TIỂU LUẬN MÔN HỌC XỬ LÝ ẢNH: KHÔI PHỤC ẢNH

MỤC LỤCMỤC LỤCii1.Giới thiệu22.Kỹ thuật và phương pháp22.1.Khôi phục ảnh22.2.Các loại nhiễu ảnh23.Các bộ lọc23.1.Bộ lọc trung bình số học -Arithmetic Mean filter:23.2.Bộ lọc trung bình hình học ( Geometric Mean filter):23.3.Bộ lọc trung bình hài ( Harmonic Mean filter)24.Khôi phục ảnh bằng phương pháp cân bằng Histogram24.1.Biểu diễn Histogram24.2.Cân bằng Histogram25.Khôi phục ảnh bằng biến đổi Wavelet25.1.Cơ sở toán học25.1.1.Biến đổi wavelet liên tục25.1.2.Biến đổi Wavelet rời rạc25.2.Tính chất của phép biến đổi wavelet25.2.1.Tính chất sóng25.2.2.Đặc trưng về năng lượng25.3.Một số họ biến đổi wavelet25.3.1.Biến đổi Wavelet Haar25.3.2.Biến đổi Wavelet Meyer25.3.3.Biến đổi Wavelet Daubechies2Phụ lục: code Matlab2 1.Giới thiệuXử lý hình ảnh là một hình thức xử lý tín hiệu mà đầu vào là một hình ảnh, chẳng hạn như một bức ảnh hoặc khung hình video, đầu ra của xử lý hình ảnh có thể là một hình ảnh hoặc một tập hợp các đặc điểm hoặc các thông số liên quan đến hình ảnh. Tại đây, một hình ảnh được định nghĩa là một mảng, hoặc một ma trận, điểm ảnh vuông được sắp xếp theo hàng và cột. Hầu hết các kỹ thuật xử lý hình ảnh đều liên quan đến việc xử lý ảnh như là một tín hiệu hai chiều và áp dụng các kỹ thuật xử lý tín hiệu tiêu chuẩn cho nó.Xử lý hình ảnh thường liên quan đến xử lý hình ảnh kỹ thuật số.Lĩnh vực xử lý hình ảnh kỹ thuật số dùng để xử lý hình ảnh số bằng máy tính số. Nó bao gồm nhiều kỹ thuật như phân chia hình ảnh, nhận dạng ảnh, chỉnh sửa màu, khôi phục ảnh,… 2.Kỹ thuật và phương pháp2.1.Khôi phục ảnhKhôi phục hình ảnh là quá trình tái tạo hình ảnh gốc từ hình ảnh có chất lượng suy giảm do 1 số các nhân tố. Phục hồi hình ảnh kỹ thuật số là một lĩnh vực kỹ thuật nghiên cứu về các phương pháp được sử dụng để khôi phục lại ảnh gốc từ những hình ảnh bị suy giảm và quan sát. Kỹ thuật được sử dụng để khôi phục lại hình ảnh như làm giảm mờ, nhiễu và áp dụng các bộ lọc khác nhau để có được ảnh tương đương với ảnh gốc.Có rất nhiều nguyên nhân gây ra sự suy giảm ảnh và và khôi phục ảnh là một trong những lĩnh vực quan trọng trong xử lý hình ảnh.Sự suy giảm thường xảy ra bao gồm mờ, chuyển động và nhiễu. Mờ có thể do đối tượng trong hình ảnh bị mất nét khi phơi sáng, trong khi chuyển động mờ có thể được gây ra khi một đối tượng di chuyển so với máy ảnh khi phơi sáng.

BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC ĐÀ NẴNG TIỂU LUẬN MÔN HỌC XỬ LÝ ẢNH TÊN ĐỀ TÀI: KHƠI PHỤC ẢNH Hướng dẫn khoa học : TS Ngơ Văn Sỹ Học viên thực : Ngô Văn Đức Phạm Minh Hải Lê Huy Lê Anh Khoa Lớp : Cao học KTĐT K25 Niên khóa : 2012 - 2014 Đà nẵng, tháng năm 2014 MỤC LỤC CÔNG NGHỆ MẠNG RIÊNG ẢO3 Giới thiệu Xử lý hình ảnh hình thức xử lý tín hiệu mà đầu vào hình ảnh, chẳng hạn ảnh khung hình video, đầu xử lý hình ảnh hình ảnh tập hợp đặc điểm thông số liên quan đến hình ảnh Tại đây, hình ảnh định nghĩa