การวิเคราะห์ภาพหรือการวิเคราะห์ภาพคือการสกัดข้อมูลที่มีความหมายจากภาพโดยส่วนใหญ่มาจากภาพดิจิทัลโดยใช้เทคนิคการประมวลผลภาพดิจิทัล^{[ 1 ]}งานวิเคราะห์ภาพอาจง่าย เช่น การอ่าน แท็ก บาร์โค้ดหรือซับซ้อน เช่นการระบุตัวบุคคลจากใบหน้า

คอมพิวเตอร์เป็นสิ่งจำเป็นอย่างยิ่งสำหรับการวิเคราะห์ข้อมูลจำนวนมาก สำหรับงานที่ต้องการการคำนวณที่ซับซ้อน หรือสำหรับการสกัดข้อมูลเชิงปริมาณ ในทางกลับกันสมองส่วนรับภาพ ของมนุษย์ เป็นอุปกรณ์วิเคราะห์ภาพที่ยอดเยี่ยม โดยเฉพาะอย่างยิ่งสำหรับการสกัดข้อมูลระดับสูง และสำหรับการใช้งานหลายอย่าง เช่น การแพทย์ ความปลอดภัย และการสำรวจระยะไกล นักวิเคราะห์ที่เป็นมนุษย์ยังคงไม่สามารถถูกแทนที่ด้วยคอมพิวเตอร์ได้ ด้วยเหตุนี้ เครื่องมือวิเคราะห์ภาพที่สำคัญหลายอย่าง เช่นตัวตรวจจับขอบและโครงข่ายประสาทเทียมจึงได้รับแรงบันดาลใจจากแบบจำลอง การรับรู้ภาพ ของมนุษย์

การวิเคราะห์ภาพดิจิทัล หรือการวิเคราะห์ภาพด้วยคอมพิวเตอร์ คือการที่คอมพิวเตอร์หรืออุปกรณ์ไฟฟ้าทำการศึกษาภาพโดยอัตโนมัติเพื่อดึงข้อมูลที่เป็นประโยชน์จากภาพนั้น โดยทั่วไปแล้วอุปกรณ์ดังกล่าวจะเป็นคอมพิวเตอร์ แต่ก็อาจเป็นวงจรไฟฟ้า กล้องดิจิทัล หรือโทรศัพท์มือถือก็ได้ สาขานี้เกี่ยวข้องกับด้านคอมพิวเตอร์ วิชั่น หรือแมชชีนวิชั่นและการถ่ายภาพทางการแพทย์และมีการใช้การจดจำรูปแบบเรขาคณิตดิจิทัลและการประมวลผลสัญญาณ อย่างมาก สาขาวิทยาการคอมพิวเตอร์ นี้ พัฒนาขึ้นในช่วงทศวรรษ 1950 ในสถาบันการศึกษาต่างๆ เช่นMIT AI Lab โดยเริ่มแรกเป็นสาขาหนึ่งของปัญญาประดิษฐ์และหุ่นยนต์

เป็นการ กำหนดลักษณะ เชิงปริมาณหรือเชิงคุณภาพของภาพดิจิทัลสองมิติ (2D) หรือสามมิติ (3D) ตัวอย่างเช่น ภาพ 2D จะถูกวิเคราะห์ในคอมพิวเตอร์วิชั่นและภาพ 3D ในการถ่ายภาพทางการแพทย์สาขานี้ก่อตั้งขึ้นในช่วงปี 1950-1970 โดยมีผลงานบุกเบิกจากAzriel Rosenfeld , Herbert Freeman , Jack E. BresenhamหรือKing-Sun Fu ^{[ 2 ]}

มีเทคนิคมากมายที่ใช้ในการวิเคราะห์ภาพโดยอัตโนมัติ แต่ละเทคนิคอาจมีประโยชน์สำหรับงานเฉพาะด้าน แต่จนถึงขณะนี้ยังไม่มีวิธีการวิเคราะห์ภาพใดที่สามารถใช้งานได้หลากหลายเหมือนกับความสามารถในการวิเคราะห์ภาพของมนุษย์ ตัวอย่างของเทคนิคการวิเคราะห์ภาพในสาขาต่างๆ ได้แก่:

• การจดจำวัตถุ 2 มิติและ 3 มิติ
• การแบ่งส่วนภาพ
• การตรวจจับการเคลื่อนไหวเช่นการติดตามอนุภาคเดี่ยว
• การติดตามวิดีโอ
• การไหลของแสง (optical flow )
• การ วิเคราะห์ภาพสแกนทางการแพทย์
• การประมาณท่าทาง 3 มิติ

