Chương trình demo kỹ thuật trích chọn đặc trưng trong khảm ảnh

TRƢỜNG ĐẠI HỌC SƢ PHẠM HÀ NỘI KHOA CÔNG NGHỆ THÔNG TIN ************* NGUYỄN THỊ THU HƢƠNG CHƢƠNG TRÌNH DEMO KỸ THUẬT TRÍCH CHỌN ĐẶC TRƢNG TRONG KHẢM ẢNH .PNG KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC Chuyên ngành: Khoa học máy tính HÀ NỘI – 2015 TRƢỜNG ĐẠI HỌC SƢ PHẠM HÀ NỘI KHOA CÔNG NGHỆ THÔNG TIN ************* NGUYỄN THỊ THU HƢƠNG CHƢƠNG TRÌNH DEMO KỸ THUẬT TRÍCH CHỌN ĐẶC TRƢNG TRONG KHẢM ẢNH .PNG KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC Chuyên ngành: Khoa học máy tính Ngƣời hƣớng dẫn khoa học TS. TRỊNH ĐÌNH VINH HÀ NỘI – 2015 LỜI CẢM ƠN Lời đầu tiên em xin chân thành cảm ơn sƣ̣ hƣớng dẫn tận tình của thầy giáo TS Trịnh Đình Vinh. Em cũng xin chân thành cảm ơn các thầy , cô giáo khoa Công nghệ thông tin, cũng nhƣ các thầy, cô giáo trƣờng đã giảng dạy và giúp đỡ em các năm học vừa qua . Các thầy, cô giáo đã xây dƣ̣ng cho chúng em nhƣ̃ng kiến thƣ́c nền tảng và kiến thƣ́c chuyên môn để em có thể hoàn thành khóa luận tốt nghiệp và chuẩn bị cho nhƣ̃ng công việc của mì nh sau này. Cuối cùng em xin bày tỏ lòng biết ơn tới gia đì nh và bạn bè đã giúp đỡ động viên em rất nhiều suốt quá trình học tập để em có thể thực hiện tốt khóa luận này. Do kiến thức và thời gian còn hạn chế nên khóa luận không tránh khỏi nhƣ̃ng thiếu sót . Kính mong nhận đƣợc sự đóng góp ý kiến của các thầy , cô giáo và các bạn để khóa luận đƣợc hoàn thiện hơn. Hà Nội, ngày tháng năm 2015 Sinh viên Nguyễn Thị Thu Hƣơng LỜI CAM ĐOAN Tên em là: NGUYỄN THỊ THU HƢƠNG Sinh viên lớp: K37 – CNTT, khoa Công nghệ Thông tin, trƣờng Đại học Sƣ Phạm Hà Nội 2. Em xin cam đoan: 1. Đề tài: “Chƣơng trình demo kỹ thuật trích chọn đặc trƣng khảm ảnh .PNG” là nghiên cƣ́u của riêng em, dƣới sƣ̣ hƣớng dẫn của thầy giáo TS. Trịnh Đình Vinh. 2. Khóa luận hoàn toàn không chép của tác giả nào khác. Nếu sai em xin hoàn toàn chị u trách nhiệm. Hà Nội, ngày tháng năm 2015 Ngƣời cam đoan Nguyễn Thị Thu Hƣơng DANH MỤC HÌNH ẢNH Hình 1.1. Quá trình xử lý ảnh…………………………………………… . Hình 1.2. Các bƣớc một hệ thống xử lý ảnh ……………… Hình 1.3. Sự chuyển đổi mô hình biểu diễn ảnh ……….………. Hình 1.4. Bức ảnh bị dƣ tối có lƣợc đồ xám tập trung nhiều bên trái … Hình 1.5. Hình ảnh sau đƣợc chỉnh sửa lƣợc đồ xám đƣợc trải đều. Hình 1.6. Phần mềm nhận dạng biển số xe……………………………… Hình 1.7. Ảnh chụp X-quang…… . …………………………………… . Hình 1.8. Cấu trúc địa chất ………………………… ………………… . Hình 1.9. Bản đồ vệ tinh bão …………………………………… …. Hình 1.10. Ảnh đại tƣớng Võ Nguyên Giáp đƣợc ghép từ nhiều ảnh nhỏ 10 Hình 1.11. Ảnh Panorama ……………………………………………… 11 Hình 1.12. Ảnh khảm nhiều lớp………………………………………… 12 Hình 1.13. Ảnh chụp từ google maps ………… .……………………… 14 Hình 1.14. Ảnh khảm ngày phụ nữ Việt Nam ……………………… . 15 Hình 2.1. Sơ đồ thuật toán khảm ảnh dựa nắn chỉnh biến dạng……… 18 Hình 2.2. Minh họa hai tập điểm đặc trƣng của hai ảnh đầu vào…………. 18 Hình 2.3. Ảnh khảm quảng cáo phim “Bụi đời chợ lớn” ………………… 22 Hình 2.4. Hệ thống đồ game ………………………………… . 22 Hình 2.5. Biểu đồ mô phỏng việc tính toán DoG ảnh từ ảnh kề mờ… 28 Hình 2.6. Mỗi điểm ảnh đƣợc so sánh với 26 láng giềng của ………… 29 Hình 2.7. Quá trình lựa chọn các điểm hấp dẫn ………………………… 30 Hình 2.8. Biểu diễn các vecto đặc trƣng …………………………………. 30 Hình 3.1: Form giao diện chƣơng trình ………………………………… . 34 Hình 3.2: Form tạo thƣ viện ảnh …………………………………… 34 Hình 3.3: Form chọn ảnh nguồn ………………………………………… 34 Hình 3.4: Form chọn nơi lƣu kết …………………………………… 35 Hình 3.5. Form “Tạo ảnh khảm” đƣợc ảnh khảm bên cạnh ảnh nguồn… 35 MỤC LỤC MỞ ĐẦU CHƢƠNG 1: XỬ LÝ ẢNH VÀ KHẢM ẢNH . 1.1. Khái quát xử lý ảnh 1.1.2. Các vấn đề xử lý ảnh . 1.2. Khảm ảnh .10 1.2.1. Khái niệm .10 1.2.2. Một số kỹ thuật khảm ảnh 13 1.2.3. Ứng dụng của khảm ảnh .14 CHƢƠNG 2: MỘT SỐ KỸ THUẬT KHẢM ẢNH .16 2.1. Kỹ thuật nâng cao chất lƣợng ảnh .16 2.1.1. Kỹ thuật lọc trung bình .16 2.1.2. Kỹ thuật lọc trung vị 17 2.2. Kỹ thuật khảm ảnh kết hợp nắn chỉnh hình dạng hiệu chỉnh mức xám .18 2.2.1. Nắn chỉnh biến dạng 19 2.2.2. Dựa tập điểm đặc trƣng .20 2.2.3. Hiệu chỉnh mức xám .20 2.3. Kỹ thuật trích chọn đặc trƣng khảm ảnh 21 2.3.1. Ứng dụng của kỹ thuật trích chọn đặc trƣng khảm ảnh .21 2.3.2. Kỹ thuật trích chọn đặc trƣng .23 2.3.3.Quy trình khảm ảnh 32 CHƢƠNG 3: XÂY DỰNG CHƢƠNG TRÌNH DEMO 33 3.1. Phát biểu toán 33 3.2. Phân tích, thiết kế chƣơng trình .33 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 36 TÀI LIỆU THAM KHẢO .37 MỞ ĐẦU 1. Lý chọn đề tài Những năm gần đây, phần cứng máy tính dần trở nên mạnh mẽ lực xử lý lẫn dung lƣợng lƣu trữ thế mà các lĩnh vực phần mềm cũng đƣợc phát triển theo đặc biệt là lĩnh vực xử lý ảnh. Bên cạnh ngôn ngữ giao tiếp, các thông tin dƣới dạng hình ảnh đóng một vai trò quan trọng việc trao đổi thông tin. Trong công nghệ thông tin, xử lý ảnh chiếm một vị trí quan trọng vì các đặc tính đầy hấp dẫn tạo nên một sự phân biệt với các lĩnh vực khác. Phần lớn thông tin mà ngƣời thu thập đƣợc qua thị giác bắt nguồn từ ảnh, việc xử lý ảnh một bộ phận quan trọng để trao đổi thông tin ngƣời máy. Trong thời đại hiện nay, Công nghệ thông tin có sự phát triển mạnh mẽ mọi mặt. Cũng nhờ sự phát triển này góp phần lớn việc thúc đẩy sự phát triển của ngành khác nhƣ: Giáo dục, y tế, quốc phòng an ninh, giải trí, … Ứng dụng của xử lý ảnh vô hạn. Khảm ảnh một kỹ thuật xử lý ảnh, tạo hình ảnh cách ghép ảnh nhỏ vào một ảnh lớn cho nhìn tổng thể vào ảnh lớn có thể nhìn thấy nội dung của bức ảnh lớn trƣớc đó. Ảnh khảm tập hợp hai hay nhiều ảnh đƣợc ghép nối thông qua hệ thống ghép nối phối hợp ảnh, ứng dụng vào xử lý ảnh để tạo bức hình mang phong cách mẻ nhằm phục vụ cho nhiều mục đích khác nhau. Từ lý với kiến thức đƣợc học, đƣợc tìm hiểu từ môn xử lý ảnh, em chọn đề tài “Chƣơng trình demo kỹ thuật trích chọn đặc trƣng khảm ảnh .PNG” làm đề tài khóa luận. 2. Mục đích nghiên cứu Tạo hình ảnh sống động, mẻ có nhiều ứng dụng vào đời sống. 3. Đối tƣợng, phạm vi nghiên cứu Trong khuôn khổ khóa luận em tập trung nghiên cứu: - Các kỹ thuật khảm ảnh. - Khảm ảnh .PNG dùng kỹ thuật trích chọn đặc trƣng. 4. Nhiệm vụ nghiên cứu Tìm hiểu kỹ thuật dùng để khảm ảnh, đặc biệt tìm hiểu kỹ thuật trích chọn đặc trƣng. Thiết kế xây dựng chƣơng trình khảm ảnh có định dạng .PNG. Chƣơng trình đơn giản, dễ sử dụng. 5. Giả thuyết khoa học Nếu chƣơng trình khảm ảnh thành công tạo hình ảnh sống động, độc đáo góp phần vào quảng bá các lĩnh vực nhƣ: Điện ảnh, du lịch, khoa học lịch sử, địa lý, kiến trúc, truyền thông,… 6. Phƣơng pháp nghiên cứu Phương pháp nghiên cứu lý luận - Thu thập phân tích tài liệu thông tin liên quan đến đề tài. - Tìm kiếm chọn lựa hƣớng giải quyết vấn đề. Phương pháp nghiên cứu chuyên gia - Phân tích thiết kế hệ thống chƣơng trình ứng dụng. - Tham khảo ý kiến của chuyên gia chuyên môn để có thể thiết kế chƣơng trình. Phương pháp thực nghiệm - Triển khai xây dựng chƣơng trình ứng dụng. - Kiểm tra, thử nghiệm và đánh giá kết quả. 7. Cấu trúc khóa luận Ngoài phần lời cảm ơn, mở đầu, kết luận và hƣớng phát triển, tài liệu tham khảo. Khóa luận bao gồm: Chƣơng 1: Xử lý ảnh khảm ảnh. Chƣơng 2: Một số kỹ thuật khảm ảnh. Chƣơng 3: Xây dựng chƣơng trình demo. CHƢƠNG 1: XỬ LÝ ẢNH VÀ KHẢM ẢNH 1.1. Khái quát xử lý ảnh Xử lý ảnh là một môn khoa học tƣơng đối mẻ so với nhiều ngành khoa học khác, tốc độ phát triển nhanh, kích thích các trung tâm nghiên cứu, ứng dụng đặc biệt là máy tính chuyên dụng riêng của nó. Quá trình xử lý ảnh bắt đầu từ việc thu nhận ảnh nguồn gửi đến máy tính. Tiếp theo là quá trình số hóa. Quá trình số hóa (Digitalizer) để biến đổi tín hiệu tƣơng tự sang tín hiệu rời rạc (lấy mẫu) và số hóa lƣợng hóa, trƣớc chuyển sang giai đoạn xử lý, phân tích hay lƣu trữ lại. Các phƣơng pháp xử lý ảnh bắt đầu từ các ứng dụng chính: nâng cao chất lƣợng ảnh và phân tích ảnh. Vấn đề nâng cao chất lƣợng ảnh có liên quan tới phân bố mức sáng và độ phân giải của ảnh. Năm 1964, máy tính có khả xử lý và nâng cao chất lƣợng ảnh từ mặt trăng và vệ tinh Ranger của Mỹ bao gồm: Làm đƣờng biên, lƣu ảnh. Từ năm 1964 đến nay, các phƣơng tiện xử lý, nâng cao chất lƣợng, nhận dạng ảnh phát triển không ngừng . Những năm trở lại 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 cuộc sống. Xử lý ảnh và đồ hoạ đóng một vai trò quan trọng tƣơng tác ngƣời và máy. Quá trình xử lý ảnh đƣợc xem nhƣ là quá trình thao tác ảnh đầu vào nhằm cho kết qủa mong muốn. Ảnh “tốt hơn” Ảnh XỬ LÝ ẢNH Kết luận Hình 1.1. Quá trình xử lý ảnh Kết đầu của một trình xử lý ảnh có thể một ảnh tốt một kết luận. Sơ đồ tổng quát của một hệ thống xử lý ảnh: Hệ quyết định Thu nhận Tiền xử Trích chọn Hậu xử Đối sánh rút ảnh lý đặc điểm lý kết luận Lƣu trữ Hình 1.2. Các bƣớc một hệ thống xử lý ảnh * Thu nhận ảnh Ảnh có thể nhận qua camera màu đen trắng. Thƣờng ảnh nhận qua camera ảnh tƣơng tự. Ảnh cũng có thể thu nhận từ vệ tinh qua bộ cảm ứng (sensor) hay tranh, ảnh đƣợc quét scanner. Các thiết bị thu nhận ảnh có thể cho ảnh đen trắng với mật độ 400 đến 1600 dpi. Khi dùng scanner, một dòng photodiot quét ngang ảnh, đầu của scanner ảnh ma trận có số hay đồ ảnh (ảnh Bitmap). Bộ số hóa (digitalizer) tạo ảnh vector có hƣớng. * Tiền xử lý Tiền xử lý giai đoạn đầu tiên xử lý ảnh số, bƣớc tăng cƣờng ảnh để nâng cao chất lƣợng ảnh. Sau thu nhận ảnh, ảnh có thể nhiễu độ tƣơng phản thấp nên cần đƣa vào bộ tiền xử lý để nâng cao chất lƣợng. Chức lọc nhiễu, nâng độ tƣơng phản làm ảnh rõ nét hớn, gần với trạng thái gốc nhất. Các kỹ thuật tăng cƣờng chất lƣợng ảnh bao gồm: kỹ thuật tuyến tính, phi tuyến, cố định, thích nghi; kỹ thuật dựa vào pixel hay kỹ thuật đa mức. * Trích chọn đặc điểm Các đặc điểm của đối tƣợng đƣợc trích chọn tùy theo mục đích nhận dạng trình xử lý ảnh. Vì lƣợng thông tin chứa ảnh lớn nên trích chọn hiệu các đặc điểm giúp cho việc nhận dạng các đối tƣợng ảnh xác, với tốc độ tính toán cao và dung lƣợng nhớ lƣu trữ giảm. Các Hình 2.3. Ảnh khảm quảng cáo phim “Bụi đời chợ lớn”  Tạo môi trƣờng ảo hành trình ảo Khảm ảnh một phần của việc nghiên cứu sự mô tả thực. Việc mô tả nhìn thực mô hình hoàn thiện thƣờng kế thừa sự sâu xa của cái để lại sai thông tin. Hình 2.4. Hệ thống đồ game. 22 2.3.2. Kỹ thuật trích chọn đặc trƣng Việc lựa chọn đặc trƣng và độ đo thích hợp giúp tăng tốc độ mức độ xác của hệ thống. Các yêu cầu đối với thành phần lựa chọn đặc trƣng đối với thành phần lựa chọn đặc trƣng cho ảnh: - Lựa chọn một tập các đặc trƣng cung cấp đầu vào tốt cho hệ thống tìm kiếm ảnh. - Giảm bớt độ phức tạp lúc tính toán tổng thể giảm đa chiều của toán phân lớp. - Khi ngƣời dùng muốn sử dụng đặc trƣng đó cho mọi truy vấn, việc sử dụng các đặc trƣng này phải hiệu quả. - Lựa chọn các đặc trƣng cũng nên tuyến tính dựa phân lớp. - Trích chọn đặc trƣng có thể xử lý với kích thƣớc tập mẫu nhỏ. Một bức ảnh mang nhiều thông tin nhƣ định dạng, kích thƣớc, màu sắc, độ tƣơng phản v.v… Trong khảm ảnh với một tập ảnh mẫu lớn việc tra cứu ảnh mẫu với vùng ảnh gốc gặp nhiều khó khăn nên áp dụng kĩ thuật trích chọn đặc trƣng giúp ích nhiều. 2.3.2.1. Đặc trƣng màu sắc Màu sắc một đặc trƣng bật và đƣợc sử dụng phổ biến tìm kiếm ảnh theo nội dung. Mỗi một điểm ảnh (thông tin màu sắc) có thể đƣợc biểu diễn nhƣ một điểm không gian màu sắc ba chiều. Các không gian màu sắc thƣờng dùng là: RGB, CIE, HSV . Các nghiên cứu gần cố gắng phân vùng ảnh theo màu sắc khác tìm quan hệ vùng này. Tra cứu ảnh theo lƣợc đồ màu phƣơng pháp phổ biến đƣợc sử dụng nhiều nhất. Đây là phƣơng pháp đơn giản, tốc độ tìm kiếm tƣơng đối nhanh nhiên kết tìm kiếm có độ chính xác không cao. Đây có thể xem bƣớc lọc đầu tiên cho bƣớc tìm kiếm sau. Một số lƣợc đồ màu đƣợc sử dụng nhƣ: lƣợc đồ màu RGB, lƣợc đồ màu HSI, lƣợc đồ HSI cải tiến. Trong đó, lƣợc đồ màu RGB đƣợc sử dụng phổ biến . 23 Hệ màu RGB: Đối với ảnh 256 màu, lƣợc đồ màu của ảnh tƣơng đƣơng với lƣợc đồ màu của ảnh xám. Đối với ảnh 24 bit màu, lƣợc đồ miêu tả khả kết nối cƣờng độ của ba kênh màu R, G, B. Luợc đồ màu đƣợc định nghĩa nhƣ sau: HR,G,B[r,g,b] = N*Prob{R=r,G=g,B=b} (2.1) Trong đó N là số lƣợng điểm ảnh. Lƣợc đồ màu đƣợc tính cách rời rạc hóa từng màu ảnh, sau đó đếm số điểm ảnh của màu. Khi mà số lƣợng màu có hạng, để thuận tiện hơn, chuyển đổi ba kênh màu thành một biến giá trị nhất. Một cách khác để tính lƣợc đồ màu của ảnh RGB phân làm lƣợc đồ riêng biệt hR[], hG[], hB[]. Khi đó, lƣợc đồ đƣợc tính cách đếm kênh màu tƣơng ứng điểm ảnh.  Độ đo tƣơng đồng màu sắc Một số độ đo tƣơng đồng màu sắc nhƣ Ơclit, độ đo Jensen-Shannon divergence (JSD). Gọi h(I) và h(M) tƣơng ứng là hai lƣợc đồ màu của ảnh I và M. Khi đó loại độ đo màu đƣợc định nghĩa là một số nguyên (hoặc số thực) theo loại độ đo tƣơng ứng nhƣ sau: - Khoảng cách Euclid: Intersection(h(I),h(M)) = 𝑘 𝑗 =1 (ℎ 𝐼 − ℎ 𝑀 )2 (2.2) Hoặc: Intersection(h(I), h(M)) = 𝑘 𝑗 =1 ℎ 𝐼 − ℎ(𝑀) (2.3) - Độ đo Jensen - Shannon divergence: Độ đo Jensen - Shannon divergence sử dụng lƣợc đồ màu RGB để tính toán độ tƣơng đồng màu sắc hai ảnh: dJSD(H,H’) = 𝑀 𝑚 =1 𝐻𝑚 log 2𝐻𝑚 𝐻𝑚 + 𝐻′ 𝑚 + 𝐻′𝑚 log 2𝐻′ 𝑚 𝐻𝑚 + 𝐻′ 𝑚 (2.4) Trong đó: H, H’ là hai biểu đồ màu đƣợc so sánh, 𝐻𝑚 bin thứ m của biều đồ H 24 - Độ đo khoảng cách Min – Max: Đƣợc thực hiện ý tƣởng lấy phần giao của hai lƣợc đồ màu cần so sánh, đƣợc một lƣợc đồ, tính tổng giá trị có đƣợc từ lƣợc đồ cho đƣợc độ đo min-max. Đối với độ đo tính dựa vào giá trị tại K bin: 𝑘 𝑗 =1 Intersection(h(I), h(M)) = 𝐻 𝐼 𝑗 ,𝐻 𝑀 𝑗 (2.5) Tƣơng tự với độ đo max: 𝑘 {𝐻 𝑗 =1 max⁡ Intersection(h(I), h(M)) = Matching(h(I), h(M)) = 𝐼 𝑗 ,𝐻 𝑀 𝑗 } 𝐼𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑡𝑖𝑜𝑛 (ℎ 𝐼 ,ℎ(𝑀) 𝑀𝑎𝑥 ( ℎ 𝐼 𝑗 , ℎ 𝑀 [𝑗 ]) (2.6) (2.7) 2.3.2.2. Đặc trƣng kết cấu Trích xuất nội dung ảnh theo kết cấu nhằm tìm mô hình trực quan của ảnh cách thức chúng đƣợc xác định không gian. Kết cấu đƣợc biểu diễn các texel mà sau đó đƣợc đặt vào một số tập phụ thuộc vào số kết cấu đƣợc phát hiện ảnh. Các tập không xác định kết cấu mà rõ vị trí kết cấu ảnh. Việc xác định kết cấu đặc biệt ảnh đạt đƣợc chủ yếu cách mô hình kết cấu nhƣ biến thể cấp độ xám chiều. Kết cấu cung cấp thông tin sự xếp mặt không gian của màu sắc cƣờng độ một ảnh. Kết cấu đƣợc đặc trƣng sự phân bổ không gian của mức cƣờng độ một khu vực lân cận với nhau. Kết cấu gồm kết cấu gốc hay nhiều kết cấu gộp lại gọi texel. Có một số phƣơng pháp dụng để trích xuất các đặc trƣng kết cấu nhƣ: - Phƣơng pháp hình chóp - Biến đổi đƣờng viền - Biến đổi sóng Gabor - Biểu diễn ma trận đồng hiện Độ đo tƣơng đồng theo kết cấu ảnh, thƣờng sử dụng độ đo Ơclit. Kết cấu đƣợc trích xuất từ bức ảnh đƣợc biểu diễn thành 25 vector nhiều chiều khoảng cách Ơclit đƣợc dùng để đo độ tƣơng đồng các đặc trƣng của ảnh truy vấn với đặc trƣng của ảnh sở liệu. 2.3.2.3. Đặc trƣng hình dạng Hình dạng của một ảnh hay một vùng một đặc trƣng quan trọng việc xác định phân biệt ảnh nhận dạng mẫu. Mục tiêu của biểu diễn hình dạng nhận dạng mẫu là đo thuộc tính hình học của một đối tƣợng đƣợc dùng phân lớp, so sánh nhận dạng đối tƣợng. Màu sắc kết cấu thuộc tính mang tính toàn cục một ảnh. Trong đó, hình dạng một thuộc tính của ảnh. Nói tới hình dạng của hình ảnh đến một khu vực đặc biệt ảnh, hay hình dạng biên của một đối tƣợng nào đó ảnh. Trong tra cứu ảnh theo nội dung, hình dạng một cấp cao so với màu sắc kết cấu. Nó đòi hỏi sự phân biệt các vùng để tiến hành xử lý độ đo của hình dạng. Các hệ thống tra cứu ảnh theo nội dung thƣờng khai thác hai nhóm biểu diễn hình dạng sau: - Biểu diễn hình dạng theo đƣờng biên (cotour-based descriptor): Biểu diễn các đƣờng biên bao bên ngoài; - Biểu diễn theo vùng (region-based descriptor): Biểu diễn một vùng toàn