TRƯỜNG ĐẠI HỌC KIẾN TRÚC HÀ NỘI
KHOA CÔNG NGHỆ THÔNG TIN XỬ LÝ ẢNH
Đề tài: Phương pháp phân vùng ảnh và ứng dụng thử nghiệm trên
phương pháp gia tăng vùng
Nhóm 7: 1 Nguyễn Huy Tuấn
2 Nguyễn Ngọc Tú 3 Nguyễn Mạnh Tường
4 Phạm Thị Trang 5 Pham Bá Vương
Trang 7
hộ
1n Ngành công nghệ phát triển vượt bậc, nhiều lĩnh vực
nhận được sự quan tâm lớn, trong đó có xử lý ảnh
š2.ˆ Xử lý ảnh có liên quan đến nhiều ngành khác
Xử lý ảnh cũng đã tạo ra được rất nhiều ứng dụng ,
Phân vùng ảnh luôn đóng một vai trò cơ bản và đà
thường là bước tiền xử lý đầu tiên trong toàn bộ
quá trình trước khi thực hiện các thao'tác khác 0
a
Trang 8Giúp người dùng công Đưa ra những ứng dụng
vùng ảnh
Trang 117 @ a uron
8 |
Tông quan về xử lý ảnh
Trang 12đặc biệt là máy tính chuyên dụng riêng cho nó
Quá trình “Xử lý ảnh” +
fe:
Trang 13
CAC bước cơ bản trong một hệ thống xử ly anh
“
4A.
Trang 14171.2 Các khái niệm cơ bản trong xử lí ảnh
Trang 15—* i ~ —x + -
ˆ 1.2 Thu nhập và biểu diễn ảnh
.1.2.1 Thu nhận, các thiết bị thu nhận ảnh
: Cac thiết bị thu nhận ảnh bao gôm camera, scanner các thiết bị thu
nhận này có thể cho ảnh đen trắng
- Các thiết bị thu nhận ảnh có 2 loại chính ứng với 2 loại ảnh
thông dụng : Raster, Vector
1.2.2 Thu nhận, các thiết bị thu nhận ảnh
- Ảnh trên máy tính là kết quả thu nhận theo các phương pháp số hoá được if
nhúng trong các thiết bị kỹ thuật khác nhau Quá trình lưu trữ ảnh nhằm 2 mục
e« Tiết kiệm bộ nhớ: 1 A l -_
Trang 161.2.2.1 Mô hình Raster
được biểu diễn dưới dạng ma trận các điểm (điểm ảnh)
Mô hình Raster thuận lợi cho hiển thị và in ấn Ngày nay
công nghệ phần cứng cung cấp những thiết bị thu nhận ảnh Raster phù hợp với tốc độ nhanh và chất lượng cao cho cả đầu vào và đầu ra
Hiện nay trên thế giới có trên 50 khuôn dạng ảnh thông dụng bao gồm cả trong đó các kỹ thuật nén có khả năng phục hồi dữ liệu 100% và nén có khả năng phục hồi với độ sai số nhận được
Trang 17
1.2.2.2 Mô hình Vector
Biểu diễn ảnh ngoài mục đích tiết kiệm không gian lưu trữ dễ dàng cho hiển thị và in ấn còn đảm bảo dễ dàng trong lựa chọn sao chép di chuyển tìm kiếm
Trong mô hình vector người ta sử dụng hướng giữa các vector của điểm ảnh lân cận để mã hoá và tái tạo hình ảnh ban đầu ảnh vector được thu nhận trực tiếp từ các thiết bị số hoá như Digital
- hoặc được chuyển đổi từ ảnh Raster thông qua các chương trình số hoá Công nghệ
phần cứng cung cấp những thiết bị xử lý với tốc độ nhanh và chất lượng cho cả đầu vào
và ra nhưng lại chỉ hỗ trợ cho ảnh Raster Ỉ 5
i i /
Trang 19* mm
SÃ 1 Mot số khái niệm
Vùng ảnh (Region): là tập hợp các điểm ảnh có chung các
thuộc tính thuộc về một đối tượng nào đó Phan vung anh (Image Segmentation): la quá trình phân
hoạch tập các điểm ảnh của X thành các tap con Ri (hay một
vùng ảnh) thỏa mãn các điều kiện sau
Ri : bao gồm các
pixel co chung
các thuộc tính
nào đó
Trang 202.2 Các hướng tiếp cận phân vùng ảnh
- Phân vùng ảnh là chia ảnh thành các vùng không trùng lắp Mỗi vùng
gồm một nhóm pixel liên thông và đồng nhất theo một tiêu chí nào đó
Tiêu chí này phụ thuộc vào mục tiêu của quá trình phân đoạn
- Dựa trên tính đồng đều ( độ tương tự của mức xán và các thuộc tính ar /
- Phân vùng ảnh dựa trên sự biến thiên của hàm độ xám hoặc mức xám ( phân vùng dựa trên tách biên)
)
Ae:
Trang 21ee
yw
á 2 ee công đoạn chính của phân vùng ảnh
3 CÔNG ĐOẠN CÁC PHƯƠNG PHÁP PHÂN VÙNG
|
XE ` * Phan vung anh theo miên đồng nhất ,
Qua trinh phan vung anh
* Phan vung ảnh theo kết cấu bề mặ
Đánh nhãn cho các vùng ảnh
được phân tách và điều chỉnh
néu can
Trang 22ee
eo
á 2 nas số thuộc tính của ảnh và điểm ảnh
4.1 Một số thuộc tính của điểm ảnh
- Giả sử có một điểm ảnh X = {Pi }, trong đó Pi là pixel thứ ¡ (¡ = 1, , MềN)
Có 2 loại ảnh sau:
+ Ảnh đơn màu : Pi được biểu diễn bằng giá trị mức xám ( độ xám ) Kí hiệu
A(Pi) hoặc XÍP])
+ Ảnh đa màu ( đa phổ ) : mỗi pixel được biểu diễn bởi một vecto màu mà ta
gọi là vecto thuộc tính
lạ
Xi - Độ tương phản giữa hai điểm ảnh
($1, S2) = | A(S1) — A(S2) | HH Trong đó L: giá trị mức xám lớn nhất của ảnh
Trang 23a `
¡
| "i
aur) Một số thuộc tính của vùng ảnh
"Độ đồng đều mức xám của một vùng ảnh Rk : E(R;) = J 5 (A(Œi)-m¡}|
: néu Pred(Rk) = 1 thì vùng Rk là vùng đồng đều Pred(RK) = 0 thì vùng Rk là không đông đêu Thuộc tính tần số, thuộc tính thống kê, thuộc tính cầu trúc
cd 9
Trang 24(e0: ÑÌÌ
Các phương pháp phân vùng anh
Trang 25i \ =` án + -
1 li) vùng ảnh theo ngưỡng biên độ
` đặc tính đơn giản, cân thiết nhất của ảnh là biên độ và 'các tính chất vật lý như: độ tương phản, độ truyền sáng, màu
sắc hoặc đáp ứng phổ Như vậy, có thể dùng ngưỡng biên độ để phân vùng khi biên độ đủ lớn đặc trưng cho ảnh
Trang 26i — -* Lỗ
_` n
+ -
á 1 L rc thuật lấy ngưỡng
Một tham số q, gọi là ngưỡng độ sáng, sẽ được chọn để áp dụng
cho một ảnh a[m,n] theo cách sau:
+ Nếu a[m,n]>= 0 thì a[m,n] = object = 1
+ Ngược lại a[m,n] = background = 0
Thuật toán trên giả định rằng chúng ta đang quan tâm đến các đối
- tượng sáng (object) hay nén anh (background) bang các giá trị “1”
hoặc “0”
a Ngưỡng cố định
Phương pháp đầu tiên là chọn một ngưỡng độc lập với dữ liệu ý ảnh Nếu chúng ta biết trước là chương trình ứng dụng sẽ làm việc với:
Trong hầu hết các trường hợp, ngưỡng được chọn từ lược đồ RG sáng của vùng hay ảnh cân được phân đoạn = ` ` ,
fe:
Trang 27¡3 —
NGỘ
ee
a 2 Phương pháp phân vùng ảnh theo miền đồng nhất
Kỹ thuật phân vùng ảnh thành các miền đồng nhất dựa vào các tính
| 9E)! quan trọng nào đó của miền ảnh Việc lựa chọn các tính chất của
miền sẽ xác định tiêu chuẩn phân vùng Tính đồng nhất của một miền
ảnh là điểm chủ yếu xác định tính hiệu quả của việc phân vùng
Các phương pháp phân vùng ảnh theo miền đồng nhất thường áp
- dụng là:
—Phương pháp tách cây tứ phân —Phương pháp cục bộ
—Phương pháp tổng hợp
Trang 28aa: Phân vùng ảnh theo kết cấu bề mặt
Kết cấu thường được nhận biết trên bề mặt của các đối tượng như
gỗ, cát, vải vóc Kết cấu là thuật ngữ phản ánh sự lặp lại của các phần
tử sợi (texel) cơ bản Sự lặp lại này có thể ngầu nhiên hay có tính chu kì
hoặc gần chu kì Một texel chứa rất nhiều điểm ảnh
Trong phân tích ảnh, kết cấu được chia làm hai loại chính là: loại thống kê và loại cấu trúc
Trang 29ee
ws
á 3 1 Pere phap thong ké
Tính kết cấu ngẫu nhiên rất phù hợp với các đặc trưng thống kê Vì
_ Vậy, người ta có thể dùng các đặc trưng ngẫu nhiên để đo nó như:
Hàm tự tương quan(AutoCorrelation Function-ACF), các biến đổi mật
độ gờ, ma trận tương tranh, v.v
Các đặc trưng của kết cấu sợi như độ thô, độ mịn hay hướng có thể
- ước lượng nhờ các biến đổi ảnh bằng kỹ thuật lọc tuyến tính Một
mô hình đơn giản trong trường ngẫu nhiên cho việc phân tích tính kết cấu được mô tả trong hình 2.1
Theo cách tiếp cận bằng hàm tự tương quan, độ thô của kết cấu -
sợi tỉ lệ với độ rộng của ACF, được biểu diễn bởi khoảng cách x0 ,y0
»
fe:
Trang 30Hình 2.1 Phân tích kết cấu sợi bằng dải tương quan
Trang 31ee
N
á 3 2 we pháp cấu trúc
Kết cấu sợi có cấu trúc thuần nhất là những texels xác định, mà
xuất hiện lặp đi lặp lại tuân theo 1 luật tất định hay ngẫu nhiên nào
- Các loạt dải của các texel liên thông tối đa
- Mật độ giá trị tương đối
Trang 32a
4 ‘
kì rã —¢" ;
3.3 Tiếp cận theo tính kết cấu
Khi đối tượng xuất hiện trên một nền có tính kết cấu cao, việc phân đoạn dựa vào tính kết cấu trở nên quan trọng Nguyên nhân là kết cấu
sợi thường chứa mật độ cao các gờ (edge) làm cho phân đoạn theo
biên kém hiệu quả, trừ khi ta loại tính kết cấu Việc phân đoạn dựa vào miền đồng nhất cũng có thể áp dụng cho
- các đặt trưng kết cấu và có thể dùng để phân đoạn các miền có tính kết
Trang 33HN | a „ vã IỆ
di owe Phương pháp gia tăng vùng
Phương pháp gia tăng vùng xét lân cận của những điểm ảnh hạt _ giống Nếu chúng ta thỏa mãn điều kiện về độ tương đồng thì hợp
lai thanh một vùng