ตั้งแต่ช่วงต้นทศวรรษ 2010 วิธี การเรียนรู้เชิงลึกได้พัฒนาสาขาการวิเคราะห์ภาพอย่างมาก ในปี 2012 เครือข่ายประสาทเทียมแบบคอนโวลูชันเชิง ลึก (CNN) ที่รู้จักกันในชื่อAlexNetประสบความสำเร็จในการลดอัตราข้อผิดพลาดอย่างมีนัยสำคัญในเกณฑ์มาตรฐานการจำแนกภาพขนาดใหญ่ImageNet ซึ่งแสดงให้เห็นถึงประสิทธิภาพของการเรียนรู้เชิงลึกสำหรับงานการจดจำภาพ ^{[ 3 ]}สถาปัตยกรรมต่อมา เช่นResNetได้แนะนำการเชื่อมต่อแบบตกค้างที่ช่วยให้สามารถฝึกเครือข่ายที่ลึกขึ้นได้มาก ซึ่งช่วยปรับปรุงความแม่นยำในงานวิเคราะห์ภาพให้ดียิ่งขึ้น^{[ 4 ]}

การตรวจจับวัตถุแบบเรียลไทม์กลายเป็นเรื่องที่ทำได้จริงด้วยเฟรมเวิร์กต่างๆ เช่นYOLO (You Only Look Once) ซึ่งรวมการตรวจจับและการจำแนกประเภทเข้าไว้ในขั้นตอนการประมวลผลเครือข่ายเดียว^{[ 5 ]}ในปี 2020 Vision Transformer (ViT) ได้แสดงให้เห็นว่าสถาปัตยกรรมTransformer ซึ่งเดิมพัฒนาขึ้นสำหรับ การประมวลผลภาษาธรรมชาติสามารถบรรลุผลลัพธ์ที่แข่งขันได้ในการจำแนกภาพเมื่อนำไปใช้โดยตรงกับลำดับของแพทช์ภาพ^{[ 6 ]}

เมื่อไม่นานมานี้โมเดลพื้นฐานที่ฝึกฝนบนชุดข้อมูลขนาดใหญ่ได้ทำให้สามารถสรุปผลได้ทันทีในงานวิเคราะห์ภาพ โมเดล Segment Anything Model (SAM) ที่ฝึกฝนบนมาสก์มากกว่าหนึ่งพันล้านรายการ สามารถแบ่งส่วนวัตถุใดๆ ในภาพได้โดยไม่ต้องปรับแต่งเฉพาะงาน^{[ 7 ]}ความก้าวหน้าเหล่านี้ทำให้เทคนิคการวิเคราะห์ภาพเข้าถึงได้ง่ายขึ้นผ่านเครื่องมือบนเว็บเบราว์เซอร์และการใช้งานแบบโอเพนซอร์ส^{[ 8 ]}

การประยุกต์ใช้การวิเคราะห์ภาพดิจิทัลกำลังขยายตัวอย่างต่อเนื่องในทุกสาขาวิทยาศาสตร์และอุตสาหกรรม รวมถึง:

• กายวิภาคศาสตร์ช่วยให้สามารถวัดได้อย่างแม่นยำ มองเห็นภาพ และวิเคราะห์ทางสถิติของโครงสร้างทางกายวิภาค^{[ 9 ]}
• การอ่านผลการวิเคราะห์ด้วยไมโครเพลทเช่น การตรวจหาว่าสารเคมีนั้นผลิตที่ใด
• ดาราศาสตร์เช่น การคำนวณขนาดของดาวเคราะห์
• การระบุชนิดพันธุ์โดยอัตโนมัติ (เช่น ชนิดของพืชและสัตว์)
• การป้องกัน
• การวิเคราะห์ระดับข้อผิดพลาด
• การกรอง
• ระบบการมองเห็นด้วยเครื่องจักรเช่น การนับจำนวนสินค้าบนสายพานลำเลียงในโรงงานโดยอัตโนมัติ
• วิทยาศาสตร์วัสดุเช่น การตรวจสอบว่ารอยเชื่อมโลหะมีรอยแตกหรือไม่
• ทางการแพทย์เช่น การตรวจหามะเร็งด้วยการสแกนแมมโมแกรม
• โลหะวิทยาเช่น การหาปริมาณแร่ธาตุในตัวอย่างหิน
• การตรวจด้วยกล้องจุลทรรศน์เช่น การนับจำนวนเชื้อโรคในไม้สำลี
• ระบบจดจำป้ายทะเบียนรถอัตโนมัติ ;
• การรู้จำอักษรด้วยแสงเช่น การตรวจจับป้ายทะเบียนรถอัตโนมัติ
• การสำรวจระยะไกลเช่น การตรวจจับผู้บุกรุกในบ้าน และการสร้างแผนที่ปกคลุม/การใช้ที่ดิน^{[ 10 ] [ 11 ]}
• วิทยาการหุ่นยนต์เช่น การหลีกเลี่ยงการชนสิ่งกีดขวาง
• ระบบรักษาความปลอดภัยเช่น การตรวจจับสีตาหรือสีผมของบุคคล

การวิเคราะห์ภาพตามวัตถุ ( OBIA ) ประกอบด้วยกระบวนการทั่วไปสองอย่าง คือ การแบ่งส่วนและการจำแนกประเภท การแบ่งส่วนช่วยในการจัดกลุ่มพิกเซลให้เป็นวัตถุที่เป็นเนื้อเดียวกัน โดยทั่วไปวัตถุจะสอดคล้องกับคุณลักษณะแต่ละอย่างที่น่าสนใจ แม้ว่าการแบ่งส่วนมากเกินไปหรือน้อยเกินไปก็มีโอกาสเกิดขึ้นได้มาก จากนั้นจึงสามารถทำการจำแนกประเภทได้ในระดับวัตถุ โดยใช้สถิติต่างๆ ของวัตถุเป็นคุณลักษณะในตัวจำแนกประเภท สถิติอาจรวมถึงรูปทรงเรขาคณิต บริบท และพื้นผิวของวัตถุในภาพ การแบ่งส่วนมากเกินไปมักเป็นที่ต้องการมากกว่าการแบ่งส่วนน้อยเกินไปเมื่อจำแนกภาพที่มีความละเอียดสูง^{[ 12 ]}

การวิเคราะห์ภาพตามวัตถุถูกนำไปใช้ในหลายสาขา เช่น ชีววิทยาของเซลล์ การแพทย์ วิทยาศาสตร์โลก และการสำรวจระยะไกล ตัวอย่างเช่น สามารถตรวจจับการเปลี่ยนแปลงรูปร่างของเซลล์ในกระบวนการแบ่งเซลล์ได้^{[ 13 ]}นอกจากนี้ยังมีการใช้กันอย่างแพร่หลายในชุมชนการทำแผนที่เพื่อสร้าง แผนที่ ปกคลุมดิน^{[ 12 ] [ 14 ]}

เมื่อนำไปใช้กับภาพโลก OBIA จะเรียกว่าการวิเคราะห์ภาพตามวัตถุทางภูมิศาสตร์ (GEOBIA) ซึ่งนิยามว่า "สาขาย่อยของวิทยาศาสตร์สารสนเทศทางภูมิศาสตร์ที่อุทิศให้กับการแบ่ง ภาพ จากการสำรวจระยะไกล (RS) ออกเป็นวัตถุภาพที่มีความหมาย และประเมินลักษณะเฉพาะของวัตถุเหล่านั้นผ่านมาตราส่วนเชิงพื้นที่ สเปกตรัม และเวลา" ^{[ 15 ] [ 14 ]}การประชุม GEOBIA ระหว่างประเทศจัดขึ้นทุกสองปีตั้งแต่ปี 2006 ^{[ 16 ]}

เทคนิค OBIA ถูกนำไปใช้ในซอฟต์แวร์ต่างๆ เช่นeCognition หรือชุดเครื่องมือ Orfeo

• ภาพทางโบราณคดี
• เทคโนโลยีการถ่ายภาพ
• การประมวลผลภาพ
• imc FAMOS (1987), การวิเคราะห์ข้อมูลเชิงกราฟ
• การทำแผนที่การปกคลุมของพื้นที่
• หน่วยข่าวกรองทางทหาร
• การสำรวจระยะไกล

• คู่มือการประมวลผลภาพโดย จอห์น ซี. รัสส์ISBN 0-8493-7254-2(2006)
• การประมวลผลและการวิเคราะห์ภาพ - วิธีการแปรผัน, สมการเชิงอนุพันธ์ย่อย, เวฟเล็ต และวิธีการสุ่มโดยโทนี่ เอฟ. ชานและเจียนหง (แจ็กกี้) เชินISBN 0-89871-589-X(2005)
• หนังสือ "Front-End Vision and Multi-Scale Image Analysis"โดย Bart M. ter Haar Romeny ปกอ่อนISBN 1-4020-1507-0(2003)
• คู่มือปฏิบัติการวิเคราะห์ภาพโดย JJ Friel และคณะ, ASM International , ISBN 0-87170-688-1(2000)
• พื้นฐานของการประมวลผลภาพโดย Ian T. Young, Jan J. Gerbrands, Lucas J. Van Vliet, หนังสือปกอ่อน, ISBN 90-75691-01-7(1995)
• หนังสือ "การวิเคราะห์ภาพและโลหะวิทยา"เรียบเรียงโดย พี.เจ. เคนนี และคณะ จัดพิมพ์โดยสมาคมโลหะวิทยานานาชาติและ สมาคมโลหะ วิทยาแห่งอเมริกา (1989)
• การวิเคราะห์ภาพเชิงปริมาณของโครงสร้างจุลภาคโดย HE Exner & HP Hougardy, DGM Informationsgesellschaft mbH, ISBN 3-88355-132-5(1988)
• "การเตรียมตัวอย่างทางโลหะวิทยาและวัสดุศาสตร์ การใช้กล้องจุลทรรศน์แบบใช้แสง การวิเคราะห์ภาพ และการทดสอบความแข็ง" โดย Kay Geels ร่วมกับ Struers A/S, ASTM International 2006