đề án tốt nghiệp phát hiện đối tượng đột nhập dưới sự trợ giúp của camera

PHÁT HIỆN ĐỐI TƯỢNG ĐỘT NHẬP DỰA VÀO CÁC KỸ THUẬT XỬ LÝ ẢNH .... Một trong những bài toán then chốt của kĩnh vực giám sát tự động, trong khuôn khổ của đồ án em tập trung trình bày về các

- -

Đề án tốt nghiệp

Phát hiện đối tượng đột nhập

dưới sự trợ giúp của Camera

LỜI CẢM ƠN

Sau một thời gian học tập và nghiên cứu em đã hoàn thành đồ án tốt

nghiệp với đề tài: “Phát hiện đối tượng đột nhập dưới sự trợ giúp của

Camera” Đầu tiên em xin bày tỏ lòng kính trọng và biết ơn chân thành đến

thầy giáo TS.Đỗ Năng Toàn là người trực tiếp hướng dẫn và tạo điều kiện

cho em được thực tập tại Viện công nghệ thông tin – Viện khoa học và công

nghệ Việt Nam để hoàn thành đồ án tốt nghiệp này Đồng thời em cũng xin

chân thành cảm ơn các thầy cô giáo đang giảng dạy tại Bộ môn Tin học –

Trường ĐH dân lập Hải Phòng trong suốt bốn năm học vừa qua đã trang bị

cho em những kiến thức cơ bản cần thiết và bổ ích giúp em hoàn thành đồ án

tốt nghiệp này cũng như những kỹ năng nghề nghiệp sau này Em cũng xin

chân thành cảm ơn các anh chịtại phòng thí nghiệm thực tại ảo – Viện công

nghệ thông tin Việt Nam đã nhiệt tình giúp đỡ em trong quá trình thực tập và

tìm kiếm tài liệu Cuối cùng xin cảm ơn gia đình và bạn bè đã cổ vũ và động

viên em trong suốt thời gian vừa qua Do khả năng có hạn nên nội dung đồ án

còn có nhiều khiếm khuyết, sơ sài mong nhận được sự góp ý của thầy cô và

MỤC LỤC

PHẦN MỞ ĐẦU 4

Chương 1: TỔNG QUAN VỀ MỘT HỆ THỐNG XỬ LÝ ẢNH 5

1.1 TỔNG QUAN VỀ MỘT HỆ THỐNG XỬ LÝ ẢNH 5

1.1.1 Xử lý ảnh là gì? 5

1.1.2 Tổng quan về một hệ thống xử lý ảnh 5

1.1.3 Các vấn đề cơ bản trong xử lý ảnh 6

1.1.3.1 Một số khái niệm 6

1.1.3.2 Thu nhận ảnh 6

1.1.3.3 Biểu diễn ảnh 6

1.2 TỔNG QUAN VỀ VIDEO 7

1.2.1.Một số khái niệm 7

1.2.2.Một số thuộc tính đặc trưng của video 8

1.2.2.3 Hình dáng (Shape) 9

1.2.2.4 Chuyển động (Motion) 9

Chương 2: PHÁT HIỆN ĐỐI TƯỢNG ĐỘT NHẬP 9

2.1 BÀI TOÁN PHÁT HIỆN ĐỐI TƯỢNG ĐỘT NHẬP 9

2.2 PHÁT HIỆN ĐỐI TƯỢNG ĐỘT NHẬP DỰA VÀO PHẦN CỨNG 10

2.3 PHÁT HIỆN ĐỐI TƯỢNG ĐỘT NHẬP DỰA VÀO CÁC KỸ THUẬT XỬ LÝ ẢNH 10

2.3.1 Các kỹ thuật trừ ảnh 10

2.3.1.1 Kỹ thuật trừ ảnh dựa vào điểm ảnh 11

2.3.1.2 Trừ ảnh phân khối 12

2.3.1.3 Phương pháp biểu đồ 14

2.3.1.3.1 Biểu đồ toàn cục 15

2.3.1.3.2 Biểu đồ cục bộ 16

2.3.1.4 Phương pháp thống kê 17

2.3.1.5 Trừ ảnh dựa vào đặc trưng 18

2.3.1.5.1 Đặc trưng là vector chuyển động 18

2.3.2 Kỹ thuật trừ nền(Background subtraction) 18

2.3.2.1 Không gian màu(Color space) 18

2.3.2.2 Mô hình nền (Background modeling) 19

2.3.2.3 Lựa chọn ngưỡng (Thresholh selection) 19

2.3.2.4 Thao tác trừ (Subtraction operation) 21

Chương 3: CHƯƠNG TRÌNH ỨNG DỤNG DISCOVERY 22

3.1 KỸ THUẬT BẮT GIỮ HÌNH ẢNH QUA CAMERA 22

3.2 PHÂN TÍCH YÊU CẦU BÀI TOÁN VÀ THUẬT GIẢI ĐỀ XUẤT 24

3.3 CÁC HÀM VÀ LỚP CHÍNH TRONG CHƯƠNG TRÌNH 26

3.4 CHỨC NĂNG VÀ CÁCH SỬ DỤNG CHƯƠNG TRÌNH 28

TÀI LIỆU THAM KHẢO 33

PHẦN MỞ ĐẦU

Trong thời đại ngày nay công nghệ thông tin hầu như đã thâm nhập vào toàn

bộ các lĩnh vực của đời sống xã hội Xã hội ngày càng phát triển nên đòi hỏi

về nhu cầu về công nghệ thông tin ngày càng cao, vì vậy mà dữ liệu số không

còn xa lạ đối với mọi người Trong mọi lĩnh vực các ứng dụng công nghệ

thông tin đã trợ giúp con người rất nhiều

Hiện nay, thông tin hình ảnh đóng vai trò rất quan trọng trong trao đổi

thông tin, bởi phần lớn các thông tin mà con người thu nhận được đều thông

qua thị giác Trong lĩnh vực công nghệ thông tin thì lĩnh vực giám sát tự động

đã và đang thu hút được nhiều sự nghiên cứu Cùng với sự phát triển của sức

mạnh máy tính, các hệ thống giám sát tự động ngày càng tinh vi và hiện đại

đã trợ giúp con người rất nhiều trong việc bảo vệ an ninh, giám sát giao

thông, …

Ở nước ta hiện nay, lĩnh vực giám sát tự động cũng đã có những bước

phát triển đáng kể Tuy nhiên, nó chỉ mới dựa trên nền tảng là phần cứng và

cũng chưa được ứng dụng nhiều trong thực tế vì điều kiện kinh tế xã hội Việc

giải quyết bài toán này theo hướng tiếp cận sử dụng phần mềm chưa được

quan tâm phát triển Do vậy em nghiên cứu đề tài: “Phát hiện đối tượng đột

nhập dưới sự trợ giúp của Camera” Một trong những bài toán then chốt của

kĩnh vực giám sát tự động, trong khuôn khổ của đồ án em tập trung trình bày

về các kỹ thuật trừ ảnh và ứng dụng các kỹ thuật này để giải quyết bài toán

phát hiện đối tượng đột nhập thông qua WebCam Nội dung của đồ án gồm

các chương sau:

Chương 1: Tổng quan về một hệ thống xử lý ảnh

Chương 2: Phát hiện đối tượng đột nhập

Chương 3 : Chương trình ứng dụng

Chương 1: TỔNG QUAN VỀ MỘT HỆ THỐNG XỬ LÝ ẢNH

1.1 TỔNG QUAN VỀ MỘT HỆ THỐNG XỬ LÝ ẢNH

1.1.1 Xử lý ảnh là gì?

Xử lý ảnh là quá trình thu nhận ảnh nhằm biến đổi từ ảnh này sang

ảnh khác cho ra kết quả như mong muốn

Tiền

xử lý

Đối sánh

Trích chọn đặc trưng

Kết quả

Hình 1.2: Các giai đoạn chính trong xử lý ảnh

1.1.3 Các vấn đề cơ bản trong xử lý ảnh

1.1.3.1 Một số khái niệm

 Pixel (Picture Element): phần tử ảnh

 Ảnh

 Lược đồ mức xám(Histogram)

1.1.3.2 Thu nhận ảnh

Để đưa ảnh vào trong máy tính chúng ta có thể dùng các thiết bị thu nhận như: camera cộng với bộ chuyển đổi tương tự số AD(Analog to Digital)

hoặc máy quét chuyên dụng

1.1.3.3 Biểu diễn ảnh Sau quá trình số hoá ta sẽ thu được một ma trân tương ứng với ảnh cần xét, mỗi phần tử của ma trận tương ứng với một điểm ảnh Các điểm này thường được đặc trưng bởi toạ độ màu RGB tương ứng với nó trong hệ toạ độ màu cơ bản sau:

Ảnh có thể được biểu diễn theo một trong hai mô hình sau:

B

R

Ii(R,G,B) B

Thi(R,G,B)B

 i (R,G,B)B

255

G

Hình 1.4:Hệ toạ độ màu RGB.

Ảnh được biểu diễn dưới dạng ma trận các điểm ảnh Mô hình RASTER phù hợp cho việc thu nhận và hiển thị ảnh

Video là một tập hợp các khung hình(Frames), mỗi khung hình là một ảnh

Shot(lia) là một đơn vị cơ sở của video Một lia là một đơn vị vật lý

của dòng video, gồm chuỗi các khung hình liên tiếp, không thể chia nhỏ hơn

Scene(cảnh) là các đơn vị logic của dòng video Cấu trúc phân cấp của

video được mô tả trong hình vẽ:

· ·  · ·

·  o  ·

· ·  · ·

Hình 1.5: Điểm 4 - láng giềng và 8 - láng giềng

Hình 1.6: Cấu trúc phân cấp của video

Video Scene Shots

Lia

Frame s

1.2.2.Một số thuộc tính đặc trƣng của video

Video có 4 đặc tính chung là: màu(color), kết cấu(texture), hình

dáng(shape), chuyển động(motion)

1.2.2.1 Màu(Color)

Màu là một thuộc tính đặc trƣng của ảnh Biểu đồ màu, biểu diến sự

phân bố màu, là một đặc trƣng màu phổ biến nhất hiện nay Biểu đồ màu

không phụ thuộc vào sự quay, dịch chuyển ảnh cũng nhƣ chiều nhìn ảnh Tuy

nhiên với biểu đồ màu không biểu diễn thông tin về không gian phân bố các

điểm ảnh, do đó hai điểm ảnh có cùng biểu đồ màu có thể lại có nội dung

khác nhau

Hình 1.8: Các ảnh khác nhau nhưng có cùng biểu đồ

màu

r k

Dark image Bright image

Low-contrast image High-contrast image

P(r k )

P(r k )

r k

r k

r k

Hình 1.9: Các ảnh khác nhau nhưng có cùng biểu đồ

màu

1.2.2.2 Kết cấu (Texture)

Đây là một đặc trưng quan trọng của bề mặt, nơi xảy ra việc lặp lại

mẫu cơ bản Có hai dạng biểu diễn texture phổ biến đó là : biểu diễn dạng ma

trận đồng thời và biểu diễn Tamura

1.2.2.3 Hình dáng (Shape)

Các đặc trưng hình dánh có thể được biểu diễn sử dụng phân tích

truyền thống như bất biến mômen, mô tả Fourier, mô hình học tự động quay

lui, và các thuộc tính hình học

1.2.2.4 Chuyển động (Motion)

Motion là một thuộc tính quan trọng của video Thông tin về chuyển

động có thể được sinh ra bằng các kỹ thuật ghép khối hoặc luồng ánh sáng

Chương 2: PHÁT HIỆN ĐỐI TƯỢNG ĐỘT NHẬP

Có 2 cách tiếp cận chính để giải quyết bài toán phát hiện đối tượng đột nhập đó là:

-Dựa hoàn toàn vào phần cứng

-Dựa vào các kỹ thuật xử lý ảnh

2.1 BÀI TOÁN PHÁT HIỆN ĐỐI TƯỢNG ĐỘT NHẬP

Sự phát triển của công nghệ thông tin đẩy nhanh sự phát triển của các

lĩnh vực xã hội khác Với sự phát triển của phần cứng cả về phương diện thu

nhận và hiển thị cũng như tốc độ xử lý đã mở ra nhiều phương hướng cho sự

phát triển phần mềm Trong đó phải kể đến lĩnh vực giám sát tự động

Một trong những bài toán quan trọng và then chốt là bài toán phát hiện

đối tượng đột nhập dưới sự trợ giúp của camera

Ở nước ta hiện nay, việc giải quyết bài toán phát hiện đối tượng đột nhập còn chủ yếu dựa vào phần cứng và chưa được ứng dụng nhiều trong

thực tế Trong phần tiếp theo chúng ta sẽ tìm hiểu từng cách tiếp cận để giải

quyết bài bài toán này

2.2 PHÁT HIỆN ĐỐI TƯỢNG ĐỘT NHẬP DỰA VÀO PHẦN CỨNG

Trong cách tiếp cận này các hệ thống giám sát tự động này thường sử

dụng các camera có gắn chip cảm ứng và đặt tại các nơi nhạy cảm hoặc sử

dụng hệ thống các tia quét Mỗi camera có thể được gắn với các thiết bị báo

động, khi phát hiện thấy có biến động thì nó sẽ tự động báo động

Ưu điểm của hướng tiếp cận sử dụng phần cứng là cho độ chính xác và

độ tin cậy cao, tốc độ xử lý nhanh Tuy nhiên nó có một nhược điểm là chi phí

cho một hệ thống giám sát có thể rất lớn không phù hợp với mức thu nhập của

người Việt Nam hiện nay

2.3 PHÁT HIỆN ĐỐI TƯỢNG ĐỘT NHẬP DỰA VÀO CÁC KỸ THUẬT

XỬ LÝ ẢNH

Ta có thể sử dụng nhiều kỹ thuật xử lý ảnh khác nhau để phát hiện ra

đối tượng đột nhập như sử dụng phép trừ nền (background subtraction), dò

biên (edge detection),…

2.3.1 Các kỹ thuật trừ ảnh

Ký hiệu D(f1, f2) là sự sai khác nhau giữa hai khung hình f1,f2 Sự sai

khác này lớn hơn một ngưỡng nào đó sẽ xác định được có đối tượng chuyển

động giữa hai khung hình Sự thay đổi trên khung hình được tính toán trên

một đặc trưng nhất định Người ta thường dùng đặc trưng là nội dung màu

sắc, là biểu đồ (biểu đồ màu, biểu đồ mức xám), hoặc đôi khi là cạnh, vector

chuyển động, góc hay kết cấu (texture)

Như vậy khi thực hiện việc phát hiện có sự biến động giữa các khung

hình, trước hết ta phải xác định đặc trưng mang ra so sánh, thứ hai là xác định

công thức trừ ảnh D, và cuối cùng là quyết định ngưỡng sai khác Tb Giá trị

ngưỡng này thường được xác đinh trước Hoặc đôi khi người ta cũng dùng

ngưỡng thích ứng Chỉ những sai khác lớn hơn ngưỡng Tb mới được xem xét

và xử lý

Hiện nay có nhiều kỹ thuật trừ ảnh và có thể chia thành 5 loại như sau:

- Trừ ảnh dựa vào điểm ảnh

- Trừ ảnh dựa vào khối

- Trừ ảnh dựa vào biểu đồ

- Trừ ảnh dựa vào đặc trưng

- Trừ ảnh dựa vào thống kê

Để thống nhất chúng ta giả sử xét hai ảnh I1 và I2 có cùng kích thước

Trừ hai ảnh I1 và I2 là thực hiện việc tính toán sự sai khác giữa hai ảnh đó

2.3.1.1 Kỹ thuật trừ ảnh dựa vào điểm ảnh

Phương pháp đơn giản nhất để trừ hai khung hình là tính giá trị biểu

diễn sự chênh lệch tổng cộng về cường độ của tất cả các điểm ảnh tương ứng

trên hai khung hình:

1

0 2

X f f D

So sánh giá trị tìm được với ngưỡng chuyển cảnh Tb để xác định xem

có chuyển cảnh hay không

Kỹ thuật trừ ảnh dựa vào điểm ảnh rất đơn giản Nhược điểm lớn

nhất của kỹ thuật này là không phân biệt được sự thay đổi lớn trong một vùng

ảnh nhỏ và thay đổi nhỏ trong một vùng ảnh lớn Nói chung tất cả các kỹ

thuật trừ giá trị điểm ảnh đều nhạy với nhiễu và các di chuyển camera Có thể

cải tiến kỹ thuật này bằng cách đếm tổng số điểm ảnh có thay đổi lớn hơn một

ngưỡng nào đó và so sánh giá trị tính được với một ngưỡng khác để phát hiện

X f

f D

Nếu tỷ lệ số điểm ảnh thay đổi D(f1,f2) lớn hơn ngưỡng T1 thì đã có sự

chuyển cảnh do cắt Tuy các thay đổi không liên quan trong khung hình đã

được loại bỏ bớt nhưng hướng tiếp cận này vẫn nhạy với các di chuyển

camera và đối tượng Chẳng hạn, khi camera quay theo đối tượng, rất nhiều

điểm ảnh được cho là thay đổi, dù cho có ít điểm ảnh dịch chuyển Có thể

giảm tác động này bằng cách sử dụng một bộ lọc trơn: trước khi so sánh, mỗi

điểm ảnh được thay thế bằng giá trị trung bình của các điểm lân cận

Một nhược điểm khác của kỹ thuật trừ điểm ảnh là độ nhạy của điểm

ảnh với việc chiếu sáng Khi đó người ta điều chỉnh độ sai khác giá trị điểm

ảnh bằng cách chia nó cho cường độ của điểm ảnh trên khung hình thứ hai

Hampapur[3] gọi ảnh thu được từ độ chênh lệch hiệu chỉnh là ảnh chromatic:

1

0 2

1

,

,,

1,

x f Y

X f

f D

Phương pháp trừ giá trị điểm ảnh là tính toán từ các giá trị điểm ảnh,

nhưng có thể mở rộng đối vưới các ảnh màu Ví dụ với ảnh màu RGB, ta tính

tổng có trọng số các sai khác của ba giá trị Red, Green, Blue của các điểm ảnh

2 1

0 0 2

i

i i

i Y

y

X x

y x f y x f w f

f D

2.3.1.2 Trừ ảnh phân khối

Sử dụng các đặc tính độc lập với các di chuyển của camera và đối

tượng Mỗi khung hình được chia làm b khối Các khối trên khung hình f1

được so sánh với các khối tương ứng trên khung hình f2.Về cơ bản, độ chênh

lệch giữa hai khung hình được tính như sau:

f D

1

2 1 2

Trong đó Ck là hệ số cho trước, DP(f1,f2, k) là độ chênh lệch giữa hai

khối thứ k của hai khung hình f1 và f2

Kasturi[4] đưa ra công thức:

k k

k k k

k

2 1

2 2 2 1 2k 1

.

2 2

Trong đó 1k, 2k là giá trị cường độ trung bình của khối thứ k 1k,2k

là độ chênh lệch tương ứng với hai khối đó

, 2

1 f k f

Một cắt cảnh xảy ra khi số các khối thay đổi đủ lớn, nghĩa là D(f1,f2) >

T2 và Ck=1 cho tất cả các khối

Một hướng tiếp cận khác nhau với kỹ thuật trừ ảnh phân phối do

Shaharay[5] đưa ra Ông chia khung hình thành 12 miền và tìm miền thích

hợp nhất cho mỗi miền ở khung hình kia Độ chênh lệch tính bằng kỹ thuật

trừ ảnh dựa vào điểm ảnh của từng miền được sắp xếp Tổng có trọng số của

các chênh lệch đã được sắp xếp cho ta kết quả D cuối cùng

Xiong[6] phát triển phương pháp trừ ảnh, gọi là so sánh thực, phát

hiện chuyển cánh do ngắt chỉ bằng viếc so sánh một phần của ảnh Phương

pháp này chỉ ra rằng, sai sót mắc phải hoàn toàn có thể bỏ qua nếu ít hơn một

nửa số các cửa sổ cơ sở (các ô vuông chồng nhau) đều được kiểm tra Với giả

thiết rằng, trong trường hợp thay đổi nhiều nhất giữa hai khung hình thì kích

thước các cửa sổ được chọn đủ lớn để bất biến với các thay đổi không làm vỡ

và đủ nhỏ để có thể chứa thông tin về không gian chừng nào có thể Các cửa

sổ cơ sở được so sánh và tính độ chênh lệch mức xám hoặc giá trị màu của

điểm ảnh Khi giá trị chênh lệch lớn hơn một ngưỡng khác thì sự chuyển cảnh

so ngắt đã xảy ra Thực nghiệm cho thấy rằng hướng tiếp cận này cho tốc độ

nhanh hơn phương pháp so sánh từng cặp điểm

Một số nghiên cứu đã mở rộng ý tưởng lấy mẫu theo không gian và thời gian

Thuật toán có sử dụng bước nhảy phát hiện cả chuyển cảnh đột ngột và

chuyển cảnh dần dần Thuật toán này so sanh hai khung hình i và j, ở đó

j=i+step Nếu không có sự thay đổi đáng kể nào, thì chuyển sang so sánh các

khung hình cách nửa bước nhảy, nghĩa là so sánh hai khung hình i+step/2 và

j+step/2 Ngược lại tìm kiếm nhị phân được dùng để định vị chuyển cảnh

Nếu i và j liên tiếp nhau và sự chênh lệch của hai khung hình lơn hơn ngưỡng

thì đó là chuyển cảnh đột ngột do ngắt Nếu không, sử dụng thuật toán trừ ảnh

dựa trên việc phát hiện cảnh để phát hiện chuyển cảnh dần dần Thuật toán

này phụ thuộc vào bước nhảy step: bước nhảy lớn thì tăng hiệu quả nhưng

cũng tăng khả năng sai sót, bước nhảy nhỏ quá sẽ bỏ qua những chuyển cảnh

dần dần Thuật toán này có độ nhạy rất cao với sự di chuyển của đối tượng và

sự di chuyển của camera

2.3.1.3 Phương pháp biểu đồ

Một bước xa hơn để giảm ảnh hưởng của sự chuyển camera và đối

tượng và thực hiện trừ ảnh dựa vào biểu đồ Biểu đồ mô tả sự phân bố giá trị

điểm ảnh cuả khung hình Ý tưởng của cách tiếp cận này là các ảnh có nền

Hình 2.1:Các cửa sổ cơ sở trong thuật toán so sánh thực

không đổi và đối tượng không đổi sẽ có chênh lệch ít trong biểu đồ.Hơn nữa

biểu đồ bất biến với việc quay ảnh và thay đổi ít khi góc nhìn thay đổi

Có thể dùng biểu đồ màu hoặc biểu đồ mức xám để tính sự sai khác

giữa hai khung hình Biểu đồ màu(mức xám) của khung hình I là một vector

G chiều Hi =(Hi(1), Hi(2),…, Hi(G)) Trong đó G là số màu(mức xám), Hi(j) là

số điểm ảnh của khung hình i có màu(mức xám) j Phương pháp trừ ảnh dựa

trên biểu đồ có thể sử dụng biểu đồ toàn cục hoặc biểu đồ cục bộ Biểu đồ

toàn cục là biểu đồ biểu diễn sự phân bố giá trị màu(mức xám) của toàn bộ

khung hình Còn biểu đồ cục bộ chỉ mô tả sự phân bố của một phần nào đó

của khung hình mà thôi

f D

0

2 1

2

1,

Có thể sử dụng thêm trọng số nếu có một số màu(mức xám) quan

trọng hơn với mục tiêu so sánh

f D

0

2 1

Các thứ ba là sử dụng phần giao nhau giữa hai biểu đồ Vùng biểu đồ

chồng nhau, phần gạch chéo trong hình 2.2, cho biết độ tương tự về nội dung

hai ảnh có thể định nghĩa như sau:

f S

0

2 1

k H k H f

f S

0

2 1

0

2 1

2 1

,max

,min

,

Như vậy dựa vào phần giao nhau của hai biều đồ, có thể tính độ

chênh lệch biểu đồ hai khung hình theo công thức:

k H k H f

f S f

f D

0

2 1

0

2 1

2 1 2

1

,max

,min

1,

1,

2.3.1.3.2 Biểu đồ cục bộ

Phương pháp trừ ảnh dựa vào biểu đồ là phương pháp ít chịu ảnh

hưởng của nhiễu và di chuyển đối tượng Nhưng có một số trở ngại:

+ Biểu đồ chỉ mô tả sự phân bổ các giá trị màu hay mức xám mà

không bao hàm bất cứ thông tin nào về không gian Hai ảnh có cùng biểu đồ

màu nhưng có nội dung khác nhau

+ Trở ngại khác là rất có thể các vùng ảnh nhỏ khi thay đổi sẽ gây

chú ý nhưng lại không có vai trò gì trong biểu đồ và do đó có thể bị bỏ qua

khi thực hiện trừ ảnh

Để giải quyết một số trở ngại của phương pháp trừ ảnh chúng ta sẽ

kết hợp trừ ảnh dựa vào biểu đồ với kỹ thuật trừ ảnh phân khối