mảng, ma trận, điểm ảnh vuông xếp theo hàng cột Hầu hết kỹ thuật xử lý hình ảnh liên quan đến việc xử lý ảnh tín hiệu hai chiều áp dụng kỹ thuật xử lý tín hiệu tiêu chuẩn cho Xử lý hình ảnh thường liên quan đến xử lý hình ảnh kỹ thuật số Lĩnh vực xử lý hình ảnh kỹ thuật số dùng để xử lý hình ảnh số máy tính số Nó bao gồm nhiều kỹ thuật phân chia hình ảnh, nhận dạng ảnh, chỉnh sửa màu, khơi phục ảnh,… Kỹ thuật phương pháp 2.1 Khôi phục ảnh Khơi phục hình ảnh q trình tái tạo hình ảnh gốc từ hình ảnh có chất lượng suy giảm số nhân tố Phục hồi hình ảnh kỹ thuật số lĩnh vực kỹ thuật nghiên cứu phương pháp sử dụng để khơi phục lại ảnh gốc từ hình ảnh bị suy giảm quan sát Kỹ thuật sử dụng để khơi phục lại CƠNG NGHỆ MẠNG RIÊNG ẢO4 hình ảnh làm giảm mờ, nhiễu áp dụng lọc khác để có ảnh tương đương với ảnh gốc Có nhiều nguyên nhân gây suy giảm ảnh và khôi phục ảnh lĩnh vực quan trọng xử lý hình ảnh Sự suy giảm thường xảy bao gồm mờ, chuyển động nhiễu Mờ đối tượng hình ảnh bị nét phơi sáng, chuyển động mờ gây đối tượng di chuyển so với máy ảnh phơi sáng Mục đích phục hồi hình ảnh để " bù" "khôi phục" sai hỏng mà làm suy giảm hình ảnh Suy giảm có nhiều hình thức chuyển động làm mờ, nhiễu, tiêu cự camera Trong trường hợp làm mờ chuyển động, đưa ước lượng tốt so với mờ thực tế "khôi phục" mờ để khôi phục lại hình ảnh gốc Trường hợp ảnh bị lỗi nhiễu, thực bù nhiễu Trong trình khơi phục, suy giảm xem hoạt động khơng gian tuyến tính bất biến đó, g(x, y) nhiễu tự do, việc khôi phục thực cách sử dụng chức chuyển nghịch đảo h(u, v) lọc phục hồi η (x, y) nhiễu Các kỹ thuật phục hồi sử dụng nhiều loại lọc để đạt hiệu suất tốt nhất, lọc ngược, lọc Wiener, lọc Histogram Adaptive Fuzzy, lọc Min-max Detector Based lọc Centre Weighted Mean, … CÔNG NGHỆ MẠNG RIÊNG ẢO5 g(x, y)= h(x, y) * f(x, y) + η(x, y) 2.2 Các loại nhiễu ảnh Các loại nhiễu khác có số đặc tính Trong phim ảnh, nhiễu thu chủ yếu hạt bạc kết tủa trình phơi sáng Nhiễu hạt bạc, gọi nhiễu hạt phim Nhiễu hạt phim không thực tương quan thống kê khoảng cách mẫu lớn kích thước hạt Do nhiễu hạt phim nhiễu trắng chiều xử lý ngẫu nhiên Trong máy dò ảnh điện tử, hai loại nhiễu xuất hiện: Nhiễu nhiệt: nguồn mạch điện tử khác nhiễu Photoelectron: sinh biến động ngẫu nhiên số lượng photon bề mặt nhạy cảm ánh sáng máy dò Một loại nhiễu khác xuất trình truyền hình ảnh nhiễu xung Salt-Pepper Nó xuất xung ảnh đen và/hoặc trắng Nguồn thường nhân tạo nhiễu khơng khí, xuất tạp âm xung Nó có dạng sau: nơi z (k , j) biểu thị xung i(k , j ) biểu thị mật độ ảnh gốc điểm ảnh (k , j) Trong trường hợp máy ảnh CCD, dạng nhiễu nhiễu suy hao truyền Có nhiều loại nhiễu trình xử lý hình ảnh số số bao gồm: Nhiễu Gause: loại nhiễu xuất phát phân bố biên độ Gaussian Phân bố xác suất Gauss có hàm mật độ xác suất: CÔNG NGHỆ MẠNG RIÊNG ẢO6 x mức xám, µ trung bình, σ độ lệch chuẩn phương sai σ b Nhiễu Gamma: nhiễu có hàm phân bố xác suất Với giá trị trung bình µ=b/a, phương sai σ2= b/a2 a b số nguyên dương c Nhiễu nhân: nhiễu với hàm mật độ xác suất theo hàm mũ của: Với giá trị trung bình µ=1/a σ2= 1/a2 với a>0 CÔNG NGHỆ MẠNG RIÊNG ẢO7 d Nhiễu đồng đều: nhiễu với hàm mật độ xác suất Với giá trị trung bình µ=a+b/2 phương sai σ2= (b-a)2/12 e Nhiễu xung: nhiễu với hàm mật độ xác suất CÔNG NGHỆ MẠNG RIÊNG ẢO8 f Nhiễu Speckle Có thể mơ hình cách nhân giá trị ngẫu nhiên với giá trị pixel Nhiễu speckle vấn đề quan tâm chủ yếu ứng dụng radar Trong matlab ảnh với nhiễu speckle tính tốn: I *(1+N) T= imnoise(image,’speckle’) Nhiễu N có phân phối chuẩn với giá trị trung bình Có thể cung caaos thêm thơng số để xác định giá trị kỳ vọng N, giá trị mặc định 0.04 Các lọc Loại bỏ nhiễu cơng việc thực cách xử lý ảnh quan sát máy tính Những thơng tin nhiễu khơng mong muốn như: chất lượng máy ảnh phục hồi, điều kiên thu nhận, cường độ sáng, hiệu chỉnh định vị mơi trường cảnh Bộ lọc kỹ thuật số sử dụng để loại bỏ nhiễu từ hình ảnh bị suy giảm, hệ thống phụ quan trọng hệ thống xử lý tín hiệu Các lọc sử dụng để nâng cao hình ảnh, loại bỏ thành phần tín hiệu khơng mong muốn Bộ lọc có nhiều loại khác lọc tuyến tính lọc phi tuyến Trong thời gian đầu, tín hiệu xử lý tương tự, lọc sử dụng lọc tương tự Ngày này, lọc kỹ CÔNG NGHỆ MẠNG RIÊNG ẢO9 thuật số tiếp quản hệ thống tương tính linh hoạt nó, chi phí thấp, khả lập trình, độ tin cậy, Các lọc số thiết kế bao gồm ba bước : (i) đặc điểm kỹ thuật thuộc tính mong muốn hệ thống, (ii) xấp xỉ đặc tính sử dụng hệ thống thời gian rời rạc nhân , (iii) việc thực hệ thống cách sử dụng thuật toán hữu hạn xác 3.1 Bộ lọc trung bình số học -Arithmetic Mean filter: f= mn ∑ g ( s, t ) ∈x , y (31) Giá trị ảnh khôi phục tọa độ (x,y) đơn giản trung bình số học pixel miền Sxy Bộ lọc thực IPT sau : w = fspecial(„average ,[m,n]) f = imfilter(g,w) 3.2 Bộ lọc trung bình hình học ( Geometric Mean filter):    ∏ g ( s, t )   mn F=  s ,t∈sx, y (32) Mỗi giá trị pixel ảnh phục hồi : tích pixel miền S xy , sau lấy lũy thừa 1/m/n IPT khơng hỗ trợ hàm để tính tốn trực tiếp lọc 3.3 Bộ lọc trung bình hài ( Harmonic Mean filter) mn F(x,y)= ∑ g ( s, t ) s ,t∈Sx , y (33) Bộ lọc làm việc tốt với nhiễu Salt, lại khơng hiệu với nhiễu Pepper CƠNG NGHỆ MẠNG RIÊNG ẢO10 Khôi phục ảnh phương pháp cân Histogram Histogram biểu diễn hình ảnh việc tăng cường phục hồi hình ảnh Quá trình Histogram cách tốt để nâng cao độ tương phản Nó cho thấy chi tiết hình ảnh dạng rời rạc đồ thị Histogram hiển thị thông tin thống kê hình ảnh số Độ tương phản để đo chất lượng hình ảnh tùy thuộc vào màu sắc độ sáng đối tượng mà làm cho đối tượng hình ảnh phân biệt rõ với đối tượng khác Histogram đồ thị số lượng điểm ảnh giá trị cường độ khác tìm thấy hình ảnh 4.1.Biểu diễn Histogram Mật độ ảnh với biểu diễn Histogram hiển thị đây: Hình Biểu diễn Histogram mật độ ảnh CƠNG NGHỆ MẠNG RIÊNG ẢO11 Hình Biểu hiễn Histogram âm mật độ ảnh Hình cho thấy biểu diễn Histogram hình ảnh âm Nó cho thấy histogram hoàn toàn trái ngược với ảnh cho thấy phần màu đen có giá trị lớn phần màu trắng có giá trị nhỏ 4.2.Cân Histogram Trong biểu diễn Histogram, mật độ tương phản ảnh khơng phân bố tốt Do đó, số điều chỉnh thực hình ảnh để có ảnh tương phản tốt Trong q trình cân Histogram, giá trị mật độ phân bố hiệu Điều giúp vùng hình ảnh với độ tương phản thấp có độ tương phản tốt cao Cân Histogram thực cách sử dụng xác suất Trong trình cần Histogram, giá trị pixel ảnh liệt kê với giá trị xảy lặp lặp lại Sau liệt kê, giá trị xác suất pixel điểm định đầu ảnh tính tốn sử dụng phương pháp phân bố xác suất tích lũy Phương pháp sử dụng giá trị điểm ảnh hình ảnh ban đầu CƠNG NGHỆ MẠNG RIÊNG ẢO12 phân bố tất hình ảnh đầu mong muốn Nó mơ tả xác suất mà biến ngẫu nhiên giá trị thực X với phân bố xác suất định tìm thấy giá trị nhỏ với x Lấy giá trị tính tốn hàm phân bố tích lũy cdf theo cơng thức sau: Ví dụ giá trị pixel hình ảnh cho bởi: Bảng Giá trị pixel ảnh Bảng Histogram ảnh Hàm phân bố tích lũy tính cơng thức thể bảng CÔNG NGHỆ MẠNG RIÊNG ẢO13 Bảng Hàm phân bố tích lũy (cdf) Sau tính tốn cdf giá trị dễ dàng để tính tốn giá trị điểm ảnh đầu theo cơng thức cân Histogram chung sau: Trong cdf(v) giá trị thời điểm cụ thể, cdfmin giá trị cdf tối thiểu, L kích thước pixel chuẩn hóa tồn hình ảnh MXN số pixel ảnh gốc Các giá trị cdfmin = 1, MxN = 16, L = 256 (đối với hình ảnh đầy đủ) cdf(v) giá trị hiển thị bảng 1, 2, 3, 16 Đặt giá trị công thức dẫn đến giá trị pixel Bảng Giá trị pixel ảnh đầu Dưới khác biệt ảnh thấy sử dụng cân Histogram CÔNG NGHỆ MẠNG RIÊNG ẢO14 Hình Biễu diễn Histogram mật độ ảnh Hình Cân Histogram CƠNG NGHỆ MẠNG RIÊNG ẢO15 Như hình trên, cân histogram tạo ảnh có tương phản tốt ảnh cũ Ngồi cho thấy mật độ phân bố sơ đồ histogram Khôi phục ảnh biến đổi Wavelet 5.1 Cơ sở toán học 5.1.1 Biến đổi wavelet liên tục Biến đổi Wavelet liên tục (Continuous Wavelet Transform - CWT) hàm f ( t ) hàm Wavelet mẹ (mother Wavelet) ψ ( t ) Hàm Wavelet mẹ ψ ( t ) hàm số thực phức liên tục thoả mãn tính chất sau đây: Tích phân suy rộng tồn trục t hàm ψ ( t ) Tức là: ∞ ∫ Ψ (t)dt= −∞ (2) Tích phân lượng hàm toàn trục t số hữu hạn, tức là: ∞ ∫ Ψ( t ) −∞ dt ≤ ∞ (3) Điều kiện (1.2) có nghĩa hàm ψ ( t ) phải hàm bình phương khả tích nghĩa hàm ψ ( t ) thuộc không gian L2 ( R ) hàm bình phương khả tích Sau hàm Wavelet ψ ( t ) lựa chọn, biến đổi Wavelet liên tục hàm bình phương khả tích f ( t ) tính theo cơng thức: ∞ W(a,b)= ∫ f (t) −∞ t −b a Ψ* a ( )dt (4) Biến đổi hàm hai tham số thực a b Dấu * ký hiệu liên hiệp phức ψ ( t ) Nếu định nghĩa hàm ψ a ,b ( t ) theo biểu thức: Ψ a,b (t) = t −b a Ψ a ( ) (5) CÔNG NGHỆ MẠNG RIÊNG ẢO16 Giá trị a hệ số chuẩn hố để đảm bảo tích phân lượng hàm ψ a ,b ( t ) độc lập với a b Với giá trị a ψ a ,b ( t ) ψ a ,0 ( t ) dịch b đơn vị trục thời gian Do b gọi tham số dịch Đặt tham số dịch b = ta thu được: Ψ a,0 (t) = a t Ψ  a (6) điều cho thấy a tham số tỷ lệ 5.1.2 Biến đổi Wavelet rời rạc Việc tính tốn hệ số Wavelet tất tỉ lệ công việc phức tạp Nếu tính tốn tạo lượng liệu khổng lồ Để giảm thiểu cơng việc tính toán người ta chọn tập nhỏ giá trị tỉ lệ vị trí để tiến hành tính tốn Hơn việc tính tốn tiến hành tỷ lệ vị trí sở luỹ thừa số kết thu hiệu xác nhiều Quá trình chọn tỷ lệ vị trí để tính tốn tạo thành lưới nhị tố (dyadic) Một phân tích hồn tồn thực nhờ biến đổi Wavelet rời rạc (DWT) Do đó, việc tính tốn biến đổi DWT thực chất rời rạc hoá biến đổi Wavelet liên tục (CWT); việc rời rạc hoá thực với lựa chọn hệ số a b sau: a = 2m ; b= 2m n m,n ∈ Ζ (7) Việc tính tốn hệ số biến đổi Wavelet dễ dàng thực băng lọc số nhiều nhịp đa kênh, lý thuyết quen thuộc xử lý tín hiệu 5.2.Tính chất phép biến đổi wavelet 5.2.1 Tính chất sóng Hàm wavelet phức (tổng quát) ψ định xứ hoàn tồn hai miền: miền khơng gian miền tỉ lệ (nghịch đảo tần số) đồng thời phải thỏa mãn CƠNG NGHỆ MẠNG RIÊNG ẢO17 tính chất sóng, nghĩa dao động với giá trị trung bình hàm wavelet không ∞ ∫ Ψ ( y) dy= −∞ (8) Như vậy, wavelet dạng sóng nhỏ có khơng gian tồn hữu hạn có giá trị trung bình khơng Hệ từ tính chất sóng hàm wavelet dẫn đến độc lập phép biến đổi wavelet tất hàm phân tích Lưu ý sử dụng phép biến đổi wavelet liên tục, phải chuẩn hóa phiên hàm wavelet ψ (x−b ) vùng không gian giới hạn qui định kích thước cửa sổ; bên ngồi vùng giới hạn hàm wavelet triệt tiêu Vậy phép biến đổi wavelet liên tục cung cấp thông tin thay đổi cục vùng khảo sát mà không cần quan tâm đến biến đổi toàn cục hàm wavelet 5.2.2 Đặc trưng lượng Năng lượng tổng tín hiệu f(x) định nghĩa biểu thức sau: (9) Tín hiệu có lượng xác định biểu thức nhận giá trị xác định Hàm sóng wavelet có đặc trưng lượng chuẩn hóa đơn vị cho tỉ lệ s Vậy, tính chất thứ hai hàm wavelet là: (10) 5.3 Một số họ biến đổi wavelet 5.3.1 Biến đổi Wavelet Haar Biến đổi Wavelet Haar biến đổi đơn giản phép biến đổi CÔNG NGHỆ MẠNG RIÊNG ẢO18 Wavelet Hình vẽ cho thấy dạng hàm ψ ( t ) với biến đổi Haar Do tính chất đơn giản biến đổi Haar mà ứng dụng tương đối nhiều nén ảnh, áp dụng biến đổi để nén ảnh thuật tốn nén ảnh máy tính có số điểm khác với cơng thức tốn học biến đổi Haar Hình 8: Hàm Wavelet Harr 5.3.2 Biến đổi Wavelet Meyer Yves Meyer nhà khoa học đặt móng cho phép biến đổi Wavelet Phép biến đổi Wavelet mang tên Meyer phép biến đổi thông dụng, biến đổi có khả phân tích tín hiệu tốt nhiều so với biến đổi Haar Dạng hàm ψ ( t ) với biến đổi Meyer cho hình vẽ: Hình 9: Hàm Wavelet Meyer 5.3.3 Biến đổi Wavelet Daubechies CÔNG NGHỆ MẠNG RIÊNG ẢO19 Giống Meyer, Daubechies nhà khoa học có công lao to lớn việc nghiên cứu phát triển phép biến đổi Wavelet Biến đổi Daubechies phép biến đổi phức tạp biến đổi Wavelet Họ biến đổi ứng dụng rộng rãi, biến đổi Wavelet áp dụng JPEG2000 biến đổi họ biến đổi Wavelet Daubechies Dưới số hàm ψ ( t ) họ biến đổi Wavelet Daubechies: Hình 10: Hàm Wavelet Daubechies CÔNG NGHỆ MẠNG RIÊNG ẢO20 Phụ lục: code Matlab I = imread('board.tif'); I = I(50+(1:256),2+(1:256),:); figure;imshow(I);title('Original Image'); text(size(I,2),size(I,1)+15, 'Image courtesy of courtesy of Alexander V Panasyuk, Ph.D.', 'FontSize',7,'HorizontalAlignment','right'); text(size(I,2),size(I,1)+25, 'Harvard-Smithsonian Center for Astrophysics', 'FontSize',7,'HorizontalAlignment','right'); PSF = fspecial('gaussian',5,5); Blurred = imfilter(I,PSF,'symmetric','conv'); figure;imshow(Blurred);title('Blurred'); V = 002; BlurredNoisy = imnoise(Blurred,'gaussian',0,V); figure;imshow(BlurredNoisy);title('Blurred & Noisy'); luc1_cell = deconvlucy({BlurredNoisy},PSF,5); luc2_cell = deconvlucy(luc1_cell,PSF); luc2 = im2uint8(luc2_cell{2}); figure;imshow(luc2);title('Restored Image, NUMIT = 15'); DAMPAR = im2uint8(3*sqrt(V)); luc3 = deconvlucy(BlurredNoisy,PSF,15,DAMPAR); figure;imshow(luc3); title('Restored Image with Damping, NUMIT = 15'); I = imread('eight.tif'); imshow(I) J = imnoise(I,'salt & pepper',0.02); figure, imshow(J) I = im2double(imread('cameraman.tif')); imshow(I); CÔNG NGHỆ MẠNG RIÊNG ẢO21 title('Original Image (courtesy of MIT)'); noise_mean = 0; noise_var = 0.0001; blurred_noisy = imnoise(blurred, 'gaussian', noise_mean, noise_var); imshow(blurred_noisy) title('Simulate Blur and Noise') I = imread('cameraman.tif'); class(I) LEN = 21; THETA = 11; PSF = fspecial('motion', LEN, THETA); blurred_quantized = imfilter(I, PSF, 'conv', 'circular'); class(blurred_quantized) wnr4 = deconvwnr(blurred_quantized, PSF, 0); imshow(wnr4) title('Restoration of blurred, quantized image using NSR = 0'); I = im2double(imread('cameraman.tif')); imshow(I); title('Original Image (courtesy of MIT)'); LEN = 21; THETA = 11; PSF = fspecial('motion', LEN, THETA); blurred = imfilter(I, PSF, 'conv', 'circular'); imshow(blurred); title('Blurred Image'); wnr1 = deconvwnr(blurred, PSF, 0); imshow(wnr1); title('Restored Image'); I = imread('board.tif'); I = I(50+(1:256),2+(1:256),:); figure;imshow(I);title('Original Image'); CÔNG NGHỆ MẠNG RIÊNG ẢO22 text(size(I,2),size(I,1)+15, 'Image courtesy of courtesy of Alexander V Panasyuk, Ph.D.', 'FontSize',7,'HorizontalAlignment','right'); text(size(I,2),size(I,1)+25, 'Harvard-Smithsonian Center for Astrophysics', 'FontSize',7,'HorizontalAlignment','right'); PSF = fspecial('gaussian',5,5); Blurred = imfilter(I,PSF,'symmetric','conv'); figure;imshow(Blurred);title('Blurred'); V = 002; BlurredNoisy = imnoise(Blurred,'gaussian',0,V); figure;imshow(BlurredNoisy);title('Blurred & Noisy'); luc1_cell = deconvlucy({BlurredNoisy},PSF,5); luc2_cell = deconvlucy(luc1_cell,PSF); luc2 = im2uint8(luc2_cell{2}); figure;imshow(luc2);title('Restored Image, NUMIT = 15'); DAMPAR = im2uint8(3*sqrt(V)); luc3 = deconvlucy(BlurredNoisy,PSF,15,DAMPAR); figure;imshow(luc3); title('Restored Image with Damping, NUMIT = 15'); RGB = imread('motion.png'); I = rgb2gray(RGB); RGB = imread('motion.png'); I = rgb2gray(RGB); J = imnoise(I,'gaussian',0,0.025); imshow(J) K = wiener2(J,[5 5]); figure, imshow(K) I = im2double(imread('cameraman.tif')); imshow(I); title('Original Image (courtesy of MIT)'); LEN = 21; THETA = 11; CÔNG NGHỆ MẠNG RIÊNG ẢO23 PSF = fspecial('motion', LEN, THETA); blurred = imfilter(I, PSF, 'conv', 'circular'); imshow(blurred); title('Blurred Image'); noise_mean = 0; noise_var = 0.0001; blurred_noisy = imnoise(blurred, 'gaussian', noise_mean, noise_var); imshow(blurred_noisy) title('Simulate Blur and Noise'); wnr2 = deconvwnr(blurred_noisy, PSF, 0); imshow(wnr2) title('Restoration of Blurred, Noisy Image Using NSR = 0'); signal_var = var(I(:)); wnr3 = deconvwnr(blurred_noisy, PSF, noise_var / signal_var); imshow(wnr3) title('Restoration of Blurred, Noisy Image Using Estimated NSR'); I = imread('tissue.png'); I = I(125+(1:256),1:256,:); figure;imshow(I);title('Original Image'); text(size(I,2),size(I,1)+15, 'Image courtesy of Alan Partin, Johns Hopkins University', 'FontSize',7,'HorizontalAlignment','right'); PSF = fspecial('gaussian',11,5); Blurred = imfilter(I,PSF,'conv'); figure;imshow(Blurred); title('Blurred'); V = 02; BlurredNoisy = imnoise(Blurred,'gaussian',0,V);%adding gause noise% figure;imshow(BlurredNoisy); title('Blurred & Noisy'); NP = V*numel(I); % noise power [reg1, LAGRA] = deconvreg(BlurredNoisy,PSF,NP); CÔNG NGHỆ MẠNG RIÊNG ẢO24 figure,imshow(reg1),title('Restored with NP'); reg2 = deconvreg(BlurredNoisy,PSF,NP*1.3); figure;imshow(reg2); title('Restored with larger NP'); reg3 = deconvreg(BlurredNoisy,PSF,NP/1.3); figure;imshow(reg3); title('Restored with smaller NP'); Edged = edgetaper(BlurredNoisy,PSF); reg4 = deconvreg(Edged,PSF,NP/1.3); figure;imshow(reg4); title('Edgetaper effect'); reg5 = deconvreg(Edged,PSF,[],LAGRA); figure;imshow(reg5); title('Restored with LAGRA'); reg7 = deconvreg(Edged,PSF,[],LAGRA/100); figure;imshow(reg7); title('Restored with small LAGRA'); REGOP = [1 -2 1]; reg8 = deconvreg(BlurredNoisy,PSF,[],LAGRA,REGOP); figure;imshow(reg8); title('Constrained by 1D Laplacian'); ... đến xử lý hình ảnh kỹ thuật số Lĩnh vực xử lý hình ảnh kỹ thuật số dùng để xử lý hình ảnh số máy tính số Nó bao gồm nhiều kỹ thuật phân chia hình ảnh, nhận dạng ảnh, chỉnh sửa màu, khôi phục ảnh, …... thiệu Xử lý hình ảnh hình thức xử lý tín hiệu mà đầu vào hình ảnh, chẳng hạn ảnh khung hình video, đầu xử lý hình ảnh hình ảnh tập hợp đặc điểm thơng số liên quan đến hình ảnh Tại đây, hình ảnh. .. ma trận, điểm ảnh vuông xếp theo hàng cột Hầu hết kỹ thuật xử lý hình ảnh liên quan đến việc xử lý ảnh tín hiệu hai chiều áp dụng kỹ thuật xử lý tín hiệu tiêu chuẩn cho Xử lý hình ảnh thường liên