(Luận văn) khôi phục ảnh màu bị mờ và nhiễu bằng các bộ lọc có hướng

lu an va i n t to ng hi ĐẠI HỌC THÁI NGUYÊN ep TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN & TRUYỀN THÔNG w nl oa d TRẦN XUÂN TRƢỜNG lu an va ul nf oi lm KHÔI PHỤC ẢNH MÀU BỊ MỜ VÀ NHIỄU nh BẰNG CÁC BỘ LỌC CÓ HƢỚNG at z z @ om l.c Mã số: 60 48 01 01 gm Chuyên ngành: Khoa học máy tính Lu an LUẬN VĂN THẠC SĨ CHUYÊN NGÀNH KHOA HỌC MÁY TÍNH n va Thái Nguyên, năm 2015 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn si TS ĐÀO NAM ANH ac th NGƢỜI HƢỚNG DẪN KHOA HỌC lu an va ii n t to ng hi ep LỜI CẢM ƠN w nl Trên thực tế khơng có thành cơng mà khơng gắn liền với oa d hỗ trợ, giúp đỡ suốt thời gian từ bắt đầu học tập trƣờng đến lu an nay, em nhận đƣợc nhiều quan tâm, giúp đỡ quý Thầy Cô va ul nf Khoa phòng đào tạo Đại học Công nghệ Thông tin Truyền thông – Đại lm học Thái Nguyên với tri thức tâm huyết để truyền đạt oi vốn kiến thức quý báu cho chúng em suốt thời gian học tập nh at trƣờng, luôn tạo điều kiện tốt cho chúng em suốt z trình học Em xin chân thành cảm ơn quý Thầy Cô Ban lãnh đạo z @ gm nhà trƣờng! l.c Với lòng biết ơn sâu sắc em xin gửi lời cảm ơn tới TS Đào om Nam Anh, Khoa Công nghệ Thông tin – Đại học Điện Lực, cán trực Lu tiếp hƣớng dẫn khoa học cho em Thầy dành nhiều thời gian cho việc an hƣớng dẫn em cách nghiên cứu, đọc tài liệu, cài đặt thuật toán giúp va n đỡ em việc xây dựng chƣơng trình, em xin chân thành cảm ơn Thầy! Nội bạn bè đồng nghiệp bên cạnh lúc em khó khăn tạo điều kiện thuận lợi giúp em hoàn thành luận văn Hà Nội, Ngày 01 tháng năm 2015 Học viên Trần Xuân Trƣờng Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn si khoa Công nghệ Thông tin trƣờng Đại học Kinh doanh Công nghệ Hà ac th Và cuối em xin bày tỏ lòng chân thành biết ơn tới lãnh đạo lu an va iii n t to ng LỜI CAM ĐOAN hi ep Tôi xin cam đoan luận văn kết nghiên cứu tôi, không w nl chép Nội dung luận văn có tham khảo sử dụng tài liệu liên oa d quan, thông tin tài liệu đƣợc đăng tải tạp chí trang lu an website theo danh mục tài liệu luận văn va ul nf oi lm Tác giả luận văn nh at z Trần Xuân Trƣờng z om l.c gm @ an Lu n va ac th si Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn lu an va iii n t to ng MỤC LỤC hi ep LỜI CẢM ƠN i w LỜI CAM ĐOAN iii nl oa MỤC LỤC .iii d lu DANH MỤC CÁC THUẬT NGỮ, CÁC TỪ VIẾT TẮT v an va DANH MỤC HÌNH VẼ .vi ul nf CHƢƠNG I MƠ HÌNH ẢNH BỊ MỜ VÀ NHIỄU lm oi 1.1 Xử lý ảnh mơ hình biểu diễn ảnh 1.1.1 Ảnh điểm ảnh 1.1.2 Mức xám ảnh 1.1.3 Các lân cận điểm ảnh 1.1.4 Các mối liên kết điểm ảnh 1.1.5 Đo khoảng cách điểm ảnh 1.2 Các phép tốn hình thái học 1.2.1 Định nghĩa phép giãn (Dilation) 1.2.2 Định nghĩa phép co (Erosion) 10 1.2.3 Định nghĩa phép mở (Open) 10 1.2.4 Định nghĩa phép đóng (Close) 10 1.3 Mờ ảnh 11 1.3.1 Mờ trung bình (Average Blur) 11 1.3.2 Mờ chuyển động (Motion Blur) 12 1.3.3 Mờ Gaussian 12 1.3.4 Mờ tiêu cự 13 1.4 Nhiễu ảnh 14 1.4.1 Nhiễu cộng 14 1.4.2 Nhiễu nhân 14 1.4.3 Nhiễu xung 15 1.4.4 Tiêu chí đánh giá