vẹn; Độ đo hình dạng nhiều phạm vi lý thuyết của bộ môn xử lý ảnh. Chúng trải rộng từ độ đo toàn cục dạng thô với sự trợ giúp của việc nhận dạng đối tƣợng, độ đo chi tiết tự động tìm kiếm hình dạng đặc biệt. Lƣợc đồ hình dạng một ví dụ của độ đo đơn giản. Kỹ thuật dùng đƣờng biên hiệu phƣơng pháp trƣớc, chúng tìm kiếm hình dạng đối tƣợng gần giống với đƣờng biên nhất. Phƣơng pháp vẽ phác họa phƣơng pháp có nhiều đặc trƣng rõ ràng hơn, không tìm kiếm đƣờng biên đối tƣợng đơn, mà còn đối với tập đối tƣợng đƣợc phân đoạn một ảnh mà ngƣời dùng vẽ hay cung cấp. 26 2.3.2.4. Đặc trƣng cục bất biến Đặc trƣng cục bộ thƣờng chia thành loại điểm trích xuất đƣợc từ “điểm nhô ra” (salient points) của ảnh và đặc trƣng SIFT đƣợc trích chọn từ các điểm hấp dẫn Haris (interest points). Các đặc trƣng bất biến với việc thay đổi tỉ lệ ảnh, quay ảnh, là thay đổi điểm nhìn thêm nhiễu ảnh hay thay đổi cƣờng độ chiếu sáng của ảnh. Phƣơng pháp đƣợc lựa chọn có tên Scale-Invariant Feature Transform và đặc trƣng trích rút đựợc gọi là đặc trƣng SIFT (SIFT Feature). Các đặc trƣng SIFT này đƣợc trích rút từ các điểm hấp dẫn cục bộ (Local Interest Point). Phƣơng pháp trích chọn các đặc trƣng bất biến SIFT đƣợc tiếp cận theo phƣơng pháp thác lọc, theo đó đƣợc lần lƣợt thực hiện theo các phƣơng pháp sau: - Phát điểm cực trị Scale - Space (Scale - Space extrema detection): Tiến hành tìm kiếm các điểm hấp dẫn tất tỉ lệ vị trí của ảnh. Nó sử dụng hàm Diffirent - of - Gaussian để xác định tất điểm hấp dẫn tiềm mà bất biến với quy mô và hƣớng của ảnh. - Định vị điểm hấp dẫn (keypoint localization): Một hàm kiểm tra đƣợc đƣa để quyết định xem các điểm hấp dẫn tiềm có đƣợc lựa chọn hay không? - Xác định hướng cho điểm hấp dẫn (Orientation assignemt): Xác định hƣớng cho các điểm hấp dẫn đƣợc chọn. - Mô tả điểm hấp dẫn (Keypoint descriptor): Các điểm hấp dẫn sau đƣợc xác định hƣớng đƣợc mô tả dƣới dạng các vecto đặc trƣng nhiều chiều.  Phát điểm cực trị Scale - Space Các điểm hấp dẫn với đặc trƣng SIFT tƣơng thích với cực trị địa phƣơng của bộ lọc Difference - Of - Gaussian (DoG) tỉ lệ khác nhau. Định nghĩa không gian tỉ lệ của một hình ảnh hàm L(x,y,kσ) đƣợc mô tả nhƣ sau: L(x,y,σ) = G(x,y,kσ)*I(x,y) 27 (2.8) Với G(x,y,kσ): Biến tỉ lệ Gaussian (variable scale Gaussian), I(x,y): Ảnh đầu vào, “*” phép nhân chập x y, và: G(x,y,kσ) = 2𝜋𝜎 − (𝑥 2𝑒 2+ 𝑦 2) 2𝜎 (2.9) Để phát hiện đƣợc các điểm hấp dẫn, tìm cực trị của hàm DoG đƣợc định nghĩa: D(x,y,σ) = (G(x,y,kσ) - G(x,y,σ))*I(x,y) (2.10) D(x,y,σ) = L(x,y,kσ) - L(x,y,σ) (2.11) Các lý lựa chọn hàm Gaussian kỹ thuật hiệu để tính toán L (cũng nhƣ làm tăng độ mịn của ảnh), mà L phải đƣợc tính nhiều để mô tả đặc trƣng không gian đó, và sau đó, D đƣợc tính toán một cách đơn giản với phép trừ ma trận điểm ảnh với chi phí thực hiện thấp. Hình 2.5. Biểu đồ mô phỏng việc tính toán DoG ảnh từ ảnh kề mờ Giá trị hàm DoG đƣợc tính xấp xỉ dựa vào giá trị Scale - normalized Laplacian of Gaussian (𝜎 ∇2 𝐺 ) thông qua các phƣơng trình (2.8), (2.9), (2.11): 𝜕𝐺 = 𝜎∇2 𝐺 𝜕𝜎 𝜎∇2 𝐺 = 𝜕𝐺 𝜕𝜎 ≈ 𝐺 𝑥,𝑦 ,𝑘𝜎 − 𝐺(𝑥,𝑦,𝜎 ) 𝑘 𝐺 𝑥, 𝑦, 𝑘𝜎 − 𝐺 𝑥, 𝑦, 𝜎 ≈ (𝑘 − 1)𝜎∇2 𝐺 28 (2.12) (2.13) Khi hàm sai khác DoG đƣợc tính toán tại tham số đo lệch một số k, có thể sử dụng DoG để xấp xỉ hàm bậc hai Laplace của Gausian. Vì hệ số (k-1) phƣơng trình (2.13) là số mọi không gian đo nên nó không ảnh hƣởng đến việc tìm kiếm vị trí cực trị. Sai số việc xấp xỉ đạo hàm bậc tiến k gần tới 1. Các ảnh cuộn đƣợc nhóm thành octave (mỗi octave tƣơng ứng với giá trị gấp đôi của 𝜎). Giá trị của k đƣợc chọn cho số lƣợng ảnh làm mờ (blured images) cho octave cố định. Điều này đảm bảo cho số lƣợng ảnh DoG cho octave không thay đổi. Các điểm hấp dẫn đƣợc xác định cực đại cực tiểu của ảnh DoG qua tỉ lệ. Mỗi điểm ảnh DoG đƣợc so sánh với điểm ảnh láng giềng của tỉ lệ đó và láng giềng kề tỉ lệ trƣớc sau nó. Nếu điểm ảnh đó đạt giá trị cực tiểu cực đại đƣợc chọn làm điểm hấp dẫn phù hợp. Hình 2.6. Mỗi điểm ảnh đƣợc so sánh với 26 láng giềng của  Định vị điểm hấp dẫn Mỗi điểm hấp dẫn chọn xong đánh giá xem có đƣợc hay không: - Loại bỏ các điểm hấp dẫn có độ tƣơng phản thấp - Một số điểm hấp dẫn dọc theo cạnh không giữ đƣợc tính ổn định ảnh bị nhiễu cũng bị loại bỏ. Các điểm hấp dẫn lại đƣợc xác định hƣớng. 29 Hình 2.7. Quá trình lựa chọn các điểm hấp dẫn  Xác định hướng cho điểm hấp dẫn Để xác định hƣớng cho các điểm hấp dẫn,tính toán biểu đồ hƣớng Gradient vùng láng giềng của điểm hấp dẫn. Độ lớn và hƣớng của các điểm hấp dẫn đƣợc xác định theo công thức: M(x,y)= (𝐿 𝑥 + 1, 𝑦 − 𝐿 𝑥 − 1, 𝑦 )2 + 𝑥, 𝑦 + − 𝐿(𝑥, 𝑦 − 1))2 (2.14) 𝜃 𝑥, 𝑦 = tan−1 (𝐿 𝑥, 𝑦 + − 𝐿(𝑥, 𝑦 − 1))) (𝐿 𝑥 + 1, 𝑦 − 𝐿 𝑥 − 1, 𝑦 )) (2.15)  Biểu diễn vecto cho điểm hấp dẫn Điểm hấp dẫn sau đƣợc xác định hƣớng đƣợc biểu diễn dƣới dạng vector 4x4x8=128 chiều. Hình 2.8. Biểu diễn các vecto đặc trƣng 30  Độ đo tương đồng cho đặc trưng cục bất biến Một số độ đo tƣơng đồng cho ảnh sử dụng đặc trƣng SIFT nhƣ: - Độ đo Cosin: D(x,y) = - 𝑥,𝑦 (2.16) 𝑥 . 𝑦 Khoảng cách góc: D(x,y) = cos −1 (𝑥, 𝑦) - Độ đo Euclide: D(x,y) = - (2.17) 𝑛 𝑖=1 𝑥𝑖 − 𝑦𝑖 (2.18) Độ đo Jensen - Shannon divergence: dJSD(H,H’) = 𝑀 𝑚 =1 𝐻𝑚 log 𝐻 2𝐻𝑚 𝑚 + 𝐻′ 𝑚 + 𝐻′𝑚 log 𝐻 2𝐻′ 𝑚 𝑚 + 𝐻′ 𝑚 (2.19) Với H, H’ là biểu đồ biểu diễn các vector đặc trƣng SIFT. Sau trích chọn đƣợc các đặc trƣng nội dung của ảnh, tập các đặc trƣng đƣợc tối ƣu hóa các phƣơng pháp lựa chọn đặc trƣng để tăng chất lƣợng hiệu sử dụng tập đặc trƣng. Mục đích của lựa chọn đặc trƣng là tìm không gian các đặc trƣng tối ƣu cho các tập ảnh “thích hợp” và “không thích hợp” đƣợc tách biệt nhất. Có nhiều phƣơng pháp để đánh giá kết của tập các đặc trƣng. Vì vậy kết đối với mô hình lựa chọn đặc trƣng khác khác nhau. Hai mô hình phổ biến mô hình filter mô hình Wrapper. - Mô hình fillter: Đánh giá phần tử một vài tiêu chuẩn hay độ đo nào đó, chọn tập thuộc tính đƣợc đánh giá cao nhất. - Mô hình Wrapper: Sử dụng một thuật toán tìm kiếm để đánh giá tập thuộc tính coi nhƣ là một nhóm là một phần tử riêng lẻ. Cốt lõi củamoo hình wrapper một thuật toán học máy cụ thể. Nó đánh giá độ tốt của tập đặc trƣng tùy theo độ xác học tập của tập con, điều này xác định thông qua một tiêu chí nào đó. 31 2.3.3. Quy trình khảm ảnh Kỹ thuật trích chọn đặc trƣng ảnh đƣợc ứng dụng để khảm ảnh nhiều lớp. Việc làm đối với ảnh khảm nhiều lớp đó là sử dụng các lƣới để chia ảnh nguồn nhiều phần phần này chính là kích thƣớc của tập ảnh mẫu. Tuy nhiên lúc nào cũng vậy. Đối với một số kỹ thuật nâng cao thì các lƣới có dạng tùy ý dựa vào kết cấu của ảnh nguồn. Quy trình khảm ảnh gồm các bƣớc sau: Bƣớc 1: Chuẩn bị ảnh nguồn (nên chỉnh lại cỡ ảnh cho kích thƣớc bội số của kích thƣớc tập ảnh mẫu) tập ảnh mẫu (tập ảnh mẫu này đƣợc lƣu một tệp thƣ mục). Bƣớc 2: Chia ảnh nguồn các lƣới, các lƣới này là các lƣới có mắt hình vuông hình chữ nhật, va lƣới bội số của mẫu. Lƣới có kích thƣớc nhỏ ảnh khảm có chất lƣợng tốt. Bƣớc 3: Duyệt từng vùng (các mắt lƣới) của ảnh nguồn. Sử dụng kỹ thuật trích chọn đặc trƣng để so sánh từng vùng đó với tất ảnh tập ảnh mẫu để tìm mẫu ảnh phù hợp (có màu sắc tƣơng ứng, kết cấu tƣơng ứng,…). Gán ảnh mẫu phù hợp vào vị trí của vùng tƣơng ứng. Vì khảm ảnh nhiều lớp đƣợc ghép từ nhiều ảnh có nội dung khác nhau. Nên không giống nhƣ ảnh khảm toàn cảnh, không cần phải làm mịn đƣờng biên cân màu sắc, độ tƣơng phản,… nên có thể nói bƣớc khảm ảnh nhiều lớp làm công việc dễ dàng chút. 32 CHƢƠNG 3: XÂY DỰNG CHƢƠNG TRÌNH DEMO 3.1. Phát biểu toán Chƣơng trình khảm ảnh đƣợc xây dựng để minh họa cho phƣơng pháp khảm ảnh nhiều lớp dựa việc trích chọn đặc trƣng của ảnh số. - Đầu vào: Một ảnh lớn tập ảnh nhỏ làm mẫu - Đầu ra: Ảnh lớn đƣợc ghép từ nhiều ảnh nhỏ tập ảnh mẫu sau đó cho nhìn một cách khái quát có thể thấy đƣợc nội dung của bức ảnh lớn. 3.2. Phân tích, thiết kế chƣơng trình Chƣơng trình dùng phƣơng pháp trích chọn đặc trƣng màu sắc sử dụng độ đo Euclid để tìm ảnh tƣơng đồng cho vùng ảnh gốc. Sử dụng ngôn ngữ lập trình C# để cài đặt chƣơng trình. Hoạt động của chƣơng trình: Bƣớc 1: Đƣa vào chƣơng trình một ảnh lớn định dạng .PNG, một tập ảnh nhỏ có kích thƣớc nhau. Bƣớc 2: Chƣơng trình trích chọn đặc trƣng màu sắc của ảnh nhỏ. Bƣớc 3: Ảnh nguồn chỉnh lại kích thƣớc cho kích thƣớc của bội số của kích thƣớc ảnh nhỏ. Bƣớc 4: Chia ảnh lớn thành ảnh nhỏ có kích thƣớc ảnh nhỏ đƣợc dùng làm mẫu, đồng thời trích chọn đặc trƣng của phần nhỏ sau đƣợc chia từ ảnh lớn đem so sánh với đặc trƣng màu của từng ảnh tập ảnh mẫu (sử dụng độ đo Euclide) để chọn ảnh tƣơng đồng màu sắc thay thế cho nó. Bƣớc 5: Ghép lại ảnh nhỏ sau đƣợc thay thế tạo ảnh khảm. Nhóm modul của chƣơng trình: 1. Chọn dùng ảnh nguồn để khảm 2. Chọn thƣ mục chứa ảnh mẫu 33 3. Xử lý để cho ảnh khảm hiển thị ảnh khảm sau đƣợc xử lý. Một số giao diện của chƣơng trình: Hình 3.1: Form giao diện chƣơng trình Hình 3.2: Form tạo thƣ viện ảnh 34 Hình 3.3: Form chọn ảnh nguồn Hình 3.4: Form chọn nơi lƣu kết Hình 3.5: Form “Tạo ảnh khảm” đƣợc ảnh khảm bên cạnh ảnh nguồn 35 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 1. Kết luận Với tốc độ phát triển của các lĩnh vực địa lý, lịch sử, truyền thông, giải trí,… Xử lý ảnh góp phần không nhỏ vào các lĩnh vực đó. Các phƣơng tiện truyền thông hình thành một ngôn ngữ giao tiếp - giao tiếp hình ảnh. Hình ảnh ngôn ngữ trực quan mà sinh động giúp truyền tải thông tin một cách hiệu quả. Qua thời gian khảo sát, phân tích, nghiên cứu lý thuyết vận dụng vào phân tích, thiết kế hệ thống, khóa luận đạt đƣợc kết sau: - Tìm hiểu khái quát xử lý ảnh khảm ảnh, ứng dụng khảm ảnh. - Tìm hiểu đƣợc kỹ thuật nâng cao chất lƣợng ảnh, khảm ảnh kết hợp nắn chỉnh hình dạng hiệu chỉnh mức xám, kỹ thuật trích chọn đặc trƣng khảm ảnh. - Xây dựng chƣơng trình thử nghiệm kỹ thuật trích chọn đặc trƣng khảm ảnh. 2. Hƣớng phát triển Ngoài kết đạt đƣợc trên, khóa luận nhƣợc điểm cần khắc phục : - Ứng dụng của xử lý ảnh vô hạn mà đƣa đƣợc một số ứng dụng tiêu biểu. - Phạm vi toán nhỏ. Phƣơng hƣớng tƣơng lai là tiếp tục phát triển thành một chƣơng trình hoàn chỉnh có thể đƣa chƣơng trình vào thực tế một cách rộng rãi. Cải tiến, hoàn thiện một số chức chƣa hoàn chỉnh chƣơng trình và thiết kế giao diện chƣơng trình mang tính chuyên nghiệp hơn. Do điều kiện thời gian có hạn mà lĩnh vực cần tìm hiểu cũng tƣơng đối rộng nên tìm hiểu đƣợc khó tránh khỏi thiếu sót. Kính mong thầy cô giáo bảo giúp đỡ. 36 Em xin chân thành cảm ơn. TÀI LIỆU THAM KHẢO Tài liệu tiếng việt [1]. Xử lý ảnh, TS.Đỗ Năng Toàn và TS. Phạm Việt Bình, Đại học Thái Nguyên, năm 2007 [2]. Nhập môn Xử lý ảnh số, Lƣơng Mạnh Bá - Nguyễn Thanh Thuỷ, nhà xuất Khoa học Kỹ thuật (tái có bổ sung lần thứ tƣ). [3].Xử lý ảnh - (Trích dịch) Two-dimensional SIGNAL and IMAGE PROCESSING, jae s.lim, dịch giả Nguyễn Văn Ngọ, hiệu đính Nguyễn Viết Kính. [4].Xử lý ảnh, PGS.TS Nguyễn Quang Hoan, Học viện bƣu chính Viễn thông, năm 2006 [5]. http://vi.wikipedia.org/ [6]. “Phƣơng pháp trích chọn đặc trƣng ảnh thuật toán học máy tìm kiếm ảnh áp dụng vào bài toán tìm kiếm sản phẩm”, Nguyễn Thị Hoàn, Đại học Quốc gia Hà Nội, năm 2010 [7]. “Tìm hiểu một số kỹ thuật khảm ảnh”, Đại học dân lập Hải Phòng, năm 2011 37 [...]... hợp chỉ có hai mức xám thì chuyển về ảnh đen trắng - Tăng số mức xám: Thực hiện nội suy ra các mức xám không gian bằng kỹ thuật nội suy Kỹ thuật này nhằm tăng cƣờng độ mịn cho ảnh 20 2.3 Kỹ thuật trích chọn đặc trƣng trong khảm ảnh 2.3.1 Ứng dụng của kỹ thuật trích chọn đặc trƣng trong khảm ảnh Khảm ảnh đối với đối tƣợng khảm ảnh ở đây là là ảnh, thực sự đã tạo nên những ứng dụng... ảnh khảm trông giống với bức ảnh mẫu nhất Còn mục tiêu của khảm ảnh toàn cảnh là tạo ra ảnh khảm có tính liên tục Nói cách khác, khảm ảnh nhiều lớp chú trọng đến chi tiết đƣờng nét Vì thế, các kỹ thuật trong khảm ảnh nhiều lớp tập trung vào khâu hiệu chỉnh màu sắc Còn các kỹ thuật trong khảm ảnh toàn cảnh chú trọng vào khâu sắp xếp ảnh và làm trơn các miền chuyển tiếp giữa các ảnh. .. khối quyết định 1.1.2 Các vấn đề cơ bản trong xử lý ảnh 1.1.2.1 Một số khái niệm a Ảnh Trong kỹ thuật ảnh kỹ thuật số, một điểm ảnh (pixel) là một điểm vật lý trong một hình ảnh Raser, hoặc một khối màu rất nhỏ và là đơn vị cơ bản nhất để tạo nên một bức ảnh kỹ thuật số Ảnh có thể xem là tập hợp các điểm ảnh và mỗi điểm ảnh là đặc trƣng cƣờng độ sáng hay một dấu hiệu... của bức ảnh đƣợc bảo toàn nhất Dùng kỹ thuật kép để phân tích các hình ảnh đối với các khuôn dạng, màu sắc Xác định và tối ƣu thành phần quan trọng trong bức ảnh nhƣ văn bản, khuôn mặt, logo,…tất cả những ô đƣợc chia trên ảnh gốc đều rất nhỏ, khiến bức ảnh càng giống với ảnh gốc Tóm lại, cả hai khảm ảnh trên đều là ghép từ các ảnh nhỏ thành ảnh khảm Mục tiêu của khảm ảnh nhiều... thấy nội dung của bức ảnh lớn trƣớc đó Ảnh khảm là tập hợp hai hay nhiều ảnh đƣợc ghép nối thông qua hệ thống ghép nối phối hợp ảnh, ứng dụng vào trong xử lý ảnh để tạo ra các bức hình mang phong cách mới mẻ nhằm phục vụ cho rất nhiều mục đích khác nhau Khảm ảnh có thể đƣợc chia thành hai loại chính đó là: khảm ảnh toàn cảnh và khảm ảnh nhiều lớp Hình 1.10 Ảnh đại tƣớng Võ Nguyên... Một số kỹ thuật khảm ảnh Các kỹ thuật chính đƣợc dùng trong khảm ảnh: - Đan đa phân giải 13 - Khớp biểu đồ tần suất - Khớp cạnh - Phân tích cấu trúc - Phân tích hình khối - Lọc trung bình - Lọc trung vị - Trích chọn đặc trƣng - Ngoài các kỹ thuật chính trên thì các kỹ thuật lọc cũng đƣợc áp dụng để làm mịn đi các cùng chuyển tiếp giữa các ảnh ghép 1.2.3 Ứng dụng của khảm ảnh  Bản... Hình 1.12 Ảnh khảm nhiều lớp 12 Thành phần chính tạo ra một ảnh khảm nhiều lớp: Ảnh nguồn (ảnh dùng làm nền) và ảnh mẫu (các ảnh này đƣợc thu thập càng đa dạng càng tốt và đƣợc lƣu chung tại một thƣ mục) Công đoạn tạo ra ảnh khảm gồm 4 bƣớc: Bƣớc 1: Xử lý các ảnh nhỏ: Chuyển các ảnh nhỏ này thành ảnh đen trắng Thu nhỏ các ảnh này nếu cần thiết Chỉnh kích thƣớc cho các ảnh nhỏ... nhiều ảnh nhỏ 10  Khảm toàn cảnh Ảnh toàn cảnh (Panorama), Panorama bắt nguồn từ tiếng Hy Lạp, là sự kết hợp của nhiều tấm liên tiếp trong đó hai tấm ảnh gần nhau phải có độ chồng hình ít nhất là 20% Những tấm ảnh liên tiếp này đƣợc nối với nhau thành ảnh toàn cảnh tạo ra sự ăn khớp giữa các tấm Hình 1.11 Ảnh Panorama Có 4 kiểu ảnh panorama: - Ảnh phẳng: Không giống thật nếu làm ảnh. .. thƣớc, màu sắc, độ tƣơng phản v.v… Trong khảm ảnh với một tập ảnh mẫu rất lớn thì việc tra cứu các ảnh mẫu này với các vùng trên ảnh gốc gặp rất nhiều khó khăn nên áp dụng kĩ thuật trích chọn đặc trƣng sẽ giúp ích rất nhiều 2.3.2.1 Đặc trƣng màu sắc Màu sắc là một đặc trƣng nổi bật và đƣợc sử dụng phổ biến nhất trong tìm kiếm ảnh theo nội dung Mỗi một điểm ảnh (thông tin màu sắc) có thể... trên phân vùng ảnh Ảnh nguồn và ảnh đích đƣợc chia ra thành tập nhiều vùng nhỏ Sau đó đƣợc nắn chỉnh bằng cách chuyển đổi tƣơng ứng mỗi vùng của ảnh nguồn thành mảnh của ảnh đích - Kỹ thuật nắn chỉnh dựa trên các điểm đặc trƣng Dùng các điểm quan trọng làm ánh xạ cơ sở (xác định đƣợc ánh xạ của các điểm đặc trƣng) Các điểm đặc trƣng tƣơng ứng ở trên ảnh nguồn và ảnh đích xác . 2.3. Kỹ thut trích chn đặc trƣng trong khảm ảnh 21 2.3.1. Ứng dụng ca kỹ thut trích chn đặc trƣng trong khảm ảnh 21 2.3.2. Kỹ thut trích chn đặc trƣng 23 2.3.3.Quy trình khảm ảnh 32. Khảm ảnh 10 1.2.1. Khái nim 10 1.2.2. Mt s kỹ thut khảm ảnh 13 1.2.3. Ứng dụng ca khảm ảnh 14 CHƢƠNG 2: MỘT SỐ KỸ THUẬT KHẢM ẢNH 16 2.1. Kỹ thut nâng cao chất lƣng ảnh 16 2.1.1. Kỹ. các kỹ thut trong khảm ảnh toàn cảnh chú trng vào khâu sắp xp ảnh v lm trơn cc miền chuyn tip giữa các ảnh thành phn. 1.2.2. Một số kỹ thuật khảm ảnh Các kỹ thut chnh đƣc dùng trong