Các phương pháp tách màu từ ảnh màu viết chương trình thử nghiệm với ảnh 24 bit

TRƢỜNG ĐẠI HỌC SƢ PHẠM HÀ NỘI KHOA CÔNG NGHỆ THÔNG TIN ************* LÊ THANH DIỄM CÁC PHƢƠNG PHÁP TÁCH MÀU TỪ ẢNH MÀU. VIẾT CHƢƠNG TRÌNH THỬ NGHIỆM VỚI ẢNH 24 BIT KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC C u nn n o ọ m HÀ NỘI – 2015 tn TRƢỜNG ĐẠI HỌC SƢ PHẠM HÀ NỘI KHOA CÔNG NGHỆ THÔNG TIN ************* LÊ THANH DIỄM CÁC PHƢƠNG PHÁP TÁCH MÀU TỪ ẢNH MÀU. VIẾT CHƢƠNG TRÌNH THỬ NGHIỆM VỚI ẢNH 24 BIT KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC C u nn n o ọ m tn N ƣời ƣớng dẫn khoa học ThS. NGUYỄN MINH HIỀN HÀ NỘI – 2015 LỜI CẢM ƠN Trong suốt thời gian học tập trƣờng Đại học Sƣ phạm Hà Nội 2, em nhận đƣợc nhiều quan tâm, giúp đỡ quý thầy, cô giáo bạn bè. Với lòng biết ơn sâu sắc nhất, em xin gửi lời cảm ơn đến quý thầy, cô giáo khoa Công nghệ Thông tin truyền đạt kiến thức, kinh nghiệm quý báu cho sinh viên. Đặc biệt, em xin chân thành cảm ơn Th.s Nguyễn Minh Hiền, ngƣời bỏ nhiều thời gian, công sức nhiệt huyết để giảng dạy cho em nhiều điều, giúp đỡ cho em không kiến thức mà tinh thần để em hoàn thành luận văn tốt nghiệp này. Cuối cùng, em xin gửi lời cảm ơn chân thành đến gia đình bạn bè, ngƣời bên cạnh giúp đỡ cho em. Đây lần em làm khóa luận tốt nghiệp nên tránh đƣợc sai sót mong nhận đƣợc góp ý quý thầy, cô giáo bạn để em hoàn thiện tốt khóa luận mình. Hà Nội, tháng năm 2015 Sinh viên Lê Thanh Diễm LỜI CAM ĐOAN Tên em là: LÊ THANH DIỄM Sinh viên lớp: K37 – Tin học, khoa Công nghệ Thông tin, trƣờng Đại học sƣ phạm Hà Nội 2. Em xin cam đoan: Luận văn công trình nghiên cứu cá nhân, dƣới hƣớng dẫn Thạc sĩ Nguyễn Minh Hiền. Em xin cam đoan số liệu kết nghiên cứu khóa luận trung thực không trùng lặp với đề tài khác thông tin trích dẫn khóa luận đƣợc rõ nguồn gốc. Em xin chịu hoàn toàn trách nhiệm nghiên cứu mình. Ngƣời cam đoan Lê Thanh Diễm MỤC LỤC MỞ ĐẦU . CHƢƠNG 1: CƠ SỞ LÝ THUYẾT . 1.1. Tổng quan xử lý ảnh số . 1.1.1. Giới thiệu xử lí ảnh số 1.1.2. Điểm ảnh quan hệ điểm ảnh 1.1.3. Biểu diễn ảnh máy tính 10 1.2. Mô hình màu 10 1.2.1. Mô hình màu RGB (Red - Green - Blue) 11 1.2.2. Biểu thức màu 13 1.3. Kỹ thuật phân cụm ảnh 15 1.3.1. Khái niệm phân cụm . 15 1.3.2. Các yêu cầu phân cụm 17 1.3.3. Những kỹ thuật tiếp cận phân cụm liệu 19 1.3.4. Một số độ đo phân cụm 22 1.3.5. Mục đích phân cụm 23 1.3.6. Tổng quan phân cụm mờ 23 CHƢƠNG 2: CÁC THUẬT TOÁN TÁCH MÀU TỪ ẢNH MÀU 26 2.1. Thuật toán K - means . 26 2.1.1. Mô tả toán 26 2.1.2. Thuật toán 26 2.2. Thuật toán Fuzzy c - means . 31 2.2.1. Cơ sở thuật toán . 31 2.2.2. Thuật toán FCM 32 2.3. Thuật toán Interval TypeII fuzzy c - means . 33 2.3.1. Cơ sở thuật toán . 33 2.3.2. Thuật toán tìm tâm cụm: v j , vR , vL . 35 2.3.3. Thuật toán Interval Type II Fuzzy C - means . 36 CHƢƠNG 3: CHƢƠNG TRÌNH THỬ NGHIỆM . 37 3.1. Giới thiệu toán 37 3.2. Hƣớng giải toán 37 3.2.1. Phƣơng pháp chọn lớp màu tƣơng đƣơng . 37 3.2.2. Phƣơng pháp tách màu thuật toán phân cụm 41 3.3. Lựa chọn ngôn ngữ cài đặt . 46 3.4. Một số kết 48 3.4.1. Tách màu phƣơng pháp duyệt 48 3.4.2. Tách màu phƣơng pháp K – means 50 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 53 TÀI LIỆU THAM KHẢO . 54 DANH MỤC CÁC HÌNH VẼ Hình 1.1. Quá trình xử lý ảnh . Hình 1.2. Các bƣớc hệ thống xử lý ảnh Hình 1.3. Minh họa điểm ảnh . Hình 1.4. Lân cận điểm ảnh tọa độ (x, y) . Hình 1.5. Mô hình màu RGB 11 Hình 1.6. Ví dụ không gian màu RGB . 12 Hình 1.7. Sự cảm nhận cƣờng độ sáng mắt ngƣời . 13 Hình 1.8. Biểu đồ màu CIE . 14 Hình 1.9. Mô tả phân cụm liệu 16 Hình 2.1. Mô tả thuật toán K – means 27 Hình 2.2. Chọn đối tƣợng trọng tâm ban đầu 28 Hình 2.3. Cập nhật lại vị trí trọng tâm lần . 29 Hình 2.4. Cập nhật lại vị trí trọng tâm lần . 30 Hình 3.1. Ma trận điểm ảnh 38 Hình 3.2. “Vết dầu loang” . 40 Hình 3.3. Tách màu từ điểm có R = 0, G = 0, B = 0, sai số .49 Hình 3.4. Tách màu từ điểm có R = 202, G = 56, B = 20, sai số 20 . 49 Hình 3.5. Tách màu từ điểm có R = 252, G = 180, B = 89, sai số 80 . 50 Hình 3.6. Tách màu từ điểm có R = 184, G = 44, B = 17, sai số 120 . 50 Hình 3.7. Tách màu thuật toán K – means với số cụm . 51 Hình 3.8. Tách màu thuật toán K – means với số cụm . 51 Hình 3.9. Tách màu thuật toán K – means với số cụm . 52 Hình 3.10. Tách màu thuật toán K – means với số cụm . 52 MỞ ĐẦU 1. Lí chọn đề tài Xử lý ảnh lĩnh vực mang tính khoa học công nghệ. Nó ngành khoa học mẻ so với nhiều ngành khoa học khác nhƣng tốc độ phát triển nhanh, trở thành hƣớng nghiên cứu quan tâm nhiều nhà khoa học nhƣ ngƣời sử dụng. Sức mạnh khả làm ngôn ngữ nối liền ngƣời máy, ngƣời với ngƣời, không phân biệt quốc gia, dân tộc hay ngôn ngữ. Trên sở công cụ hữu ích cho nhiều ứng dụng khác lĩnh vực khác lĩnh vực công nghệ thông tin. Việc nghiên cứu tách màu từ ảnh màu đóng vai trò sở, tảng để thực thao tác xử lý ảnh nhƣ nén ảnh, phân đoạn ảnh. Trên giới xuất nghiên cứu tách màu sử dụng nhiều phƣơng pháp khác với nhiều thuật toán khác song phƣơng pháp có ƣu điểm nhƣợc điểm riêng tùy thuộc vào toán cụ thể. Ở Việt Nam, lĩnh vực mẻ cần nhiều thời gian nghiên cứu để tìm phƣơng pháp tách màu tối ƣu nhất. Sau thời gian tìm hiểu, nghiên cứu với kiến thức mà em đƣợc thầy, cô giáo khoa Công nghệ Thông tin trƣờng Đại học Sƣ phạm Hà Nội trang bị, đặc biệt đƣợc đồng ý giảng viên hƣớng dẫn, cô Nguyễn Minh Hiền, em chọn đề tài “Các phương pháp tách màu từ ảnh màu. Viết chương trình thử nghiệm với ảnh 24 bit” làm khóa luận mình. 2. Mụ đ v n iệm vụ nghiên cứu - Thấy đƣợc số ứng dụng thực tế tách màu khoa học thực tiễn đời sống. - Đƣa đƣợc số thuật toán phân cụm liệu phổ biến có phƣơng pháp tách màu từ ảnh màu, thuật toán K - means, Fuzzy C means, Interval Type II Fuzzy C - means. - Chỉ đƣợc số phƣơng pháp tách màu: Tách màu phƣơng pháp chọn lớp màu tƣơng đƣơng tách màu phƣơng pháp phân cụm. - Dựa thuật toán phƣơng pháp nghiên cứu viết chƣơng trình thử nghiệm với ảnh 24 bit. 3. P ƣơn p pn i n ứu Phương pháp nghiên cứu lý luận: Nghiên cứu qua việc đọc sách, báo tài liệu liên quan nhằm xây dựng sở lý thuyết đề tài biện pháp cần thiết để giải vấn đề đề tài. Phương pháp chuyên gia: Tham khảo ý kiến chuyên gia để thiết kế chƣơng trình phù hợp với yêu cầu thực tiễn. Nội dung xử lý nhanh đáp ứng đƣợc yêu cầu ngày cao ngƣời sử dụng. Phương pháp thực nghiệm: Thông qua quan sát thực tế, yêu cầu sở, lý luận đƣợc nghiên cứu kết đạt đƣợc qua phƣơng pháp trên. 4. Đối tƣợng phạm vi nghiên cứu Đối tượng nghiên cứu: Đối tƣợng nghiên cứu ảnh màu phƣơng pháp tách màu từ ảnh màu. Phạm vi nghiên cứu: Nói tới tách màu thao tác mức thấp trình xử lý ảnh nhƣng lại có phạm vi lớn có nhiều thuật toán khác nhau. Khóa luận tìm hiểu phạm vi số thuật toán phƣơng pháp đơn giản. 5. Ý n ĩ k o ọc thực tiễn củ đề tài - Ngày với phát triển phƣơng tiện thu nhận biểu diễn ảnh, ảnh màu hầu nhƣ thay hoàn toàn ảnh mức xám việc biểu diễn lƣu trữ thông tin ƣu vƣợt trội hẳn. Do đó, kỹ thuật, thuật giải thực việc tách ảnh ảnh màu liên tục đƣợc phát triển để đáp ứng nhu cầu mới. - Ứng dụng thực tế việc in ấn, photoshop hay xa nhận dạng (nhận dạng điều tra tội phạm, nhận dạng vết bớt thể ngƣời) . 6. Cấu trúc khóa luận Ngoài phần mở đầu, kết luận hƣớng phát triển cấu trúc khóa luận gồm có phần sau: C ƣơn Cơ sở lý thuyết Chƣơng giới thiệu tổng quan xử lý ảnh số, mô hình màu kĩ thuật phân cụm ảnh. C ƣơn 2: Các thuật toán tách màu từ ảnh màu Chƣơng trình bày số thuật toán tách màu kĩ thuật phân cụm K - means, Fuzzy C - means Interval Type II Fuzzy C - means. C ƣơn Viết ƣơn trìn t nghiệm Chƣơng trình bày hai phƣơng pháp tách màu từ ảnh màu phƣơng pháp chọn lớp màu tƣơng đƣơng phƣơng pháp phân cụm, sở viết chƣơng trình thử nghiệm với ảnh 24 bit. + Tách màu cách duyệt tuần tự: - Đầu vào: Ảnh nguồn, màu cần tách, độ rộng chiều cao ảnh. - Đầu ra: Một ảnh đích có độ rộng chiều cao tƣơng tự nhƣ ảnh nguồn nhƣng chứa màu cần tách. - Thuật giải: For i = to chiều rộng ảnh For j = to chiều cao ảnh If màu tọa độ (i, j) ảnh nguồn = màu cần tách then Đặt màu tọa độ (i, j) ảnh đích = màu cần tách. - Code: public Bitmap ExtractColor(Bitmap scrBitmap, Color c, int saiso) { Color actulaColor; // make an empty bitmap the same size as scrBitmap Bitmap new Bitmap = new Bitmap(scrBitmap.Width, scrBitmap.Height); for (int i = 0; i < scrBitmap.Width; i++) { for (int j = 0; j < scrBitmap.Height; j++) { // get the pixel from the scrBitmap image actulaColor = scrBitmap.GetPixel(i, j); // > 150 because … Images edges can be of low pixel colr. If we set all pixel color to new then there will be no smoothness left. if ((Math.Abs(actulaColor.R - c.R) blue = newClr.B; 43 // increment the pointer pPixel++; } } fastBitmap.UnlockBitmap(); CheckConvergence(); } private void CalculateClusterCentroids() { foreach (KeyValuePair cluster in _currentCluster) { List clrList = (List)_pixelDataClusterAllocation[cluster.Key]; float cR = 0; float cG = 0; float cB = 0; foreach (PixelData clr in clrList) { cR += clr.Ch1; cG += clr.Ch2; cB += clr.Ch3; if (!_clusterColours.ContainsKey(clr.Name)) { _clusterColours.Add(clr.Name, Color.FromArgb((int)cluster.Value.CentroidR, (int)cluster.Value.CentroidG, (int)cluster.Value.CentroidB)); } } 44 float count = clrList.Count + 1; // total of colours plus for the existing centroid cluster.Value.CentroidR = (cluster.Value.CentroidR + cR) / count; // average to find new centroid cluster.Value.CentroidG = (cluster.Value.CentroidG + cG) / count; cluster.Value.CentroidB = (cluster.Value.CentroidB + cB) / count; } } private void AllocateToCluster(PixelData pd) { // find distance of this colour from each cluster centroid Dictionary distances = new Dictionary(); foreach (KeyValuePair c in _currentCluster) { float d = (float)Math.Sqrt( (double)Math.Pow((c.Value.CentroidR - pd.Ch1), 2) + (double)Math.Pow((c.Value.CentroidG - pd.Ch2), 2) + (double)Math.Pow((c.Value.CentroidB - pd.Ch3), 2) ); distances.Add(c.Key, new Distance(d)); } // allocate this colour to the closest cluster based on distance List list = new List(); list.AddRange(distances); list.Sort(delegate(KeyValuePair kvp1, KeyValuePair kvp2) 45 { return Comparer.Default.Compare(kvp1.Value.Measure, kvp2.Value.Measure); }); // assign to closest cluster if (_pixelDataClusterAllocation.ContainsKey(list[0].Key)) { (List)_pixelDataClusterAllocation[list[0].Key]).Add(pd); } else { List clrList = new List(); clrList.Add(pd); _pixelDataClusterAllocation.Add(list[0].Key, clrList); } } 3.3. Lự ọn n ôn n ữ i đặt Chƣơng trình tách màu ảnh màu viết ngôn ngữ Matlab, C C#. Tuy nhiên, khóa luận sử dụng ngôn ngữ hƣớng đối tƣợng Visual C# cho nghiên cứu ngôn ngữ tiên tiến đơn giản đƣợc sử dụng phổ biến nay. Ngôn ngữ C# đơn giản, khoảng 80 từ khóa gồm nhiều kiểu liệu đƣợc xây dựng sẵn. Tuy nhiên, ngôn ngữ C# có ý nghĩa cao thực thi khái niệm lập trình đại. C# bao gồm tất hỗ trợ cho cấu trúc, thành phần component, lập trình hƣớng đối tƣợng. Những tính chất diện ngôn ngữ lập trình đại. Và ngôn ngữ C# hội đủ điều kiện nhƣ vậy, đƣợc xây dựng tảng hai ngôn ngữ mạnh C++ Java. Ngôn ngữ C# chứa từ khóa cho việc khai báo kiểu lớp đối tƣợng phƣơng thức hay thuộc tính lớp cho việc thực thi 46 đóng gói, kế thừa đa hình - ba thuộc tính ngôn ngữ lập trình hƣớng đối tƣợng. Trong ngôn ngữ C# thứ liên quan đến khai báo lớp điều đƣợc tìm thấy phần khai báo nó. Định nghĩa lóp ngôn ngữ C# không đòi hỏi phải chia tập tin header tập tin nguồn giống nhƣ ngôn ngữ C++. Hơn nữa, ngôn ngữ C# hỗ trợ kiểu XML, cho phép chèn tag XML để phát sinh tự động document cho lớp. C# hỗ trợ giao diện interface, đƣợc xem nhƣ cam kết với lớp cho dịch vụ mà giao diện quy định. Trong ngôn ngữ C#, lớp kế thừa từ lớp cha, tức không cho đa kế thừa nhƣ ngôn ngữ C++, nhiên lớp thực thi nhiều giao diện. Khi lớp thực thi giao diện hứa cung cấp chức thực thi giao diện. Trong ngôn ngữ C# cấu trúc đƣợc hỗ trợ, nhƣng khái niệm ngữ nghĩa thay đổi khác với C++. Trong C# cấu trúc đƣợc giới hạn, kiểu liệu nhỏ gọn, tạo thể yêu cầu hệ điều hành nhớ so với lớp. Một cấu trúc kế thừa từ lớp hay đƣợc kế thừa nhƣng cấu trúc thực thi giao diện. Ngôn ngữ C# cung cấp đặc tính hƣớng thành phần, nhƣ thuộc tính, kiện. Lập trình hƣớng thành phần đƣợc hỗ trợ CLR cho phép lƣu trữ metadata với mã nguồn cho lớp. Metadata mô tả cho lớp, bao gồm phƣơng thức thuộc tính nó, nhƣ bảo mật cần thiết thuộc tính khác. Mã nguồn chứa đựng logic cần thiết để thực chức nó. Do vậy, lớp đƣợc biên dịch nhƣ khối self - contained, nên môi trƣờng hosting biết đƣợc cách đọc metadata lớp mã nguồn cần thiết mà không cần thông tin khác để sử dụng nó. Một lƣu ý cuối ngôn ngữ C# ngôn ngữ hỗ trợ việc truy cập nhớ trực tiếp sử dụng kiểu trỏ C++ từ khóa cho dấu 47 ngoặc toán tử. Các mã nguồn không an toàn. Và giải phóng nhớ tự động CLR không thực việc giải phóng đối tƣợng đƣợc tham chiếu sử dụng trỏ chúng đƣợc giải phóng. 3.4. Một số kết Chƣơng trình thử nghiệm viết dựa phƣơng pháp tách màu cách duyệt phƣơng pháp K - means phân cụm liệu. 3.4.1. T m u bằn p ƣơn p p du ệt Nhắc lại ý tƣởng: - Đọc nội dung file ảnh vào nhớ máy tính - Thực thao tác tách màu từ thông tin file ảnh đƣợc lƣu nhớ máy tính: Lấy thông tin điểm ảnh ảnh gốc cách chọn điểm ảnh (bấm chuột vào điểm hình ảnh) để lấy thông số Rx, Gx, Bx. Sau duyệt qua điểm ảnh để so sánh thông số điểm ảnh (Ry, Gy, By) so với điểm chọn. Nếu (|Rx - Ry| ≤ sai số |Gx - Gy| ≤ sai số |Bx - By| ≤ sai số) lấy điểm ảnh đó, ngƣợc lại để điểm trống. - Kết xuất thông tin màu đƣợc tách hình. 48 Hình 3.3. Tách màu từ điểm có R = 0, G = 0, B = 0, sai số Hình 3.4. Tách màu từ điểm có R = 202, G = 56, B = 20, sai số 20 49 Hình 3.5. Tách màu từ điểm có R = 252, G = 180, B = 89, sai số 80 Hình 3.6. Tách màu từ điểm có R = 184, G = 44, B = 17, sai số 120 3.4.2. T m u bằn p ƣơn p p – means Nhắc lại ý tƣởng: - Đọc nội dung file ảnh vào nhớ máy tính 50 - Thực thao tác tách màu từ thông tin file ảnh đƣợc lƣu nhớ máy tính: Xác định K màu xuất nhiều nhất, sau phân cụm dựa vào khoảng cách (Euclide) tới cụm ứng với K màu nhận đƣợc. - Kết xuất thông tin màu đƣợc tách hình. Hình 3.7. Tách màu thuật toán K – means với số cụm Hình 3.8. Tách màu thuật toán K – means với số cụm 51 Hình 3.9. Tách màu thuật toán K – means với số cụm Hình 3.10. Tách màu thuật toán K – means với số cụm 52 ẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN Trong trình tìm hiểu hoàn thành khóa luận tốt nghiệp với đề tài “Các phương pháp tách màu từ ảnh màu. Viết chương trình thử nghiệm với ảnh 24 bit”, dù đạt đƣợc kiến thức định, nhƣng em nhận thấy phân cụm liệu khai phá liệu nói chung kỹ thuật tách màu ảnh màu nói riêng lĩnh vực nghiên cứu rộng lớn, nhiều triển vọng. Đề tài cố gắng tập trung tìm hiểu, nghiên cứu trình bày đƣợc số kỹ thuật thuật toán tách ảnh, nhấn mạnh đến thuật toán phân cụm liệu phổ biến, Fuzzy C - means, Interval Type II Fuzzy C means đặc biệt K - means. Tuy nhiên, hạn chế thời gian đặc biệt tài liệu nên em tìm hiểu đƣợc số kỹ thuật điển hình tách màu, cài đặt thử nghiệm ứng dụng dựa phƣơng pháp tách màu cách duyệt thuật toán K - means phân cụm liệu. Một số kỹ thuật khác chƣa tìm hiểu khai thác đƣợc, cài đặt thử nghiệm chƣa áp dụng đƣợc cho toán phân cụm liệu mờ, cụ thể chƣa cài đặt đƣợc chƣơng trình dựa thuật toán Fuzzy C - means Interval Type II Fuzzy C - means. Trong thời gian tới em tiếp tục nghiên cứu thêm số kỹ thuật phân cụm ứng dụng vào toán tách màu ảnh màu hy vọng dần đƣa kiến thức có từ đề tài sớm trở thành thực tế, phục vụ cho sống ngƣời chúng ta. 53 TÀI LIỆU THAM 1. HẢO Lƣơng Mạnh Bá, Nguyễn Thanh Thủy, Nhập môn xử lí ảnh số, ĐH Bách khoa Hà Nội. 2. Phạm Việt Bình, Đỗ Năng Toàn, Giáo trình xử lí ảnh, ĐH Thái Nguyên. 3. Nguyễn Quang Hoan, Xử lý ảnh, Học viện Công nghệ bƣu viễn thông. 4. Ngô Quốc Tạo (2001 - 2002), Giáo trình Xử lý ảnh, ĐH Công Nghệ - ĐHQG Hà Nội. 5. Bill Silver, An Introduction to Digital Image Processing. 6. Gonzalez, Rafael C., Woods Richards E. (1999), Digital Image Processing, Addison Wesley. 7. Gorman L., Kasturi R. (July 1992), Document Image Analysis Systems, Computer, pp. - 8. 54 [...]... chuyển đổi từ ảnh 24 bit RGB, sở dĩ chọn ảnh 24 bit RGB là vì trong máy tính, ảnh đƣợc hiểu dƣới dạng không gian màu RGB (Không gian màu số nguyên) Các bạn có thể xem màu điểm ảnh bất kì bằng photoshop hay paint 1.2 Mô hình màu Phân tích ảnh liên quan đến việc xác định các số đo định lƣợng của ảnh để đƣa ra một mô tả đầy đủ về ảnh Các kỹ thuật đƣợc sử dụng ở đây nhằm mục đích xác định biên của ảnh, phân... của ảnh Kết quả nhận dạng ảnh phụ thuộc rất nhiều vào công đoạn này - Biểu diễn ảnh: Đầu ra ảnh sau phân đoạn chứa các điểm ảnh của vùng ảnh cộng với mã liên kết với các vùng lận cận Việc biến đổi các số liệu này thành dạng thích hợp là cần thiết cho xử lý tiếp theo bằng máy tính Việc chọn các tính chất để thể hiện ảnh gọi là trích chọn đặc trƣng gắn với việc tách các đặc tính của ảnh dƣới dạng các. .. chụp ảnh) Trƣớc đây, ảnh thu qua camera là các ảnh tƣơng tự (Camera 4 ống kiểu CCIR) Gần đây, với sự phát triển của công nghệ, ảnh màu hoặc đen trắng đƣợc lấy ra từ camera, sau đó nó đƣợc chuyển trực tiếp thành ảnh số tạo thuận lợi cho xử lý tiếp theo (Máy ảnh số hiện nay là một thí dụ gần gũi) Mặt khác, ảnh cũng có thể tiếp nhận từ vệ tinh; có thể quét từ ảnh chụp bằng máy quét ảnh Hình 1.2 mô tả các. .. x 0.8 Hình 1.8 Biểu đồ màu CIE Trong sơ đồ CIE một loạt các màu có phổ đƣợc cho dọc theo đƣờng cong, các góc biểu diễn cho ba màu riêng: Đỏ, lục, và lam Gần trung tâm của miền nằm trong tam giác các màu trở nên ít bão hoà hơn, biểu diễn cho hỗn hợp màu Màu trắng nằm tại điểm trung tâm w với toạ độ x = y = 0,3333 Sơ đồ màu trên chứa các màu với cùng một độ sáng Nếu độ sáng của màu đƣợc cho bởi giá trị... xem nhƣ 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 Ảnh “tốt hơn” Ảnh Xử lý ảnh Kết luận Hình 1.1 Quá trình xử lý ảnh Từ “tốt hơn” ở đây mang ý nghĩa rằng ảnh sau khi xử lý sẽ đi theo đúng ý đồ của chúng ta, tùy trƣờng hợp mà ta sẽ dùng những thuật toán nào để xử lý ảnh Xử lý ảnh là một môn... C1 kết hợp với C2 kết hợp C3 kết hợp C4, thì C1 + C3 kết hợp C2 + C4 Quy tắc này đƣợc gọi là luật Grassman 7 Các màu kết hợp tuân theo luật trừ 8 Các màu kết hợp tuân theo luật bắc cầu Nếu C1 kết hợp C2 và C2 kết hợp C3 thì C1 kết hợp với C3 12 1.2.2 Biểu t ứ m u Các màu riêng RGB: Đỏ (Red), lục (Green), lam (Blue) là các màu riêng vật lý đƣợc dùng trong các thí nghiệm vật lý thực sự Các màu riêng này... thực sự Các màu riêng này không phải là duy nhất và ta có thể dùng các màu riêng khác để thay thế Vào năm 1938, CIE đã đƣa ra một tập các màu riêng không vật lý, ký hiệu là X, Y, Z Cải tiến chính trong tập màu này là độ sáng đƣợc đƣa ra trực tiếp nhƣ là một màu riêng (Y) Y sẽ cho ta mức xám từ ảnh màu Các màu riêng này đƣợc rút ra từ các màu riêng vật lý theo biến đổi tuyến tính cho bởi: X = 2.7690R +... rằng mỗi điểm ảnh ngoài tọa độ nằm vùng của nó thì nó còn mang theo một giá trị màu Các điểm ảnh này đƣợc đặt gần nhau cùng với màu sắc đi kèm tạo nên một hình ảnh nào đó Mỗi điểm ảnh có thể đƣợc biểu diễn bằng n bytes dƣới các hệ màu khác nhau (RGB, HSV, YCrCb,…) Việc chuyển đổi giữa các hệ màu thông thƣờng đƣợc thực hiện thông qua các phép biến đổi ma trận Trong bài này em sẽ giới thiệu các phƣơng thức... làm việc với các đối tƣợng trong từng ô trên lƣới chứ không phải các đối tƣợng dữ liệu Cách tiếp cận dựa trên lƣới này không di chuyển các đối tƣợng trong các ô mà xây dựng nhiều mức phân cấp của nhóm các đối tƣợng trong một ô Phƣơng pháp này gần giống với phƣơng pháp phân cụm phân cấp nhƣng chúng không trộn các ô, đồng thời giải quyết khắc phục yêu cầu đối với dữ liệu nhiều chiều mà phƣơng pháp phân... ảnh, phân vùng ảnh, Có nhiều kỹ thuật khác nhau đƣợc sử dụng để tách biên ảnh nhƣ: Tách biên dựa vào lọc vi phân, dò biên theo quy hoạch động, Tƣơng tự cũng có nhiều kỹ thuật phân vùng ảnh 10 Từ ảnh thu đƣợc, ngƣời ta tiến hành các kỹ thuật tách hay hợp dựa theo các tiêu chuẩn đánh giá nhƣ: Màu sắc, cƣờng độ xám, 1.2.1 Mô hình màu RGB (Red - Green - Blue) Có thể nói đây là mô hình màu thông dụng . Các phương pháp tách màu từ ảnh màu. Viết chương trình thử nghiệm với ảnh 24 bit làm khóa luận của mình. 2. Mm v nghiên cu - Thấy đƣợc một số ứng dụng thực tế của tách màu. lớp màu tƣơng đƣơng và tách màu bằng phƣơng pháp phân cụm. - Dựa trên các thuật toán và phƣơng pháp đã nghiên cứu viết chƣơng trình thử nghiệm với ảnh 24 bit. u Phương. cứu tách màu từ ảnh màu đóng vai trò cơ sở, nền tảng để thực hiện các thao tác xử lý ảnh nhƣ nén ảnh, phân đoạn ảnh. Trên thế giới đã xuất hiện các nghiên cứu tách màu sử dụng nhiều phƣơng pháp