tỉ lệ nhiễu, so sánh với ảnh gốc 15 1.5 Mờ ảnh nhiễu ảnh 15 1.6 Một số phƣơng pháp khôi phục ảnh 15 1.6.1 Phƣơng pháp Fourier nghịch đảo 16 1.6.2 Phƣơng pháp Wavelets 17 nh at z z om l.c gm @ an Lu n va si http://www.lrc.tnu.edu.vn ac th Số hoá Trung tâm Học liệu – ĐHTN lu an va iv n t to ng 1.6.3 Phƣơng pháp dùng nhân nhỏ 18 1.6.4 Phƣơng pháp Quick Pixon 19 1.6.5 Phƣơng pháp lọc Wiener 19 1.6.6 Phƣơng pháp thống kê 21 1.7 Kết luận chƣơng I 21 hi ep w nl oa d CHƢƠNG II KHÔI PHỤC ẢNH MÀU BỊ MỜ VÀ NHIỄU, GIỮ CẠNH 23 lu an va ul nf 2.1 Khôi phục ảnh dùng lọc có hƣớng 23 2.1.1 Bƣớc tiền xử lý khử mờ 24 2.1.2 Xây dựng lọc có hƣớng 26 2.1.3 Tìm lọc có hƣớng ƣớc lƣợng kernel nhiễu 27 2.1.4 Khử nhiễu sau có lọc ƣớc lƣợng nhiễu 30 2.1.5 So sánh với số thuật toán 31 2.2 Một số phƣơng pháp khác 32 2.2.1 Khôi phục ảnh dùng Tổng biến thể 32 2.2.2 Khôi phục ảnh dùng phƣơng pháp Richardson-Lucy 34 2.2.3 Khôi phục ảnh dùng phƣơng pháp Picard 35 2.2.4 Khôi phục ảnh dùng Maximum Entropy 38 2.2.5 Khôi phục ảnh dùng TV phép lặp Bregman 39 2.3 Kết luận chƣơng 42 oi lm nh at z z om l.c gm @ an Lu va n CHƢƠNG III CÀI ĐẶT THỬ NGHIỆM 43 KẾT LUẬN 59 TÀI LIỆU THAM KHẢO 60 PHỤ LỤC: TRÍCH MÃ NGUỒN 62 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn si Môi trƣờng cài đặt 43 Kết thực nghiệm 43 So sánh 57 Kết luận chƣơng III 58 ac th 3.1 3.2 3.3 3.4 lu an va v n t to ng DANH MỤC CÁC THUẬT NGỮ, CÁC TỪ VIẾT TẮT hi Ý nghĩa ep Các thuật ngữ Khôi phục ảnh màu bị nhiễu w Debluring oa Khơi phục ảnh d lu Inpainting Sóng nhỏ nl Wavelet an Kernel oi Mờ chuyển động nh Ý nghĩa at Các từ viết tắt Mờ trung bình lm Motion Blur biến thể ul nf Average Blur va Total variation Nhân z Xử lý ảnh PDE Partial differential equation ODE Ordinary differential equations PSRN Peak Signal to Noise Ratio z XLA om l.c gm @ an Lu n va ac th si Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn lu an va vi n t to ng DANH MỤC HÌNH VẼ hi ep w Hình 1-1: Khôi phục ảnh nl oa Hình 1-2: Lân cận điểm ảnh có tọa độ (x, y) d lu Hình 1-3: Đƣờng nối điểm an va Hình 1-4: Mờ trung bình (Average Blur) 12 ul nf Hình 1-5: Mờ chuyển động (Motion Blur) 12 lm oi Hình 1-6: Mờ Gaussian 13 nh Hình 1-7: Mờ ngồi tiêu cự 13 at z Hình 1-8: Bên trái - ảnh gốc, bên phải ảnh nhiễu cộng 14 z gm @ Hình 1-9: Bên trái - ảnh gốc, bên trái dƣới - ảnh nhiễu, bên phải ảnh nhiễu nhân 15 om l.c Hình 1-10: Fourier nghịch đảo 16 Hình 1-11: Khơi phục ảnh dùng Phép chập Fourier 17 Lu an Hình 1-12: Wavelets – Các sóng nhỏ 18 n va Hình 1-13: Khơi phục ảnh phƣơng pháp Quick Pixon 19 ac th Hình 1-14: Khơi phục ảnh phƣơng pháp lọc Wiener bên trái ảnh gốc, bên phải ảnh đƣợc khôi phục 21 Hình 2-1: Thuật tốn khơi phục ảnh mờ nhiễu dùng lọc có hƣớng 29 Hình 2-2: Khơi phục ảnh dùng tổng biến thể bên trái ảnh gốc, bên phải ảnh đƣợc khôi phục 34 Hình 2-3: Khơi phục ảnh Richardson – Lucy bên trái ảnh gốc, bên phải ảnh đƣợc khôi phục 35 Hình 2-4: Khôi phục ảnh dùng phƣơng pháp Picard bên trái ảnh gốc, bên phải ảnh đƣợc khôi phục 37 