Thông tin tài liệu
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI VIỆN TOÁN ỨNG DỤNG VÀ TIN HỌC PYTHON VÀ VẤN ĐỀ XỬ LÝ ẢNH ĐỒ ÁN I Chuyên ngành: Toán tin Chuyên sâu: Tin học Giảng viên hướng dẫn: Ts Nguyễn Thị Thanh Huyền Sinh viên thực hiện: Vũ Thị Ánh Nguyệt Mssv: 20195905 Lớp: Toán tin 02 – K64 Hà Nội - 2022 NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN Mục đích nội dung đồ án: …………………………………………………………………………………………… …………………………………………………………………………………………… …………………………………………………………………………………………… …………………………………………………………………………………………… Kết đạt …………………………………………………………………………………………… …………………………………………………………………………………………… …………………………………………………………………………………………… …………………………………………………………………………………………… Ý thức làm việc sinh viên …………………………………………………………………………………………… …………………………………………………………………………………………… …………………………………………………………………………………………… …………………………………………………………………………………………… Hà Nội, ngày… tháng… năm 2022 Giảng viên hướng dẫn (Ký ghi rõ họ tên) Mục lục CHƯƠNG 1: GIỚI THIỆU NGƠN NGỮ LẬP TRÌNH PYTHON CHƯƠNG : GIỚI THIỆU CHUNG VỀ XỬ LÝ ẢNH .3 Hệ thống xử lý ảnh I II Những khái niệm xử lý ảnh Ảnh số điểm ảnh Độ phân giải hình ảnh Mức xám ảnh Độ sâu màu ảnh số CHƯƠNG 3: XỬ LÝ ẢNH VỚI THƯ VIỆN OPENCV .9 Làm quen với thư viện OpenCV I Đọc, hiển thị lưu file ảnh Cắt, xoay thay đổi kích thước ảnh 13 II 2 III Cải thiện nâng cấp ảnh 20 Toán tử điểm ảnh 20 1.1 Một số phép biến đổi cấp xám 20 1.2 Cắt ngưỡng 26 1.3 Trích chọn bit 27 1.4 Histogram 32 Toán tử miền không gian 36 1.1 Lọc mịn ảnh 36 1.2 Lọc sắc nét ảnh 43 Toán tử miền tần số 50 3.1 Biến đổi Fourier 50 3.2 Lọc thông thấp (làm mịn ảnh) 53 3.3 Lọc thông cao (làm sắc nét ảnh) 54 Khôi phục ảnh 56 Nhiễu ảnh 57 1.1 Khái niệm 57 1.2 Một số mơ hình nhiễu 57 Lọc nhiễu ảnh 60 IV 2.1 Biến thể lọc trung bình 60 2.2 Lọc thứ tự thống kê 62 Phân vùng ảnh 64 Phân vùng ảnh dựa kỹ thuật cắt ngưỡng toàn cục 65 Phân vùng ảnh dựa thuộc tính vùng ảnh 67 2.1.1 Thuật toán nở vùng 67 2.1.2 Thuật toán tách gộp vùng ảnh 68 Tài liệu tham khảo: 69 ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH MỞ ĐẦU CHƯƠNG 1: GIỚI THIỆU NGÔN NGỮ LẬP TRÌNH PYTHON Python ngơn ngữ lập trình bậc cao, đa Guido van Rossum tạo mắt vào năm 1991 Python nhiều lập trình viên lựa chọn sử dụng ưu dễ đọc, dễ học dễ nhớ Python sử dụng rộng rãi phát triển trí tuệ nhân tạo Ban đầu Python phát triển để chạy Unix, sau Python phát triển sang hệ điều hành từ MS – DOS đến MAC OS, OS/2, Windows, Linux… Python sử dụng rộng rãi nhiều lĩnh vực như: Lập trình web , Data Analysis( Machine