Đang tải... (xem toàn văn)
BÁO CÁO XỬ LÝ ẢNH
Báo cáo Xử lý ảnh Báo cáo Xử lý ảnh Các khái niệm xử lý ảnh Trước vào tìm hiểu cách tổng quan trình xử lý ảnh, ta cần quan tâm tới số khái niệm Để thực bước trình xử lý ảnh trước hết ta phải hiểu: ảnh gi? 1.1 Định nghĩa ảnh Ảnh trắng đen thực chất hàm hai chiều cường độ sáng f(x,y), x y toạ độ không gian giá trị ham f điểm (x,y) tỷ lệ với cường độ sáng ảnh điêm Nếu có ảnh mầu f vector mà thành phần vector cường độ sáng ảnh điểm (x,y) tương ứng với dải mầu Để đơn giản ta xét đến ảnh số Một ảnh số ảnh mà hàm f(x,y) rời rạc hố theo toạ độ khơng gian cường độ sáng Nếu ảnh trắng đen biểu diễn theo mảng hai chiều, ảnh mầu biểu diễn theo chuỗi mảng hai chiều mà mảng hai chiều tương ứng với dải mầu Giá trị cường độ sáng số hoá gọi giá trị mức xám Mỗi thành phần mảng gọi phần tử ảnh (pixel: picture element) biểu diễn sau: f(0,0) f(0,1) f(1,0) f(1,1) f(x,y) = f(0,n) f(1,n) f(n,0) f(n,1) f(n,n) Với 0≤f(x,y)≤G-1, thơng thường N G biểu diễn dạng số mũ ( N=2n, G=2m) 1.2 Cường độ sáng ảnh ví trí điểm ảnh Mỗi điểm ảnh ảnh tương ứng với phần đối tượng vật lý tồn giới thực Đối tượng vật lý chiếu sáng vài tia sáng mà tia sáng bị phản xạ mọt phần hay hấp thụ phần chiếu lên đối tượng vất lý Phần ánh sáng phản xạ lại tới cảm biến sử dụng để tạo ảnh cảm nhậnvà tạo giá trị ghi nhận đối tượng từng điểm ảnh Giá trị thu nhận phụ thuộc vảo phổ ánh sáng phản xạ Giá trị cường độ sáng Báo cáo Xử lý ảnh điểm ảnh khác có ý nghĩa tương đối mà khơng có ý nghĩa toán hạng tuyệt đối 1.3 Số bits cần thiết để lưu trữ ảnh Ở quan tâm tới ảnh xám, ảnh lưu trữ dạng mảng hai chiều với kích thước NxN có 2m mức xám số bits cần thiết để lưu trữ ảnh là: b=N x N x 2m Ví dụ như, ảnh cỡ 512 x 512 với 256 ( tức m=8) mức xám cần số bits lưu trữ la: 512 x 512 x 256=2.097.152 bits 1.4 Độ phân giải ảnh Độ phân giải ảnh biểu diễn mức độ chi tiết ảnh mà nhìn rõ đối tượng Khi thay đổi giá trị m N có tượng thay đổi khác Xong thực nghiêm cho thấy giữ nguyên kích thước ảnh tăng số mức xám lên thể rõ mức độ chi tiết ảnh Nguyên tắc thực xử lý ảnh Chúng ta biết thực xử lý ảnh thông qua việc sử dụng hàm biến đổi ảnh Biến đổi ảnh q trình thực thơng qua tốn tử Một toán tử thực lấy ảnh vào đầu vào hệ thống tạo ảnh khác theo yêu cầu xử lý Để thực trình biến đổi ảnh chủ yếu quan tâm tới tốn tử tuyến tính Giả sử O(f) tốn tử O ảnh f tốn tử O gọi tuyến tính ta có: O[af + bg]= aO(f) + bO(g) Với f, g a, b Trong xử lý ảnh tốn tử định nghĩa hàm trải điểm Một hàm trải điểm toán tử kết mà thu nhận sau thực cung cấp luật tốn tả cho nguồn điểm: O[nguồn điểm]= hàm trải điểm Hay có: O[δ(x-α,y-β) ]= h(x,α,y,β) Trong δ(x-α,y-β) nguồn điểm có cường độ sáng đặt điểm (α,β) Và toán tử tuyến tính ta có: O[aδ(x-α,y-β) ]= ah(x,α,y,β) Tức tăng cường độ sáng lên a lần kết thu tăng lên a lần Báo cáo Xử lý ảnh Các trình xử lý ảnh Thực chất q trình xử lý ảnh thực theo sơ đồ khối sau: Thu nhận ảnh Số hố Tiền xử lý Phân tích ảnh Nhận dạng ảnh Sơ đồ khối bước trình xử lý ảnh Để đơn giản xét đến việc nghiên cứu trình xử lý ảnh máy tính ảnh xử lý ảnh xám Như quan tâm đến bước: phân tích ảnh, nhận dạng ảnh 3.1 Nâng cao chất lượng ảnh Nâng cao chất lượng ảnh bước quan trọng, tiền đề cho xử lý ảnh Mục đích nhằm làm bật số đặc tính ảnh độ tương phản, lọc nhiễu, mầu, làm trơn ảnh, khuếch đại ảnh Việc nâng cao chất lượng ảnh tăng cường ảnh khơi phục ảnh tùy theo mục đích 3.1.1 Tăng cường ảnh Tăng cường ảnh việc cải tiến ảnh cho thể rõ đặc trưng ảnh, điều khiển mức xám, độ tương phản ảnh, giảm nhiễu, Tùy vào yêu cầu mong muốn, song có hai vấn đề quan trọng là: thống kê mức xám ảnh tần số ảnh 3.1.1.1 Mức xám đồ Mức xám đồ ảnh xám lược đồ biểu diễn tần suất xuất mức xám tức mức xám đồ hình ảnh hàm rời rạc Lược đồ biểu diễn theo trục tọa độ (x,y) Trục hoành biểu diễn mức xám từ 0-255, trục tung biểu diễn số lượng điểm ảnh tương ứng với mức xám trục hồnh Như ta có mối quan hệ: y = f(x) = số điểm ảnh có cùng mức xám x Khi hàm chuẩn hóa mà tổng mức xám hàm coi hàm mật độ Đưa giá trị mức xám tìm thấy ảnh Theo giá trị mức xám giá trị ngẫu nhiên y p ( x) h( x ) L L thêng b»ng 256 h(i) i 0 Báo cáo Xử lý ảnh Như mức xám đồ cung cấp thông tin mức xám ảnh, cơng cụ hữu hiệu nhiều giai đoạn q trình xử lý ảnh *Sửa đởi mức xám đô Mức xám đồ biểu diễn cho ảnh rộng tốt Nếu coi x giá trị mức xám ảnh gốc giá trị mức xám ảnh s: s = T(x) T: gọi hàm biến đổi mức xám Một số biện pháp tăng cường ảnh bằng biến đổi mức xám đồ *San bằng mức xám đơ: v LTH§ f(u) LTH§ u x0 p(x) x 0,1, , u Với p(x) hàm mức xám đồ kiểu tỷ lệ, LTHĐ phép lượng tử hóa đều giá trị f(u) sang giá trị mức xám từ – L-1 Sử dụng hàm lấy mẫu phần nguyên Int có thể LTHĐ sau: x - xmin LTH§ x Int (L 1) 0,5 1- xmin víi x f(u) *Biến đổi phi tuyến mức xám: Trước thực LTHĐ người ta sử dụng phi tuyến hàm f(u) biến đổi mức xám u Có thể có dạng hàm f(u) sau: u [ p( x)]1/ n f(u) xL-10 với n số nguyên 1/ n [ p( x)] x0 f(u)log(1 u ) f(u)u / n víi u 0 víi u vàn số nguyên 3.1.1.2 Cỏc loại lọc 3.1.1.2.1 Nhiễu Nhiễu có nhiều loại chia thành hai loại nhiễu nhiễu cộng nhiễu nhân.Ví dụ, nhiễu nhân biến số độ rọi, nhiễu cộng thường nhiễu khơng có thực nhiễu xung, nhiễu Gaussian Báo cáo Xử lý ảnh Nhiễu xung thay đổi ngẫu nhiên giá trị vài điểm ảnh Nhiễu Gaussian zero-mean giá trị zero-mean Gauss thêm vào giá trị thực điểm ảnh Hoặc ta phân loại nhiễu sau đây: Nhiễu thiết bị thu nhận ảnh Nhiễu ngẫu nhiên độc lập Nhiễu vật quan sát Thường người ta xấp xỉ loại nhiễu trình tuyên stính bất biến có nhiều cơng cụ tuyến tính giải vấn đề phơi phục ảnh tăng cường ảnh so với phi tuyến cho phép xử lý dễ dàng máy tính Từ vấn đề ta xây dựng loại lọc sau: 3.1.1.2.2 Bộ lọc trật tự hạng Một lọc trật tự hạng lọc, giá trị đầu phụ thuộc vào hạng điểm ảnh theo giá trị mức xám phía bên ngồi cửa sổ lọc Nói chung lọc trật tự hạng lọc trung bình 3.1.1.2.3 Bộ lọc trung bình Cửa sổ lọc thường có kích thước 3x3 ta cso phương trình biến đổi lọc: 3 v[m,n] h[k , l ] u[m k 2, n l 2] k 1 l 1 h[k,l] giá trị trọng số giá trị mặt lạ lọc Điểm trung tâm cảu lọc ứng với k=l=2 điểm áp vào tọa độ [m,n].Với việc lấy trung binh lượng nhiễu giảm lần với trọng số bọ lọc Các dạng mặt nạ lọc khơng gian trung bình thường là: 111111111H1 010141010H2 3.1.1.2.4 Lọc thông thấp Báo cáo Xử lý ảnh Bộ lọc H1 lọc khơng gian trung bình với trọng số 1/9, lượng nhiễu giảm lần Bộ lọc H2 lọc trung bình lân cận điểm Hầu hết loại nhiễu nhiễu Gauss, loại bỏ nhiễu Gauss cách làm phẳng ảnh Ví dụ, ta thay đổi giá trị điểm giá trị trung bình cảu điểm ảnh lân cận Cách cho ta kết tuyệt vời với nhiễu Gauss cho kết xấu nhiễu xung Ở đơn giản ta dùng lọc thông thấp Thơng thường nhiễu thêm vào hình ảnh khơng tương quan, có nghĩa có quang phổ phẳng Hầu hết hình ảnh có giá trị phổ cao tần số thấp giảm dần giá trị tần số cao Sau tần số phổ nhiễu có ảnh hưởng thành phần nhiễu Như ta sử dụng lọc thơng thấp triêt hầu hết ảnh hưởng cảu thành phần nhiễu tần số cao, xong thơng tin hữu ích tần số cao bị theo Kết lọc nhiễu lại làm mờ ảnh Việc xử lý thực theo bước nhe sau: Tìm chuyển đổi Fourier hình ảnh Nhân với hàm àm khơng thay đổi tần số tần số giới hạn loại bỏ tất tần số cao Theo không gian tần số hai chiều Đưa biến đổi Fourier ngược vào tích số Sự nhân hai phổ tần tương đương xoắn lại hàm chức thực Như làm thay thủ tục trên, để tìm hàm hai chiều khơng gian thực mà có biến đơiư Fourier bọ lọc thông thấp lý tưởng, quân slại hình ảnh với hàm Điều lý tưởng, khơng có tính thực tế Lọc trung bình trường hợp đặc biệt lọc thông thấp Bộ lọc thông thấp sử dụng mặt lạ sau: HTT 1 b b b 2 (b 2) 1 b 1 b 1 3.1.1.2.5 Bộ lọc thông cao lý tưởng Có khả muốn tăng cường chi tiết nhỏ hình ảnh thay việc xóa bỏ chúng Việc xử lý gọi shapening tăng cường dao động nhỏ cường độ ảnh nhiễu Một cách để đạt điều tính tốn điểm ảnh quỹ tích biến thiên cường độ sử dụng công thức khác Nếu muốn tinh vi hơn, lọc tiếp cận với việc thảo luận phạm vi làm phẳng Bộ lọc thông cao giữ lại thành phần tần số cao loại bỏ thành phần tần số thấp Báo cáo Xử lý ảnh Bộ lọc thông cao lý tưởng phạm vi tần số biểu đồ mô tả hình 4.13 Lọc với lọc phạm vi tần số tương đương để xoắn không gian thực với hàm mà có lọc biến đổi Fourier Khơng có hạn chế hàm tương ứng với lọc thơng cao phải có cách để xấp xỉ khác 3.1.1.2.6 Lọc trung vị (median filter) Kỹ thuật lọc thường dùng cửa sổ 3x3, 5x5, 7x7 di chuyển khắp mặt phẳng ảnh Điểm trung tâm cửa sổ ứng với điểm ảnh lọc, giá trị điểm ảnh thay trung vị chuỗi số tập giá trị thuộc cửa sổ v[m,n]) = median { u[m-k,n-l], (k,l) cửa sở } Trung vị chuỗi số có 2n+1 số số nằm số khác chuỗi số xếp theo thứ tự theo thứ tự tăng dần giảm dần Nếu trường hợp có 2n số trung vị trung bình cộng hai số trung tâm Vậy thuật toán dùng cho lọc trung vị thực theo hai bước: Sắp xếp phần tử ảnh thuộc cửa sổ theo thứ tự tăng dần giảm dần Cần dùng thuật toán xếp hiệu Chọn phần tử trung vị (có số n 2/2 + 1) thay giá trị điểm ảnh trung tâm cửa sổ giá trị trung vị Riêng giá trị biên giữ nguyên giá trị Cửa sổ dùng lọc trung vị loại dấu thập phân thay cho loại vuông, cho ta kết khả quan 756768731941018699133 75676873861018699133 Thay Sắp xếp 676873758699101133194 Trung vị Lọc trung vị lọc phi tuyến Nó lọc hiệu với nhiễu nhị phân nhiễu Gaussian khơng Khi số điểm nhiễu cửa sổ chiếm nửa hiệu nhiễu giảm nhiều 3.1.1.2.7 Lọc giả trung vị Lọc trung vị đòi hỏi số lượng phép tính lớn nên tốc độ lọc chậm Người ta khắc phục nhược điểm lọc giả trung vị Báo cáo Xử lý ảnh Max min( p1, p2, p3 ), min( p2, p3, p4 ), min( p3, p4, p5 ) p3 Min max( p1, p2, p3 ), max( p2, p3, p4 ), max( p3, p4, p5 ) p1 p2 p3 p4 p5 3.1.1.2.8 Lọc ngoài Giá trị điểm ảnh trung tâm cửa sổ so sánh với trung bình cộng điểm lân cận Nếu mức độ sai lệch lớn mức iới hạn cho trước ε điểm ảnh coi nhiễu thay giá trị trung bình điểm ảnh lân cận p1p2p3p4p5p6p7p8p9 tbc=(p1 + p2 + p3 + p4 + p6 + p7 + p8 + p9)/8 tbc p5 - tbc > p5 = p5 p5 - tbc Cửa sổ lọc Vấn đề việc chọn ε phải không ảnh hưởng đến thông tin ảnh 3.1.1.2.9 Lọc Gaussian Mặt nạ lọc xây dựng từ hàm Gaussian: m2 n2 Gaussian[ m, n] exp 2 2 Mặt nạ Gaussian dạng hình vng Các hệ số mặt lạ thường tính giới hạn khoảng 4σ đến 6σ Cho ta hiệu cao 3.1.1.3 Tăng cường ảnh kém chất lượng biến độ chói Đây vấn đề giải thấy rõ hàm ảnh f(x,y) tích hai thừa số: hàm độ chói i(x,y) hàm phản xạ r(x,y), chất bề mặt ảnh: f(x,y) = i(x,y)r(x,y) Độ chói thơng thường tự nhiên lừ thành phần tần số thấp biến đổi Fourier hình ảnh Việc thay đổi độ sắc nét liên kết với thành phần tần số cao Chúng ta cố gắng phân tán hai nhân tố việc lấy loga hai vế Báo cáo Xử lý ảnh phương trình Khi nhiễu trở thành nhiễu cộng ta hàm đơn giản hơn: lnf(x,y) = lni(x,y) + lnr(x,y) Sau lọc