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn si Hình 1-15: Khơi phục ảnh phƣơng pháp thống kê bên trái ảnh gốc, bên phải ảnh đƣợc khôi phục 21 lu an va vii n t to ng Hình 2-5: Khơi phục ảnh dùng phƣơng pháp Maximum Entropy bên ảnh gốc, bên dƣới ảnh đƣợc khôi phục 38 hi ep Hình 2-6: Khơi phục ảnh dùng phƣơng pháp Lin cộng bên trái ảnh gốc, bên phải ảnh đƣợc khôi phục 39 w nl oa d Hình 2-7: Khơi phục ảnh dùng phƣơng pháp Fish cộng 40 lu an Hình 2-8: Khôi phục ảnh dùng phƣơng pháp Osher Rudin 40 va ul nf Hình 2-9: Khơi phục ảnh dùng phƣơng pháp Chan cộng bên trái ảnh gốc, bên phải ảnh đƣợc khôi phục 41 lm oi Hình 2-10: Khơi phục ảnh dùng phƣơng pháp You, Kaveh, Chan Wong bên trái ảnh gốc, bên phải ảnh đƣợc khôi phục 42 nh at z Hình 3-1: Khơi phục ảnh dùng phƣơng pháp lọc có hƣớng bên ảnh gốc, bên phải kênh lọc, bên dƣới ảnh đƣợc khôi phục 44 z @ gm Hình 3-2: Ảnh gốc có dạng texture rừng bị mờ chuyển động 45 om l.c Hình 3-3: Ảnh gốc có dạng texture đám mây bị mờ chuyển động 46 Hình 3-4: Ảnh gốc có dạng cấu trúc vân vỏ sò bị mờ chuyển động 47 Lu an Hình 3-5: Ảnh gốc có tham gia nhiều ngƣời chuyển động 48 n va Hình 3-6: Ảnh gốc có tham gia máy xúc hoạt động 49 ac th Hình 3-7: Ảnh gốc khung cảnh có kiến trúc nhà máy, bị mờ chuyển động 50 Hình 3-9: Ảnh gốc khung cảnh dạng kiến trúc cơng trình xây dựng, bị mờ chuyển động 52 Hình 3-10: Ảnh gốc có tham gia nhiều máy xúc hoạt động 53 Hình 3-11: Ảnh gốc có tham gia tàu biển chạy 54 Hình 3-12: Ảnh gốc có tham gia nhiều tàu biển chạy nhiều hƣớng 55 Hình 3-13: Ảnh gốc cột bị rung, nhiễu chuyển động 56 Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn si Hình 3-8: Ảnh gốc khung cảnh có kiến trúc cầu, bị mờ chuyển động 51 lu an va n t to ng hi ep LỜI MỞ ĐẦU w nl oa Lĩnh vực toán ứng dụng phát triển nhiều kỷ qua Với sẵn có d thiết bị máy tính giá thành hạ năm gần đây, tốn ứng dụng mở lu an rộng sang nhiều lĩnh vực liên quan Trong số có ngành sinh học vật lý, khoa va ul nf học vật liệu, tính tốn hình học Lĩnh vực phân tích số đƣợc phát triển cho vấn oi lm đề tốn học Phân tích số có nhiều chủ đề thú vị nhƣ tìm đƣờng cong kỹ thuật nh phù hợp, phân tích phù hợp khác biệt, giải pháp phƣơng trình vi phân at Ngồi còn có hệ thống tuyến tính giá trị đặc trƣng, nhƣ phƣơng z z pháp tối ƣu thuật toán tổ hợp Một lĩnh vực liên quan có phát @ gm triển nhanh gần lĩnh vực xử lý ảnh Với gia tăng máy ảnh kỹ thuật số, l.c máy quét, ảnh kỹ thuật số, phƣơng pháp tốt xử lý ảnh trở nên cần thiết om Khôi phục ảnh màu bị mờ nhiễu trình xây dựng lại phận bị an Lu nhòe, bị nhiễu xuống cấp ảnh video Trong trƣờng hợp tranh có giá trị, nhiệm vụ đƣợc thực nghệ sĩ có tay nghề cao phục hồi va n tranh Trong giới công nghệ thông tin, khôi phục ảnh màu bị nhiễu đề cập đến ac th việc áp dụng thuật tốn phức tạp để khơi phục lại phần ảnh ban đầu, trƣớc si bị nhiễu Trọng tâm luận văn tìm hiểu vấn đề liên quan đến việc khôi phục ảnh màu hỏng bị mờ nhiễu, nghiên cứu số thuật tốn khơi phục ảnh màu bị mờ nhiễu tập trung tìm hiểu thuật tốn sử dụng lọc có hƣớng để tạo ảnh ban đầu Trong đó, lọc đƣợc áp dụng vào hƣớng khác theo đánh giá hƣớng nhiễu phần ảnh Thuật toán đƣợc thực nghiệm với chƣơng trình sử dụng ngơn ngữ Matlab Ngồi phần mở đầu kết luận, luận văn đƣợc chia làm chƣơng, luận văn có chƣơng nhƣ sau: Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn lu an va n t to ng Chƣơng 1: Mơ hình ảnh bị mờ nhiễu Trình bày vấn đề đặt cần giải hi ep tốn khơi phục ảnh màu bị mờ nhiễu Chƣơng 2: Khôi phục ảnh màu bị mờ nhiễu, giữ cạnh w nl Các hƣớng tiếp cận xử lý nhiễu ảnh khôi phục phần ảnh bị mờ oa d nhiễu Trình bày số phƣơng pháp, phân tích thuật tốn khơi phục ảnh màu bị mờ lu an nhiễu cách áp dụng lọc có hƣớng theo đánh giá hƣớng va ul nf phần ảnh Phƣơng pháp dựa kết quan sát thực nghiệm: áp dụng lm lọc tần số thấp làm giảm nhiễu ảnh, nhƣng hầu nhƣ không ảnh hƣởng đến thông oi tin tần số cao, có thơng tin ảnh bị mờ Thuật tốn đánh giá nh at hƣớng kênh nhiễu cục Từ khơi phục nhiễu theo hƣớng cục tìm z đƣợc z gm @ Chƣơng 3: Thực nghiệm đánh giá l.c Trình bày việc cài đặt chƣơng trình, xây dựng liệu thực nghiệm khơi om phục ảnh màu bị mờ nhiễu lọc có hƣớng, q trình thực nghiệm, an Lu kết thực nghiệm kết đánh giá, nhận xét xử lý từ thực nghiệm n va ac th si Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn lu an va 51 n t to ng Ví dụ Hình 3.8 Kết giảm mờ với ảnh màu tìm đƣợc kernel mờ hi ep sau vòng lặp Kernel nằm gần giữa, bên dƣới, ảnh khơi phục có bóng w nl Kênh lọc oa d lu an va ul nf oi lm nh at z z gm @ Số vòng lặp: 0.003 om l.c Độ nhiễu = an Lu sigma: 0.019 n va Thời gian thực hiện: ac th 20.46 sec si Hình 3-8: Ảnh gốc khung cảnh có kiến trúc cầu, bị mờ chuyển động Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn lu an va 52 n t to ng Ví dụ Hình 3.9 Kết giảm mờ với ảnh màu tìm đƣợc hi ep kernel mờ sau vòng lặp Kernel nằm lệch trái, bên dƣới, ảnh khôi phục còn bị mờ, có bóng w nl oa d Kênh lọc lu an va ul nf oi lm nh at z z gm @ om l.c Số vòng lặp: Độ nhiễu = an Lu 0.005 Hình 3-9: Ảnh gốc khung cảnh dạng kiến trúc cơng trình xây dựng, bị mờ chuyển động Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn si 16.48 sec ac th Thời gian thực hiện: n va sigma: 0.019 lu an va 53 n t to ng Ví dụ Hình 3.10 Kết giảm mờ với ảnh màu tìm đƣợc kernel mờ hi ep sau vòng lặp Kernel nằm, bên dƣới, ảnh khôi phục còn bị mờ, nhiều bóng w nl Kênh lọc oa d lu an va ul nf oi lm nh at z z gm @ Số vòng lặp: 0.025 om l.c Độ nhiễu = an Lu sigma: 0.077 n va Thời gian thực hiện: ac th 16.13 sec si Hình 3-10: Ảnh gốc có tham gia nhiều máy xúc hoạt động Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn lu an va 54 n t to ng Ví dụ Hình 3.11 Kết giảm mờ với ảnh màu tìm đƣợc hi ep kernel mờ sau vòng lặp Kernel nằm giữa, ảnh khôi phục tốt w nl Kênh lọc oa d lu an va ul nf oi lm nh at z z gm @ Số vòng lặp: 0.016 om l.c Độ nhiễu = an Lu sigma: 0.048 n va Thời gian thực hiện: ac th 15.92 sec si Hình 3-11: Ảnh gốc có tham gia tàu biển chạy Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn lu an va 55 n t to ng Ví dụ Hình 3.12 Kết giảm mờ với ảnh màu tìm đƣợc hi ep kernel mờ sau vòng lặp Kernel nằm lệch trái, bên dƣới, ảnh khơi phục có bóng w nl Kênh lọc oa d lu an va ul nf oi lm nh at z z gm @ Số vòng lặp: om l.c Độ nhiễu = 0.008 sigma: 0.025 Lu an Thời gian thực hiện: n va 15.13 sec ac th si Hình 3-12: Ảnh gốc có tham gia nhiều tàu biển chạy nhiều hƣớng Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn lu an va 56 n t to ng Ví dụ Hình 3.13 Kết giảm mờ với ảnh màu tìm đƣợc hi ep kernel mờ sau vòng lặp Kernel nằm bên dƣới, ảnh khơi phục còn mờ, khơng có bóng w nl oa d Kênh lọc lu an va ul nf oi lm nh at z z gm @ om l.c Số vòng lặp: Độ nhiễu = 0.046 an Lu sigma: 0.138 n va Thời gian thực hiện: ac th 15.23 sec si Hình 3-13: Ảnh gốc cột bị rung, nhiễu chuyển động Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn lu an va 57 n t to ng hi ep 3.3 So sánh w Khôi phục ảnh dùng lọc có hƣớng phƣơng pháp đƣợc thử nghiệm nl oa mẫu ảnh theo độ nhiễu khác PSRN đại lƣợng đo độ đồng dạng ảnh d đƣợc khôi phục so với ảnh ban đầu Trong đồ thị dƣới có sử dụng ký hiệu lu an ABCDEF cho phƣơng pháp va ul nf A Khôi phục ảnh dùng Tổng biến thể lm B Khôi phục ảnh dùng phƣơng pháp Richardson-Lucy oi C Khôi phục ảnh dùng phƣơng pháp Picard nh D Khôi phục ảnh dùng Maximum Entropy at z om l.c gm @ F Khôi phục ảnh dùng lọc có hƣớng z E Khơi phục ảnh dùng TV phép lặp Bregman an Lu n va ac th si Trong thử nghiệm khôi phục ảnh dùng lọc có hƣớng cho kết ổn đinh tốt Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn lu an va 58 n t to ng 3.4 Kết luận chƣơng III hi ep Chƣơng trình bày việc cài đặt chƣơng trình, xây dựng liệu thực nghiệm w khôi phục ảnh màu bị nhiễu lọc có hƣớng, q trình thực nghiệm, kết nl oa thực nghiệm kết đánh giá, nhận xét xử lý từ thực nghiệm Phƣơng d lu pháp khôi phục ảnh dùng lọc có hƣớng đƣợc so sánh với phƣơng pháp khác an va mẫu ảnh theo độ nhiễu khác Đại lƣợng đo độ đồng dạng ảnh ul nf đƣợc khôi phục so với ảnh ban đầu đƣợc dùng PSRN Kết cho thấy khôi phục lm oi ảnh dùng lọc có hƣớng cho kết ổn đinh tốt nh at z z om l.c gm @ an Lu n va ac th si Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn lu an va 59 n t to ng hi ep KẾT LUẬN w nl Luận văn khảo sát số thuật toán thấy hầu hết kỹ thuật oa d nhạy với nhiễu ảnh Luận văn tập trung tìm hiểu phƣơng pháp giải chập lu an mù ảnh đặc trƣng có tác dụng mạnh với nhiễu so với phƣơng pháp Phƣơng pháp va ul nf sử dụng lọc hƣớng để giảm nhiễu giữ đƣợc thông tin theo hƣớng trực lm giao chúng Bằng việc áp dụng loạt lọc hƣớng khác nhƣ vậy, oi thuật toán làm khơi phục hình chiếu 1d xác kernel theo tất nh at hƣớng, mà thuật tốn dùng để ƣớc lƣợng kernel mờ xác sử dụng nghịch đảo z biến đổi Radon Thuật toán đƣa kỹ thuật giải chập không mù chống z @ gm nhiễu mà tạo kết cuối có chất lƣợng cao Hiệu phƣơng pháp đƣợc l.c trình bày số so sánh dựa liệu tổng hợp liệu thực tế Tuy nhiên om trình thực hiện, với thời gian khơng có nhiều, lực chun mơn, điều Lu