Đang tải... (xem toàn văn)
MỤC LỤC DANH MỤC HÌNH VẼ 3 MỞ ĐẦU 4 PHẦN I: PHÂN ĐOẠN ẢNH 5 1. Giới thiệu 5 2. Các hướng tiếp cận phân đoạn ảnh 5 2.1.Các phương pháp dựa trên không gian đặc trưng 6 2.2.Các phương pháp dựa trên không gian ảnh 6 2.3.Các phương pháp dựa trên mô hình vật lý 7 PHẦN II: MỘT SỐ PHƯƠNG PHÁP PHÂN ĐOẠN THEO NGƯỠNG 14 1. Tổng quát 14 1.1 Giới thiệu 14 1.2 Ngưỡng là gì? 15 1.3 Chọn ngưỡng cố định 16 1.4 Chọn ngưỡng dựa trên lược đồ 16 2. Thuật toán tam giác 17 PHẦN III: CÀI ĐẶT VÀ THỬ NGHIỆM 18 1. Yêu cầu về hệ thống 18 2. Chương trình 18 3. Giao diện của chương trình 24 3.1 Giao diện chính 24 3.2 Ví dụ 25 KẾT LUẬN 29 TÀI LIỆU THAM KHẢO 30 DANH MỤC HÌNH VẼ Hình: 1 Minh học thuật toán tam giác 17 Hình: 2 Giao diện chính 24 Hình: 3 Ảnh khi open 25 Hình: 4 Ảnh khi xử lý với Sobel 26 Hình: 5 Ảnh khí xử lý với Robert 27 Hình: 6 Ảnh khi xử lý với Prewitt 28
Báo cáo xử lý ảnh số TRƯỜNG ĐẠI HỌC MỎ - ĐỊA CHẤT KHOA: CÔNG NGHỆ THÔNG TIN BÁO CÁO BÀI TẬP LỚN: XỬ LÝ ẢNH SỐ Đề tài: Tìm hiểu thuật toán tam giác (triangle) xác định ngưỡng để phân đoạn ảnh Thử nghiệm với ảnh đa mức xám Giảng viên hướng dẫn: Th.S: Trần Mai Hương Sinh viên thực hiện: Trần Thị Hà: 1421050378 Nguyễn Thị Khánh Linh: 1421050480 Vũ Thị Hải Yến: 1421050719 1 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số MỤC LỤC DANH MỤC HÌNH VẼ MỞ ĐẦU Xử lý ảnh (XLA) là một trong những chuyên ngành quan trọng và lâu đời của Công nghệ thông tin XLA được áp dụng trong nhiều lĩnh khác nhau như y học, vật lý, hoá học, tìm kiếm tội phạm,… Mục đích chung của việc XLA thường là: (1) xử lý ảnh ban đầu để có được một bức ảnh mới theo một yêu cầu cụ thể; phân tích ảnh để thu được các thông tin đặc trưng trên ảnh nhằm hỗ trợ cho việc phân loại và nhận biết ảnh; phân đoạn ảnh (image segmentation) để nhận diện được các thành phần trong ảnh nhằm hiểu được kết cấu của bức ảnh ở mức độ cao hơn Để xử lý được một bức ảnh thì phải trải qua nhiều bước, nhưng bước quan trọng và khó khăn nhất đó là phân đoạn ảnh Nếu bước phân đoạn ảnh không tốt thì dẫn đến việc nhận diện sai lầm về các đối tượng có trong ảnh Trong khoảng 30 năm trở lại đây đã có rất nhiều các thuật toán được đề xuất để giải quyết bài toán phân đoạn ảnh Các thuật toán hầu hết đều dựa vào hai thuộc tính quan trọng của mỗi điểm ảnh so với các điểm lân cận của nó, đó là: sự khác (dissimilarity) và giống nhau (similarity) Các phương pháp dựa trên sự khác nhau của các điểm ảnh được gọi là các phương pháp biên (boundary-based methods), còn các phương pháp dựa trên sự giống nhau của các điểm ảnh được gọi 2 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số là phương pháp miền (region-based methods) Tuy nhiên, cho đến nay các thuật toán theo cả hai hướng này đều vẫn chưa cho kết quả phân đoạn tốt, vì cả hai loại phương pháp này đều chỉ nắm bắt được các thuộc tính cục bộ (local) của ảnh Do đó, trong thời gian gần đây, việc tìm ra các thuật toán nắm bắt được các thuộc tính toàn cục (global) của bức ảnh đã trở thành một xu hướng PHẦN I: PHÂN ĐOẠN ẢNH 1 Giới thiệu Phân đoạn ảnh là một thao tác ở mức thấp trong toàn bộ quá trình xử lý ảnh Quá trình này thực hiện việc phân vùng ảnh thành các vùng rời rạc và đồng nhất với nhau hay nói cách khác là xác định các biên của các vùng ảnh đó Các vùng ảnh đồng nhất này thông thường sẽ tương ứng với toàn bộ hay từng phần của các đối tượng thật sự bên trong ảnh Vì thế, trong hầu hết các ứng dụng của lĩnh vực xử lý ảnh (image processing), thị giác máy tính, phân đoạn ảnh luôn đóng một vai trò cơ bản và thường là bước tiền xử lý đầu tiên trong toàn bộ quá trình trước khi thực hiện các thao tác khác ở mức cao hơn như nhận dạng đối tượng, biểu diễn đối tượng, nén ảnh dựa trên đối tượng, hay truy vấn ảnh dựa vào nội dung … Vào những thời gian đầu, các phương pháp phân vùng ảnh được đưa ra chủ yếu làm việc trên các ảnh mức xám do các hạn chế về phương tiện thu thập và lưu trữ Ngày nay, cùng với sự phát triển về các phương tiện thu nhận và biểu diễn ảnh, các ảnh màu đã hầu như thay thế hoàn toàn các ảnh mức xám trong việc biểu diễn và lưu trữ thông tin do các ưu thế vượt trội hơn hẳn so với ảnh mức xám Do đó, các kỹ thuật, thuật giải mới thực hiện việc phân vùng ảnh trên các loại ảnh màu liên tục được phát triển để đáp ứng các nhu cầu mới Các thuật giải, kỹ thuật này thường được phát triển dựa trên nền tảng các thuật giải phân vùng ảnh mức xám đã có sẵn 3 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số 2 Các hướng tiếp cận phân đoạn ảnh Phân đoạn ảnh là chia ảnh thành các vùng không trùng lặp Mỗi vùng gồm một nhóm pixel liên thông và đồng nhất theo một tiêu chí nào đó Tiêu chí này phụ thuộc vào mục tiêu của quá trình phân đoạn Ví dụ như đồng nhất về màu sắc, mức xám, kết cấu, độ sâu của các layer… Sau khi phân đoạn mỗi pixel chỉ thuộc về một vùng duy nhất Để đánh giá chất lượng của quá trình phân đoạn là rất khó Vì vậy trước khi phân đoạn ảnh cần xác định rõ mục tiêu của quá trình phân đoạn là gì Xét một cách tổng quát, ta có thể chia các hướng tiếp cận phân đoạn ảnh thành ba nhóm chính như sau: • Các kỹ thuật phân đoạn ảnh dựa trên không gian đặc trưng • Các kỹ thuật dựa trên không gian ảnh • Các kỹ thuật dựa trên các mô hình vật lý 2.1.Các phương pháp dựa trên không gian đặc trưng Nếu chúng ta giả định màu sắc bề mặt của các đối tượng trong ảnh là một thuộc tính bất biến và các màu sắc đó được ánh xạ vào một không gian màu nào đó, vậy thì chúng ta sẽ có một cái nhìn đối với mỗi đối tượng trong ảnh như là một cụm (cluster) các điểm trong không gian màu đó Mức độ phân tán của các điểm trong trong một cụm được xác định chủ yếu bởi sự khác biệt về màu sắc Một cách khác, thay vì ánh xạ các pixel trong ảnh vào một không gian màu cụ thể, ta xây dựng một biểu đồ (histogram) dựa trên các đặc trưng màu dạng adhọc cho ảnh đó (ví dụ như Hue), và thông thường, các đối tượng trong ảnh sẽ xuất hiện như các giá trị đỉnh trong biểu đồ (histogram) đó Do đó, việc phân vùng các đối tượng trong ảnh tương ứng với việc xác định các cụm – đối với 4 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số cách biểu diễn thứ nhất – hoặc xác định các vùng cực trị của biểu đồ (histogram) đối với cách biểu diễn thứ hai Các phương pháp tiếp cận này chỉ làm việc trên một không gian màu xác định chẳng hạn phương pháp của Park, áp dụng trên không gian màu RGB, còn phương pháp của Weeks và Hague thì áp dụng trên không gian màu HIS Dựa trên không gian đặc trưng, ta có các phương pháp phân đoạn: phương pháp phân nhóm đối tượng không giám sát, phương pháp phân lớp trung bình thích nghi, phương pháp lấy ngưỡng biểu đồ (histogram) 2.2.Các phương pháp dựa trên không gian ảnh Hầu hết những phương pháp được đề cập trong phần trên đều hoạt động dựa trên các không gian đặc trưng của ảnh (thông thường là màu sắc) Do đó, các vùng ảnh kết quả là đồng nhất tương ứng với các đặc trưng đã chọn cho từng không gian Tuy nhiên, không có gì đảm bảo rằng tất cả các vùng này thể hiển một sự cô đọng (compactness) về nội dung xét theo ý nghĩa không gian ảnh (ý nghĩa các vùng theo sự cảm nhận của hệ thần kinh con người) Mà đặc tính này là quan trọng thứ hai sau đặc tính về sự thuần nhất của các vùng ảnh Do các phương pháp gom cụm cũng như xác định ngưỡng biểu đồ (histogram) đã nêu đều bỏ qua thông tin về vị trí của các pixel trong ảnh Trong các báo cáo khoa học về phân vùng ảnh mức xám, có khá nhiều kỹ thuật cố thực hiện việc thoả mãn cùng lúc cả hai tiêu chí về tính đồng nhất trong không gian đặc trưng của ảnh và tính cô đọng về nội dung ảnh Tuỳ theo các kỹ thuật mà các thuật giải này áp dụng, chúng được phân thành các nhóm sau: Các thuật giải áp dụng kỹ thuật chia và trộn vùng 5 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số Các thuật giải áp dụng kỹ thuật tăng trưởng vùng Các thuật giải áp dụng lý thuyết đồ thị Các giải thuật áp dụng mạng neural Các giải thuật dựa trên cạnh 2.3.Các phương pháp dựa trên mô hình vật lý Tất cả các giải thuật được xem xét qua, không ít thì nhiều ở mặt nào đó đều có khả năng phát sinh việc phân vùng lỗi trong các trường hợp cụ thể nếu như các đối tượng trong ảnh màu bị ảnh hưởng quá nhiều bởi các vùng sáng hoặc bóng mờ, các hiện tượng này làm cho các màu đồng nhất trong ảnh thay đổi nhiều hoặc ít một cách đột ngột Và kết quả là các thuật giải này tạo ra các kết quả phân vùng quá mức mong muốn so với sự cảm nhận các đối tượng trong ảnh bằng mắt thường Để giải quyết vấn đề này, các giải thuật phân vùng ảnh áp dụng các mô hình tương tác vật lý giữa bề mặt các đối tượng với ánh sáng đã được đề xuất Các công cụ toán học mà các phương pháp này sử dụng thì không khác mấy so với các phương pháp đã trình bày ở trên, điểm khác biệt chính là việc áp dụng các mô hình vật lý để minh hoạ các thuộc tính phản chiếu ánh sáng trên bề mặt màu sắc của các đối tượng Cột mốc quan trọng trong lĩnh vực phân vùng ảnh màu dựa trên mô hình vật lý được Shafer đặt ra Ông giới thiệu mô hình phản xạ lưỡng sắc cho các vật chất điện môi không đồng nhất Dựa trên mô hình này, Klinker đã đặt ra một giải thuật đặt ra một số giả thiết quang học liên quan đến màu sắc, bóng sáng, bóng mờ của các đối tượng và cố gắng làm phù hợp chúng với hình dạng của các cụm Hạn chế chính của giải thuật này là nó chỉ làm việc trên các vật chất điện môi không đồng 6 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số nhất Hai ông cùng tên đã áp dụng mô hình phản xạ lưỡng sắc trong không gian HSV để xác định các đường biên trong ảnh màu Healey đề xuất một mô hình phản xạ đơn sắc cho các vật chất kim loại Các phương pháp đề cập trong phần này chỉ áp dụng cho hai loại vật chất là kim loại và điện môi không đồng nhất Một thuật toán tổng quát và phức tạp hơn cũng được Maxwell và Shafer đề xuất trong Tóm lại, một cái nhìn tổng quan về các phương pháp phân đoạn ảnh như sau: Color Image Segmentation techniques Feature-based Spatial-based Clustering Split and merge Adaptive k-means clust Region growing Histogram thresholding Edge based Physics-based Neural network based Graph