hàm loge hình ảnh sử dụng bộ lọc đông hình (homomorphic) Bộ lọc tăng cường miền tần số cao triệt tiêu miền tần số thấp để biến thiên độ chói giảm đường biên sắc nét Sau sử dụng lọc (lọc trung bình, lọc thơng thấp) để loại bỏ nhiễu cộng, sau sử dụng dạng e mũ để đưa dạng thông thường Sử dụng hàm chuyển đổi: H(ωx, ωy) = 1 e s ( x2 2y ) A Trong đó: s= 1, ω0 = 128, A=10 Các thông số lọc liên quan đến thông số ГH ГL ГH = 1+A ГL = A e s 3.1.1.4 Độ tương phản ảnh đa phổ Một ảnh multispectral, multiband mầu bao gồm vài mảng biểu diễn cho phần hình ảnh tương tự Mỗi mảng biểu diễn cho thành phần phổ Mỗi băng mức xám ảnh đưa cường độ sáng thành phần phổ riêng biệt vị trí điểm ảnh Chúng ta thấy ảnh bao gồm dải phổ tương ứng với mầu Red, Green, Blue 3.1.2 Khôi phục ảnh Khôi phục ảnh gần với ảnh thực trước bị biến dạng nhiều ngun nhân Một hình ảnh bị suy biến mức xám bị thay đổi bị sai vị trí bị lệch xa khỏi vị trí ch̉n ch̉n Khơi phục khơi phục hình học giúp tìm điểm tương ứng hai vùng tương tự góc độ khác Các nguyên nhân làm méo dạng hình học Hình ảnh bị méo dạng thấu kính khơng đồng sensor q trình chụp Ví dụ như, chụp máy bay bay hình ảnh thu bị méo dạng khơng đồng gây hốn vị điẻm ảnh xa với vị trí thực Cách hoàn lại hình ảnh bị méo dạng hình học Báo cáo Xử lý ảnh Chúng ta tạo mảng số trống có kích cỡ với kích cỡ mảng ảng gốc Gán giá trị mức xám cho cho phần tử mảng Điều đạt việc sử dụng toán tử hai giai đoạn, chuyển đổi không gian theo phép nội suy mức xám Giả sử vị trí gốc điểm ảnh (x,y) vị trí xê dịch (x’,y’) Sẽ có chuyển đổi từ ví trí vị trí khác: x’ = O(x) y’ = O(y) Đầu tiên cúng ta phải xếp vị trí điểm ảnh bị xê dịch vị trí tương ứng Chúng ta đưa tốn tử chuyển đổi sau: x’ = c1x + c2y + c3xy + c4 y’ = c5x + c6y + c7xy + c8 Trong c1, c2, , c8 thơng số xác định nhờ điểm biết gọi điểm nút Như xác định vị trí A’ A ảnh gốc, ảnh méo dạng Sự cần thiết nội suy mức xám Chúng ta khơng thể xác định xác mức xám A’, sử dụng phép nội suy mức xám ta xác định dựa vào mức xám phần tử lân cận tọa độ khơng gian (x’, y’) nhiều phương pháp, ví dụ phép nội suy hai tuyến Chúng ta coi ô vuông nhỏ, giá trị mức xám hàm đơn giản vị trí tọa độ: g(x’, y’) = αx’ + βy’ + γx’y’ + δ α, β, γ, δ thơng số Chúng ta áp dụng cơng thức với góc điểm ảnh để xác định thơng số α, β, γ, δ Sau thay vào để tính toán giá trị hàm g(x’, y’) Giải vấn đề khôi phục ảnh Vấn đề việc khôi phục ảnh là: đưa vào hình ảnh bị biến dạng khôi phục lại đưa ảnh gốc không bị biến dạng Vấn đề giải trước tiên phải biết hàm trải phổ điểm biến đổi Fourier việc xử lý giảm chất lượng ảnh 3.2Phân tích ảnh 3.2.1 Giới thiệu chung Ảnh thu sau nâng cao cho ảnh trung thực hơn, rõ nét Nhưng ảnh không đơn lưu trữ hiển thị cho người xem, mà trình xử lý tiếp tục với ý nghĩa tự động tìm thông tin chứa đựng 10 Báo cáo Xử lý ảnh ảnh để cung cấp cho nhu cầu người Đó gọi q trình phân tích ảnh (Image Analysis) Trong ảnh có nhiều đối tượng, đối tượng mang thông tin khác nhau, có thơng tin cần biết Bước đầu q trìng phân tích ảnh q trình phân đoạn ảnh (Image Segmentation) Phân tích ảnh mang hai ý nghĩa sau: Giảm bớt thơng tin không cần thiết ảnh, để lại thơng tin mang tính chất đặc trưng ví dụ đường biên, khung xương đối tượng Phân tách đối tượng ảnh cách riêng rẽ 3.2.2 Các kỹ thuật tìm biên 3.2.2.1 Khái qt tìm biên Biên của đới tượng ảnh: Biên nơi phân tách hai vùng có mức xám tương đối khác Để xác định đối giới hạn đối tượng ảnh, người ta vào đường biên đối tượng ảnh Biên đối tượng cho biết nhiều thông tin đặc trưng đối tượng trình nhận dạng thượng dựa vào đường biên đối tượng Xét mặt tín hiệu biên ảnh tập hợp điểm mà xác định thay đổi đột ngột cường độ sáng Đây sở cho kỹ thuật tìm biên Phân loại kỹ thuật tìm biên: Có hai phương pháp tìm biên đối tượng Phương pháp trực tiếp: Sử dụng đạo hàm để tìm biến thiên cường độ sáng Ví dụ kỹ thuật Gradient dùng đạo hàm bậc nhất, kỹ thuật Laplace dùng đạo hàm bậc hai Phương pháp hiệu cường độ biên thay đổi đột ngột, ngồi chịu ảnh hưởng nhiễu Phương pháp gián tiếp: Thực phân vùng ảnh trước biên vùng ảnh phân tách đường biên cần tìm.Phương pháp hiệu trường hợp thay đổi cường độ biên nhỏ 3.2.2.2 Kỹ thuật Građient Khái niệm Gradient kỹ thuật Gradient: Gradient vector có hai thành phần biểu thị tốc độ thay đổi giá trị cường độ sáng theo hai hướng x y Nếu cho ảnh liên tục f(x,y) hai thành phần Gradient (ký hiệu gradx, grady) đạo hàm riêng f(x,y) theo hai hướng x y 11 Báo cáo Xử lý ảnh f ( x, y ) f ( x dx, y ) f ( x, y ) x dx f ( x, y ) f ( x, y dy ) f ( x, y ) grady f y y dy gradx f x Trong dx, dy khoảng cách tính theo hai hướng x y 3.2.2.3 Kỹ thuật laplace Đạo hàm bậc hai: Trong khơng gian, đạo hàn bậc hai tính sau: f [m, n] 2m f [m, n] 2n f [m, n] f [m 1, n] f [m 1, n] f [m, n] f [m, n 1] f [m, n 1] Khảo sát ý nghĩa việc sử dụng đạo hàm bậc hai việc tìm biên ứng với trường hợp miền biên trải rộng, ta xét hàng điểm ảnh có chứa đường biên nhòe cắt qua 2 f [ m, n] 2n Biên nhòe Biến đổi mức xám Đạo hàm bậc hai Song thấy, đạo hàm bậc hai bbát ổn nhạy cảm với nhiễu Hơn tạo hiệu ứng biên kép Toán tử Laplace: Toán tử laplace định nghĩa: 2 f [m, n] f [ m, n ] 2m f [m, n] 2n Thay cơng thức tính đạo hàm bậc hai vào ta có: 2 f [m, n] f [m 1, n] f [m, n 1] f [m, n] f [m 1, n] f [m, n 1] Một mặt nạ xây dựng để xấp xỉ Laplace: 1 H Laplace 12 Báo cáo Xử lý ảnh Như thay sử dụng cơng thức Laplace ta dùng mặt lạ laplace nhân tích chập với ma trận điểm ảnh Ngồi ta dùng mặt nạ hướng: H Laplace-8 1 1 1 3.2.3 Kỹ thuật tìm khung xương đối tượng ảnh 3.2.3.1 Khái niệm khung xương đối tượng ảnh Khung xương đới tượng ảnh: Ngồi đường biên đặc trưng cho nhiều tính chất hình học cấu trúc đối tượng ảnh khung xương chúng có chức Khung xương đối tượng ảnh định nghĩa mặt toán học tập hợp tất điểm bên đối tưởng mà điểm vẽ vòng tròn bên đối tượng đồng thời tiếp xúc với đường biên đối tượng hai điểm Với điểm kéo dài mảnh khung xương đường giữa, đối tượng alf mặt đặc khung xương lại mặt lưới Làm mảnh: Làm mảnh trình tìm khung xương mang ý nghĩa việc giảm thông tin đối tượng ảnh, để lại thông tin đặc trưng Làm mảnh hiểu q trình thu hẹp dần đối tượng từ đường biên chúng đường biên gặp khung xương đối tượng Một ý nghĩa làm mảnh tạo đường biên với độ rộng điểm ảnh 3.2.3.2 Kỹ thuật tìm khung xương Sau trình bầy kỹ thuật tìm khung xương đối tượng ảnh Kỹ thuật trải qua hai bước: bước chuyển đổi khoảng cách bước chọn khung xương Kỹ thuật áp dụng ảnh biết rõ mầu Chuyển đổi khoảng cách (distance transformation) Một điểm ảnh chuyển đổi khoảng cách có nghĩa điểm ảnh cảu đối tượng xếp theo khoảng cách ngắn đến biên đối tượng Kết thúc việc chuyển đổi khoảng cách ta thu ảnh mà giá trị điểm ảnh giá trị khoảng cách xếp Định nghĩa khoảng cách từ điểm đến điểm lân cận sau: Khoảng cách tới điểm lân cận theo chiều dọc ngang 13 Báo cáo Xử lý ảnh =3) Khoảng cách tới điểm lân cận chéo ( lấy tròn 2 Thuật tốn chuyển đổi khoảng cách xác định theo công đoạn Bắt đầu từ điểm trái cùng thực từ trái qua phải, từ xuống Với cách tính tốn khoảng cách sau: Nếu điểm ảnh có mầu mầu ghi nhận giá trị điểm ảnh Trường hợp lại tính tổng khoảng cách