Luận văn thạc sĩ Kỹ thuật khoan khai thác và công nghệ dầu khí: CT Scan và ứng dụng trong phân tích mẫu lõi để tính toán độ rỗng

- Nghiên cứu ứng dụng của phương pháp CT Scan trong phân tích mẫu lõi tại Việt Nam, mở ra một hướng đi mới trong việc nâng cao chất lượng trong việc đánh giá khả năng chứa của vỉa dầu kh

-

NGUYỄN LÂM QUỐC CƯỜNG

CT SCAN VÀ ỨNG DỤNG TRONG PHÂN TÍCH MẪU LÕI

TRƯỜNG ĐẠI HỌC BÁCH KHOA –ĐHQG -HCM

Cán bộ hướng dẫn khoa học : TS Mai Cao Lân Cán bộ chấm nhận xét 1: TS Trần Đức Lân Cán bộ chấm nhận xét 2: TS Nguyễn Hữu Chinh Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp HCM ngày tháng năm

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: 1.TSKH Trần Xuân Đào – Chủ tịch

2.TS Đỗ Quang Khánh – Thư Ký3.TS Trần Đức Lân – Phản biện 14.TS Nguyễn Hữu Chinh – Phản biện 25.TS Hoàng Quốc Khánh - Ủy viên

CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ tên học viên: Nguyễn Lâm Quốc Cường MSHV: 12370781

Ngày, tháng, năm sinh: 27/09/1986 Nơi sinh: TPHCM

Chuyên ngành: Kỹ thuật Khoan Khai Thác và CN Dầu Khí Mã số : 60 53 50

I TÊN ĐỀ TÀI: CT SCAN VÀ ỨNG DỤNG TRONG PHÂN TÍCH MẪU LÕI ĐỂ TÍNH TOÁN ĐỘ RỖNG

II NHIỆM VỤ VÀ NỘI DUNG: .

- Nghiên cứu ứng dụng của phương pháp CT Scan trong phân tích mẫu lõi tại Việt Nam, mở ra một hướng đi mới trong việc nâng cao chất lượng trong việc đánh giá khả năng chứa của vỉa dầu khí

- Nghiên cứu phương pháp xử lý hình ảnh để tính toán độ rỗng của mẫu lõi đường kính lớn và đưa ra những công thức thực nghiệm để tính cho toàn bộ hiệp mẫu

III NGÀY GIAO NHIỆM VỤ : (Ghi theo trong QĐ giao đề tài)

IV NGÀY HOÀN THÀNH NHIỆM VỤ: (Ghi theo trong QĐ giao đề tài)

V CÁN BỘ HƯỚNG DẪN (Ghi rõ học hàm, học vị, họ, tên):

Tp HCM, ngày tháng năm 20

CÁN BỘ HƯỚNG DẪN (Họ tên và chữ ký) CHỦ NHIỆM BỘ MÔN ĐÀO TẠO (Họ tên và chữ ký) TRƯỞNG KHOA….………

(Họ tên và chữ ký)

Trên thực tế không có sự thành công nào mà không gắn liền với những sự hỗ trợ, giúp đỡ dù ít hay nhiều, dù trực tiếp hay gián tiếp của người khác Trong suốt thời gian từ khi bắt đầu học tập tại trường đến nay, em đã nhận được rất nhiều sự quan tâm, giúp đỡ của quý thầy, gia đình và bạn bè Với lòng biết ơn sâu sắc nhất, em xin gửi đến quý thầy ở khoa Địa chất – Dầu Khí đã cùng với tri thức và tâm huyết của mình để truyền đạt vốn kiến thức quý báu cho chúng em trong suốt thời gian học tập tại trường Nếu không có những lời hướng dẫn, dạy bảo của các thầy thì em nghĩ cuốn luận văn này của em rất khó có thể hoàn thiện được Một lần nữa, em xin chân thành cảm ơn các thầy đặc biệt là thầy Mai Cao Lân là người trực tiếp hướng dẫn em Bước đầu đi vào thực tế của luận văn còn hạn chế và còn nhiều bỡ ngỡ Do vậy, không tránh khỏi những thiếu sót là điều chắc chắn, em rất mong nhận được những ý kiến đóng góp quý báu của quý thầy và các bạn học cùng lớp để kiến thức này có thể phát huy nhiều hơn và ngày càng chuyên sâu hơn

Trong quá trình thực hiện luận văn, cũng như là trong quá trình làm bài báo cáo tốt nghiệp, khó tránh khỏi sai sót, rất mong các thầy bỏ qua Đồng thời do trình độ lý luận cũng như kinh nghiệm thực tiễn còn hạn chế nên bài báo cáo không thể tránh khỏi những thiếu sót, em rất mong nhận được ý kiến đóng góp thầy để em học thêm được nhiều kinh nghiệm

Em xin chân thành cảm ơn!

In recent years, applications tomography (CT) has been applied in the analysis of core samples and developing CT Scan is applied in the direction of core samples, distinguishing samples inside core structure can be seen simultaneously heterogeneity of the system a great help in selecting representative samples to separate plug area With the benefits that brings CT Scan, CT Scan application has been used for years in the world and is seen as a mandatory step to be done when core analysis but for Vietnam, this approach also quite new Therefore, the author wants to introduce this method in part to introduce a new method useful for core analysis to the oil and gas contractors in Vietnam, partly to emphasize the importance of the method Besides, the authors carried out a study from the tomography image is high resolution From the analysis of images extracted from the tomography results, one can calculate the physical parameters of the rock strata such as porosity, permeability, adhesion wet In this study, the porosity of core samples were determined from the scans with single scan mode through many different techniques as identified by technical hollow space or image segmentation techniques and then digitized images are statistics and analysis Willow Results calculated porosity through CT Scan images will be compared with results of core analysis standard (routine core analysis) is done on the principle of Helium gas expansion to ensure the quality of the argument Willow A total of 31 large-diameter core samples (full diameter) taken from the wells of the Cuu Long and Nam Con Son and the Red River was made tomography and image analysis The subjects were divided into several groups form different stones such as limestone, sandstone, fractured basement These samples have porosity of 11% - 40.9%, permeability from 0.002 mD - 1373 mD From the results of research and statistical data based on values set in grayscale grayscale value of about 0 to 255, the authors came up with a standard gray-scale values (grayscale point) of each group are looking for various stones and thereby establish the correlation formula of experimental rock group to determine porosity for the entire half sample This calculation will help a lot for the calculation on a system passages can not get core samples At the same time this will be a new direction that the author wants to pursue to develop and expand for the calculation of saturation, permeability and other indicators in the analysis of core samples

Trong những năm gần đây, ứng dụng chụp cắt lớp (CT scan) đã được áp dụng trong phân tích mẫu lõi và ngày càng phát triển CT Scan được ứng dụng trong việc định hướng mẫu core, phân biệt cấu trúc bên trong mẫu core đồng thời có thể thấy được tính bất đồng nhất của thành hệ giúp ích rất nhiều trong việc lựa chọn mẫu plug đại diện để phân tích Với những lợi ích mà CT Scan mang lại, việc ứng dụng CT Scan đã được thế giới sử dụng từ lâu và được xem như là một bước bắt buộc cần phải làm khi phân tích mẫu lõi nhưng đối với Việt Nam thì phương pháp này còn khá mới mẻ Chính vì thế tác giả mong muốn giới thiệu phương pháp này một phần để giới thiệu một phương pháp mới giúp ích cho việc phân tích mẫu lõi đến các nhà thầu dầu khí tại Việt Nam, một phần nhấn mạnh tầm quan trọng của phương pháp Bên cạnh đó, tác giả thực hiện một nghiên cứu từ những hình ảnh cắt lớp độ phân giải cao này Từ những phân tích hình ảnh trích xuất từ kết quả chụp cắt lớp, người ta có thể tính toán được các thông số vật lý của đất đá vỉa như độ rỗng, độ thấm, độ dính ướt…Trong nghiên cứu này, độ rỗng của mẫu lõi được xác định từ ảnh chụp cắt lớp với chế độ quét đơn thông qua nhiều kỹ thuật khác nhau như xác định không gian rỗng bằng kỹ thuật phân vùng ảnh hay kỹ thuật số hóa ảnh và sau đó được thống kê và phân tích số liệu Kết quả tính toán độ rỗng thông qua hình ảnh CT Scan sẽ được đem so sánh với kết quả phân tích mẫu lõi tiêu chuẩn ( routine core analysis) được thực hiện theo nguyên tắc giãn nở khí Helium để đảm bảo tính chất biện luận của số liệu Tổng số 31 mẫu lõi đường kính lớn (full diameter) lấy từ các giếng khoan thuộc bể Cửu Long, Nam Côn Sơn và Sông Hồng đã được thực hiện chụp cắt lớp và phân tích hình ảnh Các đối tượng mẫu được chia làm nhiều nhóm đá khác nhau như đá vôi, đá cát kết, đá móng nứt nẻ Các mẫu này có độ rỗng từ 11% - 40.9 %, độ thấm từ 0.002 mD - 1373 mD Từ kết quả nghiên cứu và thống kê số liệu dựa trên tập hợp các giá trị trên thang độ xám grayscale với khoảng giá trị từ 0 đến 255, tác giả đã đưa ra giá trị độ xám chuẩn (grayscale point) cần tìm của mỗi nhóm đá khác nhau và từ đó lập các công thức tương quan thực nghiệm của từng nhóm đá nhằm xác định độ rỗng cho toàn bộ hiệp mẫu Việc tính toán này sẽ giúp ích rất nhiều cho những tính toán trên những đoạn thành hệ không lấy được mẫu core Đồng thời đây sẽ là một hướng đi mới mà tác giả muốn theo đuổi để phát triển và mở rộng cho việc tính toán độ bão hòa, độ thấm và các chỉ tiêu khác trong phân tích mẫu lõi.

Tác giả luận văn có lời cam đoan danh dự về công trình khoa học của mình, cụ thể: Tôi tên : NGUYỄN LÂM QUỐC CƯỜNG

Sinh ngày 27 tháng 09 năm 1986 Quê quán: TPHCM

Hiện công tác tại: Viện Dầu Khí Việt Nam Là học viên cao học khóa 2012 trường Đại học Bách Khoa TPHCM Mã số học viên: 12370781

Tôi cam đoan: Luận văn tốt nghiệp : “CT SCAN VÀ ỨNG DỤNG TRONG PHÂN TÍCH MẪU LÕI ĐỂ TÍNH TOÁN ĐỘ RỖNG” là công trình nghiên cứu của riêng tôi, các kết quả nghiên cứu có tính độc lập riêng, không sao chép bất kỳ tài liệu nào và chưa công bố nội dung này ở bất kỳ đâu Các số liệu trong luận văn được sử dụng trung thực, nguồn trích dẫn có chú thích rõ ràng, minh bạch, có tính kế thừa, phát triển từ các tài liệu, tạp chí, các công trình nghiên cứu đã được công bố, các website

Tôi xin hoàn toàn chịu trách nhiệm về lời cam đoan danh dự của tôi TP HCM, tháng 12 năm 2014

Tác giả

MỤC LỤC DANH MỤC HÌNH DANH MỤC BẢNG

MỞ ĐẦU

CHƯƠNG 1: CƠ SỞ LÝ THUYẾT 1

I.1 Tổng quan về xử lý ảnh 1

I.1.1 Xử lý ảnh, các vấn đề cơ bản 1

I.1.2 Thu nhận và biểu diễn ảnh 6

I.2 Các kỹ thuật nâng cao chất lượng hình ảnh 7

I.2.1 Các kỹ thuật không phụ thuộc không gian 7

I.2.2 Các kỹ thuật phụ thuộc không gian 15

I.3 Biên và phương pháp phát hiện biên 19

I.3.1 Giới thiệu 19

I.3.2 Các phương pháp phát hiện biên 20

I.3.3 Phát hiện biên gián tiếp 25

CHƯƠNG 2: CT SCAN VÀ PHƯƠNG PHÁP TÍNH ĐỘ RỖNG BẰNG HÌNH ẢNH CT SCAN 29

II.1 CT Scan và ứng dụng trong phân tích mẫu lõi 29

II.1.1 Định nghĩa 29

II.1.1 Ứng dụng của CT Scan trong phân tích mẫu lõi 30

II.2 Phương pháp tính toán độ rỗng thông qua ảnh phân giải cao CT Scan 35

II.2.1 Phương pháp tính toán 36

CHƯƠNG 3: TIẾN HÀNH THÍ NGHIỆM VÀ KẾT QUẢ 48

II.1 Tiến hành thí nghiệm 49

II.2 Quy trình thực hiện 52

II.3 Kết quả 55

KẾT LUẬN VÀ KIẾN NGHỊ 67

DANH MỤC CÔNG TRÌNH CỦA TÁC GIẢ 69

TÀI LIỆU THAM KHẢO 70

Hình 1.1: Quá trình xử lý ảnh Trang 1 Hình 1.2: Các bước cơ bản trong một hệ thống xử lý ảnh Trang 2 Hình 1.3: Ảnh thu nhận và ảnh mong muốn Trang 10 Hình 1.4: Ma trận 8-láng giềng kề nhau Trang 26 Hình 1.5: Ví dụ về chu tuyến của đối tượng ảnh Trang 27 Hình 1.6: Chu tuyến trong và chu tuyến ngoài Trang 20 Hình 2.1: Máy CT Scanner Trang 29 Hình 2.2: Cấu trúc bên trong máy CT Scanner Trang 30 Hình 2.3: Ống mẫu thực tế Trang 31 Hình 2.4: Mặt cắt đứng của mậu CT Scan Trang 32 Hình 2.5: Mô hình CT-Scan 3-D của 1m core Trang 34 Hình 2.6: Ảnh CT các loại đất đá: Cacbonat-Cát kết-Granit Trang 35 Hình 2.7: Ảnh CT bị ảnh hưởng độ sáng của vật chất trong ống nhôm Trang 36 Hình 2.8: Sự chênh lệch sáng tối của ảnh trên củng một loại đất đá Trang 37 Hình 2.9: So sánh các phương pháp phát hiện biên của mẫu cát kết Trang 38 Hình 2.10: So sánh các phương pháp phát hiện biên của mẫu cacbonat Trang 39 Hình 2.11: So sánh các phương pháp phát hiện biên của mẫu granit Trang 40 Hình 2.12: Ảnh thể hiện cách thức phân vùng ảnh Trang 42 Hình 2.13: Ảnh trước và sau khi phân vùng Trang 43

Hình 3.1: Lưu đồ quy trình thực hiện Trang 49 Hình 3.2: Ảnh CT 1 lát cắt của mẫu FD19 Trang 53 Hình 3.3: Ảnh sau khi phân vùng của lát cắt mẫu FD19 Trang 53 Hình 3.4:1 phần kết quả số hóa ảnh CT của mẫu FD19 Trang 54 Hình 3.5: Biểu đồ thống kê mức độ xám của lát cắt mẫu FD19 Trang 54 Hình 3.6: Biểu đồ tương quan độ rỗng từ CT Scan và phân tích mẫu lõi tiêu chuẩn của mẫu cát kết Trang 63 Hình 3.7: Biểu đồ tương quan độ rỗng từ CT Scan và phân tích mẫu lõi tiêu chuẩn của mẫu đá vôi Trang 65

Bảng 2.1: Bảng ước tính độ rỗng trung bình của mẫu Trang 46 Bảng 3.1: Các mẫu dùng cho thí nghiệm cắt lớp Trang 50 Bảng 3.2: Độ rỗng trung bình theo CT của các mẫu cát kết tại giá trị xám chuẩn X =41 Trang 56 Bảng 3.3: Độ rỗng của các mẫu cát kết tính toán theo các giá trị độ xám Trang 56 Bảng 3.4: Độ rỗng trung bình theo CT của các mẫu đá vôi tại giá trị xám chuẩn X =70 Trang 58 Bảng 3.5: Độ rỗng của các mẫu đá vôi tính toán theo các giá trị độ xám Trang 58 Bảng 3.6: Độ rỗng trung bình theo CT của các mẫu đá granit tại giá trị xám chuẩn X =40 Trang 60 Bảng 3.7: Độ rỗng của các mẫu granit tính toán theo các giá trị độ xám Trang 60 Bảng 3.8:Kết quả độ rỗng trung bình của cát kết từ kết quả CT Scan theo điểm xám chuẩn X=41 Trang 58 Bảng 3.9: Kết quả độ rỗng trung bình của đá vôi từ kết quả CT Scan theo điểm xám chuẩn X=70 Trang 60 Bảng 3.10: Kết quả độ rỗng trung bình của đá granit từ kết quả CT Scan theo điểm xám chuẩn X=40 Trang 63

Trên thế giới, phần lớn sản lượng dầu hiện tại được khai thác từ các mỏ sắp cạn kiệt, mức độ bổ sung trữ lượng từ các mỏ mới cũng đang trên đà giảm mạnh Công cuộc tìm kiếm rồi đánh giá và cuối cùng là khai thác cần phải được xem xét kỹ lưỡng để quy trình của việc phát triển một mỏ mới cần phải ngày càng chính xác và tối ưu hóa Để đáp ứng cho nhu cầu đó thì các nhà khoa học đã áp dụng nhiều kỹ thuật mới, tiên tiến hơn vào việc tìm kiếm, thăm dò cũng như thẩm định, đánh giá vỉa chứa dầu khí Nhiều nghiên cứu đã được tìm ra, nhiều phương pháp mới đã được ứng dụng và một trong số đó là ứng dụng phân tích hình ảnh thông qua hình ảnh chụp cắt lớp phân giải cao CT Scan

Công nghệ thông tin ngày càng phát triển, phần cứng máy tính và các thiết bị liên quan đã có những tiến bộ vượt bậc về tốc độ tính toán, dung lượng chứa, khả năng xử lý chính vì vậy các công việc liên quan tới xử lý hình ảnh đã không còn là trở ngại nữa Khái niệm ảnh số đã trở nên thông dụng với hầu hết mọi người trong xã hội và việc thu nhận ảnh số bằng các thiết bị chuyên dụng cùng với việc đưa vào máy tình xử lý đã trở nên dễ dàng hơn Một trong những thiết bị chuyên dụng đó chính là máy CT ( computerized-tomography) Scanner – thiết bị đã trở nên quá quen thuộc trong ngành y tế Việc phát triển và sử dụng máy CT Scanner vào trong ngành dầu khí nói chung là một hướng đi mới nhưng vô cùng hiệu quả và giúp ích rất nhiều trong việc tìm kiếm thăm dò hay đánh giá chất lượng vỉa chứa của chúng ta

Công nghệ này đã được ứng dụng trên thế giới cũng được một thời gian nhưng đối với Việt Nam thì nó còn rất mới mẻ Với mong muốn là một trong những cơ sở cũng như là đơn vị mang tính chất nghiên cứu chuyên sâu, Viện dầu khí Việt Nam – Trung tâm phân tích thí nghiệm mong muốn là những người đi tiên phong trong lĩnh vực này Tác giả là người có cơ hội làm việc trực tiếp với máy móc cũng như phần mềm xử lý nên tác giả

nhiều nhà thầu đặc biệt là các nhà thầu lớn như ExxonMobil, Premier Oil, Idemitsu, Petronas, JVPC, Cuu Long JOC…đã đòi hỏi phát triển dịch vụ này vì tầm quan trọng của nó trong việc đánh giá chất lượng vỉa nói chung và phân tích mẫu lõi nói riêng Qua đây tác giả mong muốn được giới thiệu cũng như đưa ra những nghiên cứu của mình về lĩnh vực này nhằm mục đích phát triển tiềm năng phân tích của dịch vụ này cũng như phát triển sâu hơn, xa hơn ứng dụng đầy tiềm năng này trong tương lai, góp phần nhỏ của mình vào công cuộc phát triển ngành dầu khí nước nhà Đó chính là lý do tác giả đã lựa chọn đề tài này cho luận văn thạc sĩ của mình

MỤC ĐÍCH NGHIÊN CỨU

- Ứng dụng phương pháp CT Scan trong phân tích mẫu lõi và tổng hợp những lợi ích mà CT Scan mang lại để làm nổi bật lên tầm quan trọng của phương pháp - Ứng dụng phương pháp xử lí và phân tích hình ảnh để tìm ra phương pháp tính

toán độ rỗng của mẫu lõi đồng thời cho thấy được tiềm năng ứng dụng phương pháp này trong việc phân tích mẫu lõi chuyên sâu như tính toán độ thấm, độ bão hòa…

ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU

- Đối tượng mẫu được lựa chọn nghiên cứu là các mẫu core tươi nguyên được đem từ giàn khoan về để đảm bảo tính chất ban đầu trong vỉa

- Phạm vi mẫu được lấy là từ nhiều giếng của nhiều mỏ khác nhau để đảm bảo tính đa dạng cũng như tính chính xác của phương pháp nghiên cứu

Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN a Ý nghĩa khoa học:

- Nghiên cứu ứng dụng của phương pháp CT Scan trong phân tích mẫu lõi tại Việt Nam, mở ra một hướng đi mới trong việc nâng cao chất lượng trong việc đánh giá khả năng chứa của vỉa dầu khí như độ rỗng, độ thấm, độ bão hòa…

- Nghiên cứu phương pháp xử lý hình ảnh để phát triển khả năng ứng dụng chuyên sâu của phương pháp CT Scan, tìm ra các thông số đặc tính của vỉa như độ rỗng, độ thấm nhằm phục vụ trong việc đánh giá vỉa chứa đồng thời là đưa ra thêm phương pháp đối chứng với những phương pháp truyền thống

b Ý nghĩa thực tiễn:

- Ứng dụng phương pháp CT Scan trong phân tích mẫu lõi là mở ra một xu hướng dịch vụ mới, góp phần mang lại lợi ích cho cơ quan nói riêng và ngành dầu khí nói chung

- Tìm ra phương pháp tính toán độ rỗng bằng hình ảnh CT Scan là chứng minh rõ ràng nhất cho khả năng ứng dụng cao của phương pháp CT Scan trong mảng dịch vụ mới này

CHƯƠNG 1

CƠ SỞ LÝ THUYẾT

I.1 Tổng quan về xử lí ảnh: I.1.1 Xử lý ảnh, các vấn đề cơ bản trong xử lý ảnh I.1.1.1 Xử lý ảnh là gì? [1]

Con người thu nhận thông tin qua các giác quan, trong đó thị giác đóng vai trò quan trọng nhất Những năm trở lại đây với sự phát triển của phần cứng máy tính, xử lý ảnh và đồ hoạ đó phát triển một cách mạnh mẽ và có nhiều ứng dụng trong cuộc sống Xử lý ảnh và đồ hoạ đóng một vai trò quan trọng trong tương tác người máy

Quá trình xử lý ảnh được xem như là quá trình thao tác ảnh đầu vào nhằm cho ra kết quả mong muốn Kết quả đầu ra của một quá trình xử lý ảnh có thể là một ảnh “tốt hơn” hoặc một kết luận

Hình 1.1 Quá trình xử lý ảnh

Ảnh có thể xem là tập hợp các điểm ảnh và mỗi điểm ảnh được xem như là đặc trưng cường độ sáng hay một dấu hiệu nào đó tại một vị trí nào đó của đối tượng trong không

gian và nó có thể xem như một hàm n biến P(c1, c2, , cn) Do đó, ảnh trong xử lý ảnh có thể xem như ảnh đa chiều

Sơ đồ tổng quát của một hệ thống xử lý ảnh:

Hình 1.2 Các bước cơ bản trong một hệ thống xử lý ảnh

I.1.1.2 Các vấn đề cơ bản trong xử lý ảnh [4,5] a Một số khái niệm cơ bản:

Hình 1.3 Ảnh thu nhận và ảnh mong muốn Để khắc phục người ta sử dụng các phép chiếu, các phép chiếu thường được xây dựng trên tập các điểm điều khiển

c Khử nhiễu:

Có 2 loại nhiễu cơ bản trong quá trình thu nhận ảnh • Nhiễu hệ thống: là nhiễu có quy luật có thể khử bằng các phép biến đổi • Nhiễu ngẫu nhiên: vết bẩn không rõ nguyên nhân → khắc phục bằng các phép lọc

• Tăng số mức xám: Thực hiện nội suy ra các mức xám trung gian bằng kỹ thuật nội suy Kỹ thuật này nhằm tăng cường độ mịn cho ảnh

Đặc điểm biên và đường biên: Đặc trưng cho đường biên của đối tượng và do vậy rất

hữu ích trong việc trích trọn các thuộc tính bất biến được dùng khi nhận dạng đối tượng Các đặc điểm này có thể được trích chọn nhờ toán tử gradient, toán tử la bàn, toán tử Laplace, toán tử “chéo không” (zero crossing)

Việc trích chọn hiệu quả các đặc điểm giúp cho việc nhận dạng các đối tượng ảnh chính xác, với tốc độ tính toán cao và dung lượng nhớ lưu trữ giảm xuống

f Nhận dạng

Nhận dạng tự động (automatic recognition), mô tả đối tượng, phân loại và phân nhóm các mẫu là những vấn đề quan trọng trong thị giác máy,được ứng dụng trong nhiều ngành khoa học khác nhau Tuy nhiên, một câu hỏi đặt ra là: mẫu (pattern) là gì? Watanabe, một trong những người đi đầu trong lĩnh vực này đã định nghĩa: “Ngược lại với hỗn loạn (chaos), mẫu là một thực thể (entity), được xác định một cách ang áng (vaguely defined) và có thể gán cho nó một tên gọi nào đó” Ví dụ mẫu có thể là ảnh của vân tay, ảnh của một vật nào đó được chụp, một chữ viết, khuôn mặt người hoặc một ký đồ tín hiệu tiếng nói Khi biết một mẫu nào đó, để nhận dạng hoặc phân loại mẫu đó có thể:

Hoặc phân loại có mẫu (supervised classification), chẳng hạn phân tích phân biệt

(discriminant analyis), trong đó mẫu đầu vào được định danh như một thành phần của một lớp đã xác định

Hoặc phân loại không có mẫu (unsupervised classification hay clustering) trong đó các

mẫu được gán vào các lớp khác nhau dựa trên một tiêu chuẩn đồng dạng nào đó Các lớp này cho đến thời điểm phân loại vẫn chưa biết hay chưa được định danh

Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau đây:

1 Thu nhận dữ liệu và tiền xử lý 2 Biểu diễn dữ liệu

3 Nhận dạng, ra quyết định Bốn cách tiếp cận khác nhau trong lý thuyết nhận dạng là:

1 Đối sánh mẫu dựa trên các đặc trưng được trích chọn 2 Phân loại thống kê

3 Đối sánh cấu trúc 4 Phân loại dựa trên mạng nơ-ron nhân tạo Trong các ứng dụng rõ ràng là không thể chỉ dùng có một cách tiếp cận đơn lẻ để phân loại “tối ưu” do vậy cần sử dụng cùng một lúc nhiều phương pháp và cách tiếp cận khác nhau Do vậy, các phương thức phân loại tổ hợp hay được sử dụng khi nhận dạng và nay đã có những kết quả có triển vọng dựa trên thiết kế các hệ thống lai (hybrid system) bao gồm nhiều mô hình kết hợp

Việc giải quyết bài toán nhận dạng trong những ứng dụng mới, nảy sinh trong cuộc sống không chỉ tạo ra những thách thức về thuật giải, mà còn đặt ra những yêu cầu về tốc độ tính toán Đặc điểm chung của tất cả những ứng dụng đó là những đặc điểm đặc trưng cần thiết thường là nhiều, không thể do chuyên gia đề xuất, mà phải được trích chọn dựa trên các thủ tục phân tích dữ liệu

g Nén ảnh

Nhằm giảm thiểu không gian lưu trữ Thường được tiến hành theo cả hai cách khuynh hướng là nén có bảo toàn và không bảo toàn thông tin Nén không bảo toàn thì thường có khả năng nén cao hơn nhưng khả năng phục hồi thì kém hơn Trên cơ sở hai khuynh hướng, có 4 cách tiếp cận cơ bản trong nén ảnh:

• Nén ảnh thống kê: Kỹ thuật nén này dựa vào việc thống kê tần xuất xuất hiện của giá trị các điểm ảnh, trên cơ sở đó mà có chiến lược mã hóa thích hợp Một ví dụ điển hình cho kỹ thuật mã hóa này là *.TIF

• Nén ảnh không gian: Kỹ thuật này dựa vào vị trí không gian của các điểm ảnh để tiến hành mã hóa Kỹ thuật lợi dụng sự giống nhau của các điểm ảnh trong các vùng gần nhau Ví dụ cho kỹ thuật này là mã nén *.PCX

• Nén ảnh sử dụng phép biến đổi: Đây là kỹ thuật tiếp cận theo hướng nén không bảo toàn và do vậy, kỹ thuật thướng nến hiệu quả hơn *.JPG chính là tiếp cận theo kỹ thuật nén này

• Nén ảnh Fractal: Sử dụng tính chất Fractal của các đối tượng ảnh, thể hiện sự lặp lại của các chi tiết Kỹ thuật nén sẽ tính toán để chỉ cần lưu trữ phần gốc ảnh và quy luật sinh ra ảnh theo nguyên lý Fractal

I.2.2 Thu nhận và biểu diễn ảnh

I.2.2.1 Thu nhận, các thiết bị thu nhận ảnh

Các thiết bị thu nhận ảnh bao gồm 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 Các thiết bị thu nhận ảnh thông thường Raster là camera các thiết bị thu nhận ảnh thông thường Vector là sensor hoặc bàn số hoá Digitalizer hoặc được chuyển đổi từ ảnh Raster

Nhìn chung các hệ thống thu nhận ảnh thực hiện 1 quá trình • Cảm biến: biến đổi năng lượng quang học thành năng lượng điện • Tổng hợp năng lượng điện thành ảnh

I.2.2.2 Biểu diễn ảnh

Ảnh trên máy tính là kết quả thu nhận theo các phương pháp số hoá được gắn trong các thiết bị kỹ thuật khác nhau Quá trình lưu trữ ảnh nhằm 2 mục đích:

• Tiết kiệm bộ nhớ • Giảm thời gian xử lý Việc lưu trữ thông tin trong bộ nhớ có ảnh hưởng rất lớn đến việc hiển thị, in ấn và xử lý ảnh được xem như là 1 tập hợp các điểm với cùng kích thước nếu sử dụng càng nhiều điểm ảnh thì bức ảnh càng đẹp, càng mịn và càng thể hiện rõ hơn chi tiết của ảnh người ta gọi đặc điểm này là độ phân giải

I.2 Các kỹ thuật nâng cao chất lượng hình ảnh I.2.1 Các kỹ thuật không phụ thuộc không gian

I.2.1.1 Giới thiệu

Các phép toán không phụ thuộc không gian là các phép toán không phục thuộc vị trí của điểm ảnh Ví dụ: Phép tăng giảm độ sáng , phép thống kê tần suất, biến đổi tần suất Một trong những khái niệm quan trọng trong xử lý ảnh là biểu đồ tần suất (Histogram) Biểu đồ tần suất của mức xám G của ảnh I là số điểm ảnh có giá trị g của ảnh I Ký hiệu là h(g)

Ví dụ:

I.2.1.2 Tăng giảm độ sáng

Giả sử ta có I ~ kích thước m × n và số nguyên c Khi đó, kỹ thuật tăng, giảm độc sáng được thể hiện for (i = 0; i < m; i + +)

for (j = 0; j < n; j + +) I [i, j] = I [i, j] + c; • Nếu c > 0: ảnh sáng lên • Nếu c < 0: ảnh tối đi

I.2.1.3 Tách ngưỡng

Giả sử ta có ảnh I ~ kích thước m × n, hai số Min, Max và ngưỡng θ khi đó: Kỹ thuật tách ngưỡng được thể hiện

for (i = 0; i < m; i + +) for (j = 0; j < n; j + +) I [i, j] = I [i, j] > = θ? Max : Min;

* Ứng dụng:

Nếu Min = 0, Max = 1 kỹ thuật chuyển ảnh thành ảnh đen trắng được ứng dụng khi quét và nhận dạng văn bản có thể xảy ra sai sót nền thành ảnh hoặc ảnh thành nền dẫn đến ảnh bị đứt nét hoặc dính

Để tổng quát khi biến đổi người ta sẽ lấy cùng 1 kích thước bunch_size

I [i,j] = I [i,j]/ bunch - size * bunch_size ∀(i,j)

Ví dụ: Bó cụm ảnh sau với bunch_size= 3

I.2.1.5 Cân bằng histogram

Ảnh I được gọi là cân bằng "lý tưởng" nếu với mọi mức xám g, g’ ta có h(g) = h(g’) Giả sử, ta có ảnh I ~ kích thước m × n

new_level ~ số mức xám của ảnh cân bằng 𝑇𝐵 = 𝑛𝑒𝑤_𝑙𝑒𝑣𝑒𝑙𝑚 ×n ~ số điểm ảnh trung bình của mỗi mức xám của ảnh cân bằng 𝑡(𝑔) = ∑𝑔𝑖=0ℎ(𝑖) ~ số điểm ảnh có mức xám ≤ g

Xác định hàm f: g → f(g) Sao cho:

f(g) = max{0, 𝑟𝑜𝑢𝑛𝑑 (𝑡(𝑔)

𝑇𝐵)} − 1

Ví dụ: Cân bằng ảnh sau với new_level= 4

Thì ta có :

Và :

Chú ý: Ảnh sau khi thực hiện cân bằng chưa chắc đã là cân bằng "lý tưởng"

I.2.1.6 Kỹ thuật tách ngưỡng tự động

Ngưỡng θ trong kỹ thuật tách ngưỡng thường được cho bởi người sử dụng Kỹ thuật tách ngưỡng tự động nhằm tìm ra ngưỡng θ một cách tự động dựa vào histogram theo nguyên lý trong vật lý là vật thể tách làm 2 phần nếu tổng độ lệnh trong từng phần là tối thiểu Giả sử, ta có ảnh I ~ kích thước m × n

G ~ là số mức xám của ảnh kể cả khuyết thiếu t(g) ~ số điểm ảnh có mức xám ≤ g

Lập bảng :

Ngưỡng cần tách θ = 1 ứng với f(θ)= 1.66

I.2.1.7 Biến đổi cấp xám tổng thể

Nếu biết ảnh và hàm biến đổi thì ta có thể tính được ảnh kết quả và do đó ta sẽ có được histogram của ảnh biến đổi Nhưng thực tế nhiều khi ta chỉ biết histogram của ảnh gốc và hàm biến đổi, câu hỏi đặt ra là liệu ta có thể có được histogram của ảnh biến đổi Nếu có như vậy ta có thể hiệu chỉnh hàm biến đổi để thu được ảnh kết quả có phân bố histogram như mong muốn

Bài toán đặt ra là biết histogram của ảnh, biết hàm biến đổi hãy vẽ histogram của ảnh mới

Ví dụ:

Bước 1: Vẽ Histogram của ảnh cũ

Bước 2: Vẽ đồ thị hàm f(g)

Đặt q = f(g) h(q) = card ({P| I(P) = q}) = card ({P| I(P) = f(g)}) = card ({P| g = f-1 (I(P))}) = ∑𝑖∈𝑓−1(𝑞)ℎ(𝑖)

Histogram của ảnh mới thu được bằng cách chồng hình và tính giá trị theo các q (= f(g)) theo công thức tính trên Kết quả cuối thu được sau phép quay góc 90 thuận chiều kim đồng hồ

I.2.2 Các kỹ thuật phụ thuộc không gian

I.2.2.1 Phép cuộn và mẫu

Giả sử ta có ảnh I kích thước M × N, mẫu T có kích thước m × n khi đó, ảnh I cuộn theo mẫu T được xác định bởi công thức

Ví dụ:

Tính theo công thức 2.1 :

Áp dụng kĩ thuật cộng hằng số c= -27, ta có :

b Mẫu T2 :

Dùng để phát hiện các điểm có tần số cao Ví dụ:

I.3 Biên và phương pháp phát hiện biên[9,10,11] I.3.1 Giới thiệu

Biên là điểm bao quanh vòng ngoài của đối tượng để từ đó có thể phân biệt được các thành phần khác nhau trong đối tượng hoặc giữa các đối tượng khác nhau trong cùng 1 ảnh Biên là vấn đề quan trọng trong trích chọn đặc điểm nhằm tiến tới hiểu ảnh Cho đến nay chưa có định nghĩa chính xác về biên, trong mỗi ứng dụng người ta đưa ra các độ đo khác nhau về biên, một trong các độ đo đó là độ đo về sự thay đổi đột ngột về cấp xám Ví dụ: Đối với ảnh đen trắng, một điểm được gọi là điểm biên nếu nó là điểm đen có ít nhất một điểm trắng bên cạnh Tập hợp các điểm biên tạo nên biên hay đường bao của đối tượng Xuất phát từ cơ sở này người ta thường sử dụng hai phương pháp phát hiện biên cơ bản:

Phát hiện biên trực tiếp: Phương pháp này làm nổi biên dựa vào sự biến thiên mức xám

của ảnh Kỹ thuật chủ yếu dùng để phát hiện biên ở đây là dựa vào sự biến đổi cấp xám theo hướng Cách tiếp cận theo đạo hàm bậc nhất của ảnh dựa trên kỹ thuật Gradient, nếu lấy đạo hàm bậc hai của ảnh dựa trên biến đổi gia ta có kỹ thuật Laplace

Phát hiện biên gián tiếp: Nếu bằng cách nào đó ta phân được ảnh thành các vùng thì

ranh giới giữa các vùng đó gọi là biên Kỹ thuật dò biên và phân vùng ảnh là hai bài toán đối ngẫu nhau vì dò biên để thực hiện phân lớp đối tượng mà khi đã phân lớp xong nghĩa là đã phân vùng được ảnh và ngược lại, khi đã phân vùng ảnh đã được phân lớp thành các đối tượng, do đó có thể phát hiện được biên

Phương pháp phát hiện biên trực tiếp tỏ ra khá hiệu quả và ít chịu ảnh hưởng của nhiễu, song nếu sự biến thiên độ sáng không đột ngột, phương pháp tỏ ra kém hiệu quả, phương pháp phát hiện biên gián tiếp tuy khó cài đặt, song lại áp dụng khá tốt trong trường hợp này

I.3.2 Các phương pháp phát hiện biên trực tiếp

I.3.2.1 Kỹ thuật phát hiện biên Gradient

Theo định nghĩa, kỹ thuật phát hiện biên Gradient là kỹ thuật tính toán ước lượng độ lớn gradient bằng cách sử dụng bộ lọc làm mịn và sử dụng dự đoán tính toán để xác định vị trí của biên Nói cách khác phương pháp Gradient là phương pháp dò biên cục bộ bằng cách tìm kiếm cực đại và cực tiểu khi lấy đạo hàm bậc nhất của ảnh Gradient là một véctơ có các thành phần biểu thị tốc độ thay đổi giá trị của điểm ảnh, ta có:

Trong đó, dx, dy là khoảng cách (tính bằng số điểm) theo hướng x và y

* Nhận xét:

Tuy ta nói là lấy đạo hàm nhưng thực chất chỉ là mô phỏng và xấp xỉ đạo hàm bằng các kỹ thuật nhân chập (cuộn theo mẫu) vì ảnh số là tín hiệu rời rạc nên đạo hàm không tồn tại

Ví dụ: Với dx = dy = 1, ta có:

a Kỹ thuật Robert

Lý do chính để sử dụng toán tử Robert là nó rất tính toán rất nhanh Chỉ có bốn điểm ảnh đầu vào cần phải được kiểm tra để xác định giá trị của mỗi điểm ảnh đầu ra, và chỉ phép trừ và phép cộng được sử dụng trong tính toán Trong phép cộng không có tập tham số nào

Nhược điểm chính của toán tử Robert là sử dụng một mặt nạ nhỏ, và rất nhạy cảm với nhiễu Nó cũng tạo ra phản hồi rất yếu với biên thực, trừ khi các biên này rất sắc nét Toán tử Robert bao gồm một cặp mặt nạ nhân chập 2 x 2 là Hx và Hy , những mặt nạ này được thiết kế có thể đáp ứng tối đa để biên hoạt động theo hai hướng -450 và +450

b Kỹ thuật Prewitt

Kỹ thuật sử dụng 2 mặt nạ nhân chập xấp xỉ đạo hàm theo 2 hướng x và y là:

Các bước tính toán của kỹ thuật Prewitt

+ Bước 1: Tính I ⊗ Hx và I ⊗ Hy

+ Bước 2: Tính I ⊗ Hx + I ⊗ Hy Ví dụ:

I.3.2.2 Kỹ thuật phát hiện biên Laplace

Các phương pháp đánh giá gradient ở trên làm việc khá tốt khi mà độ sáng thay đổi rõ nét Khi mức xám thay đổi chậm, miền chuyển tiếp trải rộng, phương pháp cho hiệu quả hơn đó là phương pháp sử dụng đạo hàm bậc hai Laplace

Toán tử Laplace được định nghĩa như sau: Ta có :

Tương tự :

Vậy :

Dẫn tới :

Trong thực tế, người ta thường dùng nhiều kiểu mặt nạ khác nhau để xấp xỉ rời rạc đạo hàm bậc hai Laplace Dưới đây là ba kiểu mặt nạ thường dùng:

Ví dụ :

I.3.3 Phát hiện biên gián tiếp

I.3.3.1 Một số khái niệm cơ bản