Learning, Image and Video Analysis ), lập trình robot, lập trình game… Với chủ đề Xử lý ảnh, Python cung cấp cho nhiều thư viện với nhiều tính hỗ trợ xử lý như: OpenCV, Scikit-image, PIL/pillow, Numpy, Mahotas OpenCV OpenCV viết tắt Open Source Computer Vision Library Cung cấp cho khoảng 2000 thuật tốn tối ưu hóa cho thị giác máy tính Với thư viện, chuyển từ không gian màu sang không gian màu khác thông qua hàm convert() Cung cấp lọc làm mịn hình ảnh làm mờ ảnh Thực phép tốn hình thái ảnh… Scikit-image Scikit thư viện mã nguồn mở sử dụng chủ yếu tiền xử lý ảnh Thư viện cung cấp nhiều thuật toán việc tạo ngưỡng với hàm try_all_threshold() hình ảnh; việc phát biên sử dụng hàm sobel() để thực lọc GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH Sobel; hay làm mịn ảnh với lọc Gaussian hàm gaussian()… nhiều thuật toán khác PIL/pillow PIL viết tắt Python Image Library Đây thư viện mạnh mẽ, hỗ trợ nhiều định dạng hình ảnh ppm, jpeg, tif, gif, png bmp Thư viện giúp thực nhiều thao tác hình ảnh xoay, thay đổi kích thước, cắt xén,… thơng qua nhiều hàm Numpy Với thư viện ta thao tác kỹ thuật đơn giản lật ảnh, trích xuất tính phân tích Trong thư viện, hình ảnh biểu diễn mảng đa chiều, kiểu chúng NdArrays Với hình ảnh màu thể mảng chiều Mahotas Thư viện với 100 chức xử lý hình ảnh thị giác máy tính, phụ thuộc vào trình biên dịch C++ để tính tốn Trong thư viện có vài thuật tốn có sẵn đáng ý như: Watershed, chuyển đổi không gian màu, ngưỡng, … GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH CHƯƠNG : GIỚI THIỆU CHUNG VỀ XỬ LÝ ẢNH I Hệ thống xử lý ảnh Xử lý ảnh phân ngành xử lý số tín hiệu với tín hiệu xử lý ảnh Nghiên cứu thay đổi trạng thái ban đầu ảnh, với mục đích cải thiện thơng tin ảnh trực quan theo cách hiểu người, nén ảnh làm cho phù hợp với tri giác máy Phần lớn chức xử lý ảnh cho hình ảnh mới, can thiệp Các phương pháp xử lý ảnh dựa ứng dụng chính: xử lý nâng cao chất lượng ảnh, phân tích ảnh Dưới hệ thống xử lý ảnh mô tả bước trình xử lý ảnh: Hình 2.1 Hệ thống xử lý ảnh Thu nhận ảnh, chụp ảnh số hóa ảnh Đây cơng đoạn q trình xử lý ảnh, ảnh thu nhận thơng qua thiết bị camera, sensor, scanner,… tín hiệu sau số hóa Các thơng số quan trọng bước độ phân giải, chất lượng màu, dung lượng nhớ tốc độ thu nhận ảnh thiết bị Phân tích ảnh thị giác máy tính GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH Giai đoạn ta tiến hành bước như: cải thiện nâng cấp ảnh, sửa lỗi, khôi phục ảnh; phân tách đặc trưng: tách biên, phân vùng ảnh; biểu diễn xử lý đặc trưng hình dạng đối tượng ảnh; nhận dạng đối tượng ảnh, phân tích cảnh hiểu cảnh Sau kết thúc bước Thu nhận ảnh, chụp ảnh số hóa ảnh , ta vào giai đoạn tiền xử lý Ở bước này, chất lượng ảnh cải thiện tốt độ tương phản, khử nhiễu, khử bóng, khử độ lệch,…, chuẩn bị cho bước xử lý sâu sau Phân vùng ảnh (hay phân đoạn) tách ảnh đầu vào thành vùng thành phần có tính chất dựa theo biên hay vùng liên thơng Việc chọn tính chất để thể ảnh gọi trích chọn đặc trưng (Feature Selection) gắn với việc tách đặc tính ảnh dạng thông tin định lượng làm sở để phân biệt lớp đối tượng với đối tượng khác phạm vi ảnh nhận Ví dụ: nhận dạng ký tự phong bì thư, miêu tả đặc trưng ký tự giúp phân biệt ký tự với ký tự khác II Những khái niệm xử lý ảnh Ảnh số điểm ảnh Mỗi ảnh gốc hay gọi ảnh tự nhiên, ảnh liên tục không gian độ sáng Để xử lý ảnh, ta cần phải số hóa ảnh gốc đó, tức biến đổi gần ảnh liên tục thành tập điểm phù hợp với ảnh vị trí độ sáng Mỗi điểm gọi điểm ảnh ( picture element) viết tắt pixel Khoảng cách pixel thiết lập cho mắt người nhìn bình thường khơng phân biệt ranh giới chúng GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH Hình 2.2 Ảnh số Như vậy, xét mặt toán học, ảnh số hàm hai biến f(x,y) , với x, y tọa độ Mỗi điểm có tọa độ (x,y) pixel, giá trị số điểm (x,y) giá trị xám ( trình bày sau), giá trị hữu hạn : ≤ f(x,y) ≤ 𝑓𝑚𝑎𝑥 Độ phân giải hình ảnh Độ phân giải hình ảnh ( image resolution ) lượng thông tin chứa đựng tập tin ảnh hiển thị hình Hay nói cách khác số điểm (pixel) hình ảnh số Đơn vị đo độ phân giải pixel, megapixel : megapixel = 109 pixel Rõ ràng, độ phân giải thấp ảnh mờ: GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH 1412 x 1979 706 x 990 353 x 495 176 x 247 Hình 2.3 Độ phân giải ảnh Ảnh có độ phân giải 1412 x 1979 số điểm ảnh 2.794.348 pixel, độ phân giải gần 2,8 megapixel Mức xám ảnh Mỗi điểm ảnh có hai đặc trưng vị trí (x,y) độ xám f(x,y) Mức xám điểm ảnh là kết biến đổi tương ứng giá trị độ sáng điểm ảnh với giá trị ngun dương Thơng thường xác định đoạn [0,255] tùy thuộc vào giá trị mà điểm ảnh biểu diễn Các thang giá trị mức xám thông thường là: 16, 32, 64, 128, 256 Mức 256 mức phổ biến Độ sâu màu ảnh số Độ sâu màu ảnh số đại lượng mô tả khả biểu diễn màu sắc ảnh số thể thiết bị hình in ấn Đó thông số thể số lượng bit sử dụng để biểu thị màu sắc pixel Từ ta phân biệt loại ảnh: ảnh nhị phân, ảnh xám ảnh màu: GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH Hình 3.29 Lọc thơng cao Ideal Lọc thông cao Butterworth: 𝐻 (𝑢, 𝑣 ) = 𝐷0 2𝑛 1+ [ ] 𝐷(𝑢, 𝑣) Hình 3.30 Lọc thông cao Butterworth GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT 55 ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH III Khôi phục ảnh “Khôi phục ảnh bao gồm kỹ thuật nhằm mục đích khơi phục ảnh bị suy thối hay méo mó nội dung chất lượng ban đầu Chúng ta cần phân biệt khôi phục ảnh tăng cường chất lượng ảnh.” “Khơi phục ảnh dựa mơ hình suy thối chất lượng ảnh biết rõ ước lượng được, tăng cường ảnh nhằm mục đích tạo ảnh phù hợp cho công việc cụ thể khôi phục ảnh nhằm đưa ảnh trạng thái ban đầu.” Mơ hình suy thối ảnh: Hình 3.31 Mơ hình suy thối Trong đó: f(x, y) ảnh ban đầu h(x, y) hàm suy thoái 𝜂(𝑥, 𝑦) nhiễu, g(x, y) ảnh nhiễm nhiễu 𝑤(𝑥, 𝑦) lọc khôi phục ảnh 𝑓̂(x, y) ảnh khôi phục Ảnh thu đánh giá chất lượng thông qua đại lượng mean square error (MSE) 𝑀−1 𝑁−1 ∑ ∑[ 𝑓 (𝑥, 𝑦) − 𝑓̂(𝑥, 𝑦)]2 𝑀𝑆𝐸 = 𝑀𝑁 𝑥=0 𝑦=0 GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT 56 ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH Có cách tiếp cận phổ biến để khơi phục ảnh dựa vào mơ hình nhiễu dựa độ mờ ảnh Với cách dựa vào mơ hình nhiễu, ảnh khôi phục dựa lọc nhiễu tương ứng Còn với cách dựa độ mờ ảnh, ước lượng suy thoái thực trước áp dụng lọc ngược để khôi phục ảnh Trong chương tập tìm hiểu khơi phục ảnh dựa vào mơ hình nhiễu Nhiễu ảnh 1.1 Khái niệm Ảnh thường bị biến dạng nhiễu ngẫu nhiên Nhiễu xuất trình thu nhận ảnh, số hóa ảnh truyền tin Do yếu tố mơi trường ví dụ điều kiện ánh sáng yếu, nhiệt độ thiết bị cảm biến, Ảnh nhiễu biểu diễn biểu thức: 𝑔(𝑥, 𝑦) = 𝑓 (𝑥, 𝑦) + 𝜂(𝑥, 𝑦) Trong đó: f(x, y) ảnh gốc 𝜂(𝑥, 𝑦) nhiễu 𝑔(𝑥, 𝑦) ảnh sau bị nhiễu tác động Nếu xác định mơ hình nhiễu, ta tách nhiễu để khơi phục ảnh 1.2 Một số mơ hình nhiễu Nhiễu Gaussian Nhiễu Gaussian xuất nhiễu mạch tử, thiết bị cảm biến, ánh sáng nhiệt độ cảm biến cao GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT 57 ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH Phân bố xác suất nhiễu tính hàm Gaussian: 𝑝(ɀ) = Trong đó: √2𝜋𝜎 𝑒 − (ɀ−𝜇)2 2𝜎2 ɀ giá trị mức xám (cường độ sáng) điểm ảnh 𝜇 giá trị trung bình ɀ 𝜎 độ lệch chuẩn ɀ 𝜎 phương sai ɀ Đồ thị hàm nhiễu gauss có dạng: Hình 3.32 Đồ thị hàm nhiễu Gauss Tại ta sử dụng kết hợp thư viện numpy để tạo nhiễu theo hàm cung cấp sẵn Với nhiễu Gaussian , numpy có hàm: normal( loc, scale, size) loc: giá trị trung bình scale: phương sai size: kích thước ảnh Có đoạn code: GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT 58 ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH gia_tri_TB = 10 phuong_sai = 25 noise = np.random.normal(loc=gia_tri_TB,scale=phuong_sai,size=(m,n)) # Thêm nhiễu vào ảnh Gau_noisy_img = img + noise Ta có kết sau: Hình 3.33 Ảnh histogram ảnh nhiễu Gauss Nhiễu xung(Impulse noise) Nhiễu xung đặc trưng điểm ảnh có giá trị mức xám khác biệt lớn so với điểm lân cận Xung nhiễu âm dương Xung nhiễu âm đại diện cho điểm ảnh đen (nhiễu hạt tiêu), xung nhiễu dương đại diện cho điểm ảnh trắng (nhiễu muối) Khi ảnh bị bão hòa nhiễu xung xuất điểm đen trắng (nhiễu muối tiêu) Mật độ phân bố xác suất nhiễu: GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT 59 ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH 𝑝𝑠 , ɀ = 2𝑘 − ɀ= 𝑝(ɀ) = { 𝑝𝑝 , − (𝑝𝑠 + 𝑝𝑝 ), ɀ = 𝑉 Trong đó: ɀ giá trị mức xám điểm ảnh 𝑘 số bit dùng biểu diễn giá trị mức xám 𝑉 số nguyên vùng biểu diễn mức xám ảnh (0, 2𝑘 − ) Hình 3.34 Ảnh histogram ảnh nhiễu muối tiêu Lọc nhiễu ảnh Sau xác định mơ hình nhiễu, dựa việc quan sát Histogram để xác định, tiền hành chọn lọc thích hợp để tiến hành khơi phục ảnh 2.1 Biến thể lọc trung bình Trung bình hình học Ảnh khơi phục điểm (x, y) tính theo công thức: GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT 60 ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH 𝑚𝑛 𝑓̂(𝑥, 𝑦) = [ ∏ 𝑔(𝑠, 𝑡 )] (𝑠,𝑡)∈𝑆𝑥𝑦 đó: 𝑆𝑥𝑦 tập tọa độ cửa sổ lọc hình vng có kích thước m x n, tâm điểm (x, y) Lọc trung bình hình học có tác dụng lọc nhiễu giữ nhiều chi tiết ảnh Hình 3.35 Lọc trung bình hình học Trung bình harmonic 𝑓̂(𝑥, 𝑦) = 𝑚𝑛 ∑(𝑠,𝑡)∈𝑆𝑥𝑦 𝑔(𝑠, 𝑡) Bộ lọc làm việc tốt với nhiễu muối nhiễu Gaussian nhiên không tốt với nhiễu hạt tiêu GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT 61 ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH Hình 3.36 Lọc trung bình Harmonic 2.2 Lọc thứ tự thống kê Trung vị: Ảnh khơi phục tính theo cơng thức: 𝑓̂(𝑥, 𝑦) = median {𝑔(𝑠, 𝑡)} Hiệu cho lọc nhiễu muối hạt tiêu (𝑠,𝑡)∈𝑆𝑥𝑦 Hình 3.37 Lọc trung vị GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT 62 ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH Max, Lọc max: Hiệu cho lọc nhiễu hạt tiêu 𝑓̂(𝑥, 𝑦) = max {𝑔(𝑠, 𝑡)} (𝑠,𝑡)∈𝑆𝑥𝑦 Hình 3.38 Lọc TKTT max Lọc min: 𝑓̂(𝑥, 𝑦) = Hiệu cho việc lọc nhiễu muối (𝑠,𝑡)∈𝑆𝑥𝑦 {𝑔(𝑠, 𝑡)} Hình 3.39 Lọc TKTT Trung bình cắt alpha: GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT 63 ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH 𝑓̂(𝑥, 𝑦) = 𝑚𝑛 − 𝑑 ∑ 𝑔𝑟 (𝑠, 𝑡) (𝑠,𝑡)∈𝑆𝑥𝑦 𝑑 = 𝑘𝑠𝑖𝑧𝑒 𝛼; ksize kích thước lọc, 𝛼 số (0 < 𝛼 < 0.5) 𝑔𝑟 (𝑠, 𝑡) biểu diễn phần cịn lại có (mn - d) pixel sau bị cắt bớt d/2 pixel có mức xám lớn d/2 pixel có mức xám nhỏ Bộ lọc loại bỏ nhiễu hỗn hợp, ví dụ nhiễu kết hợp muối tiêu nhiễu Gaussian Hình 3.40 Lọc trung bình cắt alpha IV Phân vùng ảnh “Một vùng ảnh tập hợp điểm ảnh có chung nhiều thuộc tính đối tượng ảnh Phân vùng ảnh việc chia vùng không gian ảnh thành n vùng con, đôi phân biệt tổng lại vùng ảnh ban đầu Mục đích việc phân vùng ảnh giúp máy tính hiểu thc tính ảnh, từ giúp xử lý nhiều cơng việc dị ttìm đối tượng ảnh, phân lớp ảnh,… Quá trình phân vùng ảnh dựa thay đổi đột ngột cường độ mức xám (phát biên/cạnh) dựa tiêu chí xác định trước.” “Phân loại ảnh dựa thay đổi đột ngột cường độ mức xám, sử dụng lọc đạo hàm bậc 1, bậc trình bày phần Lọc sắc nét ảnh.” GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT 64 ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH “Phân loại ảnh dựa tập tiêu chí xác định trước, chia thành nhóm: Dựa kỹ thuật cắt ngưỡng; Dựa thuộc tính vùng ảnh; Dựa kỹ thuật phân cụm; Dựa kỹ thuật học máy Trong chương này, tập trung tìm hiểu hai kỹ thuật: cắt ngưỡng thuộc tính vùng ảnh.” Phân vùng ảnh dựa kỹ thuật cắt ngưỡng toàn cục Cắt ngưỡng kỹ thuật chuyển giá trị mức xám ảnh giá trị xám chung Ví dụ cắt ngưỡng nhị phân chuyển ảnh giá trị: hoặc Cắt ngưỡng toàn cục (đơn ngưỡng) cắt ngưỡng dựa vào giá ttị ngưỡng T cho toàn ảnh 𝑔(𝑥, 𝑦) = { 𝑛ế𝑢 𝑓 (𝑥, 𝑦) > 𝑇 𝑛ế𝑢 𝑓 (𝑥, 𝑦) ≤ 𝑇 Phân chia ảnh thành vùng có mức xám Chất lượng kết thu dựa vào việc chọn ngưỡng nào, ngưỡng cao làm số chi tiết quan trọng Vì có thuật tốn tìm ngưỡng Ostu dựa histogram ảnh sau: Bước 1: Thiết lập histogram ảnh chọn giá trị ngưỡng T ban đầu Bước 2: Tạo nhóm điểm ảnh: Nhóm A chứa pixel có mức xám ≤ T Nhóm B chứa pixel có mức xám > T Bước 3: Tính xác suất tích lũy đến mức xám T nhóm A 𝑝1 (𝑘) xác suất tích lỹ đến mức xám L-1 nhóm B 𝑝2 (𝑘): 𝑘 𝑝1 (𝑘 ) = ∑ 𝑝𝑖 𝑖=0 GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT 65 ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH 𝐿−1 𝑝2 (𝑘 ) = ∑ 𝑝𝑖 = − 𝑝1 (𝑘 ) 𝑖=𝑘+1 Bước 4: Tính giá trị trung bình xác suất nhóm A 𝑚1 (𝑘 ) nhóm B 𝑚2 (𝑘 ) 𝑘 ∑ 𝑖𝑝𝑖 𝑚1 (𝑘 ) = 𝑝1 (𝑘 ) 𝑖=0 𝐿−1 ∑ 𝑖𝑝𝑖 𝑚 (𝑘 ) = 𝑝2 (𝑘 ) Bước 5: Tính giá trị trung bình mức xám ảnh: 𝑖=𝑘+1 𝐿−1 𝑚𝐺 = ∑ 𝑖𝑝𝑖 𝑖=0 Bước 6: Tính giá trị phương sai nhóm A B: 𝜎 𝐵 (𝑘 ) = 𝑝1 (𝑘 )[𝑚1 (𝑘) − 𝑚𝐺 ]2 + 𝑝2 (𝑘 )[𝑚2 (𝑘 ) − 𝑚𝐺 ]2 Bước 7: Giá trị ngưỡng tính : 𝑘 ∗ = max {𝜎 𝐵 (𝑘 )} 0≤𝑘≤𝐿−1 GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT 66 ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH Hình 3.41 Phân đoạn ảnh dựa vào tìm ngưỡng Ostu Ngưỡng tìm là: Phân