điểm ảnh tới điểm lân cận phía bên trái với khoảng cách tương ứng tới điểm lân cận So sánh tổng chọn giá trị nhỏ Giá trị giá trị ứng với điểm xét Sau thực việc tính với tất điểm ta thu ma trận giá trị khoảng cách D1 Làm tương tự với công đoạn bắt đầu với điểm ảnh nằm cuối cùng bên phải, ta thu ma trận giá trị khoảng cách D2 So sánh giá trị D1 D2 tìm giá trị nhỏ xếp vào ảnh chuyển đổi khoảng cách D Khi có ảnh chuyển đổi khoảng cách ta lọc khung xương đối tượng Chú ý: D có thể tìm đường bao của đối tượng bằng việc trích trọn các điểm có giá trị bằng Lọc khung xương (skeleton ): Điểm ảnh làm lên khung xương cảu đối tượng điểm cách hai điểm biên gần Thuật toán lọc khung xương làm mảnh dần đối tượng bắt đầu từ đường biên đường biên gặp đường biên trùng với đường xương Dựa vào ảnh chuyển đổi khoảng cách ta thực việc ăn mòn từ biên Việc ăn mòn thực sau: Bắt đầu với điểm có giá trị khoảng cách (các điểm biên) Loại bỏ điểm (cho mầu nền) mà tập hợp điểm xám lân cận có mối liên hệ móc xích với theo kiểu mối liên hệ điểm lân cận Chú ý với trường hợp điểm lân cận sau không loại bỏ Chỉ có điểm xám, suy điểm xét điểm khởi đầu nét xương 14 Báo cáo Xử lý ảnh Chỉ có hai điểm xám, khơng có mối liên hệ với Bốn lân cận trực tiếp xám Tiến hành lặp lại với điểm có giá trị khoảng cách 3,4, đến điểm có giá trị khoảng cách lớn Từ khung xương đối tượng người ta trích trọn đặc tính điểm nối, đầu mút, cung Chú ý: Kỹ thuật tìm khung xương cũng được sử dụng để làm mảnh đường biên, bởi vì các phương pháp tìm biên trình bày phần trước đa số có đường biên cóa độ rộng lớn Đường biên khung xương sở để vector hóa ảnh lưới Trước vector hóa ảnh đường biên khung xương cần làm trơn phương pháp xấp xỉ đường thẳng, xấp xỉ cung 3.2.3.3 Phân tách vùng ảnh Để nhận dạng đối tượng ảnh ta cần phân tách đối tượng để nhận dạng Một ví dụ đơn giản, nhận dạng chữ viết ta cần phân tách mẫu chữ riêng biệt để nhận dạng Thực tế đối tượng ảnh cần nằm vùng tác biệt với ta có khả phân tách Về mặt tốn học diễn tả việc phân tách vùng ảnh sau: Gọi R toàn ảnh, việc phân tách ảnh R thành vùng ảnh riêng biệt R1, R2, Rn cho: n R i R i 1 Ri R j víi i j i, j n Sau trình bầy số phương pháp phân tách vùng ảnh Phân tách theo ngưỡng biên độ Phân tách vùng ảnh theo biên khung đối tượng Phân tách vùng ảnh tập hợp hiểm Phân tách vùng ảnh theo đường cắt dọc ngang 3.2.3.3.1 Phân tách theo ngưỡng biên độ Khi đối tượng ảnh có mức xám khác nhau, phân tách vùng ảnh theo ngưỡng biên độ Vấn đề đặt phải chọn ngưỡng Phương pháp dựa vào việc biến đổi mức xám đồ Các vùng ảnh có mức 15 Báo cáo Xử lý ảnh xám khác phân bố khoảng tách biệt mức xám đồ Xác định giới hạn khoảng xác định ngưỡng phân tách Vùng tách mức xám 3.2.3.3.2 Phân tách vùng ảnh theo biên hoặc khung đối tượng Biên khung xương hồn tồn đặc trưng cho từng đối tượng ảnh Sau tìm biên khung đối tượng sử dụng số phương pháp mơ tả chúng Đây cơng việc phân tách vùng ảnh Q trình mơ tả kết thúc tất đường biên khung xương biểu diễn, q trình phân tách hồn tất Trong q trình nhận dạng ảnh, bước trích chọn đặc trưng mẫu quan trọng Đường biên khung xương đối tượng ảnh mang hình học cấu trúc đối tượng Chính vậy, việc trích chọn đặc trưng mẫu theo đường biên khung xương đối tượng thường nằm bước phân tách đường biên khung xương Tùy theo đối tượng ảnh mà có cách mơ tả đường biên khung xương khác Các phương pháp tiến hành ảnh nhị phân đường biên khung xương Có số mơ tả sau: Mô tả theo tọa độ Đề Mô tả Freeman Mô tả Fourier 3.2.3.3.3 Phân tách vùng ảnh theo tập hợp điểm Thường đối tượng tập hợp ccs điểm