kiện thực nghiệm còn hạn chế, nên việc đánh giá tổng hợp phƣơng pháp còn an khiếm khuyết Tơi mong nhận đƣợc đóng góp ý kiến Thầy Cô bạn va n bè đồng nghiệp ac th si Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn lu an va 60 n t to ng hi ep TÀI LIỆU THAM KHẢO w Tiếng Việt [1] Lƣơng Mạnh Bá, Nguyễn Thanh Thủy (1999) Nhập môn xử lý ảnh số, Nhà xuất Khoa học kỹ thuật, Hà Nội [2] Đỗ Năng Toàn, Phạm Việt Bình (2007) Giáo trình xử lý ảnh, Nhà xuất Đại học Hà nội [3] Võ Đức Khánh, Hồng Kiếm (2007) Giáo trình xử lý ảnh Nhà xuất Đại học Quốc Gia TP Hồ Chí Minh [4] Nguyễn Kim Sách (1977) Xử lý ảnh video số, Nhà xuất Khoa học kỹ thuật, Hà Nội nl oa d lu an va ul nf oi lm nh at z z Tiếng Anh [5] Buades, C B., and J.-M Morel The staircasing effect in neighborhood filters and its solution IEEE Transaction on Image Processing, 15(6), 2006 [6] S Cho and S Lee Fast motion deblurring SIGGRAPH ASIA, 2009 [7] S Cho, J Wang, and S Lee Handling outliers in non-blind image deconvolution ICCV, 2011 [8] T S Cho, S Paris, B K P Horn, and W T Freeman Blur kernel estimation using the radon transform CVPR, 2011 [9] K Dabov, A Foi, V Katkovnik, and K Egiazarian Image denoising by sparse 3d transform-domain collaborative filtering TIP, 2007 [10] R Fergus, B Singh, A Hertzmann, S T Roweis, and W T Freeman Removing camera shake from a single photograph SIGGRAPH, 2006 [11] Goldstein and R Fattal Blur-kernel estimation from spectral irregularities ECCV, 2012 [12] N Joshi, R Szeliski, and D J Kriegman Psf estimation using sharp edge prediction CVPR, 2008 [13] N Joshi, C L Zitnicky, R Szeliskiy, and D J Kriegman Image deblurring and denoising using color priors CVPR, 2009 [14] Lin Zhong, Sunghyun Cho, Dimitris Metaxas, Sylvain Paris, Jue Wang, Handling Noise in Single Image Deblurring using Directional Filters, CVPR 2013 om l.c gm @ an Lu n va ac th http://www.lrc.tnu.edu.vn si Số hoá Trung tâm Học liệu – ĐHTN lu an va 61 n t to ng hi [15] S Y Kim, Y W Tai, S J Kim, M S Brown, and Y Matsushita Nonlinear camera response functions and image deblurring CVPR, 2012 [16] Levin, Y Weiss, f Durand, and W T Freeman Understanding and evaluating blind deconvolution algorithms CVPR, 2009 [17] Levin, Y Weiss, f Durand, and W T Freeman Efficient marginal likelihood optimization in blind deconvolution CVPR, 2011 [18] Q Shan, J Jia, and A Agarwala High-quality motion deblurring from a single image SIGGRAPH, 2008 [19] Y Tai and S Lin Motion-aware noise filtering for deblurring of noisy and blurry images CVPR, 2012 ep w nl oa d lu an va ul nf oi lm nh at z z om l.c gm @ an Lu n va ac th si Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn lu an va 62 n t to ng PHỤ LỤC: TRÍCH MÃ NGUỒN hi ep w nl Hàm xử lý mờ có nhiễu theo hƣớng deconv_orientation, có tham số nhiễu oa d (sig_noise) tham số hƣớng (orientation): lu an function va [k,ex,ssde]=deconv_orientation(y,k_sz1,k_sz2,x,sig_noise,bmp_outname,orientation,edges_ ul nf w) lm %function oi nh [k,ex,ssde]=deconv_orientation(y,k_sz1,k_sz2,x,sig_noise,bmp_outname,orientation,edges_ at w) z z %blind deconvolution on an image, assuming a sparse MOG prior on the @ gm %derivatives an %and construct a orientational covariance Lu %To approximate the covariance we use the free-energy update rules, om %derivative independently, without enforcing integrability l.c %This function solves in the derivatives space, that is, solve for each va %input arguments: n ac th % y- blurred image si % k_sz1,k_sz2- desired kernel size % x- (optional) original sharp image, for error evaluation Note: error %is computed up to a small spatial shift since kernel %reconstruction is invariant to shift % sig_noise- (optional) noise std parameter default 0.01 % bmp_outname- (optional) output name to write temporary results at %different pyramid levels %orientation- should follow orientation %edges_w- (optional) edges weighting for the *final* deconvolution %process Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn lu an va 63 n t to ng %output: hi ep % k-estimated kernel % ex- estimated latent image w nl % ssde - error between estimated image and sharp reference error oa d %is computed after searching for the best shift lu ul nf sig_noise=0.01; va if ~exist('sig_noise','var') an % nh if ~exist('bmp_outname','var') oi lm end at bmp_outname=[]; z z end end an x=[]; Lu if ~exist('x','var') om l.c gm orientation=0; @ if ~exist('orientation','var') va end n ac th if ~exist('edges_w','var') si edges_w=0.0068; end %set the parameters of our deconvolution problem %(see readme file for description) sig_noise_v=sig_noise*(1.15.^[10:-1:0]); load MOGparams prob.prior_ivar=ivars; prob.prior_pi=pis; prob.filts(:,:,1)=[-1 1; 0]; prob.filts(:,:,2)=[-1 0; 0]; Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn lu an va 64 n t to ng ret=0.5^0.5; hi ep prob.cycconv=0; prob.covtype='diag'; w nl prob.update_x='conjgrad'; oa prob.filt_space=1; d an oi %make sure kernel size is odd lm prob.eval_freeeng=0; ul nf prob.unconst_k=0; va prob.k_prior_ivar=0.01; lu prob.init_x_every_itr=1; nh k_sz1=floor(k_sz1/2)*2+1; at z k_sz2=floor(k_sz2/2)*2+1; z @ prob.k_sz1=k_sz1; gm prob.k_sz2=k_sz2; l.c tf=zeros(k_sz1,k_sz2); om tf(ceil(k_sz1/2),ceil(k_sz2/2))=1; Lu tf(ceil(k_sz1/2),ceil(k_sz2/2)+1)=1; an tf=tf/sum(tf(:)); n va prob.k=tf; ac th prob.y=y; tic [prob1,kListItr]=multires_deconv(prob,ret,sig_noise_v,orientation,bmp_outname); k=prob1.k; k=k/sum(k(:)); toc %final non blind deconvolution with the estimated kernel [ex]=deconvSps(y,k,edges_w,70); if ~isempty(x) % compute error between estimated image and sharp reference % error is computed after finding the best shift Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn si %here we call the main deconvolution routine, in a coarse to fine scheme lu an va 65 n t to ng [ssde]=comp_upto_shift(ex,x) w nl end ep ssde=[]; hi else oa d lu an va ul nf oi lm nh at z z om l.c gm @ an Lu n va ac th si Số hoá Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn