Báo cáo đồ án tốt nghiệp nhận dạng vân tay bằng ảnh số theo hướng có thể triển khai trong dân sự

BẢNG CÁC THUẬT NGỮ THƯỜNG DÙNG TRONG NHẬN DẠNGVÂN TAY Ridge Đường vân tay trên ngón tay người Vallay Đường rãnh xen kẽ hai đường vân tay Singular Điểm kỳ dị của vân tay trên ngón tay ngư

MỤC LỤC

DANH MỤC CÁC HÌNH VẼ 3

BẢNG CÁC THUẬT NGỮ THƯỜNG DÙNG TRONG NHẬN DẠNG VÂN TAY 6

MỞ ĐẦU 8

Chương 1 VÂN TAY TRONG SINH TRẮC HỌC 1.1 Vị trí của nhận dạng vân tay trong sinh trắc học 10

1.2 Khó khăn gặp phải khi nhận dạng vân tay 13

1.3 Kết luận 14

Chương 2 ĐẠI CƯƠNG VỀ ẢNH SỐ VÀ XỬ LÝ ẢNH TRONG MATLAB 2.1 Khái quát về ảnh số 15

2.2 Xử lý ảnh số trong Matlab 23

2.3 Kết luận 32

Chương 3 THIẾT KẾ HỆ THỐNG NHẬN DẠNG VÂN TAY 3.1 Các phương pháp nhận dạng vân tay 33

3.2 Kiến trúc hệ thống nhận dạng vân tay 34

3.3 Tập mẫu ảnh vân tay 34

3.4 Các bước trong trích chọn minutiae 36

3.5 Đối chiếu vân tay để định danh mẫu 46

3.6 Kết luận 50

Chương 4 XÂY DỰNG CHƯƠNG TRÌNH VÀ KẾT QUẢ THỰC NGHIỆM 4.1 Mục đích 52

4.2 Kết quả thực nghiệm 58

KẾT LUẬN 59

TÀI LIỆU THAM KHẢO 61

DANH MỤC CÁC HÌNH VẼ

Hình vẽ 1.1 Công nghệ sinh trắc học 11

Hình vẽ 1.2 Vân tay trong sinh trắc học 11

Hình vẽ 1.3 Sao chép lại hình dạng vân tay 12

Hình vẽ 1.4 Sử dụng phần mềm quét vân tay 12

Hình vẽ 2.1 Ảnh số 15

Hình vẽ 2.2 Ảnh có kích cỡ 1600 x 1200 pixel 16

Hình vẽ 2.3 Số lượng pixel có trong bức ảnh sẽ quyết định kích cỡ ảnh, ảnh hưởng đến độ lớn của file ảnh 17

Hình vẽ 2.4 Biểu diễn ảnh số: a) hệ trục tọa độ trong image processing toolbox; b) ma trận biểu diễn ảnh số 18

Hình vẽ 2.5 Số hóa một ảnh liên tục 18

Hình vẽ 2.6 Cảm nhận của các tế bào nhạy sáng trong võng mạc mắt với các màu ánh sáng phụ thuộc vào chiều dài bước sóng ánh sáng 19

Hình vẽ 2.7 Tổ hợp màu 21

Hình vẽ 2.8 Hệ tọa độ màu: a) mô hình màu rgb;b) biểu diễn điểm ảnh trong hệ tọa độ màu rgb 21

Hình vẽ 2.9 Cân bằng histogram: a) và c) là hình ban đầu; b) và d) là lược đồ cân bằng histogram 27

Hình vẽ 2.10 Giá trị ngưỡng tối ưu 28

Hình vẽ 2.11 Các bước thực hiện lọc ảnh trong miền tần số 29

Hình vẽ 2.12 Các bước lọc ảnh bằng toán tử không gian 30

Hình vẽ 2.13 Biểu diễn mask: a) ma trận sobel dọc; b) ma trận sobel ngang; c)ảnh gốc; d)ảnh sau khi qua bộ lọc sobel 31

Hình vẽ 3.1 Tạo mã vân tay: a) ảnh ban đầu; b) trích chọn minutiae quan trọng .33

hình vẽ 3.2 Các loại vân tay: a) vân tay latent; b) vân tay lăn mực;c) vân tay trong fvc2000 35

Hình vẽ 3.3 Thuật toán trích chọn minutiae 36

Hình vẽ 3.4 Tăng cường ảnh: a) ảnh ban đầu; b) ảnh sau cân bằng histogram; c)ảnh sau biến đổi fourier rời rạc 38

Hình vẽ 3.5 Ước lượng orientation image: a) ảnh vân tay ban đầu; b) orientation image tương ứng 40

Hình vẽ 3.6 Khoanh vùng ảnh vân tay: a) ảnh ban đầu; b) khoanh vùng ảnh 42

Hình vẽ 3.7 Nhị phân hóa và làm mảnh đường vân: a) ridge-map; b) thinned ridge-map 43

Hình vẽ 3.8 Phát hiện minutiae: a), b) pixel trên đường vân; c) bifurcation minutiae; d) termination minutiae 44

Hình vẽ 3.9 Lỗ và đứt gãy nhỏ trong ảnh vân tay đã được nhị phân hóa và làm mỏng 45

Hình vẽ 3.10 Các cấu trúc vân lỗi phổ biến được điều chỉnh lại thành các cấu trúc vân đúng 45