có cùng mức xám liên kết với Hơn đối tượng ảnh khác thường tách biệt 16 Báo cáo Xử lý ảnh phần (background) Đặc biệt ảnh nhị phân Dựa vào đặc điểm ta có phương pháp tách vùng ảnh theo tập hợp điểm Trước hết ảnh chuyển sang dạng nhị phân, tức mầu ứng với giá trị mầu mặt trước ứng với giá trị Xét điểm từ góc trái cùng đến góc phải cùng Chỉ xét điểm khác Cho số k đánh dấu đối tượng Cho k lúc đầu thực trình xét sau: Nếu điểm có giá trị lân cận (1 bên phải bên dưới) có gia trị thì: cho điểm k đổi điểm lân cận thàng k, tăng k lên đơn vị Còn lân cận có giá trị lớn thì: thay điểm giá trị lân cận giá trị đó, kgiữ khơng đổi Nếu điểm có giá trị t lớn 1, ta xét lân cận Nếu lân cận bên phải có giá trị p lớn t ta đổi tát điểm từng xet trước có giá trị p thành t, ngược lại t > p > lại đổi tất điểm xét có giá trị t sang p Còn p = đổi giá trị lân cận t Cũng xét lân cận góc trái, sau đổi giá trị lân cận lại với giá trị điểm xét Tiếp tục xét điểm hết Kết thúc bước ta thu ảnh với tập hợp từng đối tượng tách biệt đánh cùng giá trị k, k=2, 3, (với k nhẩy cách số giá trị) Như lấy k giá trị mức xám coi đối tượng khác phân biệt mức xám Ta tách riêng đối tượng đặc điểm 3.2.3.3.4 Phân tách vùng ảnh theo đường cắt dọc ngang Phương pháp thường áp dụng cho việc nhận dạng chữ, nên giới thiệu khơng phân tích hoạt động của phương pháp 3.3 Nhận dạng ảnh 3.3.1 Giới thiệu chung nhận dạng Khi quan sát ảnh ngồi cảm nhận kích thước mầu sắc đối tượng ảnh mang lại ý nghĩa nhận thức cho người quan sát Vì q trình xử lý khơng dừng lại việc nâng cao chất lượng ảnh, lưu trữ mà thêm bước tự động nhận dạng đối tượng ảnh để rút thông tin àm chúng chứa đựng Nhận dạng ảnh (image recognition) coi cơng đoạn cuối q trình xử lý ảnh Ta nhìn hoạt động công việc cách đơn giản cách gán tên cho đối tượng ảnh 17 Báo cáo Xử lý ảnh Nhận dạng ảnh trường hợp đặc biệt nhận dạng mẫu, ta xét nguyên lý nhận dạng mẫu áp dụng cho nhận dạng ảnh 3.3.2 Tiến trình nhận dạng nh ảnh Thu thập liệu Phân đoạn Tiền xử lý Trích chọn Đặc trng Phân lớp mẫu tiêu chuẩn ho¸ HËu xư lý Thơng tin Hoạt động bước xét sau: Thu thập liệu (Data Collection) Trước hết thu thập ảnh Chất lượng ảnh thu định nhiều đến kết việ nhận dạng Sau ảnh phải lưu trữ theo định dạng phù hợp với bước xử lý sau Tiền xử lý (Preeprocessing) Bước tăng khả nhận dạng xác, có vai trò nâng cao chất lượng ảnh trước đem phân tích nhận dạng Cơng việc bước thường khử nhiễu, biến đổi ảnh nâng cao số đặc tính quan trọng ảnh Phân đoạn ảnh (Segmentation) Quá trình chia ảnh thành vùng khác nhau, có ý nghĩa cho việc phân lớp Tiêu chuẩn hóa (Normalization) Sự biến đổi thuộc tính cố hữu tự nhiên, đa dạng hình thức mà tốn nhận dạng tồn Câu hỏi đặt cho tốn nhận dạng biến đổi giải Có đặc trưng đối tượng bất biến tác động bên ngồi nên q trình trích chọn đặc trưng hoạt động được, có đặc trưng khó nắm bắt đối tượng biến đổi Chính bước tiêu ch̉n hóa thường có cần thiết tốn nhận dạng Nó thực giảm bớt thơng số chịu ảnh hưởng nhiều 18 Báo cáo Xử lý ảnh biến đổi, nói cách khác việc thu nhỏ liệu dạng chung mà dạng việc trích chọn đặc trưng thực đắn Trích chọn đặc trưng (Feature Extraction) Đây bước biểu diễn mẫu đặc trưng đối tượng Trong trình số liệu ảnh thu gọn lại Điều cần thiết cho việc tiết kiệm nhớ việc lưu trữ thời gian tính tốn Một phương pháp trích chọn đặc trưng tốt trích cọn đặc trưng đối tượng mà đặc trưng giúp cho việc phân biệt lớp mẫu khác nhau, đồng thời biến đổi thuộc tính cố hữu đối tượng hay thiết bị thu nhận ảnh tạo Việc trích chọn đối tượng đặc trưng đối tượng việc lựa trọn yếu