theoretical Mỗi phương pháp đều có những ưu nhược điểm nhất định: Phương pháp phân Ưu điểm vùng Khuyết điểm Featured-based techniques (tính năng kĩ thuật) Clustering (cụm) Phân loại không Không quan tâm 7 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số cần giám sát đến các thông tin trong không gian ảnh Tồn tại các phương pháp kinh Có vấn đề trong nghiệm cải tiến việc xác định số lượng (heuristic) và hữu hạn các cụm ban đầu Khó khăn trong việc điều chỉnh các cụm sao cho phù hợp với các vùng trong ảnh Adaptive Clustering Sở hữu tính liên Cực đại hoá một tục trong không gian xác suất hậu điều kiện ảnh và tính thích nghi có thể bị sai do các cục bộ đối với các cực trị địa phương vùng ảnh Hội tụ chậm Sử dụng các ràng buộc về không gian ảnh Phương pháp phân Ưu điểm vùng Histogram thresholding Không cần biết Khuyết điểm trước bất kỳ thông tin nào từ ảnh Các giải thuật nhanh và dễ dàng cài Bỏ qua các thông tin về không gian ảnh Lấy ngưỡng trong các histogram đa chiều là một quá trình 8 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số đặt phức tạp Ảnh hưởng dễ dàng bởi nhiễu xuất hiện trong ảnh Spatial-based techniques Spit and Merge Sử dụng các thông Định nghĩa mức tin về không gian ảnh độ đồng nhất về màu là chính sắc có thể phức tạp và khó khăn Cho kết quả tốt với các ảnh chứa Quadtree có thể nhiều vùng màu đồng gây ra các kết quả nhất không như mong muốn Region growing Các vùng ảnh Tốn kém chi phí đồng nhất và liên sử dụng bộ nhớ và thông tính toán Có một số thuật Gặp khó khăn giải có tốc độ thực thi trong việc thu thập tập khá nhanh các điểm mầm và xác định các điều kiện đồng nhất đầy đủ Chịu ảnh hưởng bởi các đặc tính tự nhiên của kỹ thuật này 9 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số Graph theories Thể hiện tốt không gian ảnh bằng đồ thị mất khá nhiều thời gian thực hiện Một số thuật toán có tốc độ thực hiện Một vài thuật giải nhanh Các đặc trưng cục bộ đôi khi được sử dụng nhiều hơn các đặc trưng toàn cục Neural networks Mức độ song song Màu sắc có thể hoá cao và có tốc độ làm tăng độ phức tạp thực thi nhanh của mạng Khả năng chống Quá trình học cần chịu tốt trước các thay phải biết trước số đổi xấu lượng các phân lớp/cụm Một công cụ hữu hiệu cho các ứng dụng nhận dạng và xử lý ảnh y khoa Edge-based Là phương pháp Khó khăn trong được hỗ trợ mạnh bởi việc định nghĩa một các toán tử dò biên hàm gradient cho các ảnh màu Có hiệu năng tốt với các ứng dụng dò Nhiễu hoặc các biên đối tượng theo ảnh có độ tương phản đường cong kém ảnh hưởng xấu đến kết quả phân 10 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số Hình: 1 Minh học thuật toán tam giác PHẦN III: CÀI ĐẶT VÀ THỬ NGHIỆM 1 Yêu cầu về hệ thống - Sử dụng Visual Studio2015 2 Chương trình Sau đây là chương trình sử dụng để phân đoạn theo ngưỡng theo thuật toán: using System; using System.Collections.Generic; using System.ComponentModel; using System.Data; using System.Drawing; using System.Linq; using System.Text; using System.Threading.Tasks; using System.Windows.Forms; using System.IO; using System.Drawing.Imaging; using System.Drawing.Drawing2D; 16 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số using System.Collections; namespace BTL_XLAS.Nhóm_04 { public partial class Form1 : Form { public Bitmap newBitmap; Image file; public ImageList imageList, imageList5; public Image i; public string[] i1, i2, i3; public string urlimages; public OpenFileDialog opend1; public SaveFileDialog save1; public Bitmap bitmap01; public Bitmap temp; public int tracked_val, p1, c; private void sobelToolStripMenuItem_Click(object sender, EventArgs e) { if (pictureBox1.Image != null) { if (toolStripTextBox1.Text == "") { toolStripTextBox1.Text = "120"; } Bitmap im; im = (Bitmap)pictureBox1.Image; Bitmap b, b1; int[,] gx = new int[,] { { -1, 0, 1 }, { -2, 0, 2 }, { -1, 0, 1} }; int[,] gy = new int[,] { { 1, 2, 1 }, { 0, 0, 0 }, { -1, -2, -1} }; b = (Bitmap)im; b1 = new Bitmap(im); for (int i = 1; i < b.Height - 1; i++) { for (int j = 1; j < b.Width - 1; j++) { float new_x = 0, new_y = 0; float c; for (int hw = -1; hw < 2; hw++) 17 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số { for (int wi = -1; wi < 2; wi++) { c = (b.GetPixel(j + wi, i + hw).B + b.GetPixel(j + wi, i + hw).R + b.GetPixel(j + wi, i + hw).G) / 3; new_x = new_x + gx[hw + 1, wi + 1] * c; new_y = new_y + gx[hw + 1, wi + 1] * c; } } if (new_x * new_x + new_y * new_y > Int32.Parse(toolStripTextBox1.Text) * Int32.Parse(toolStripTextBox1.Text)) b1.SetPixel(j, i, Color.White); else b1.SetPixel(j, i, Color.Black); } } pictureBox1.Image = (Image)b1; } } private void prewittToolStripMenuItem_Click(object sender, EventArgs e) { if (pictureBox1.Image != null) { if (toolStripTextBox1.Text == "") { toolStripTextBox1.Text = "120"; } Bitmap im; im = (Bitmap)pictureBox1.Image; Bitmap b, b1; int[,] gx = new int[,] { { -1, 0, 1 }, { -1, 0, 1 }, { -1, 0, 1 } }; int[,] gy = new int[,] { { 1, 1, 1 }, { 0, 0, 0 }, { -1, -1, -1 } }; b = (Bitmap)im; b1 = new Bitmap(im); for (int i = 1; i < b.Height - 1; i++) { for (int j = 1; j < b.Width - 1; j++) { 18 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số float new_x = 0, new_y = 0; float c; for (int hw = -1; hw < 2; hw++) { for (int wi = -1; wi < 2; wi++) { c = (b.GetPixel(j + wi, i + hw).B + b.GetPixel(j + wi, i + hw).R + b.GetPixel(j + wi, i + hw).G) / 3; new_x = new_x + gx[hw + 1, wi + 1] * c; new_y = new_y + gx[hw + 1, wi + 1] * c; } } if (new_x * new_x + new_y * new_y > Int32.Parse(toolStripTextBox1.Text) * Int32.Parse(toolStripTextBox1.Text)) b1.SetPixel(j, i, Color.White); else b1.SetPixel(j, i, Color.Black); } } pictureBox1.Image = (Image)b1; } } private void databaseToolStripMenuItem_Click(object sender, EventArgs e) { } private void pictureBox1_Click(object sender, EventArgs e) { } private void robertToolStripMenuItem_Click(object sender, EventArgs e) { if (pictureBox1.Image != null) { if (toolStripTextBox1.Text == "") { 19 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số toolStripTextBox1.Text = "30"; } Bitmap im; im = (Bitmap)pictureBox1.Image; Bitmap b, b1; int[,] gx = new int[,] { { 0, 1 }, {-1, 0 } }; int[,] gy = new int[,] { { 1, 0 }, { 0, -1 } }; b = (Bitmap)im; b1 = new Bitmap(im); for (int i = 1; i < b.Height - 1; i++) { for (int j = 1; j < b.Width - 1; j++) { float new_x = 0, new_y = 0; float c; for (int hw = -1; hw < 1; hw++) { for (int wi = -1; wi < 1; wi++) { c = (b.GetPixel(j + wi, i + hw).B + b.GetPixel(j + wi, i + hw).R + b.GetPixel(j + wi, i + hw).G) / 3; new_x = new_x + gx[hw + 1, wi + 1] * c; new_y = new_y + gx[hw + 1, wi + 1] * c; } } if (new_x * new_x + new_y * new_y > Int32.Parse(toolStripTextBox1.Text) * Int32.Parse(toolStripTextBox1.Text)) b1.SetPixel(j, i, Color.White); else b1.SetPixel(j, i, Color.Black); } } pictureBox1.Image = (Image)b1; } } private void openToolStripMenuItem_Click(object sender, EventArgs e) { OpenFileDialog opend1 = new OpenFileDialog(); 20 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số opend1.Filter = "Image Files(*.BMP;*.JPG;*.PNG;*.GIF)| *.BMP;*.JPG;*.PNG;*.GIF|All files(*.*)|*.*"; opend1.Multiselect = true; if (opend1.ShowDialog() == DialogResult.OK) { file = Image.FromFile(opend1.FileName); urlimages = opend1.FileName; newBitmap = new Bitmap(file); pictureBox1.Image = file; } } private void saveToolStripMenuItem_Click(object sender, EventArgs e) { SaveFileDialog save1 = new SaveFileDialog(); save1.Filter = "Image Files(*.BMP;*.JPG;*.PNG;*.GIF)| *.BMP;*.JPG;*.PNG;*.GIF|All files(*.*)|*.*"; if (save1.ShowDialog() == DialogResult.OK) { pictureBox1.Image.Save(save1.FileName); } } public Form1() { InitializeComponent(); } private void Form1_Load(object sender, EventArgs e) { } } } 21 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số 3 Giao diện của chương trình 3.1 Giao diện chính Hình: 2 Giao diện chính 3.2 Ví - dụ Open ảnh 22 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số Hình: 3 Ảnh khi open - Xử lý với Sobel 23 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số Hình: 4 Ảnh khi xử lý với Sobel - Xử lý với Robert Hình: 5 Ảnh khí xử lý với Robert - Xử lý với Prewitt 24 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số Hình: 6 Ảnh khi xử lý với Prewit KẾT LUẬN Ngày nay, ngành công nghệ thông tin đang phát triển một cách mạnh mẽ, có rất nhiều thiết giúp ích trong quá trình sử lý ảnh Trong hầu hết các ứng dụng của lĩnh vực xử lý ảnh (image processing), thị giác máy tính, phân đoạn ảnh luôn đóng 25 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số một vai trò cơ bản và thường là bước tiền xử lý đầu tiên trong toàn bộ quá trình trước khi thực hiện các thao tác khác ở mức cao hơn như nhận dạng đối tượng, biểu diễn đối tượng, nén ảnh dựa trên đối tượng, hay truy vấn ảnh dựa vào nội dung …Do thời gian có hạn,bài tập lớn của chúng em không tránh khỏi những thiếu sót Chúng em mong được sự đóng góp ý kiến của cô giáo và các bạn để bài tập lớn của chúng em được hoàn thiện hơn Chúng em xin chân thành cảm ơn!!! TÀI LIỆU THAM KHẢO 1 Lương Mạnh Bá, N T (2015) Nhập môn xử lý ảnh số Hà Nội: NXB Khoa học và kỹ thuật 26 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số 2 Nguyễn Kim Sách (2017) Xử lý ảnh và video số Hà Nội: NXB Khoa học kỹ thuật 3 Tài Liệu - Ebook (2017, 4 25) Retrieved from http://doc.edu.vn/tai-lieu/doan-tim-hieu-phuong-phap-phan-doan-anh-87309/ 27 Nhóm 4: Hà, Linh, Yến ... 4: Hà, Linh, Yến Báo cáo xử lý ảnh số Hình: Ảnh xử lý với Sobel - Xử lý với Robert Hình: Ảnh khí xử lý với Robert - Xử lý với Prewitt 24 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số Hình: Ảnh xử. .. thường l? ?: (1) xử lý ảnh ban đầu để có ảnh theo yêu cầu cụ thể; phân tích ảnh để thu thơng tin đặc trưng ảnh nhằm hỗ trợ cho việc phân loại nhận biết ảnh; phân đoạn ảnh (image segmentation) để nhận... gian ảnh Vì vậy, ta sâu vào thuật toán phân đoạn: phương pháp phân đoạn yếu B.G Prasad áp dụng hệ thống truy vấn ảnh 11 Nhóm 4: Hà, Linh, Yến Báo cáo xử lý ảnh số ơng; phương pháp phân đoạn trung