Hình vẽ 3.11 Các minutiae được trích chọn cuối để tạo mã 46

Hình vẽ 3.12 Đối chiếu vân tay dựa trên cơ sở minutiae 48

Hình vẽ 3.13 Khớp mẫu từng đối tượng: a) toán tử ma-trận tịnh tiến;b) quay và tịnh tiến đối tượng 49

Hình vẽ 3.14 Thực hiện matching: a) khớp các minutiae; b) ngưỡng lân cận để tính điểm (score) 50

Hình vẽ 4.1 Ảnh đầu vào 52

Hình vẽ 4.2 Cân bằng histogram 53

Hình vẽ 4.3 Biến đổi fourier 54

Hình vẽ 4.4 Nhị phân hóa ảnh 54

Hình vẽ 4.5 Ước lượng hướng vân 54

Hình vẽ 4.6 Khoanh vùng ảnh 55

Hình vẽ 4.7 Làm mảnh đường vân 55

Hình vẽ 4.8 Biểu diễn điểm đặc trưng 56

Hình vẽ 4.9 Loại bỏ các điểm đặc trưng sai 56

Hình vẽ 4.10 Kết quả đối sánh vân tay 57 Hình vẽ 4.11 Kết quả tìm kiếm 57

BẢNG CÁC THUẬT NGỮ THƯỜNG DÙNG TRONG NHẬN DẠNG

VÂN TAY

Ridge Đường vân tay trên ngón tay người

Vallay Đường rãnh xen kẽ hai đường vân tay

Singular Điểm kỳ dị của vân tay trên ngón tay người, mang đặc

điểm phân loạiCore Điểm “tâm” của vân tay, là một trong những điểm

singularMinutiae Điểm đặc trưng của vân tay trên ngón tay con ngườiTermination Điểm kết thúc của đường vân, một loại minutiae quan

trọngBifurcation Điểm trẽ ba của đường vân, là một loại minutiae quan

trongSweat pores

Vòng xuyến xếp liên tiếp tạo thành đường vân (thườngquan sát được khi ảnh vân tay ở độ phân giải cao: >1000dpi)

Orientation Image

Hình ảnh thể hiện các định hướng cục bộ của cácđường vân tay, bao gồm nhiều phần tử θ ij ∈[0,π ] tại các điểm [i,j]

Direction Image Tương tự như Orientation Image nhưng θ ij ∈[0,2π ].Segmentation Phân định giữa vùng ảnh thể hiện đường vân và vùng

ảnh nềnVarance field Một các thể hiện vùng ảnh thể hiện đường vân còn thôCrossing number Một phương pháp dùng để phát hiện minutiae

Poincare Một phương pháp dùng để phát hiện core theo trường

vec-tơ và đường bao

Ridge map Ảnh đen trắng chỉ thể hiện các đường vân màu trắng

nhưng không nhất thiết các đường vân có độ rộng đồngđều

Thinned ridge map Ảnh đen trắng thể hiện các đường vân màu trắng nhưng

nhất thiết các đường vân có độ rộng đồng đều 1pixel

MỞ ĐẦU

Với nhu cầu cấp bách đối với bảo mật cao ngày càng tăng, sinh trắc học

đã được nhắm vào để tạo ra một phương pháp nhận dạng cho thế hệ tiếp nối.Trong số hàng loạt công nghệ sinh trắc học, nhận dạng vân tay được sử dụngthời gian sớm nhất và mang đến nhiều cơ hội hơn là sử dụng những công nghệsinh trắc học khác

Nhận dạng vân tay có thể là phương pháp phức tạp nhất của tất cả công nghệsinh trắc và được xác nhận qua nhiều ứng dụng Nhận dạng vân tay đã chứngthực một cách đặc biệt về tính hiệu quả cao của nó và là công nghệ được đề cao

xa hơn nữa trong ngành điều tra tội phạm hơn một thế kỷ

Thậm chí như dáng đi con người, gương mặt, hoặc chữ ký có thể thay đổivới thời gian và có thể được làm giả hoặc mô phỏng theo Tuy nhiên,vân tay làduy nhất hoàn hảo theo từng riêng lẻ và cố định không thay đổi theo thời gian.Tính riêng biệt này đã minh chứng rằng nhận dạng vân tay là chính xác và hiệuquả hơn các phương pháp nhận dạng khác.

Ngoài ra, vân tay có thể được chụp ảnh lại và được số hóa bằng những thiết

bị giá thành thấp và nén một cách hiệu quả nên chỉ mất một dung lượng nhỏ đểlưu trữ một lượng dữ liệu lớn của thông tin Với những sức mạnh này, nhậndạng vân tay là một phần chủ yếu trên thị trường an ninh và tiếp tục cạnh tranhhơn những cái khác trên khắp thế giới ngày nay

Đồ án này sẽ thực hiện nhận dạng vân tay bằng ảnh số theo hướng có thểtriển khai trong dân sự Chính vì vây phương pháp nhận dạng là dựa trên cơ sở

phát hiện và sử dụng các điểm nút đặc trưng (gọi là minutiae) Đó là các ảnh số

vân tay lấy trong FVC2000(một bộ dữ liệu chuẩn quốc tế xây dựng bởi phòng

thí nghiêm hệ thống sinh trắc, đại học Bologna).Sử dụng các điểm minutea đã

trích chọn bước trước để đối sánh nhận dạng vân tay

Đề tài trình bày theo cấu trúc:

Chương 1: Vân tay trong sinh trắc học.

Chương 2: Đại cương về ảnh và xử lý ảnh trong Matlab.

Chương 3: Thiết kế hệ thống nhận dạng vân tay

Chương 4: Xây dựng chương trình và kết quả thực nghiệm.

Do đồ án có tính chất mới, trong quá trình làm đồ án em đã gặp rất nhiềukhó khăn Được sự giúp đỡ, chỉ bảo tận tình của TS em đã dần dần tiếp cậnđược tới lĩnh vực này và bước đầu đã đạt được một số các kết quả Sau thời giankhẩn trương thực hiện đồ án đã được hoàn thành đúng kế hoạch Em mongnhững thiếu sót của em trong đồ án sẽ nhận được những ý kiến đóng góp quýbáu của các thầy, cô cùng các bạn sinh viên

Em xin chân thành cảm ơn

Chương 1 VÂN TAY TRONG SINH TRẮC HỌC

Công nghệ sinh trắc học được áp dụng phổ biến và lâu đời nhất là công nghệnhận dạng vân tay Dấu vân tay là một đặc điểm quan trọng để phân biệt giữangười này và người khác Sự phát triển của công nghệ thông tin có thể giúp thunhận và ghi nhớ được hàng triệu ghi chép dưới dạng số hoá Nguyên lý hoạtđộng của công nghệ nhận dạng vân tay: Khi đặt ngón tay lên trên một thiết bịnhận dạng dấu vân tay, ngay lập tức thiết bị này sẽ quét hình ảnh ngón tay đó vàđối chiếu các đặc điểm của ngón tay đó với dữ liệu đã được lưu trữ trong hệthống Quá trình xử lý dữ liệu sẽ được thiết bị chuyển sang các dữ liệu số và ra

thông báo rằng dấu vân tay đó là hợp lệ hay không hợp lệ để cho phép hệ thốngthực hiện các chức năng tiếp theo.

Trong chương này em sẽ trình bày những tiếp cận khởi đầu của quá trìnhnhận dạng vân tay như vị trí của nhận dạng vân tay trong sinh trắc học; vànhững khó khăn gặp phải khi nhận dạng vân tay

1.1 Vị trí của nhận dạng vân tay trong sinh trắc học

Công nghệ Sinh trắc học (Biometric) - là một công nghệ sử dụng nhữngthuộc tính vật lý hoặc các mẫu hành vi, các đặc điểm sinh học đặc trưng như dấuvân tay, giọng nói, khuôn mặt, dáng đi, để nhận diện con người

Hình vẽ 1.1 Công nghệ sinh trắc học.

Hệ thống sinh trắc học sẽ ghi nhận mẫu vân tay của người dùng và lưu trữtất cả những dữ liệu đặc biệt này thành một mẫu nhận diện được số hoá toànphần Có hai phương pháp để lấy dấu vân tay:

Hình vẽ 1.2 Vân tay trong sinh trắc học.

 Cách thứ nhất (cổ điển) là sao chép lại hình dạng vân tay (như lăn tay, haychạm vào một vật gì đó) thông qua máy quét ghi nhận và xử lý

Hình vẽ 1.3 Sao chép lại hình dạng vân tay.

 Cách thứ hai, hiện tại đa số các nước đều sử dụng phần mềm hoặc thiết bịquét vân tay để nhận dạng vân tay

Hình vẽ 1.4 Sử dụng phần mềm quét vân tay.

Đặc điểm của dấu vân tay dù chỉ gồm có 7 loại (vòng móc đơn, vòng móckép, vòng tập trung ở giữa, vòng cung, vòng cung hình lều, vòng xoắn, vòng bấtthường) nhưng thể hiện về chi tiết khác nhau muôn hình muôn vẻ và không thayđổi từ khi mới sinh ra cho đến khi về già Khai thác tính độc nhất về cấu tạohình dạng vân tay của mỗi người, các nhà sinh trắc học sẽ biến nó thành chiếcchìa khoá riêng mà chỉ bạn mới có thể sử dụng, giúp bạn tránh được nhiều phiềntoái trong cuộc sống như bị trộm cắp, lạm dụng hoặc giả mạo các loại giấy tờtuỳ thân, thẻ ngân hàng, hộ chiếu đảm bảo an ninh và bảo mật

Việc phân tích dấu vân tay sẽ không hề ảnh hưởng đến quyền lợi cá nhâncủa bạn vì công cụ sinh trắc học dấu vân tay được thiết kế để chụp lại vân taytheo dạng hình ảnh, vì thế sẽ không ảnh hưởng gì đến dấu vân tay của kháchhàng Việc chấm công, mở két sắt, hộ chiếu, mở tài khoản ngân hàng phải dựatrên mô hình vân tay thật do cấu tạo da.

Ngành khoa học sinh trắc học dấu vân tay dựa trên những thành tựu khoahọc nghiên cứu về di truyền học, phôi học, sự cấu tạo của vân da tay và não bộ

Tên gọi khoa học là DERMATOGLYPHICS Phương pháp sinh trắc học dấu

vân tay phân tích mật độ dày đặc, độ dài – ngắn, các khúc quanh, hình dạng củavân tay và các năng lực tiềm ẩn của não bộ

Cho tới nay, vẫn chưa có bằng chứng xác thực 100% vân tay trên các ngóntay tuyệt đối mang tính cá nhân và không hề lặp lại Câu trả lời chính xác chỉ cóđược khi đem so sánh từng mẫu vân tay của mười đầu ngón người với hơn sáu tỉngười còn lại Tuy nhiên khi không xét tới phần nhỏ lẻ ấy có thể rút ra một sốtính chất cơ bản của vân tay để nó trở thành phổ biến trong ứng dụng nhận dạng

và định danh con người:

- Tính “phổ thông”, mọi người đều có

- Tính cá nhân và không lặp lại Xác suất trùng khớp với người khác gầnbằng không

- Tính “bất biến” Hình dạng tổng thể của vân tay trên các ngón tay của conngười không thay đổi theo thời gian Ngay cả trường hợp bị chấn thưongnhẹ, dấu vân tay vẫn có khả năng khôi phục lại

1.2 Khó khăn gặp phải khi nhận dạng vân tay

Do điều kiện thu nhận ảnh quyết định nhiều đến chất lượng ảnh thu thập nênnhiều khi các chi tiết trên mẫu vân tay không thể hiện rõ ràng Có thể liệt kê một

số trường hợp dưới đây:

Dry finger (vân tay thu nhận trong điều kiện “khô”): ảnh thu nhận sẽ có

nhiều chỗ đường vân bị mờ đi, đường vân bị lẫn với nền ảnh Lực ấn của tay nhẹ

hoặc mực in không đủ (với vân tay lăn trên giấy) là các nguyên nhân chính làmgiảm chất lượng ảnh thu thập.

Wet finger (vân tay thu nhận trong điều kiện “ướt”): ảnh thu nhận sẽ có

nhiều chỗ đường vân bị dính liền Lực ấn của ngón tay quá lớn hoặc mực in quánhiều (với vân tay lăn trên giấy) là các nguyên nhân chính tạo nhiễu trongtrường hợp này

Vân tay thu nhận trong điều kiện bị biến dạng: ảnh thu nhận được có thể thểhiện rõ nét nhưng các đường vân lại bị bóp méo không còn giống với mẫu thực.Lực ấn, kéo và xê dịch tay là các nguyên nhân chính

Vân tay thu thập không đầy đủ: ảnh thu thập được chỉ có một phần vân taytrên ngón tay Nguyên nhân chính là do ngón tay đặt không đúng vị trí chuẩn thuthập Tuy vậy trong thực tế cũng có nhiều mẫu vân tay thu thập trong điều kiệntốt nên có chất lượng cao

1.3 Kết luận

Nội dung chính của chương là đề cập một số bộ phận của sinh trắc học(trong đó có nhận dạng vân tay) và những tính chất gì quyết định vân tay đượcứng dụng nhiều nhất trong sinh trắc học

Chương 2 ĐẠI CƯƠNG VỀ ẢNH SỐ VÀ XỬ LÝ ẢNH TRONG MATLAB

Đồ án này không xây dựng bộ thu thập mẫu vân tay mà sử dụng bộ mẫuchuẩn quốc tế FVC2000 do phòng thí nghiệm hệ thống sinh trắc, đại họcBologna tạo ra Trong cơ sở dữ liệu ấy, các mẫu được lưu dữ dưới dạng ảnh số.Bởi vậy, quá trình xử lý tính toán thực hiện đồ án phải làm việc chính với dạng

số liệu đó Cho nên, trong phần này em sẽ trình bày tóm tắt về ảnh số và một sốthuật toán xử lý ảnh số trong Matlab

2.1 Khái quát về ảnh số

Ảnh số được tạo nên từ hàng trăm ngàn cho đến hàng triệu ô vuông rất nhỏđược coi là những thành tố của bức ảnh và thường được biết dưới tên gọi làpixels Máy tính hay máy in sử dụng những ô vuông nhỏ này để hiển thị hay in

ra bức ảnh Để làm được điều đó máy tính hay máy in chia màn hình, trang giấythành một mạng lưới chứa các ô vuông, sau đó sử dụng các giá trị chứa trongfile ảnh để định ra mầu sắc, độ sáng tối của từng pixel trong mạng lưới đó, ảnh

số được hình thành Việc kiểm soát, định ra địa chỉ theo mạng lưới như trên

được gọi là bit mapping và ảnh số còn được gọi là ảnh bit-maps.

Hình vẽ 2.1 Ảnh số.

Có thể mường tượng ảnh số giống như bức tranh trên được tạo nên từ vô sốcác hạt đậu tương được nhuộm mầu Mỗi hạt đậu tương có thể coi như mộtpixel.

Chất lượng của bức ảnh khi được in hay hiển thị trên màn hình phụ thuộcmột phần vào số lượng các pixels tạo nên bức ảnh (đôi khi được gọi là độ phângiải-resolution) Số lượng các pixels càng nhiều thì các chi tiết càng được hiểnthị rõ, mức độ sắc nét càng tăng đồng nghĩa với việc độ phân giải cũng lớn hơn.Nếu phóng đại bức ảnh đủ lớn thì mắt người sẽ nhận ra dược các pixel này Kích cỡ của ảnh số có thể được biểu thị theo một trong hai cách sau, theochiều dài và chiều rộng tính bằng đơn vị pixel hoặc theo tổng số pixel tạo nênbức ảnh

Hình vẽ 2.2 Ảnh có kích cỡ 1600 x 1200 pixel.

Hình vẽ 2.3 Số lượng pixel có trong bức ảnh sẽ quyết định kích cỡ ảnh, ảnh

hưởng đến độ lớn của file ảnh.

Ảnh có thể biểu diễn dưới dạng tín hiệu tương tự hoặc số Trong phần sẽ tậptrung vào biểu diễn ảnh số, cơ sở về màu và việc chuyển đổi màu

2.1.1 Biểu diễn ảnh số

Ảnh xám cũng như các ảnh số khác là tập hợp các phần tử ảnh hay còn gọi

là các pixel [i, j] Ảnh được biểu diễn như một ma trận hai chiều cỡ WxH, hai

thông số này cho biết thông tin về độ rộng và chiều cao ảnh Giá trị của mỗi

phần tử của ma trận I[i, j] biểu diễn cho mức xám hay cường độ ảnh tại vị trí của

phần tử đó

a) b)

Hình vẽ 2.4 Biểu diễn ảnh số a) Hệ trục tọa độ trong Image Processing Toolbox; b) Ma trận biểu diễn ảnh

số.

Một ảnh số a[m, n] được mô tả trong một không gian hai chiều được lấy từ ảnh thực a(x, y) trong một không gian hai chiều liên tục qua một khâu lấy mẫu

ảnh thường được gọi là số hóa Tấm hình hai chiều liên tục a(x, y) được chia

thành N hàng và M cột Giao điểm của một hàng và một cột được gọi là điểm

ảnh Giá trị được gán cho các tọa độ số nguyên [m, n], với {m = 0, 1, 2, …, M–

1} và {n = 0, 1, 2, …, N–1} là a[m, n] Thực ra, trong nhiều trường hợp a(x,y)

mà ta có thể coi là tín hiệu vật lý được tiếp nhận ở bề mặt hai chiều của thiết bị

đo lại là một hàm số của nhiều biến bao gồm độ sâu (z), màu (λ), và thời gian (t) Nếu không nói gì thêm, ta sẽ coi các ảnh đều có dạng hai chiều, đơn sắc, và

là ảnh tĩnh

Hình vẽ 2.5 Số hóa một ảnh liên tục

Điểm ảnh tại tọa độ [m=10, n=3] có giá trị độ sáng là số nguyên bằng

110.Tùy theo yêu cầu lưu trữ, các pixel sẽ được mã hóa bằng 8-bit, 16-bit,… tương ứng với ảnh xám 256, 65536 mức Với ảnh đen trắng, các pixel này được lưu trữ bằng 1-bit Cường độ ảnh I chỉ có thể là một trong hai giá trị, I[i, j] ∈

[0,1] Ứng với giá trị 0 đó là các điểm đen, còn với giá trị 1 đó là điểm trắng

Với ảnh màu, cách biểu diễn cũng tương tự như với ảnh xám, chỉ khác là các

giá trị tại mỗi phần tử của ma-trận biểu diễn ba màu riêng biệt gồm: đỏ (Red-R), lục (Green-G) và lam (Blue-B) Để biểu diễn cho ba màu riêng rẽ cần 24-bit, 24-

bit này được chia thành ba khoảng 8-bit Mỗi khoảng này biểu diễn cho cường

độ sáng của một trong các màu chính

2.1.2 Cơ sở màu

Ánh sáng màu là tổ hợp các ánh sáng đơn sắc Mắt người có thể cảm nhậnđược một số màu nhất định nhưng lại có thể phân biệt được rất nhiều màu (trong

vùng quang nhìn thấy, có dải bước sóng 400nm -750nm) Cảm nhận màu của

con người phụ thuộc vào ba thuộc tính B, H, S

B (brightness): độ chói,

H (hue): sắc lượng,

S (saturation): độ bão hòa.

Hình vẽ 2.6 Cảm nhận của các tế bào nhạy sáng trong võng mạc mắt với các

màu ánh sáng phụ thuộc vào chiều dài bước sóng ánh sáng.

Các màu gốc có liên quan đến các khái niệm sinh học hơn là vật lý, nódựa trên cơ sở phản ứng sinh lý học của mắt người đối với ánh sáng Mắt người

có các tế bào cảm quang có hình nón nên còn được gọi là tế bào hình nón, các tếbào này thông thường có phản ứng cực đại với ánh sáng vàng – xanh lá cây (tếbào hình nón L), xanh lá cây (tế bào hình nón M) và xanh lam (tế bào hình nónS) tương ứng với các bước sóng khoảng 564 nm, 534 nm và 420 nm Ví dụ, màu

vàng thấy được khi các tế bào cảm nhận màu xanh ánh vàng được kích thíchnhiều hơn một chút so với tế bào cảm nhận màu xanh lá cây và màu đỏ cảmnhận được khi các tế bào cảm nhận màu vàng xanh lá cây được kích thích nhiềuhơn so với tế bào cảm nhận màu xanh lá cây Mặc dù biên độ cực đại của cácphản xạ của các tế bào cảm quang không diễn ra ở các bước sóng của màu “đỏ”,

“xanh lá cây” và “xanh lam”, ba màu này được mô tả như là các màu gốc vìchúng có thể sử dụng một cách tương đối độc lập để kích thích ba loại tế bàocảm quang Để sinh ra khoảng màu tối ưu cho các loài động vật khác, các màugốc khác có thể được sử dụng Với các loài vật có bốn loại tế bào cảm quang,chẳng hạn như nhiều loại chim, người ta có lẽ phải nói là cần tới bốn màu gốc;cho các loài vật chỉ có hai loại tế bào cảm quang, như phần lớn các loại động vật

Tổ hợp B, H, S đối với từng ánh sáng màu trong ba màu này giúp mắt conngười có thể phân biệt được hàng ngàn màu R, G, B còn được gọi là các màu cơ

sở Phân bổ phổ năng lượng của một nguồn sáng màu có bước sóng l ký hiệu là

C(l) và việc tổ hợp màu theo ba màu cơ sở (có các đường cong cảm nhận S1, S2 ,

S3 mô tả bằng sơ đồ khối sau:

Hình vẽ 2.7 Tổ hợp màu.

Như vậy có thể tổ hợp màu theo phép cộng màu với α i là hệ số tổ hợp theo

công thức tổng quát sau:

X = a1R + a2 G + a3 B

Tổ chức quốc tế về chẩn hóa màu CIE đã đưa ra một số không gian màunhư: RGB, CMY, CMYK, HIS,… Trong đó mô hình RGB có vai trò quantrọng

Mô hình màu RGB sử dụng mô hình bổ sung trong đó ánh sáng đỏ, xanh lácây và xanh lam được tổ hợp với nhau theo nhiều phương thức khác nhau để tạothành các màu khác Từ viết tắt RGB trong tiếng Anh có nghĩa là đỏ (red), xanh

lá cây (green) và xanh lam (blue), là ba màu gốc trong các mô hình ánh sáng bổsung Cũng lưu ý rằng mô hình màu RGB tự bản thân nó không định nghĩa thế

nào là “đỏ”, “xanh lá cây” và “xanh lam” một cách chính xác, vì thế với cùngcác giá trị như nhau của RGB có thể mô tả các màu tương đối khác nhau RGB là một dạng của tín hiệu thành phần của video, được sử dụng trong ngànhcông nghiệp điện tử chế tạo các thiết bị nghe nhìn Nó gồm có ba tín hiệu – đỏ,xanh lá cây và xanh lam được truyền đi trong ba dây cáp riêng biệt Các cáp bổsung đôi khi là cần thiết để truyền đi các tín hiệu đồng bộ Các định dạng tínhiệu RGB thông thường dựa trên các phiên bản sửa đổi của các tiêu chuẩn RS-

170 và RS-343 cho các thiết bị hiển thị video đơn sắc Loại hình này của tín hiệuvideo được sử dụng rộng rãi ở châu Âu vì nó là tín hiệu có chất lượng tốt nhất

có thể truyền đi trong các bộ kết nối SCART tiêu chuẩn Ngoài phạm vi châu

Âu, RGB không phải là dạng tín hiệu video phổ biến S-Video chiếm vị trí nàytrong phần lớn các khu vực phi Âu châu Tuy nhiên, phần lớn các màn hình máytính trên thế giới sử dụng RGB

2.1.3 Chuyển đổi màu

Hệ tọa độ màu do CIE quy định như một hệ quy chiếu và trên thực tế khôngthể biểu diễn hết các màu Tùy thuộc vào các ứng dụng khác nhau người ta đưa

ra thêm một số hệ tọa độ khác như NTSC, CMY, YIQ phù hợp với yêu cầuhiển thị màu sắc Việc chuyển đổi giữa các không gian biểu diễn màu thực hiệntheo nguyên tắc sau:

P x = A x P x* Trong đó:

P x: Không gian biểu diễn màu ban đầu

P x*: Không gian biểu diễn màu mới

A: Ma trận phép biến đổi.

Ảnh dùng trong đồ án này là ảnh xám Mức xám là kết quả của sự mã hóatương ứng một cường độ sáng của điểm ảnh với một trị số Giá trị của nó phụthuộc vào mức độ lượng tử hóa ảnh, như các ảnh dùng làm cơ sở dữ liệu đã lấy

8-bit để mã hóa ảnh (ứng với 256 mức xám, trong đó mức xám 0 là màu đen,mức xám 255 là màu trắng) Khi chuyển đổi từ ảnh màu RGB sang ảnh xám cóthể dùng công thức sau:

- Xử lý ảnh ban đầu để có ảnh mới theo một yêu cầu xác định

- Phân tích ảnh để thu được các thông tin đặc trưng giúp cho việc phân loại,nhận biết ảnh

- Hiểu ảnh đầu vào để có những mô tả về ảnh ở mức cao hơn

2.2.2 Giới thiệu Matlab và xử lý ảnh trong Matlab

Matlab là một phần mềm toán học của hãng Mathworks để tính toán trên các số và có tính trực quan rất cao Matlab là viết tắt của Matrix Laboratory Matlab làm việc chủ yếu với các ma trận Ma trận cỡ mxn là bảng số chữ nhật

gồm mxn số được sắp xếp thành m hàng và n cột Trường hợp m=1 hoặc n=1 thì

ma trận trở thành vectơ dòng hoặc cột;trường hợp m=n=1 thì ma trận trở thànhmột đại lượng vô hướng Nói chung,

Matlab có thể làm việc với nhiều kiểu dữ liệu khác nhau Với xâu chữ (chuỗi ký tự) Matlab cũng xem là một dãy các ký tự hay là dãy mã số của các ký

tự Matlab dùng để giải quyết các bài toán về giải tích số, xử lý tín hiệu số, xử lý

đồ họa, … mà không phải lập trình cổ điển Hiện nay, Matlab có đến hàng ngàn lệnh và hàm tiện ích Ngoài các hàm cài sẵn trong chính ngôn ngữ, Matlab còn

có các lệnh và hàm ứng dụng chuyên biệt trong các Toolbox, để mở rộng môi

trường Matlab nhằm giải quyết các bài toán thuộc các phạm trù riêng Các

Toolbox khá quan trọng và tiện ích cho người dùng như toán sơ cấp, xử lý tínhiệu số, xử lý ảnh, xử lý âm thanh, ma trận thưa, logic mờ,…Người dùng cũng

có thể tạo nên các hàm phục vụ cho chuyên môn của mình, lưu vào tệp M-file đểdùng về sau

Cần tính toán bằng công thức thì có thể dùng Toolbox SYMBOLIC Để

có được f=‘cos(x)’ bằng cách lấy đạo hàm của g=‘sin(x)’ thì dùng lệnh

f=diff(‘sin(x)’) Ngược lại để có g là tích phân bất định của f thì dùng lệnh

g=int(f) Matlab còn có giao diện đồ họa khá đẹp mắt và dể sử dụng Người

dùng có thể tính toán và tạo nên các hình ảnh đồ họa 2, 3 chiều cho trình ứngdụng của mình Với các hình ảnh, nếu không chỉ định vè canh trục, phối màu thìMatlab thực hiện tự động một cách khá phù hợp

Matlab là một phần mềm được ứng dụng rất nhiều trong toán học cũngnhư trong các ngành công nghiệp kỹ thuật Nếu Maple hay Mupad được xem làchuyên sâu hơn về nghiên cứu toán học thì Matlab được nhiều công ty kỹ thuậtdùng như một công cụ hỗ trợ phát triển sản phẩm Một ví dụ nhỏ trong ngànhcông nghiệp ô tô, Matlab được dùng để giả lập chuyển động các bộ phận trongmột hệ thống Sức mạnh của Matlab nằm ở khả năng giải Matrix Do vậy việc

xử lý ảnh có thể làm bằng Matlab

Một tấm ảnh được máy tính hiểu như một matrix, gồm chiều dài chiều rộng

là những cột (collum) và hàng (row) Mỗi một pixel của ảnh là một componenttrong matrix Màu sắc của từng pixel được quy định bởi 1 vector gồm 3

component (Red, Green và Blue) Tất cả màu sắc mà ta nhìn thấy đều có thểdung ba màu cơ bản này kết hợp thành Đây là hình ảnh với chuẩn màu RGB.Trong Matlab có sẵn rất nhiều công cụ, lệnh hổ trợ xử lý ảnh Đã có rấtnhiều tutorial về Matlab Guide này ko hướng dẫn dùng những lệnh có sẵn hoặcchuyên sâu mà thông qua edit matrix của ảnh để tạo ra effect Thời gian đầu khilàm project nhỏ này N luôn thấy thừa thãi vì tốn nhiều thời gian Nhưng Projectgiúp N hiểu rõ hơn về cách hoạt động những phần mềm xử lý ảnh, về matrix, vềcấu tạo ảnh Điều đó cũng như người Đức nói “Horizont erweitern”.

Nhiều Toolbox hỗ trợ các ứng dụng chuyên sâu Với bài toán nhận dạnghình ảnh, các Toolbox thường được sử dụng gồm:

 Image Processing Toolbox

 Image Acqusition Toolbox

 Wavelet Toolbox

 Signal Processing

 Statistics Toolbox

 Neural Network Toobox

Các thuật toán xử lý trong đồ án đều được viết bằng ngôn ngữ lập trình phầnmềm Matlab Các chương trình có sử dụng một một số thư viện của Matlab Sauđây là một số công cụ xử lý và thuật toán xử lý ảnh chính được ứng dụng trong

đồ án

2.2.1 Histogram

Histogram (lược đồ xám) thể hiện tần suất xuất hiện mỗi mức xám trong

ảnh Lược đồ xám biểu diễn trong hệ tọa độ Oxy: trục hoành biểu diễn N mức xám (tùy theo số bit mã hóa pixel), trục tung biểu diễn số điểm ảnh một mức

xám tương ứng Lược đồ xám cung cấp thông tin về phân bố mức xám của ảnh

Nó cho phép phân tích trong khoảng nào đó phân bố phần lớn mức xám của ảnh.Nếu ảnh sáng thì lược đồ xám lệch về phía bên trái, nếu ảnh tối thì lược đồ xámlệch về bên phải so với điểm quy chiếu (giữa mức xám N)

Phương pháp cân bằng histogram được sử dụng nhằm làm tăng cường độtương phản toàn cục (global contrast) của bức ảnh, nó đặc biệt có ý nghĩa trongtình huống dữ liệu đầu vào có giá trị điểm ảnh co cụm, độ tách bạch hình ảnhthấp (close contrast value) Điều này có thể được nhận thấy rõ thông qua thểhiện của biểu đồ histogram Khi bạn nhận được một histogram của một hình đamức xám với dải giá trị điểm ảnh không phân tán đều [0-255] mà chỉ tập trungtrong một phân đoạn ngắn điều đó có nghĩa là nhiều khả năng bạn đang có trongtay một ảnh có độ tương phản thấp Mục tiêu của cân bằng Histogram là giúpbạn biến đổi bức ảnh có độ tương phản thấp thành bức ảnh có độ tương phản caohơn bằng cách trải đều giá trị của pixel làm chúng phân tán trên vùng giá trịrộng hơn, thay vì co cụm mà vẫn giữa được nội dung bức ảnh.

Phương pháp này có ưu điểm của sự đơn giản, trong sáng, tính toán khôngnặng nề, cho phép phục hồi lại trạng thái ban đầu của ảnh trong tình huống cầnthiết Tuy nhiên nó lại có một khuyết điểm rất quan trọng, đó là nó dễ dàng làmtăng độ tương phản của nhiễu trong nền của ảnh và giảm các chi tiết hữu íchtrong ảnh

a) b)

c) d)

Hình vẽ 2.9 Cân bằng Histogram a) và c) là hình ban đầu; b) và d) là lược đồ cân bằng Histogram.

2.2.2 Phân ngưỡng cục bộ

Phân ngưỡng là phương pháp làm tăng độ tương phản các đối tượng cầnquan tâm đồng thời loại bớt nhiễu Nếu phân ngưỡng toàn bộ ảnh nhiều khi tỏ rakhông hiệu quả, nhất là khi cường độ sáng của ảnh không đồng đều Phânngưỡng cục bộ cũng giống như phân ngưỡng nhưng chỉ khác ở điểm: ngưỡngđược chọn thích nghi với từng vùng cục bộ của ảnh Điều này rất có ý nghĩatrong khâu nhị phân hóa ảnh vân tay Vùng cục bộ thường dùng có thể là các

block dạng hình vuông hay hình chữ nhật.

Ảnh xám khi phân ngưỡng thì kết quả phân ngưỡng đi đôi với nhị phân

hóa ảnh Một điểm bất kỳ (x, y) thuộc ảnh f khi có f (x, y) ∈ T thì được gọi là

object point (điểm trên nền), trường hợp còn lại gọi là background point (điểm

nền) Đối tượng ưu tiên trích chọn từ phân ngưỡng không quan trọng là

bachground point hay object point Đấy chỉ là các tên gọi quy ước và chúng có

thể chuyển đổi dễ dàng cho nhau nhờ biến đổi âm bản

Hình vẽ 2.10 Giá trị ngưỡng tối ưu.

Kết quả phân ngưỡng được ảnh g(x, y) thì nó được định nghĩa liên hệ:

g(x,y) = {1: f ( x , y )≥ T 0 : f (x , y )<T

2.2.3 Biến đổi Fourier-2D rời rạc

Biến đồi Fourier rời rạc là phương pháp lọc lấy các thành phần tín hiệuảnh có tần số trội Với ảnh vân tay vùng ảnh co các đường vân đóng vai trò làm

tín hiệu có tần số trội Có f (x, y) với x= 0, M−1 và y= 0, N−1 là một ảnh số cỡ M

x N Biến đổi Fourier rời rạc của f là F(u,v)

F(u,v)= |F(u,v)| e−jφ(u , v)

trong đó f (u,v)là góc pha, |F(u,v)| là phổ Fourier.

Các bước thực hiện lọc ảnh trong miền tần số bằng biến đổi Fourier rờirạc có thể mô tả bởi sơ đồ dưới đây

Hình vẽ 2.11 Các bước thực hiện lọc ảnh trong miền tần số.

2.2.4 Bộ lọc Sobel

Lọc Sobel là một trường hợp của lọc số tuyến tính Bộ lọc dùng một

convolution-mask (cửa sổ dùng để nhân chập, gọi tắt mask), rồi lấy tổng có trọng

số các điểm lân cận với điểm ở chính giữa trong mask đó Di chuyển mask trên toàn bộ miền tín hiệu ảnh, mỗi bước một pixel, cuối cùng thu ảnh kết quả Tổng quát, lọc tuyến tính của ảnh số f cỡ M x N với convolution-mask có cỡ m x n

định bởi như sau:

Hình vẽ 2.12 Các bước lọc ảnh bằng toán tử không gian Đáp ứng lọc số tại từng điểm (x,y) là R, đối với lọc Sobel sẽ là:

w xi z i = (z7+z8+z9) - (z1+2z3+z4)

2.2.5 Phát hiện biên bằng toán tử gradient

Phương pháp gradient là phương pháp dò biên cục bộ dựa vào cực đại củađạo hàm bậc nhất Vì ảnh là một hàm 2 biến, khi tính đạo hàm chúng ta cần phảixác định hướng cần lấy đạo hàm Các hướng ở đây có thể là hướng ngang, dọc,hoặc tùy ý là sự kết hợp của 2 hướng ngang dọc

Sử dụng toán tử gradient trong miền 2D là một trong các phương pháp dùng

để phát hiện biên Toán tử định nghĩa như là một vec-tơ hai thành phần