Trang 1 NHÓM 7 Trang 3 Nội dung chính• Mục tiêu và các nội dung chính của project• Các nội dung mà nhóm đã đạt được• Nội dung chi tiết Trang 4 Mục tiêu và các nội dung chính của proje
NHÓM 7 THUẬT TOÁN AUTOFOCUS CHO ĐIỆN THOẠI VÀ MÁY ẢNH Thành viên nhóm Trần Hiếu Minh Lê Đức Minh Lê Tuấn Minh Phạm Tường Minh Đỗ Hoàng Nam Nội dung chính • Mục tiêu và các nội dung chính của project • Các nội dung mà nhóm đã đạt được • Nội dung chi tiết • Đánh giá và kết luận Mục tiêu và các nội dung chính của project • Tìm hiểu về autofocus và auto white balance • Tự phát triển một thuật toán autofocus • Cài đặt thuật toán trên điện thoại • Đánh giá thuật toán Nội dung nhóm đã thực hiện Tìm hiểu về autofocus và auto white balance Tự phát triển một thuật toán autofocus • Cài đặt, chạy thử trên điện thoại Nội dung chính của project • Autofocus và auto white balance • Thuật toán autofocus của nhóm • Kết quả thử nghiệm Autofocus là gì ? Autofocus là một tính năng trong các máy ảnh và điện thoại chụp hình cho phép hệ thống có thể lấy nét và tập trung vào vùng nét chính của khung hình một cách tự động Active Cảm biến pha, laser, autofocus Autofocus Điều chỉnh tiêu cự Passive Frame từ camera autofocus Auto white balance là gì ? Auto white balance (AWB) là chức năng tự động cân bằng trắng trong các thiết bị nhiếp ảnh và máy quay phim Ánh sáng từ môi trường làm thay đổi màu sắc tổng thể của hình ảnh và các vật thể trong đó khi camera ghi nhận Cần cân bằng trắng để hình ảnh có màu sắc tự nhiên nhất giống với những gì mắt người nhìn thấy Phân tích, xác định ánh Điều chỉnh màu sắc hình ảnh sáng môi trường theo màu chủ đạo Thuật toán autofocus Không có giải pháp điều chỉnh tiêu cự camera Mô phỏng ảnh focus bằng cách tăng cường ảnh vùng cần lấy nét và làm mờ vùng nền Cần xác định vùng lấy nét Xử lí trên từng frame ảnh Thuật toán autofocus Thuật toán tìm kiếm vùng lấy nét tự động Convolution Các thuật toán Gaussian Blur và Sobel filter đều cần sử dụng phép toán tích chập trên ảnh Công thức tích chập giữa ảnh f(x,y) và kenel k(x,y) kích thước mxn Convolution 123 987 456 654 Lật k(x,y) 789 321 Dịch k(x,y) qua các điểm ảnh 000 987 Tính giá trị điểm ảnh mới 01234 654 05678 321 9123 4567 000 0 29 2 3 4 05678 9123 4567 Các phương pháp làm mịn, khử nhiễu Averaging Filter - Ý tưởng của lọc trung bình chỉ đơn giản là thay thế từng giá trị pixel trong một ảnh bằng giá trị trung bình (`trung bình') của các pixel lân cận, bao gồm cả chính nó Điều này có tác dụng loại bỏ các giá trị pixel không đại diện cho môi trường xung quanh chúng - Ví dụ: Ảnh đầu vào Ảnh đầu ra Median Filter - Ý tưởng chính của thuật toán lọc Trung vị như sau: ta sử dụng một cửa sổ lọc (ma trận 3×3) quét qua lần lượt từng điểm ảnh của ảnh đầu vào input Tại vị trí mỗi điểm ảnh lấy giá trị của các điểm ảnh tương ứng trong vùng 3×3 của ảnh gốc “lấp” vào ma trận lọc Sau đó sắp xếp các điểm ảnh trong cửa sổ này theo thứ tự (tăng dần hoặc giảm dần tùy ý) Cuối cùng, gán điểm ảnh nằm chính giữa (Trung vị) của dãy giá trị điểm ảnh đã được sắp xếp ở trên cho giá trị điểm ảnh đang xét của ảnh đầu ra output - Ví dụ: Ảnh đầu vào Ảnh đầu ra Gaussian Blur + Gaussian Blur là kĩ thuật sử dụng một bộ lọc chuẩn theo phân phối Gaussian để làm mờ các điểm ảnh xung quanh mỗi điểm ảnh trong ảnh đầu vào + Độ mờ của ảnh đầu ra sẽ phụ thuộc vào bộ lọc Gaussian đầu vào, do vậy ta có thể điều chỉnh độ HàmmGờaudsựsatrtorênnggkiháôtnrịgcgủiaanbộ1 lvọàc.2 chiều(ảnh) Trong đó x,y là hai trục còn σ là phương sai Sobel filter • Kernel Sobel là một ứng dụng được sử dụng thường xuyên trong xử lý ảnh và thị giác máy • Cụ thể, Kenel Sobel thường được sử dụng để tính đạo hàm của hình ảnh theo hướng x và y, từ đó giúp xác định cạnh và biên của vật thể trong hình ảnh • Trong nghiên cứu về auto focus lần này, Sobel được sử dụng để xác định cạnh của vật thể, từ đó phát hiện vật thể trong ảnh Sobel filter ● Kernel Sobel theo hướng x thường được ký hiệu là Gx, và kernel Sobel theo hướng y thường được ký hiệu là Gy Cả hai kernel này đều là các ma trận 3x3 ● Khi áp dụng kernel Sobel theo hướng x và y lần lượt cho mỗi pixel trong hình ảnh, chúng ta có thể tính toán đạo hàm riêng theo hướng x và y Tổng của độ lớn gradient (G) có thể được tính bằng cách sử dụng công thức sau: