از این روش‌ها برای شناخت افراد و سیستم های امنیتی استفاده می‌شود. سیستم‌های امنیتی تشخیص اثرانگشت و همچنین قابلیت Finger Print در گوشی‌ها و لپ‌تاپ‌های جدید که می‌توانند افراد را از روی اثر انگشت شناسایی کنند نمونه‌ای از کاربرد بینایی‌ماشین در امنیت هستند.

با پردازش تصاویر ضبط‌شده از دوربین‌های موجود در تقاطع‌ها می‌توان سرعت، زمان، جهت‌حرکت و پلاک خودروها را به‌دست آورد. از همین طریق تخلفات متنوعی همچون توقف روی خط عابر پیاده، عبور از چراغ قرمز، گردش به چپ یا راست و تخطی از سرعت‌مجاز هنگام عبور از تقاطع را به ثبت‌رساند.
 

برای شروع برنامه نویسی پردازش تصویرنیاز به پیش‌نیاز ریاضی قوی دارید. سوالی که برای خیلی‌ها پیش می‌آید، این‌است که آیا ما واقعاً برای تبدیل شدن به یک برنامه نویس پردازش تصویرنیاز به یادگیری مباحث ریاضی داریم؟ باید بگوییم بله! شما برای فهمیدن تئوری پردازش‌تصویر، نیاز به اطلاعات ریاضیاتی دقیقی دارید. اصولاً برنامه نویسی پردازش تصویر به‌تنهایی سخت نیست، بلکه فهمیدن تئوری آن زمان و انرژی زیادی را از شما می‌گیرد. مهم‌ترین مطلبی که شما از ریاضی برای پردازش تصویر نیاز دارید، بحث سری و تبدیل فوریه است. دانشجویان رشته‌ی مهندسی در درس ریاضیات‌مهندسی با این مباحث آشنا می‌شوند. همچنین کسب مهارت قابل قبولی در جبرخطی (بخش ماتریس‌ها) نیاز است. در صورت عدم یادگیری این مطالب، با انتگرال‌های وحشتناک و عجیب‌ و غریبی روبرو خواهید شد.
 

یک برنامه نویس پردازش تصویر می‌تواند با استفاده از زبان‌های برنامه نویسی پایتون، C++، متلب (MATLAB) و یا کتابخانه‌یOpenCV ، به برنامه نویسی پردازش تصویر بپردازد. انتخاب هرکدام از این موارد برای برنامه‌نویس، کاملا اختیاری می‌باشد.

پایتون، زبان برنامه ‌نویسی منبع ‌باز (Open Source) است و به همین علت منابع بسیاری برای یادگیری آن در دسترس می‌باشد.. از طرفی کتابخانه OpenCV هم اوپن سورس بوده و توسعه‌ی آن آزاد است.

C++ هم مانند پایتون Open Source است، با این تفاوت که یادگیری و کارکردن با آن بسیار مشکل و زمان‌بر است. ازطرفی، سرعت اجرای C++ خیلی بیشتر از پایتون است و به همین‌جهت در صنعت کاربرد فراوانی دارد.

OpenCV یا همان Open Computer Vision Library مجموعه‌ای از کتابخانه‌هایبرنامه نویسی پردازش تصویر و یادگیری ماشین است. این کتابخانه نیز منبع‌باز است و توسعه‌ی آن آزاد است. همچنین دارای رابط برنامه‌نویسی به زبان‌های پایتون، C، C++، متلب و جاوا می‌باشد.

متلب، منبع‌ باز نیست و لایسنس کامل آن صدهزار دلار امریکا هزینه دارد. البته برنامه‌نویسان ایرانی از نسخه‌ی کرک شده‌ی آن استفاده می‌کنند. شما می‌توانید از کد متلب خروجی C یا C++ بگیرید. بهترین مزیت متلب، مستندات (Documentation) کامل آن است که در اکثر موارد هر کد با یک مثال عملی همراه است.
بسیاری از برنامه‌نویسان و یا توسعه‌دهندگان برنامه‌های ‌کاربردی، از محیط و زبان برنامه‌نویسی متلب برای برنامه نویسی پردازش تصویراستفاده می‌کنند. محبوبیت متلب به دلایل زیر می‌باشد:
    سرعت اجرای برنامه‌ها در متلب بیشتر از پایتون است.‌
    مستندات متلب بسیار کامل‌تر از پایتون و کتابخانه‌ی OpenCV است.
    زبان متلب و پایتون بسیار به هم شباهت دارند. برنامه‌نویسانی که به متلب مسلط هستند، در یادگیری پایتون هم مشکل ندارند. ازطرفی بین کدهای پردازش‌تصویر متلب و OpenCV هم شباهت‌هایی موجود است.
 

میزان حقوق دریافتی یک برنامه نویس پردازش تصویر باتوجه به رزومه‌ی هر شخص و عواملی همچون میزان‌تخصص، سابقه‌ی‌کار، شهر محل‌کار متفاوت‌است. به ‌یاد داشته‌باشید در این زمینه آشنایی با کتابخانه‌ی FFmpeg، تسلط به هوش مصنوعی و مفاهیم سه‌بعدی به هرچه قوی‌تر شدن رزومه‌ی شما کمک خواهدکرد. موقعیت‌های شغلی با درآمد خوب معمولا نصیب افرادی می‌شوند که تسلط بالایی در حوزه‌ی کاری خود دارند. پس برای رسیدن به هدف استخدام به‌عنوان یک برنامه نویس پردازش تصویر موفق در شرکت‌های معتبر، دائما دانش خود را به‌روز کنید و از تلاش دست‌نکشید.
به‌ نقل از وب‌ سایت استخدامی Simplyhired، متوسط درآمد سالانه‌ی یک برنامه نویس پردازش تصویر (به زبان متلب)، سال ۲۰۱۹ در ایالات‌ متحده، ۷۳.۳۲۰ دلار اعلام شده‌است. این میزان برای برنامه‌نویسان با سابقه‌ی بیش‌تر به ۱۶۱.۴۰۱ دلار در سال نیز می‌رسد.