tố hình học Sự biến đổi từng yếu tố riêng làm thay đổi trạt tự đại lượng àm điều làm ảnh hưởng đến việc phân lớp Vấn đề thường giải phép biến đổi tuyến tính thích hợp thành phần vector đặc trưng Phân lớp (Classification) Đây bước định trình nhận dạng Tất bước q trình xử lý nhằm mục đích chop việc phân tách mẫu thành cơng Q trình phân lớp hiểu q trình chuyển đổi số liệu đầu vào định lượng số liệu đầu định tính Đầu phân lớp lựa chọn rời rạc lớp số lớp định nghiã, vector giá trị thực biểu diễn giá trị thừa nhận mẫu hình thành từ lớp tương ứng Thuật toán phân lớp chủ yếu đựoc chia thành hai phương pháp Đó phương pháp thống kê (statistical) phương phápcú pháp (Syntactic) Việc sử dụng mạng nơron cho việc phân lớp phương pháp tương đối khác biệt mặc dù mặt chế việc với đặc trưng đối tượng Bộ phân lớp gửi thơng tin hồi tiếp phân tách trích chọn để hiệu chỉnh sai lệch hai phận Hậu xử lý (Postprocessing) Có số hệ thống nhận dạng, kết nhận dạng lại xử lý tiếp để đưa nhiều thông tin hữu ích Các đối tượng phân tách thành mẫu để nhận dạng trình phân lớp gán ý nghĩa cho mẫu Nhưng đối tượng lại có mối liên hệ với quan hệ có mang ý nghĩa thơng tin Q trình xử lý xem xet mối quan hệ Q trình hoạt động độc lập có liên hệ với bước phan tách bước phân lớp Hơn nữa, trình hậu xử lý phát lỗi phân lớp chữa lỗi gửi yêu cầu lại phân lớp thực số sửa đổi để khơng bị mắc lỗi 19 Báo cáo Xử lý ảnh Trong bước q trình nhận dạng bước trích chọn đặc trưng bước phân lớp hai bước quan trọng ưuyết định cho phương pháp nhận dạng Các kỹ thuật nhận dạng thường tập trung vào việc cải tiến phương thức hoạt động hai bước 3.3.3 Phương pháp số nhận dạng ảnh Trong phương pháp mẫu biểu diễn dạng số thủ rục phân lớp việc xếp giá trị số thành lớp 3.3.3.1 Trích chọn đặc trưng Nhiệm vụ đặt cho bước phải rút thuộc tính đặc trưng riêng đối tượng vùng ảnh tách Sau đặc tính đối tượng mô tả dạng số, giá trị tập hợp thành vector mô tả mầu Thực nhiệm vụ bao gồm hai công việc: Giảm nhỏ tập số liệu Tập trung vào số liệu để phân lớp thơng tin thiết yếu Cho đến chưa có phương pháp tón học tối ưu để đáp ứng yêu cầu Các chuyên gia vẫn phải dựa vào trực giác khả tưởng tượng để tìm đặc trưng thích hợp đối tượng Có số phương pháp lựa chọn sau: Phương pháp lưới Phương pháp cung Phương pháp biến đổi Fourier 3.3.3.2 Kỹ thuật phân lớp mẫu Có hai dạng phân lớp phân lớp mẫu giám sát phân lớp mẫu không giám sát Với phương pháp nhận số dạng mẫu, ta sâu trình bầy kỹ thuật phân lớp giám sát Nguyên lý phân lớp Như xét bước trích chọn đặc trưng, đặc trưng đối tượng biểu diễn giá trị số giá trị xem thành phần vector biểu diễn mẫu Khi ta đưa vào hệ thống tập mẫu chuẩn q trình trích chọn đặc trưng tạo lên vector mẫu chuẩn phân bố không gian mẫu Với vector mẫu ta ánh xạ từ sang khơng gian diễn dịch, tức biết tên Như vector mẫu ch̉n hồn tồn phân thành lớp ứng với tên Những lớp gọi lớp chuẩn 20 Báo cáo Xử lý ảnh Một lớp thực chiếm phần khơng gian mẫu, vùng lớp thường gọi cluster Thực tế không gian mẫu khơng phải phân tách hồn tồn mà cluster chồng lên 3.3.3.3 Phương pháp nhận dạng cấu trúc Biểu diễn đặc trưng mẫu bằng phân lớp có cáu trúc Bên cạnh phương pháp số phương pháp nhận dạng mẫu Trong với phương pháp mẫu người ta thực gand ý nghĩa cho mẫu riêng biệt phưong pháp cấu trúc lại xem xét đối tượng phức tạp cấu thành từ dạng nguyên thủy mối liên hệ chúng Các đặc trưng quan hệ dạng nguyên thủy làm việc với danh sách định gần phân tích ảnh não người Việc mơ hình hóa q trình máy tính trở lên khó khăn, thủ tục cấu trúc khơng phổ biến thủ tục số 21