vùng ảnh dựa thuộc tính vùng ảnh 2.1.1 Thuật tốn nở vùng Nở (gia tăng) vùng ảnh tiến trình nhóm pixel vùng ảnh thành vùng lớn dựa tiêu chí xác định trước Ý tưởng phương pháp bắt đầu với tập điểm gọi hạt giống Từ tập điểm mở rộng vùng ảnh cách thêm vào pixel lân cận có thuộc tính xác định trước tương tự tính chất điểm hạt giống (giá trị mức xám màu sắc) không mở rộng dừng Thuật tốn: Bước 1: Xác định pixel hạt giống Bước 2: Dựa vào đặc tính Q cho trước, tìm tất thành phần kết nối (8 lân cận lân cận) với pixel hạt giống vùng ảnh chứa pixel hạt giống S(x, y) Bước 3: Lặp lại B2 để hình thành vùng ảnh 𝑓𝑄 (𝑥, 𝑦) mà chứa vùng ảnh hạt giống Bước 4: Hình thành ảnh g(x, y) chứa nhiều vùng 𝑓𝑄 (𝑥, 𝑦) Bước 5: Mỗi pixel 𝑓𝑄 (𝑥, 𝑦) cho gán label = 1, vùng lại gán g(x, y) chứa vùng gán label gọi ảnh phân vùng GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT 67 ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH Hình 3.42 Phân đoạn ảnh nở vùng 2.1.2 Thuật toán tách gộp vùng ảnh Chia ảnh ban đầu thành vùng ảnh rời rạc (dựa vào điều kiện Q đó) Sau gộp vùng ảnh dựa vào điều kiện Q Thuật toán: Vùng ảnh R, chọn điều kiện Q để chia vùng Bước 1: (Tách) Chia 𝑅𝑖 thành phần nhỏ hơn, vùng nhỏ chia thành vùng nhỏ nữa, cho thỏa mãn điều kiện 𝑄(𝑅𝑖 ) = 𝐹𝑎𝑙𝑠𝑒 Bước 2: (Gộp) Đến khơng chia nữa, gộp vùng lân cận 𝑅𝑗 𝑅𝑘 cho: 𝑄( 𝑅𝑗 ᴗ 𝑅𝑘 ) = 𝑇𝑟𝑢𝑒 Bước 3: Dừng không gộp GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT 68 ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH Tài liệu tham khảo: [1] Giảng viên Trần Quang Đức, Xử lý ảnh , Đại học Bách Khoa Hà Nội [2] PGS.TS Nguyễn Quang Hoan, Giáo trình xử lý ảnh, Học viện cơng nghệ Bưu Chính viễn thơng [3] Hệ thống học nguồn internet [4] Code ảnh toàn phần nằm đường link sau: https://github.com/vtan133/-n-1_VuThiAnhNguyet GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT 69 ... đ? ?i không gian màu, ngưỡng, … GVHD: NGUYỄN THỊ THANH HUYỀN VŨ THỊ ÁNH NGUYỆT ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH CHƯƠNG : GI? ?I THIỆU CHUNG VỀ XỬ LÝ ẢNH I Hệ thống xử lý ảnh Xử lý ảnh phân ngành xử lý. .. kh? ?i niệm xử lý ảnh Ảnh số ? ?i? ??m ảnh M? ?i ảnh gốc hay g? ?i ảnh tự nhiên, ảnh liên tục không gian độ sáng Để xử lý ảnh, ta cần ph? ?i số hóa ảnh gốc đó, tức biến đ? ?i gần ảnh liên tục thành tập ? ?i? ??m... gộp vùng ảnh 68 T? ?i liệu tham khảo: 69 ĐỒ ÁN I : PYTHON VÀ XỬ LÝ ẢNH MỞ ĐẦU CHƯƠNG 1: GI? ?I THIỆU NGÔN NGỮ LẬP TRÌNH PYTHON Python ngơn ngữ lập trình bậc cao, đa Guido van
Ngày đăng: 07/12/2022, 20:23
Xem thêm:
