CHƯƠNG II MỘT SỐ KỸ THUẬT TRA CỨU ẢNH DỰA VÀO HÌNH DẠNG Số hóa bởi Trung tâm Học liệu http //www lrc tnu edu vn/ 1 ĐẠI HỌC THÁI NGUYÊN ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG Ngô Huy Cƣờng TRA[.]
1 ĐẠI HỌC THÁI NGUYÊN ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THƠNG Ngơ Huy Cƣờng TRA CỨU IC MÁY TÍNH DỰA VÀO HÌNH DẠNG ĐỐI TƢỢNG TRONG ẢNH Chuyên ngành: Khoa học máy tính Mã số: 60.48.01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Thái Nguyên - 2014 Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ MỞ ĐẦU Đặt vấn đề Trong xã hội nay, ảnh số đóng vai trị quan trọng đời sống ngƣời Ảnh số không đƣợc sử dụng sống hàng ngày mà cịn góp phần quan trọng việc cung cấp thơng tin vật thể, kiện, … công tác khoa học Càng ngày ngƣời phải đối mặt với lƣợng lớn hình ảnh phải xử lý Bài tốn tra cứu hình ảnh nhằm tìm ảnh tƣơng tự sở liệu nhƣ ảnh mẫu tra cứu đƣợc nhiều nhóm quan tâm Xuất phát hồn cảnh tơi chọn đề tài “Tra cứu IC máy tính dựa vào hình dạng đối tƣợng ảnh” nhằm nghiên cứu số kỹ thuật tra cứu ảnh dựa vào hình dạng Trên sở kiến thức đƣợc hệ thống hóa, áp dụng cho tốn tra cứu IC máy tính Luận văn gồm có bố cục nhƣ sau: Chƣơng I: Khái quát biểu diễn hình dạng tốn tra cứu IC Trong chƣơng trình bày khái quát xử lý ảnh, sơ lƣợc IC toán tra cứu IC Chƣơng II: Một số kỹ thuật tra cứu ảnh dựa vào hình dạng Chƣơng trình bày số kỹ thuật tra cứu ảnh dựa vào hình dạng, từ trích rút đặc trƣng áp dụng vào toán tra cứu IC Chƣơng III: Chƣơng trình thực nghiệm Giới thiệu tốn IC, phân tích, xây dựng, tra cứu ảnh dựa vào hình dạng đối tƣợng ảnh Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ CHƢƠNG I KHÁI QUÁT VỀ BIỂU DIỄN HÌNH DẠNG VÀ BÀI TỐN TRA CỨU IC 1.1 Khái quát biểu diễn hình dạng 1.1.1 Xử lý ảnh, vấn đề xử lý ảnh 1.1.1.1 Xử lý ảnh gì? Con ngƣời thu nhận thơng tin qua giác quan, thị giác đóng vai trị quan trọng Những năm trở lại với phát triển phần cứng máy tính, xử lý ảnh đồ hoạ phát triển cách mạnh mẽ có nhiều ứng dụng sống Xử lý ảnh đồ hoạ đóng vai trò quan trọng tƣơng tác ngƣời máy Quá trình xử lý ảnh đƣợc xem nhƣ trình thao tác ảnh đầu vào nhằm cho kết mong muốn Kết đầu trình xử lý ảnh ảnh “tốt hơn” kết luận Hình 1.1 Quá trình xử lý ảnh Ảnh xem tập hợp điểm ảnh điểm ảnh đƣợc xem nhƣ đặc trƣng cƣờng độ sáng hay dấu hiệu vị trí đối tƣợng khơng gian xem nhƣ hàm n biến P(c1, c2, , cn) Do đó, ảnh xử lý ảnh xem nhƣ ảnh n chiều Sơ đồ tổng quát hệ thống xử lý ảnh: Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ Hình 1.2: Các bước hệ thống xử lý ảnh 1.1.1.2 Các vấn đề xử lý ảnh a Một số khái niệm * Ảnh điểm ảnh: Điểm ảnh đƣợc xem nhƣ dấu hiệu hay cƣờng độ sáng toạ độ không gian đối tƣợng ảnh đƣợc xem nhƣ tập hợp điểm ảnh * Mức xám, màu Là số giá trị có điểm ảnh ảnh b Nắn chỉnh biến dạng Ảnh thu nhận thƣờng bị biến dạng thiết bị quang học điện tử Ảnh thu nhận Ảnh mong muốn Hình 1.3 Ảnh thu nhận ảnh mong muốn Để khắc phục ngƣời ta sử dụng phép chiếu, phép chiếu thƣờng đƣợc xây dựng tập điểm điều khiển Giả sử (Pi, Pi’) i = n,1 có n tập điều khiển Giả sử (Pi, Pi’) i = n,1 có n n tập điều khiển Tìm hàm f: Pi Є f (Pi) cho Số hóa Trung tâm Học liệu f ( Pi ) Pi Min I http://www.lrc-tnu.edu.vn/ Giả sử ảnh bị biến đổi bao gồm: Tịnh tiến, quay, tỷ lệ, biến dạng, bậc tuyến tính Khi hàm f có dạng: f (x, y) = (a1x + b1y + c1, a2x + b2y + c2) Ta có: n n ( f ( Pi ) P ' i) i (a1 xi b1 yi xi ) ' c1 (a x b2 yi c2 yi ) '2 i Min Để n a1 n n i =0 ax i b1 xi yi i n b1 =0 c1 i n n by i n i yi xi' c1 yi i i n a1 xi =0 i i i xi xi' c1 xi n a1 xi yi n n b1 yi i xi' nc1 i Giải hệ phƣơng trình tuyến tính tìm đƣợc a1, b1, c1 Tƣơng tự tìm đƣợc a2, b2, c2 Xác định hàm f c Khử nhiễu Có loại nhiễu q trình thu nhận ảnh: - Nhiễu hệ thống: Là nhiễu có quy luật khử phép biến đổi - Nhiễu ngẫu nhiên: Vết bẩn không rõ nguyên nhân → khắc phục phép lọc d Chỉnh mức xám Nhằm khắc phục tính khơng đồng hệ thống gây Thơng thƣờng có hƣớng tiếp cận: - Giảm số mức xám: Thực cách nhóm mức xám gần thành bó Trƣờng hợp có mức xám chuyển ảnh đen trắng Ứng dụng: In ảnh màu máy in đen trắng Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ - Tăng số mức xám: Thực nội suy mức xám trung gian kỹ thuật nội suy Kỹ thuật nhằm tăng cƣờng độ mịn cho ảnh e Trích chọn đặc điểm Các đặc điểm đối tƣợng đƣợc trích chọn tuỳ theo mục đích nhận dạng q trình xử lý ảnh Có thể nêu số đặc điểm ảnh sau đây: - Đặc điểm không gian: Phân bố mức xám, phân bố xác suất, biên độ, điểm uốn v.v - Đặc điểm biến đổi: Các đặc điểm loại đƣợc trích chọn việc thực lọc vùng (Zonal filtering) Các vùng đƣợc gọi “mặt nạ đặc điểm” (Feature mask) thƣờng khe hẹp với hình dạng khác (chữ nhật, tam giác, cung tròn v.v ) - Đặc điểm biên đƣờng biên: Đặc trƣng cho đƣờng biên đối tƣợng hữu ích việc trích chọn thuộc tính bất biến đƣợc dùng nhận dạng đối tƣợng Các đặc điểm đƣợc trích chọn nhờ tốn tử gradient, tốn tử la bàn, tốn tử Laplace, tốn tử “chéo khơng” (Zero crossing) v.v Việc trích chọn hiệu đặc điểm giúp cho việc nhận dạng đối tƣợng ảnh xác, với tốc độ tính tốn cao dung lƣợng nhớ lƣu trữ giảm xuống f Nhận dạng Nhận dạng tự động (Automatic Recognition), mô tả đối tƣợng, phân loại phân nhóm mẫu vấn đề quan trọng thị giác máy, đƣợc ứng dụng nhiều ngành khoa học khác Tuy nhiên, câu hỏi đặt là: Mẫu Pattern) gì? Watanabe, ngƣời đầu lĩnh vực định nghĩa: “Ngƣợc lại với hỗn loạn (Chaos), mẫu thực thể (Entity), đƣợc xác định cách ang (Vaguely defined) gán cho tên gọi đó” Ví dụ mẫu ảnh vân tay, ảnh vật đƣợc chụp, chữ viết, khuôn mặt ngƣời ký đồ tín hiệu tiếng nói Khi biết mẫu đó, để nhận dạng phân loại mẫu có thể: Phân Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ loại có mẫu (Supervised classification), chẳng hạn phân tích phân biệt (Discriminant analyis), mẫu đầu vào đƣợc định danh nhƣ thành phần lớp xác định Phân loại khơng có mẫu (Unsupervised classification hay Clustering) mẫu đƣợc gán vào lớp khác dựa tiêu chuẩn đồng dạng Các lớp thời điểm phân loại chƣa biết hay chƣa đƣợc định danh Hệ thống nhận dạng tự động bao gồm ba khâu tƣơng ứng với ba giai đoạn chủ yếu sau đây: - Thu nhận liệu tiền xử lý - Biểu diễn liệu - Nhận dạng, định Bốn cách tiếp cận khác lý thuyết nhận dạng là: - Đối sánh mẫu dựa đặc trƣng đƣợc trích chọn - Phân loại thống kê - Đối sánh cấu trúc - Phân loại dựa mạng nơ-ron nhân tạo Trong ứng dụng rõ ràng dùng có cách tiếp cận đơn lẻ để phân loại “tối ƣu” cần sử dụng lúc nhiều phƣơng pháp cách tiếp cận khác Do vậy, phƣơng thức phân loại tổ hợp hay đƣợc sử dụng nhận dạng có kết có triển vọng dựa thiết kế hệ thống lai (Hybrid System) bao gồm nhiều mơ hình kết hợp Việc giải tốn nhận dạng ứng dụng nảy sinh sống không tạo thách thức thuật giải, mà đặt yêu cầu tốc độ tính tốn Đặc điểm chung tất ứng dụng đặc điểm đặc trƣng cần thiết thƣờng nhiều, chuyên gia đề xuất, mà phải đƣợc trích chọn dựa thủ tục phân tích liệu Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ g Nén ảnh Nhằm giảm thiểu không gian lƣu trữ Thƣờng đƣợc tiến hành theo hai khuynh hƣớng nén có bảo tồn khơng bảo tồn thơng tin Nén khơng bảo tồn thƣờng có khả nén cao nhƣng khả phục hồi Trên sở hai khuynh hƣớng, có cách tiếp cận nén ảnh: - Nén ảnh thống kê: Kỹ thuật nén dựa vào việc thống kê tần xuất xuất giá trị điểm ảnh, sở mà có chiến lƣợc mã hóa thích hợp Một ví dụ điển hình cho kỹ thuật mã hóa *.TIF - Nén ảnh không gian: Kỹ thuật dựa vào vị trí khơng gian điểm ảnh để tiến hành mã hóa Kỹ thuật lợi dụng giống điểm ảnh vùng gần Ví dụ: Cho kỹ thuật mã nén *.PCX - Nén ảnh sử dụng phép biến đổi: Đây kỹ thuật tiếp cận theo hƣớng nén khơng bảo tồn vậy, kỹ thuật hƣớng nén hiệu *.JPG tiếp cận theo kỹ thuật nén - Nén ảnh Fractal: Sử dụng tính chất Fractal đối tƣợng ảnh, thể lặp lại chi tiết Kỹ thuật nén tính tốn để cần lƣu trữ phần gốc ảnh quy luật sinh ảnh theo nguyên lý Fractal 1.1.2 Thu nhận biểu diễn ảnh 1.1.2.1 Thu nhận, thiết bị thu nhận ảnh Các thiết bị thu nhận ảnh bao gồm Camera, Scanner thiết bị thu nhận cho ảnh đen trắng Các thiết bị thu nhận ảnh có loại ứng với loại ảnh thơng dụng Raster, Vector Các thiết bị thu nhận ảnh thông thƣờng Raster Camera thiết bị thu nhận ảnh thông thƣờng Vector Sensor số hoá Digitalizer đƣợc chuyển đổi từ ảnh Raster Nhìn chung hệ thống thu nhận ảnh thực trình Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ - Cảm biến: Biến đổi lƣợng quang học thành lƣợng điện - Tổng hợp lƣợng điện thành ảnh 1.1.2.2 Biểu diễn ảnh Ảnh máy tính kết thu nhận theo phƣơng pháp số hoá đƣợc nhúng thiết bị kỹ thuật khác Quá trình lƣu trữ ảnh nhằm mục đích: - Tiết kiệm nhớ - Giảm thời gian xử lý Việc lƣu trữ thơng tin nhớ có ảnh hƣởng lớn đến việc hiển thị, in ấn xử lý ảnh đƣợc xem nhƣ tập hợp điểm với kích thƣớc sử dụng nhiều điểm ảnh ảnh đẹp, mịn thể rõ chi tiết ảnh ngƣời ta gọi đặc điểm độ phân giải Việc lựa chọn độ phân giải thích hợp tuỳ thuộc vào nhu cầu sử dụng đặc trƣng ảnh cụ thể, sở ảnh thƣờng đƣợc biểu diễn theo mơ hình 1.1.3 Mơ hình Raster Đây cách biểu diễn ảnh thông dụng nay, ảnh đƣợc biểu diễn dƣới dạng ma trận điểm (điểm ảnh) Thƣờng thu nhận qua thiết bị nhƣ Camera, Scanner Tuỳ theo yêu cầu thực tế mà điểm ảnh đƣợc biểu diễn qua hay nhiều bít Mơ hình Raster thuận lợi cho hiển thị in ấn Ngày công nghệ phần cứng cung cấp thiết bị thu nhận ảnh Raster phù hợp với tốc độ nhanh chất lƣợng cao cho đầu vào đầu Một thuận lợi cho việc hiển thị môi trƣờng Windows Microsoft đƣa khuôn dạng ảnh DIB (Device Independent Bitmap) làm trung gian Hình 1.4 thể quy trình chung để hiển thị ảnh Raster thông qua DIB Một hƣớng nghiên cứu mơ hình biểu diễn kỹ thuật nén ảnh kỹ thuật nén ảnh lại chia theo hai khuynh hƣớng nén bảo toàn khơng bảo tồn thơng tin Nén bảo tồn có khả phục hồi hoàn toàn liệu ban đầu cịn khơng bảo tồn có khả phục hồi độ sai số cho phép Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 10 Theo cách tiếp cận ngƣời ta đề nhiều quy cách khác nhƣ BMP, TIF, GIF, PCX… Hiện giới có 50 khn dạng ảnh thơng dụng bao gồm kỹ thuật nén có khả phục hồi liệu 100% nén có khả phục hồi với độ sai số nhận đƣợc Hình 1.4 Quá trình hiển thị chỉnh sửa, lưu trữ ảnh thơng qua DIB 1.1.4 Mơ hình Vector Biểu diễn ảnh ngồi mục đích tiết kiệm khơng gian lƣu trữ dễ dàng cho hiển thị in ấn đảm bảo dễ dàng lựa chọn chép di chuyển tìm kiếm… Theo yêu cầu kỹ thuật biểu diễn Vector tỏ ƣu việt Trong mô hình Vector ngƣời ta sử dụng hƣớng Vector điểm ảnh lân cận để mã hoá tái tạo hình ảnh ban đầu ảnh Vector đƣợc thu nhận trực tiếp từ thiết bị số hoá nhƣ Digital đƣợc chuyển đổi từ ảnh Raster thông qua chƣơng trình số hố Cơng nghệ phần cứng cung cấp thiết bị xử lý với tốc độ nhanh chất lƣợng cho đầu vào nhƣng lại hỗ trợ cho ảnh Raster Do vậy, nghiên cứu biểu diễn vectơ tập trung từ chuyển đổi từ ảnh Raster Hình 1.5: Sự chuyển đổi mơ hình biểu diễn ảnh Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 47 3.3 Xây dựng chƣơng trình Query Image 3.3.1 Sơ đồ khối tổng quát Đọc ảnh mẫu Trích chọn đặc điểm Đọc ảnh từ sở DL Tạo Véc tơ đặc trƣng Trích chọn đặc điểm Tạo Véc tơ đặc trƣng Tính khoảng cách Thêm vào danh sách vị trí thích hợp Hình 3.1: Sơ đồ khối tổng quát chƣơng trình Sơ đồ thể khối chức modul chƣơng trình: Đọc ảnh: sử dụng thƣ viện chuẩn Windows để đọc ảnh mẫu ảnh sở liệu vào cấu trúc DIB Trích chọn đặc điểm: Tuỳ thuộc vào đặc điểm cần trích chọn hình dạng mà khối sử dụng thuật tốn trích chọn tƣơng ứng Tạo véc tơ đặc trƣng: Các đặc điểm đƣợc trích chọn dƣới dạng véc tơ đặc trƣng nhiều chiều Tính khoảng cách: Dựa vào số phƣơng pháp tính khoảng để tính khoảng cách tƣơng ứng véc tơ đặc trƣng ảnh mẫu ảnh sở liệu Cuối dựa theo khoảng cách tính đƣợc, chƣơng trình xếp kết theo chiều giảm dần độ tƣơng tự véc tơ đặc trƣng 3.3.2 Tra cứu theo hình dạng Đọc ảnh mẫu Đọc ảnh từ sở DL Dò biên Dò biên Resample 256x256 Resample 256x256 FFT FFT Tạo Véc tơ đặc trƣng Tạo Véc tơ đặc trƣng Hình 3.2: Sơ đồ khối phần tra cứu ảnh theo hình dạng Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ Tính k/c Euclide Thêm vào danh sách vị trí thích hợp 48 Ảnh mẫu đƣợc đọc vào cấu trúc DIB hàm DisplayImage Sử dụng thuật tốn dị biên gián tiếp để phân vùng ảnh Thực co/giãn (resample) để chuẩn hoá kích thƣớc (cả hai kích thƣớc luỹ thừa 2) trƣớc chép sang ma trận số phức làm đầu vào hàm biến đổi Fourier nhanh FFT Hàm FFT trả lại ma trận số phức Việc tạo véc tơ đặc trƣng ảnh đƣợc thực ma trận số phức Véc tơ đặc trƣng vector có 256 chiều Đọc ảnh sở liệu, thực bƣớc giống nhƣ với ảnh mẫu để đƣợc vector đặc trƣng ảnh vừa đọc So sánh vector đặc trƣng ảnh mẫu ảnh đọc từ sở liệu cách tính khoảng cách Euclide vector đặc trƣng hàm GetShape Distance Thêm ảnh vừa đọc vào danh sách ảnh tìm thấy, ảnh có sai khác so với ảnh mẫu nhỏ đƣợc xếp lên 3.3.2.1 Đọc ảnh Ảnh đƣợc đọc vào cấu trúc DIB hiển thị thủ tục DisplayImage, đầu vào tên đƣờng dẫn đến file cần đọc, đọc ảnh thành công thủ tục DisplayImage hiển thị ảnh lên khung ảnh đƣợc định Việc thao tác với cấu trúc DIB đƣợc thực thông qua cấu trúc DIBSection đƣợc định nghĩa thƣ viện GDI32 Windows 3.3.2.2 Dò biên đối tượng ảnh Phần dò biên đối tƣợng ảnh sử dụng thuật tốn dị biên gián tiếp cách xác định chu tuyến đối tƣợng ảnh 3.3.2.3 Resample Chúng ta biết để thực biến đổi Fourier nhanh kích thƣớc dãy số đầu vào phải luỹ thừa Tuy nhiên ảnh cần đọc lại có số điểm ảnh khác thƣờng khơng thoả mãn u cầu này, thủ tục Resample phải thực phép nội suy để thêm/bớt điểm ảnh để đƣợc ảnh có số điểm Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 49 ảnh thoả mãn yêu cầu mà không làm thay đổi chất lƣợng ảnh Các điểm ảnh đƣợc thêm vào theo nguyên tắc nội suy Màu mật độ điểm ảnh nội suy đƣợc tính tốn dựa giá trị điểm ảnh có sẵn ảnh Có nhiều cách để xây dựng thủ tục Resample, có phƣơng pháp thơng dụng nhất: Nearest Neighbor: điểm ảnh đƣợc sinh dựa vào thơng tin điểm ảnh phía điểm ảnh mới, phƣơng pháp resample nhanh nhƣng độ xác thấp (trong phƣơng pháp) Bilinear: lấy thơng tin từ điểm ảnh phía bên cạnh điểm ảnh Chất lƣợng ảnh tốt so với phƣơng pháp Nearest Neighbor Bicubic: Là phƣơng pháp xác thơng tin điểm ảnh đƣợc suy từ điểm ảnh xung quanh Trong chƣơng trình chúng tơi sử dụng phƣơng pháp đơn giản Nearest Neighbor Kích thƣớc mảng liệu đầu 256×256 phần tử 3.3.2.4 Biến đổi Fourier nhanh Hàm biến đổi FFT đƣợc cải tiến từ chƣơng trình Randy Crane liệt kê "A Simplified Approach to Image Processing" Đầu vào ma trận số phức chiều đƣợc sinh từ ma trận điểm ảnh đọc cách gán phần ảo tất số phức 0, phần thực đƣợc gán giá trị điểm ảnh Đầu ma trận số phức hai chiều biểu diễn khai triển Fourier ma trận đầu vào Trong hàm FFT chiều (hàm twoD_FFT() ), hàng ma trận đầu vào đƣợc biến đổi Fourier hàm biến đổi 1chiều (hàm oneD_FFT() ), sau tính FFT chiều cho cột Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 50 Hai hàm sở để xây dựng oneD_FFT Scramble() Butterflies() Trong Scramble() sử dụng để xếp lại dãy đầu vào theo thứ tự đảo bit, cịn hàm Butterflies() thuật tốn sở, đƣợc gọi đệ qui để tính FFT 3.3.2.5 Tạo véc tơ đặc trưng hình dạng cho ảnh Véc tơ đặc trƣng ảnh vector 256 chiều, chứa 256 giá trị số double double* m_Signature; m_Signature = new double[256]; Hàm sinh chữ ký GenerateSignature(): Đầu vào: Ma trận vuông kích thƣớc 256x256 số phức (sinh hàm biến đổi FFT chiều twoD_FFT()) biểu diễn ảnh miền tần số Đầu ra: vector chữ ký 256 chiều mảng 256 số double signature ảnh Thuật tốn: Tính modul (magnitude) phần tử mảng hai chiều 256x256 phần tử theo công thức: Magnitude(i, j ) Re(i, j ) Im(i, j ) đó: Magnitude(i,j) modul số phức vị trí hàng i, cột j ma trận, Re(i,j) phần thực số phức vị trí hàng i cột j, Im(i,j) phần áo số phức vị trí hàng i, cột j Chia ảnh đầu vào thành khối kích thƣớc 16x16 Khởi tạo mảng image_Signature[] gồm 256 phần tử Tính signature cho khối theo công thức: 15 15 block _ Signature Mag (iBlockRow i), (iBlockCol j) i j Trong đó: block_Signature giá trị signature khối, iBlockRow (0 - 255) số hàng phần tử khối, iBlockCol (0 - 255) số cột phần tử khối, i hàng phần tử khối (i = 0, ,15) , j Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 51 số cột phần tử khối (j = 0, ,15) Mag[i,j] modul số phức vị trí hàng i, cột j ma trận đầu vào Lƣu chữ ký block_Signature đƣợc lƣu vào mảng image_Signature[]; Sau tính xong signature cho 256 khối, tiến hành chuẩn hóa mảng image_Signature[] 3.3.2.6 So sánh ảnh cách tính khoảng cách Euclide Khoảng cách ảnh Query_Image ảnh Found_Image đƣợc định nghĩa khoảng cách Euclide hai chữ ký query_Signature[] found_Signature[] theo công thức: 255 ( found _ Signature[i] query _ Signature[i]) diff i Khoảng cách diff nhỏ hai ảnh đƣợc coi giống 3.3.3 Sử dụng chương trình QueryImage o Khởi động chƣơng trình, chọn file ảnh mẫu, ảnh mẫu đƣợc hiển thị ô khung "Sample Image" o Chọn phƣơng pháp so sánh: Bằng hình dạng, nhập số đo khoảng cách tối đa (giá trị ngƣỡng) hộp Similarity Distance o Nhấn nút Find, chƣơng trình yêu cầu ngƣời dùng chọn thƣ mục chứa file ảnh cần tìm Chƣơng trình sau liệt kê tất ảnh có khoảng cách Euclide nhỏ giá trị ngƣỡng theo thứ tự tăng dần khoảng cách Euclide, ảnh đƣợc coi giống đƣợc xếp trƣớc Khi chọn ảnh danh sách ảnh tìm thấy (Found Image List), chƣơng trình hiển thị ảnh khung Retrieved Image Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 52 Hình 3.3 trang sau kết chạy chƣơng trình để tìm kiếm ảnh tƣơng tự với ảnh mẫu Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 53 Hình 3.3: Một số kết chạy chương trình Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 54 3.4 Khả mở rộng chƣơng trình 3.4.1 Những hạn chế chương trình o Chƣơng trình đƣợc giới thiệu đƣa thuật tốn đơn giản để trích chọn đặc điểm (sinh véc tơ đặc trƣng) nên chắn cho kết so sánh tốt o Các ảnh ban đầu chƣa đƣợc xử lý “sơ chế” nhƣ lọc nhiễu yêu cầu định dạng đơn giản nên phạm vi so sánh bị hạn chế o Chƣơng trình thiết lập kích thƣớc cố định cho ảnh trƣớc xử lý 256×256, kích thƣớc khối 16×16, số chiều vector đặc trƣng 256 làm hạn chế tính mềm dẻo chƣơng trình 3.4.2 Khả mở rộng o Kỹ thuật “tra cứu ảnh theo hình dạng” có nhiều hƣớng nghiên cứu phát triển tạo thuật toán hiệu làm cho máy tính “hiểu” đƣợc ảnh Chúng ta hồn tồn xây dựng thuật tốn tốt để trích chọn đƣợc đặc điểm đặc trƣng khác nhƣ màu sắc, kết cấu, hình dạng đối tƣợng ảnh để phát triển cho toán nhận dạng vật thể o Thuật tốn resample chƣơng trình sử dụng phƣơng pháp đơn giản để thực nội suy, sử dụng thuật tốn cho độ xác cao chắn cải thiện đáng kể chất lƣợng chƣơng trình o Sử dụng phƣơng pháp làm giảm số chiều véc tơ đặc trƣng làm tăng đáng kể tốc độ tra cứu Đối với hệ thống máy tính có trang bị nhiều vi xử lý có xử lý lõi kép xây dựng thuật toán cho phép phân phối tác vụ cho nhiều vi xử lý đồng thời giải pháp tốt để tăng tốc độ tra cứu o Sử dụng phƣơng pháp tính tốn độ tƣơng tự phù hợp cho loại đặc điểm để có đƣợc kết so sánh gần với trực giác Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 55 KẾT LUẬN Bản luận văn trình bày vài kỹ thuật tảng hệ thống tra cứu ảnh bao gồm mô tả trực quan, đánh giá độ tƣơng tự, sơ đồ đánh số, giao tiếp với ngƣời sử dụng đánh giá hiệu hệ thống, nhấn mạnh vào kỹ thuật mô tả đặc điểm trực quan Các đặc điểm trực quan tổng quát đƣợc sử dụng nhiều hệ tra cứu ảnh màu sắc, kết cấu, hình dạng thơng tin khơng gian Màu sắc thƣờng đƣợc biểu diễn thông quan histogram màu, sơ đồ tƣơng quan màu, véc tơ gắn kết màu moment màu không gian màu định Kết cấu đƣợc biểu diễn thơng qua đặc điểm Tamura, phân tích Wold, mơ hình SAR, biến đổi Gabor biến đổi dạng sóng Hình dạng biểu diễn thống qua bất biến moment, hàm xoay, mơ tả Fourier, độ trịn, độ lệch tâm, hƣớng trục biến đổi radon Các mối quan hệ không gian vùng đối tƣợng ảnh thƣờng đƣợc biểu diễn chuỗi 2D Ngoài đặc điểm trực quan điểm ảnh lại đƣợc sử dụng để phân tách ảnh thành vùng đồng đối tƣợng ảnh Các đặc điểm cục vùng ảnh đối tƣợng ảnh dùng hệ thống tra cứu ảnh theo vùng Có nhiều cách để đánh giá khoảng cách đặc điểm trực quan, số cách đƣợc sử dụng phổ biến nhƣ khoảng cách Minkowski, khoảng cách toàn phƣơng, khoảng cách Mahalanobis, độ phân kỳ Kullback-Leibler độ phân kỳ Jeffrey Đến thời điểm phƣơng pháp tính khoảng cách Minkowski khoảng cách toàn phƣơng đƣợc sử dụng rộng rãi hệ thống tra cứu ảnh Việc xây dựng đƣợc sơ đồ đánh số véc tơ đặc trƣng cách hiệu điều quan trọng truy vấn ảnh Để lập đƣợc sơ đồ đánh số trƣớc hết phải tiến hành làm giảm số chiều véc tơ đặc trƣng Một số phƣơng Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 56 pháp thƣờng đƣợc sử dụng PCA, ICA biến đối KL sử dụng mạng nơ ron Sau giảm số chiều véc tơ đặc trƣng tiến hành xây dựng số Các cấu trúc số hay đƣợc sử dụng R, R*, toàn phƣơng, K-d-B Hiệu hệ thống tra cứu ảnh dựa nhiều vào khả tƣơng tác với ngƣời sử dụng Nói cách khác, kết tra cứu phải dựa mô tả truy vấn ngƣời sử dụng Trong kết truy vấn đƣợc hiệu chỉnh để thu đƣợc nhiều kết phù hợp dựa vào phản hồi thích hợp ngƣời sử dụng Mặc dù kỹ thuật tra cứu ảnh đƣa đƣợc giải pháp thông minh tự động để tìm kiếm ảnh cách hiệu vấn đề kỹ thuật dựa đặc điểm mức thấp Nói chung đặc điểm mức thấp phản ánh đựơc khía cạnh ảnh Khơng có đặc điểm phản ánh đƣợc ngữ nghĩa ảnh, kể sử dụng kết hợp nhiều đặc điểm Ngoài đánh giá độ tƣơng tự đặc điểm trực quan lại chƣa liên quan đến đặc điểm sinh lý thị giác ngƣời Ngƣời sử dụng thƣờng quan tâm đến giống ngữ nghĩa nên kết truy vấn dựa đặc điểm mức thấp thƣờng khơng thoả mãn đƣợc u cầu nói chung khó đốn trƣớc Mặc dù phản hồi thích hợp cách để bù đắp vào khoảng cách tìm kiếm theo ngữ nghĩa việc xử lý liệu mức thấp nhƣng vấn đề tồn cần phải có kỹ thuật khác đáp ứng đƣợc Ngồi ra, ngƣời ta có số hƣớng tiếp cận nhằm giải triệt để vấn đề ngữ nghĩa ảnh việc tra cứu Phƣơng pháp tra cứu ảnh theo thể tra cứu ảnh theo đồ thị hai số cách tiếp cận Tuy nhiên kết đạt đƣợc nhiều hạn chế việc xây dựng hệ thống tra cứu ảnh thực hiểu đƣợc ngữ nghĩa thực ảnh thách thức lớn Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 57 Phần cuối luận văn đƣa áp dụng cụ thể cho phƣơng pháp tra cứu ảnh Những vấn đề đƣợc giải luận văn: o Giới thiệu chi tiết phƣơng pháp tra cứu ảnh o Sơ lƣợc cách đánh giá hiệu hệ thống tra cứu ảnh o Giới thiệu số cách tiếp cận tra cứu ảnh theo ngữ nghĩa o Áp dụng phƣơng pháp tra cứu ảnh vào tốn tìm kiếm IC theo đặc điểm hình dạng o Những vấn đề cịn tồn tại: Do thời gian tìm hiểu đề tài chƣa đƣợc nhiều hạn chế khả lập trình đồ hoạ nên số mục tiêu đặt từ bắt tay nghiên cứu chƣa thực đƣợc chƣơng trình chạy thử này, bao gồm: o Chƣa có chức tra cứu ảnh cách kết hợp nhiều đặc điểm o Chƣa cài đặt kỹ thuật đánh số hiệu đề cập phần luận o Chƣa cài đặt kỹ thuật tăng hiệu hệ thống cách giảm số chiều véc tơ đặc trƣng Trong thời gian tới, hy vọng giải đƣợc vấn đề cịn tồn để xây dựng đƣợc chƣơng trình thực hữu ích, đáp ứng đƣợc u cầu tốn Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 58 TÀI LIỆU THAM KHẢO [1] Giáo trình Xử lý ảnh/ Đỗ Năng Tồn , Phạm Việt Bình-Thái Nguyên: Đại học Thái Nguyên, Trƣờng ĐH CNTT Truyền thông, 2007 – 76 tr [2] Nhập môn xử lý ảnh số / Lƣơng Mạnh Bá, Nguyễn Thanh Thủy - Hà Nội : Khoa học Kỹ thuật, 2006 - 364 tr [3] Anil K.Jain(1989),Fundanental of Digital Image Processing.Prentice Hall,Engwood cliffs [4] J.R Paker (1997),Algorithms for Image processing and Computer Vision John Wiley & Sons, Inc [5] Randy Cranne(1997), A simplified approach to image processing, PrenticeHall,Inc [6] John C.Russ(1995), The Image Procesing Handbook, CRC Press, Inc [7] Adrian Low (1991), Introductory Computer Vision and Image Procesing, Copyright (c) 1991 by McGrow Hill Book Company(UK) Limited [8] T Pavlidis (1982), Algorithms for Graphics and Image Processing, Computer Science Press [9] Fleeman - Electronic Devices, Discrete and Intergrated - Printice - Hall International-1998 [10] Boylestad and Nashelky - Electronic Devices and Circuit Theory - Printice Hall International 1998 [11] J.Millman - Micro electronics, Digital and Analog, Circuits and Systems Mc.Graw.Hill Book Company - 1979 [12] http://elib.ictu.edu.vn/Public/index.aspx?mid=tailieuso&tdig=32&did=1888 [13] http://cnx.org/content/m29924/1.1/ [14] http://www.alldatasheet.com [15] http://hocnghetructuyen.vn [16] http://www.zun.vn/tai-lieu/bai-giang-dien-tu-co-ban-chuong-10-mach-ic1330/ [17] http://vovisoft.com/visualbasic/default.htm [18].http://elib.ictu.edu.vn/Public/Index.aspx?mid=tailieuso&tdig=94&did=2517 Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 59 MỤC LỤC MỞ ĐẦU 1 Đặt vấn đề CHƢƠNG I KHÁI QUÁT VỀ BIỂU DIỄN HÌNH DẠNG VÀ BÀI TOÁN TRA CỨU IC 1.1 Khái quát biểu diễn hình dạng .3 1.1.1 Xử lý ảnh, vấn đề xử lý ảnh 1.1.1.1 Xử lý ảnh gì? 1.1.1.2 Các vấn đề xử lý ảnh 1.1.2 Thu nhận biểu diễn ảnh 1.1.2.1 Thu nhận, thiết bị thu nhận ảnh .8 1.1.2.2 Biểu diễn ảnh 1.1.3 Mơ hình Raster 1.1.4 Mơ hình Vector .10 1.2 Bài tốn tra cứu IC máy tính dựa vào ảnh 11 1.2.1 Sơ lƣợc IC 11 1.2.1.1 Khái niệm IC - Sự kết tụ hệ thống điện tử .11 1.2.1.2.Các loại IC 14 1.2.1.3 Sơ lƣợc qui trình chế tạo IC đơn tinh thể 16 1.2.1.4 IC số (IC Digital) IC tƣơng tự (IC analog) 18 1.2.1.5 IC Digital 18 1.2.1.6 IC analog .19 1.2.2 Bài toán tra cứu IC 19 1.2.2.1 Đặt vấn đề 19 1.2.2.2 Đặc trƣng IC 20 1.2.2.3 Phƣơng pháp tra cứu IC .20 CHƢƠNG II 21 MỘT SỐ KỸ THUẬT TRA CỨU ẢNH DỰA VÀO HÌNH DẠNG 21 2.1 Biểu diễn hình dạng đối tƣợng 21 Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 60 2.1.1 Kỹ thuật dựa vào biểu diễn biên đối tƣợng .22 2.1.2 Kỹ thuật biểu diễn hình dạng dựa vùng 23 2.2 Kỹ thuật dựa vào biểu diễn xƣơng đối tƣợng 23 2.2.1 Phƣơng pháp tìm xƣơng dựa làm mảnh 24 2.2.2 Phƣơng pháp tìm xƣơng khơng dựa làm mảnh 26 2.2.2.1 Khái quát lƣợc đồ Voronoi [1] 26 2.2.2.2 Thuật tốn tìm trục trung vị 31 2.3 Kỹ thuật tra cứu hình ảnh dựa vào lƣới .32 2.3.1 Định nghĩa lƣới .32 2.3.2 Phƣơng pháp tra cứu hình ảnh dựa lƣới 32 .32 32 2.3.2.3 Chuẩn hóa xoay 33 n 33 34 .34 34 35 2.3.2.9 Quy trìn .35 2.4 Tra cứu ảnh dựa vào mục kết hợp màu sắc hình dạng 36 2.4.1 Các đặc trƣng màu sắc hình dạng .36 .36 2.4.1.2 Biểu diễn hình dạng .39 2.4.2 Quá trình lập mục truy vấn 39 39 2.4.2 41 2.4.2.3 Truy vấn .41 2.5 Phát biên gián tiếp [1] 41 2.5.1 Một số khái niệm 41 Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 61 2.5.1.1 Ảnh điểm ảnh 41 2.5.1.2 Các điểm - láng giềng 42 2.5.1.3 Đối tƣợng ảnh .42 2.5.2 Chu tuyến đối tƣợng ảnh 43 CHƢƠNG III 45 CHƢƠNG TRÌNH THỰC NGHIỆM 45 3.1 Giới thiệu toán tra cứu IC 45 3.2 Phân tích tốn .45 3.3 Xây dựng chƣơng trình Query Image 47 3.3.1 Sơ đồ khối tổng quát .47 3.3.2 Tra cứu theo hình dạng 47 3.3.2.1 Đọc ảnh 48 3.3.2.2 Dò biên đối tƣợng ảnh 48 3.3.2.3 Resample 48 3.3.2.4 Biến đổi Fourier nhanh .49 3.3.2.5 Tạo véc tơ đặc trƣng hình dạng cho ảnh 50 3.3.2.6 So sánh ảnh cách tính khoảng cách Euclide 51 3.3.3 Sử dụng chƣơng trình QueryImage 51 3.4 Khả mở rộng chƣơng trình 54 3.4.1 Những hạn chế chƣơng trình 54 3.4.2 Khả mở rộng 54 KẾT LUẬN 55 TÀI LIỆU THAM KHẢO 58 Số hóa Trung tâm Học liệu http://www.lrc-tnu.edu.vn/