63 Và với 255 zm R R z z m h zp )255( 255 )( Tham số m HH ,, và h có thể đợc điều chỉnh xấp xỉ với phân phối mong muốn. Ví dụ, nếu chúng ta đặt 0.1 hm HH thì ta sẽ thu đợc phân bố đồng đều. Hình 4.16 Xấp xỉ hai đoạn thẳng. Các dạng phân phối khác. Có một số dạng phân phối khác cũng đợc sử dụng để nâng cao chất lợng ảnh. Các dạng này đợc cho dới đây. Với những dạng này chúng ta có thể có đợc một giải pháp gần nhất với công thức (4.26). Hàm mũ: min )( min )( zzezp zz z (4.34) Hàm chuyển đổi đợc cho bởi r r dprr 0 min )(1ln 1 (4.35) Hàm Rayleigh: min 2 )( 2 min 2 2 min )( zze zz zp zz z (4.36) Hàm chuyển đổi đợc cho bởi p z (z) L H h 0 m 255 z 64 2 1 0 2 min )(1 1 ln2 r r dp rr (4.37) Hàm hyperbolic (căn bậc 3): 3/1 min 3/1 max 3/2 3 1 )( zz z zp z (4.38) Hàm hyperbolic (logarit) )ln()ln( 1 )( minmax zzz zp z (4.40) Hàm chuyển đổi đợc cho bởi r r dp r r rr 0 )( min max min (4.41) Thực tế khi thực hiện công thức trên chúng ta sẽ thay thế )(rp r bằng h(i). Bây giờ là lúc chúng ta phát triển các chơng trình biến đổi lợc đồ mức xám. Bài tập 4.3 1. Viết chơng trình C để thay đổi lợc đồ mức xám trên cơ sở hàm tuyến tính mức độ bộ phận hình 4.15. Kiểm tra chơng trình trên ảnh "ISLAM.IMG". 2. Tơng tự nh câu 1, nhng xuất phát từ các công thức (4.35), (4.37), (4.39), và (4.41). 3. Lập chơng trình cho phép bạn chọn hàm san bằng, gaussian, mũ, Rayleigh, hyperbolic (căn bậc 3), hoặc hyperbolic (logarith), sau đó ánh xạ ảnh thích hợp. Hình 4.17 là ảnh "ISLAM.IMG" sau khi sử dụng phân phối gaussian với 125 và 150073.1/ . Chú ý rằng ảnh này có hiển thị nhiều chi tiết 65 hơn ảnh san bằng mức xám trên hình 4.12b. Tuy nhiên, bạn sẽ thử nghiệm với và khác nhau để phát hiện ra u điểm của phơng pháp này. Hình 4.17 ảnh xử lý dùng phân phối Gauss để biến đổi lợc đồ mức xám. 4.6 Lọc trung vị Trung vị M của một tập hợp số đợc xác định sao cho một nửa các giá trị trong tập lớn hơn M hoặc một nửa các giá trị nhỏ hơn M. Lọc trung vị trong ảnh đợc áp dụng bởi đầu tiên chọn một cửa sổ có kích thớc N, ở đây N chẵn. Cửa sổ này hoặc miền cung cấp sẽ đợc quét qua ảnh. Điểm trung tâm của miền cung cấp, tại bất kỳ nơi nào trong ảnh, đợc thay thế bằng trung vị của các giá trị điểm của các miền lân cận. Lọc trung vị làm cho điểm ảnh trở nên nổi trội hơn so với các điểm xung quanh. Nó loại trừ ảnh hởng của các nhiễu kim, cải thiện khả năng chống nhiễu của tín hiệu. Lọc trung vị có thể đợc bổ xung bằng các biện pháp đã đợc phát triển cho bộ lọc FIR. Bài tập 4.4 Viết một chơng trình dựa trên sơ đồ hình 4.18 để đa ra lọc trung vị. Kiểm tra lọc trung vị trên ảnh thu đợc khi dùng biểu thức lợc đồ mức xám và giới thiệu trên hình 4.12b. Chú ý rằng một ảnh thu đợc khi dùng biểu thức lợc đồ mức xám là một ảnh có nhiễu. 66 Kết quả của sử dụng bộ lọc trung vị kích thớc 5 5 đợc thể hiện trên hình 4.19. Có một vài cải thiện về chất lợng ảnh đợc hiển thị ở đây. Tuy nhiên, chất lợng ảnh sẽ tốt hơn nếu ta đem trung bình ảnh gốc với ảnh kết quả lọc trung vị. Hình 4.18 Lọc trung vị Bộ đệm chuyển đổi ảnh N Độ rộng ảnh File ảnh vào Hàng thứ n1 từ file ảnh vào đến hàng cuối cùng của bộ đệm chuyển đổi ảnh (ví dụ n1 từ 0 đến độ dài ảnh - 1) N Shift yn2= trung bình {W(N1-k1,n2-k2)}; N1=(N-1)/2; k1=-N1đến N1, và k2=-N1 đến N1, n2=0 đến (độ rộng ảnh-1) Bộ đệm Đến file ảnh ra N N k1,k2 Vùng hỗ trợ cho bộ lọc trung vị. Trong ví dụ này N=3 67 Hình 4.19 Kết quả thu đợc sau khi áp dụng lọc trung vị kích thớc 5 5 trên ảnh đã đợc biến đổi lợc đồ mức xám. . 2 1 0 2 min )(1 1 ln2 r r dp rr (4 .37 ) Hàm hyperbolic (căn bậc 3) : 3/ 1 min 3/ 1 max 3/ 2 3 1 )( zz z zp z (4 .38 ) Hàm hyperbolic (logarit) )ln()ln( 1 )( minmax zzz zp z . thức (4 .35 ), (4 .37 ), (4 .39 ), và (4.41). 3. Lập chơng trình cho phép bạn chọn hàm san bằng, gaussian, mũ, Rayleigh, hyperbolic (căn bậc 3) , hoặc hyperbolic (logarith), sau đó ánh xạ ảnh thích. lợng ảnh đợc hiển thị ở đây. Tuy nhiên, chất lợng ảnh sẽ tốt hơn nếu ta đem trung bình ảnh gốc với ảnh kết quả lọc trung vị. Hình 4.18 Lọc trung vị Bộ đệm chuyển đổi ảnh N Độ rộng ảnh File