Ứng dụng xử lý ảnh vào nhận dạng ảnh và tìm kiếm ảnh

Đồ án chuyên ngành GVHD: Đào Thị Thu Thủy Chương 1: TỔNG QUAN VỀ XỬ LÝ ẢNH http://www.ebook.edu.vn Trang: Đồ án chuyên ngành GVHD: Đào Thị Thu Thủy 1.1 XỬ LÝ ẢNH, CÁC VẤN ĐỀ CƠ BẢN TRONG XỬ LÝ ẢNH 1.1.1 XỬ LÝ ẢNH LÀ GÌ? Con người thu nhận thông tin qua giác quan, thị giác đóng vai trò quan trọng Những năm trở lại với phát triển phần cứng máy tính, xử lý ảnh đồ hoạ phát triển cách mạnh mẽ có nhiều ứng dụng sống Xử lý ảnh đồ hoạ đóng vai trò quan trọng tương tác người máy Quá trình xử lý ảnh xem trình thao tác ảnh đầu vào nhằm cho kết mong muốn Kết đầu trình xử lý ảnh ảnh “tốt hơn” kết luận Hình 1.1 Quá trình xử lý ảnh Ảnh xem tập hợp điểm ảnh điểm ảnh xem đặc trưng cường độ sáng hay dấu hiệu vị trí đối tượng không gian xem hàm n biến P(c1, c2, , cn) Do đó, ảnh xử lý ảnh xem ảnh n chiều Sơ đồ tổng quát hệ thống xử lý ảnh: Hình 1.2 Các bước hệ thống xử lý ảnh 1.1.2 Các vấn đề xử lý ảnh a Một số khái niệm * Ảnh điểm ảnh: Điểm ảnh xem dấu hiệu hay cường độ sáng toạ độ không gian đối tượng ảnh xem tập hợp điểm ảnh * Mức xám, màu : Là số giá trị có điểm ảnh ảnh b Nắn chỉnh biến dạng http://www.ebook.edu.vn Trang: Đồ án chuyên ngành GVHD: Đào Thị Thu Thủy Ảnh thu nhận thường bị biến dạng thiết bị quang học điện tử Ảnh thu nhận Ảnh mong muốn Hình 1.3 Ảnh thu nhận ảnh mong muốn Để khắc phục người ta sử dụng phép chiếu, phép chiếu thường xây dựng tập điểm điều khiển Giả sử (Pi, Pi’) i = , n có n tập điều khiển f(Pi) cho Tìm hàm f: Pi Giả sử ảnh bị biến đổi bao gồm: Tịnh tiến, quay, tỷ lệ, biến dạng bậc tuyến tính Khi hàm f có dạng: Ta có: Để cho φ → http://www.ebook.edu.vn Trang: Đồ án chuyên ngành GVHD: Đào Thị Thu Thủy Giải hệ phương trình tuyến tính tìm a1, b1, c1 Tương tự tìm a2, b2, c2 ⇒Xác định hàm f c • • lọc Khử nhiễu Có loại nhiễu trình thu nhận ảnh Nhiều hệ thống: nhiễu có quy luật khử phép biến đổi Nhiễu ngẫu nhiên: vết bẩn không rõ nguyên nhân→ khắc phục phép d Chỉnh mức xám Nhằm khắc phục tính không đồng hệ thống gây ra.Thông thường có hướng tiếp cận: • Giảm số mức xám: Thực cách nhóm mức xám gần thành bó Trường hợp có mức xám chuyển ảnh đen trắng.Ứng dụng: In ảnh màu máy in đen trắng • Tăng số mức xám: Thực nội suy mức xám trung gian kỹ thuật nội suy Kỹ thuật nhằm tăng cường độ mịn cho ảnh e Trích chọn đặc điểm Các đặc điểm đối tượng trích chọn tuỳ theo mục đích nhận dạng trình xử lý ảnh Có thể nêu số đặc điểm ảnh sau đây: Đặc điểm không gian: Phân bố mức xám, phân bố xác suất, biên độ, điểm uốn v.v Đặc điểm biến đổi: Các đặc điểm loại trích chọn việc thực lọc vùng (zonal filtering) Các vùng gọi “mặt nạ đặc điểm” (feature mask) thường khe hẹp với hình dạng khác (chữ nhật, tam giác, cung tròn v.v ) Đặc điểm biên đường biên: Đặc trưng cho đường biên đối tượng hữu ích việc trích trọn thuộc tính bất biến dùng nhận dạng đối tượng Các đặc điểm trích chọn nhờ toán tử gradient, toán tử la bàn, toán tử Laplace, toán tử “chéo không” (zero crossing) v.v Việc trích chọn hiệu đặc điểm giúp cho việc nhận dạng đối tượng ảnh xác, với tốc độ tính toán cao dung lượng nhớ lưu trữ giảm xuống f Nhận dạng Nhận dạng tự động (automatic recognition), mô tả đối tượng, phân loại phân nhóm mẫu vấn đề quan trọng thị giác máy,được ứng dụng nhiều ngành khoa học khác Tuy nhiên, câu hỏi đặt là: mẫu (pattern) gì? Watanabe, người đầu lĩnh vực định nghĩa: “Ngược lại với hỗn loạn (chaos), mẫu thực thể (entity), xác định cách ang (vaguely defined) gán cho tên gọi đó” Ví dụ mẫu ảnh vân tay, ảnh vật chụp, chữ viết, http://www.ebook.edu.vn Trang: Đồ án chuyên ngành GVHD: Đào Thị Thu Thủy khuôn mặt người ký đồ tín hiệu tiếng nói Khi biết mẫu đó, để nhận dạng phân loại mẫu có thể: Hoặc phân loại có mẫu (supervised classification), chẳng hạn phân tích phân biệt (discriminant analyis), mẫu đầu vào định danh thành phần lớp xác định Hoặc phân loại mẫu (unsupervised classification hay clustering) mẫu gán vào lớp khác dựa tiêu chuẩn đồng dạng Các lớp thời điểm phân loại chưa biết hay chưa định danh Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau đây: Thu nhận liệu tiền xử lý Biểu diễn liệu Nhận dạng, định Bốn cách tiếp cận khác lý thuyết nhận dạng là: Đối sánh mẫu dựa đặc trưng trích chọn Phân loại thống kê Đối sánh cấu trúc Phân loại dựa mạng nơ-ron nhân tạo Trong ứng dụng rõ ràng dùng có cách tiếp cận đơn lẻ để phân loại “tối ưu” cần sử dụng lúc nhiều phương pháp cách tiếp cận khác nhau.Do vậy,các phương thức phân loại tổ hợp hay sử dụng nhận dạng có kết có triển vọng dựa thiết kế hệ thống lai (hybrid system) bao gồm nhiều mô hình kết hợp Việc giải toán nhận dạng ứng dụng mới, nảy sinh sống không tạo thách thức thuật giải, mà đặt yêu cầu tốc độ tính toán Đặc điểm chung tất ứng dụng đặc điểm đặc trưng cần thiết thường nhiều,không thể chuyên gia đề xuất, mà phải trích chọn dựa thủ tục phân tích liệu g Nén ảnh Nhằm giảm thiểu không gian lưu trữ Thường tiến hành theo hai cách khuynh hướng nén có bảo toàn không bảo toàn thông tin.Nén không bảo toàn thường có khả nén cao khả phục hồi Trên sở hai khuynh hướng, có cách tiếp cận nén ảnh: • Nén ảnh thống kê: Kỹ thuật nén dựa vào việc thống kê tần xuất xuất giá trị điểm ảnh, sở mà có chiến lược mã hóa thích hợp Một ví dụ điển hình cho kỹ thuật mã hóa *.TIF • Nén ảnh không gian: Kỹ thuật dựa vào vị trí không gian điểm ảnh để tiến hành mã hóa Kỹ thuật lợi dụng giống điểm ảnh vùng gần Ví dụ cho kỹ thuật mã nén *.PCX http://www.ebook.edu.vn Trang: Đồ án chuyên ngành GVHD: Đào Thị Thu Thủy • Nén ảnh sử dụng phép biến đổi: Đây kỹ thuật tiếp cận theo hướng nén không bảo toàn vậy, kỹ thuật thướng đến hiệu *.JPG tiếp cận theo kỹ thuật nén • Nén ảnh Fractal: Sử dụng tính chất Fractal đối tượng ảnh, thể lặp lại chi tiết Kỹ thuật nén tính toán để cần lưu trữ phần gốc ảnh quy luật sinh ảnh theo nguyên lý Fractal 1.2 1.2.1 THU NHẬN VÀ BIỂU DIỄN ẢNH Thu nhận, thiết bị thu nhận ảnh Các thiết bị thu nhận ảnh bao gồm camera, scanner thiết bị thu nhận cho ảnh đen trắng Các thiết bị thu nhận ảnh có loại ứng với loại ảnh thông dụng Raster, Vector Các thiết bị thu nhận ảnh thông thường Raster camera thiết bị thu nhận ảnh thông thường Vector sensor bàn số hoá Digitalizer chuyển đổi từ ảnh Raster Nhìn chung hệ thống thu nhận ảnh thực trình : • Cảm biến: biến đổi lượng quang học thành lượng điện • Tổng hợp lượng điện thành ảnh 1.2.2 Biểu diễn ảnh: Ảnh máy tính kết thu nhận theo phương pháp số hoá nhúng thiết bị kỹ thuật khác nhau.Quá trình lưu trữ ảnh nhằm mục đích: • Tiết kiệm nhớ • Giảm thời gian xử lý Việc lưu trữ thông tin nhớ có ảnh hưởng lớn đến việc hiển thị, in ấn xử lý ảnh xem tập hợp điểm với kích thước sử dụng nhiều điểm ảnh ảnh đẹp, mịn thể rõ chi tiết ảnh người ta gọi đặc điểm độ phân giải Việc lựa chọn độ phân giải thích hợp tuỳ thuộc vào nhu cầu sử dụng đặc trưng ảnh cụ thể, sở ảnh thường biểu diễn theo mô hình a Mô hình Raster Đây cách biểu diễn ảnh thông dụng nay,ảnh biểu diễn dạng ma trận điểm (điểm ảnh) Thường thu nhận qua thiết bị camera, scanner Tuỳ theo yêu cầu thực mà điểm ảnh biểu diễn qua hay nhiều bít Mô hình Raster thuận lợi cho hiển thị in ấn Ngày công nghệ phần cứng cung cấp thiết bị thu nhận ảnh Raster phù hợp với tốc độ nhanh chất lượng cao cho đầu vào đầu Một thuận lợi cho việc hiển thị môi trường Windows Microsoft đưa khuôn dạng ảnh DIB (Devic Independent http://www.ebook.edu.vn Trang: Đồ án chuyên ngành GVHD: Đào Thị Thu Thủy Bitmap) làm trung gian Hình 1.4 thể hình quy trình chung để hiển thị ảnh Raster thông qua DIB Một hướng nghiên cứu mô hình biểu diễn kỹ thuật nén ảnh kỹ thuật nén ảnh lại chia theo khuynh hướng nén bảo toàn không bảo toàn thông tin nén bảo toàn có khả phục hồi hoàn toàn liệu ban đầu không bảo toàn có khả phục hồi độ sai số cho phép Theo cách tiếp cận người ta đề nhiều quy cách khác BMP, TIF, GIF, PCX… Hiện giới có 50 khuôn dạng ảnh thông dụng bao gồm kỹ thuật nén có khả phục hồi liệu 100% nén có khả phục hồi với độ sai số nhận Hình 1.4 Quá trình hiển thị chỉnh sửa, lưu trữ ảnh thông qua DIB b Mô hình Vector: Biểu diễn ảnh mục đích tiết kiệm không gian lưu trữ dễ dàng cho hiển thị in ấn đảm bảo dễ dàng lựa chọn chép di chuyển tìm kiếm… Theo yêu cầu kỹ thuật biểu diễn vector tỏ ưu việt Trong mô hình vector người ta sử dụng hướng vector điểm ảnh lân cận để mã hoá tái tạo hình ảnh ban đầu ảnh vector thu nhận trực tiếp từ thiết bị số hoá Digital chuyển đổi từ ảnh Raster thông qua chương trình số hoá Công nghệ phần cứng cung cấp thiết bị xử lý với tốc độ nhanh chất lượng cho đầu vào lại hỗ trợ cho ảnh Raster Do vậy, nghiên cứu biểu diễn vectơ tập trung từ chuyển đổi từ ảnh Raster Hình 1.5 Sự chuyển đổi mô hình biểu diễn ảnh http://www.ebook.edu.vn Trang: Đồ án chuyên ngành GVHD: Đào Thị Thu Thủy Chương 2: BIÊN VÀ CÁC PHƯƠNG PHÁP PHÁT HIỆN BIÊN http://www.ebook.edu.vn Trang: Đồ án chuyên ngành GVHD: Đào Thị Thu Thủy 2.1 GIỚI THIỆU Biên vấn đề quan trọng trích chọn đặc điểm nhằm tiến tới hiểu ảnh.Cho đến chưa có định nghĩa xác biên, ứng dụng người ta đưa độ đo khác biên, độ đo độ đo thay đổi đột ngột cấp xám.Ví dụ:Đối với ảnh đen trắng, điểm gọi điểm biên điểm đen có điểm trắng bên cạnh Tập hợp điểm biên tạo nên biên hay đường bao đối tượng Xuất phát từ sở người ta thường sử dụng hai phươngnpháp phát biên bản: Phát biên trực tiếp: Phương pháp làm biên dựa vào biến thiên mức xám ảnh Kỹ thuật chủ yếu dùng để phát biên dựa vào biến đổi cấp xám theo hướng Cách tiếp cận theo đạo hàm bậc ảnh dựa kỹ thuật Gradient, lấy đạo hàm bậc hai ảnh dựa biến đổi gia ta có kỹ thuật Laplace Phát biên gián tiếp: Nếu cách ta phân ảnh thành vùng ranh giới vùng gọi biên Kỹ thuật dò biên phân vùng ảnh hai toán đối ngẫu dò biên để thực phân lớp đối tượng mà phân lớp xong nghĩa phân vùng ảnh ngược lại, phân vùng ảnh phân lớp thành đối tượng, phát biên Phương pháp phát biên trực tiếp tỏ hiệu chịu ảnh hưởng nhiễu, song biến thiên độ sáng không đột ngột, phương pháp tỏ hiệu quả, phương pháp phát biên gián tiếp khó cài đặt, song lại áp dụng tốt trường hợp 2.2 CÁC PHƯƠNG PHÁP PHÁT HIỆN BIÊN TRỰC TIẾP 2.2.1 Kỹ thuật phát biên Gradient Theo định nghĩa, gradient véctơ có thành phần biểu thị tốc độ thay đổi giá trị điểm ảnh, ta có: Trong đó, dx, dy khoảng cách (tính số điểm) theo hướng x y Nhận xét: Tuy ta nói lấy đạo hàm thực chất mô xấp xỉ đạo hàm kỹ thuật nhân chập (cuộn theo mẫu) ảnh số tín hiệu rời rạc nên đạo hàm không tồn Ví dụ: Với dx = dy = 1, ta có: http://www.ebook.edu.vn Trang: Đồ án chuyên ngành GVHD: Đào Thị Thu Thủy Do đó, mặt nạ nhân chập theo hướng x A= (− 1) Chẳng hạn: Ta có, a Kỹ thuật Prewitt Kỹ thuật sử dụng mặt nạ nhập chập xấp xỉ đạo hàm theo hướng x y là: http://www.ebook.edu.vn Trang: 10 Đồ án chuyên ngành GVHD: Đào Thị Thu Thủy 5.2 Giới thiệu giao diện chương trình chức thành phần 5.2.1 Giao diện tổng quát chương trình a Nút “TÁCH MẶT” Dùng để gọi giao diện GUI chương trình Tách mặt utilpath = fullfile(moi, 'toolbox', 'imaq', 'imaqdemos', 'helper'); addpath(utilpath); http://www.ebook.edu.vn Trang: 48 Đồ án chuyên ngành b GVHD: Đào Thị Thu Thủy Nút “LỌC NHIỄU” Dùng để gọi giao diện GUI chương trình Lọc nhiễu utilpath = fullfile(doan2, 'toolbox', 'imaq', 'imaqdemos', 'helper'); addpath(utilpath); c Nút “SÁNG TỐI” Dùng để gọi giao diện GUI chương trình chỉnh sáng tối utilpath = fullfile(sangtoi, 'toolbox', 'imaq', 'imaqdemos', 'helper'); addpath(utilpath); http://www.ebook.edu.vn Trang: 49 Đồ án chuyên ngành d GVHD: Đào Thị Thu Thủy Nút “Lấy Biên” Dùng để gọi giao diện GUI chương trình Lấy Biên utilpath = fullfile(laybien, 'toolbox', 'imaq', 'imaqdemos', 'helper'); addpath(utilpath); 5.2.2 Giao diện chương trình tách mặt người từ ảnh cố định http://www.ebook.edu.vn Trang: 50 Đồ án chuyên ngành a GVHD: Đào Thị Thu Thủy Nút “Chọn Ảnh” Cho phep ta đưa ảnh vào để thực tách mặt global anh; [filename, pathname]=uigetfile( {'*.jpg','JPEG File (*.jpg)'; '*.*','Tat ca dinh dang (*.*)'}, 'Mo file anh'); var=strcat(pathname,filename); anhbandau=imread(var); anh=anhbandau; axes(handles.axes1); b Nút “Tách Mặt” Thực việc tách mặt có ảnh vào http://www.ebook.edu.vn Trang: 51 Đồ án chuyên ngành c GVHD: Đào Thị Thu Thủy Nút “SAVE” “Home Page” Cho phép lưu ảnh sau xử lý axes(handles.axes2); imshow('a1.jpg'); imsave Cho phép quay giao diện GUI utilpath = fullfile(home, 'toolbox', 'imaq', 'imaqdemos', 'helper'); addpath(utilpath); 5.2.3 Giao diện chương trình Lọc Nhiễu http://www.ebook.edu.vn Trang: 52 Đồ án chuyên ngành a GVHD: Đào Thị Thu Thủy Các nút “SPECKLE”, “GAUSSIAN” “POISSON” Đưa nhiễu Gaussian vào ảnh global anh; val1=get(handles.e dit1,'string'); val1=str2num(val1) ; J = imnoise(anh,'gauss ian', val1); axes(handles.axes2 ); imshow(J); Đưa nhiễu Speckle vào ảnh global anh; val1=get(handles.edi t1,'string'); val1=str2num(val1); J = imnoise(anh,'speckle ', val1); axes(handles.axes2); imshow(J); Đưa nhiễu Poisson vào ảnh global anh; J = imnoise(anh,'pois son'); axes(handles.axes 2); imshow(J) Nhiễu GAUSSIAN: Là dạng lý tưởng nhiễu trắng, gây dao động ngẫu nhiên tín hiệu Nhiễu Gaussian nhiễu trắng có phân bố chuẩn J = imnoise(I,'gaussian',m,v) I: ảnh cần cộng nhiễu m, v: biến nhiễu gaussian (0.01 – 0.1) Nhiễu SPECKLE: Có thể mô hình cách nhân giá trị ngẫu nhiên với giá trị pixel Nhiễu Speckle vấn đề quan tâm chủ yếu ứng dụng radar Trong Matlab ảnh với nhiễu Speckle tính toán : I*(1 + N) t = imnoise(t,’speckle’) Trong N có phân phối chuẩn với giá trị trung bình =0 Có thể cung cấp thêm thông số để xác định giá trị kỳ vọng N, giá trị mặc định 0.04 http://www.ebook.edu.vn Trang: 53 Đồ án chuyên ngành b Các nút “REPLICATE”, “SYMMETRICS” “CIRCULAR” Cho phép lọc nhiễu ảnh CIRCULAR global anh; val1=get(handles.edi t1,'string'); val1=str2num(val1); PSF = fspecial('motion',va l1,val1); Blurred = imfilter(anh,PSF,'ci rcular','conv'); axes(handles.axes3); imshow(Blurred); c GVHD: Đào Thị Thu Thủy Cho phép lọc nhiễu bẳng SYMMETRICS global anh; val1=get(handles.edi t1,'string'); val1=str2num(val1); PSF = fspecial('disk',val1 ); Blurred = imfilter(anh,PSF,'sy mmetric','corr'); axes(handles.axes3); imshow(Blurred); Cho phép lọc nhiễu REPLICATE global anh; val1=get(handles.ed it1,'string'); val1=str2num(val1); PSF = fspecial('motion',v al1,val1); Blurred = imfilter(anh,PSF,'c ircular','conv'); axes(handles.axes3) ; imshow(Blurred); Các nút “0.05” “HOME PAGE” Cho phép thay đổi thông số cộng nhiễu lọc nhiễu Đối với cộng nhiễu thông số nên thay đổi khoảng ‘0.01 – 0.1’ Đối với lọc nhiễu thông số http://www.ebook.edu.vn Cho phép quay giao diện GUI utilpath = fullfile(home, 'toolbox', 'imaq', 'imaqdemos', 'helper'); addpath(utilpath); Trang: 54 Đồ án chuyên ngành GVHD: Đào Thị Thu Thủy 5.2.4 Giao diện chỉnh độ sáng tối ảnh http://www.ebook.edu.vn Trang: 55 Đồ án chuyên ngành GVHD: Đào Thị Thu Thủy Cho phép thay đổi dộ sáng ảnh global anh; a=double(anh); a=a+10; anh=uint8(a); axes(handles.axes8); imshow(anh); imwrite(anh,'a2.jpg','jpg'); Cho phép thay đổi độ tối ảnh global anh; a=double(anh); a=a-10; anh=uint8(a); axes(handles.axes8); imshow(anh); imwrite(anh,'a2.jpg','jpg'); Cho phép lưu ảnh sau chinh sáng tối axes(handles.axes8); imshow('a2.jpg'); http://www.ebook.edu.vn Trang: 56 Đồ án chuyên ngành GVHD: Đào Thị Thu Thủy 5.2.5 Giao diện Lấy Biên ảnh a Nút “PREWITT”, “SOBEL” “ROBERTS” Cho phép lấy biên ảnh phương pháp ROBERTS global anh; f=(anh); agg = rgb2gray(f); val1=get(handles.ed it1,'string'); val1=str2num(val1); BW=edge(agg,'robert s',val1); axes(handles.axes3) ; imshow(BW); http://www.ebook.edu.vn Cho phép lấy biên ảnh phương pháp PREWITT global anh; f=(anh); agg = rgb2gray(f); val1=get(handles.ed it1,'string'); val1=str2num(val1); BW=edge(agg,'prewit t',val1); axes(handles.axes3) ; imshow(BW); Trang: 57 Cho phép lấy biên ảnh phương pháp SOBEL global anh; f=(anh); agg = rgb2gray(f); val1=get(handles.edi t1,'string'); val1=str2num(val1); BW=edge(agg,'sobel', val1); axes(handles.axes3); imshow(BW); Đồ án chuyên ngành GVHD: Đào Thị Thu Thủy Bộ tách biên Prewitt Bộ tách biên Prewitt sử dụng mặt nạ hình 1(c) để xấp xỉ theo phương pháp số đạo hàm bậc Cú pháp gọi tổng quát là: [g, t ] = edge(f, prewitt, T, dir) Tham số hàm đồng với tham số Sobel Bộ tách Prewitt đơn giản để thực máy tính so với tách Sobel, có khuynh hướng sinh chút nhiễu (Nó thể qua hệ số tách biên làm trơn) Bộ tách biên SBEL: Bộ tách biên Sobel sử dụng mặt nạ để xấp xỉ đạo hàm bậc Nói cách khác, gradient điểm tâm lân cận tính theo tách Sobel Bộ tách biên Sobel thực cách lọc ảnh, f, (dùng imfilter) với mặt nạ , lọc lại f với mặt nạ khác, bình phương giá trị pixel với ảnh lọc, cộng hai kết quả, tính bậc hai Các thích tương tự phần thứ thứ bảng Hàm edge đơn giản gói toán tử trước thành hàm gọi thêm vào dặc tính khác, chẳng hạn chấp nhận giá trị ảnh ngưỡng xác định ngưỡng cách tự động Thêm vào đó, edge chứa kỹ thuật tách biên không thực thực trực tiếp Imfilter Cú pháp gọi tách Sobel tổng quát là: [g , t ] = edge(f, ‘sobel’, T, dir) Trong f ảnh đầu vào, T ngưỡng định dir xác định hướng cần tính tách biên: ‘ngang’, ‘dọc’ hai Như nói, g ảnh logic chứa giá trị nơi biên tách giá trị nơi biên tách Tham số t ngõ tùy chọn Nó giá trị ngưỡng dùng edge Nếu T dược định t = T Mặt khác T không định (hoặc để rỗng []), f đặt t với ngưỡng tự động xác định sau sử dụng cho việc tách biên lý cho việc gộp t tham số ngõ để nhận giá trị khởi tạo cho ngưỡng Hàm edge sử dụng tách Sobel mặc định với cú pháp g = edge (f), [g, t] = edge(f) Bộ tách biên ROBERTS Bộ tách biên Roberts sử dụng mặt nạ hình 1(d) để xấp xỉ theo phương pháp số đạo hàm bậc Cú pháp gọi tổng quát là: [g , t ] = edge(f, roberts, T, dir) http://www.ebook.edu.vn Trang: 58 Đồ án chuyên ngành GVHD: Đào Thị Thu Thủy Tham số hàm đồng với tham số Sobel Bộ tách Roberts tách biên xưa xử lý ảnh số theo hình 1(d), đơn giản Bộ tách biên dùng đáng kể tách khác chức giới hạn (ví dụ, không đối xứng tổng quát hóa để tách biên thừa số 450) Tuy nhiên, dùng thường xuyên thực phần cứng tính đơn giản tốc độ yếu tố chi phối b Nút “0.05” Thay đổi mật độ lấy biên Để cho việc lấy biên ảnh thực tốt thi thông số nên chỉnh tầm tư ‘0.02 – 0.07’ http://www.ebook.edu.vn Trang: 59 Đồ án chuyên ngành Phụ Lục: GVHD: Đào Thị Thu Thủy Chương trình tách mặt người global anh; I=(anh); imwrite(I,'a.jpg','jpg'); A=imread('a.jpg'); imshow(I); [h,c,m]=size(I); %che mat na:R>95 G>40,B>20,R-G>15,R>G,R>B for i=1:h for j=1:c if (A(i,j,1)>95)&(A(i,j,2)>40)&(A(i,j,3)>20)& ((A(i,j,1)-A(i,j,2))>15)&(A(i,j,1)>A(i,j,2))& (A(i,j,1)>A(i,j,3)) A(i,j,1)=255; A(i,j,2)=255; A(i,j,3)=255; else A(i,j,1)=0; A(i,j,2)=0; A(i,j,3)=0; end end end T1=im2bw(A); %Doi anh T2 anh nhi phan T2 = imfill(T1,'holes'); %Lap day lo S=bwarea(T2); T3 = bwareaopen(T2,round(S*0.2)); set(gca,'tag','axes1'); %Tinh tong cac diem mau trang tren moi hang for i=1:h Tam1(i)=0; for j=1:c Tam1(i)=T3(i,j)+Tam1(i); end; end; %Tim hang nao co tong so diem mau trang nhieu nhat Max1=Tam1(1); Hang=1; for i=2:h if Tam1(i)>Max1 Max1=Tam1(i); Hang=i; end end; %Tinh tong cac diem mau trang tren moi cot for j=1:c Tam2(j)=0; for i=1:h Tam2(j)=T3(i,j)+Tam2(j); end; end; %Tim cot nao co tong so diem mau trang nhieu nhat Max2=Tam2(1); Cot=1; for j=2:c http://www.ebook.edu.vn Trang: 60 Đồ án chuyên ngành GVHD: Đào Thị Thu Thủy if Tam2(j)>Max2 Max2=Tam2(j); Cot=j; end end; %cat khuon mat nguoi y=Hang; x=Cot; T4=imcrop(I,[x-120 y-170 230 300]); axes(handles.axes2) imshow(T4); imwrite(T4,'a1.jpg','jpg'); http://www.ebook.edu.vn Trang: 61 Đồ án chuyên ngành GVHD: Đào Thị Thu Thủy PHỤ LỤC HÌNH ẢNH Hình 1.1 Quá trình xử lý ảnh Hình 1.2 Các bước hệ thống xử lý ảnh Hình 1.3 Ảnh thu nhận ảnh mong muốn Hình 1.4 Quá trình hiển thị chỉnh sửa, lưu trữ ảnh thông qua DIB Hình 1.5 Sự chuyển đổi mô hình biểu diễn ảnh Hình 2.1: Ma trận 8-láng giềng kề Hình 2.2: Ví dụ chu tuyến đối tượng ảnh Hình 3.1:Sơ đồ lọc thông cao Hình 3.2:Một số nhân chập lọc thông cao Hình 4.1: Khối màu Hình 4.2: Khối nón màu minh họa hệ thống màu HIS Hinh 4.3: Lược đồ HIS Hình 4.4: Các Loại vân http://www.ebook.edu.vn Trang: 62 [...]... ngành GVHD: Đào Thị Thu Thủy 4.1.2 Tìm kiếm ảnh dựa vào màu sắc Phương pháp phổ biến để tìm kiếm ảnh trong một tập những ảnh hỗn tạp cho trước là dựa vào lượt đồ màu của chúng Đây là cách làm khá đơn giản, tốc độ tìm kiếm tương đối nhanh nhưng khuyết điểm là kết quả tìm kiếm lại có độ chính xác không cao Nhưng đây có thể được xem như là bước lọc đầu tiên cho những tìm kiếm sau Muốn được kết quả chính... hợp cho việc tìm kiếm ảnh dựa vào màu Sự giống và khác nhau giữa hai ảnh về mặt màu sắc đối với mắt người chỉ mang ý nghĩa tương đối Do đó khi áp dụng vào bài toán này trên máy tính thì ta cũng giả lập sự tương đối này Phương pháp chính của việc tìm kiếm theo màu sắc là dùng lượt đồ màu để làm đặc trưng cho từng ảnh Do những đặc điểm riêng của mô hình màu HIS và đặc trưng của việc tìm kiếm nên tính... cộng vào bởi vì mỗi màu được tạo nên bằng cách cộng thêm các phần tử vào màu đen(0,0,0) Khuôn dạng của không gian màu RGB là định dạng phổ biến nhất của ảnh số, lý do chính là tính tương thích với màn hình hiển thị chính là màn hình vi tính Tuy nhiên không gian màu RGB có hạn chế lớn nhất là không phù hợp với cách con người cảm nhận về màu sắc Do đó không phù hợp cho việc ứng dụng vào tìm kiếm ảnh http://www.ebook.edu.vn... đó, mỗi lượt đồ được tính bằng cách đếm kênh màu tương ứng trong mỗi điểm ảnh Lượt đồ màu HSI: Mô hình màu HSI có những ưu điểm lớn cho việc tìm kiếm hình ảnh dựa vào nội dung và nhất là trong công việc tìm kiếm dựa vào màu sắc Nhưng những ảnh màu thông thường được lưu trữ ở dạng kỹ thuật số trong máy tính thường theo chuẩn RGB, do đó để có được ảnh màu HSI ta phải qua công đoạn chuyển đổi Chuyển từ... màu đối với vấn đề truy tìm ảnh: Việc tính lượt đồ màu của ảnh diễn ra rất nhanh chóng trong ảnh chỉ qua một lần duyệt qua toàn bộ ảnh Lượt đồ màu tương đối bất biến đối với phép tịnh tiến, xoay ảnh, và nhất là sự kéo nhỏ, kéo giãn, thay đổi kích thước của ảnh Lượt đồ màu của một ảnh màu có thể là một cách miêu tả rất có ý nghĩa cho việc truy tìm ảnh hay nhận dạng đối tượng trong ảnh Lượt đồ màu thông... thời với vân (texture) và hình dáng (shape) Cho đến nay, để giải quyết vấn đề về màu sắc, cách tiếp cận chính vẫn là dựa vào lượt đồ màu a Lượt đồ màu Lượt đồ màu: Như là một bảng tóm tắt thông tin về màu sắc cho một ảnh màu bất kỳ Và việc tính lượt đồ màu này được tiến hành một cách rất nhanh chóng trong ảnh mà chỉ qua một lần duyệt qua toàn bộ ảnh Do đó ứng dụng vào việc tìm kiếm ảnh sẽ có lợi rất lớn... Thủy với : y(m, n): ảnh đầu vào, v(m, n): ảnh đầu ra, a(k, l) : là cửa sổ lọc với ak,l=1/Nw và Nw là số điểm ảnh trong cửa sổ lọc W Lọc trung bình có trọng số chính là thực hiện chập ảnh đầu vào với nhân chập H Nhân chập H trong trường hợp này có dạng: Trong lọc trung bình, thường người ta ưu tiên cho các hướng để bảo vệ biên của ảnh khỏi bị mờ khi làm trơn ảnh Các kiểu mặt nạ được sử dụng tùy theo các... sáng và hue Hệ thống màu HIS cũng hỗ trợ tốt hơn cho những thuật toán xử lý ảnh vì sự tiêu chuẩn hóa về ánh sáng và tập chung vào hai tham số về độ hội tụ màu, và cường độ màu Hình 4.2: Khối nón màu minh họa hệ thống màu HIS Hệ thống màu HSI có sự phân chia rõ rệt giữa ánh sáng và màu sắc Do đó có khả năng rất lớn được áp dụng cho việc tính đặc trưng và so sánh sự giống nhau về màu sắc của hai ảnh Do... được) là Xqs, ảnh gốc là Xgốc, nhiễu là η, ảnh thu được có thể biểu diễn bởi: (3.1) Xqs= Xgốc+ η •Nhiễu nhân: Nhiễu nhân thường phân bố khắp ảnh và ảnh thu được sẽ biểu diễn với công thức: (3.2) Xqs= Xgốc*η •Nhiễu xung: Nhiễu xung thường gây đột biến tại một số điểm ảnh 3.1 LÀM TRƠN NHIỄU BẰNG LỌC TUYẾN: lọc trung bình và lọc dải thông thấp Do có nhiều loại nhiễu can thiệp vào quá trình xử lý ảnh nên cần... trong đó, h(I) và h(Q) là những lượt đồ tương ứng của ảnh I và Q, và A là ma rận đồng dạng KxK Trong ma trận này, những màu mà rất giống nhau thì ần với giá trị một, còn những màu rất khác nhau thì sẽ có giá trị gần với không 4.2 TÌM KIẾM ẢNH DỰA VÀO VÂN 4.2.1 Vân Vân là gì? Vân (texture), đến này vẫn chưa có một định nghĩa chính xác cụ thể về vân,là một đối tượng dùng để phân hoạch ảnh ra thành những ... cn) Do đó, ảnh xử lý ảnh xem ảnh n chiều Sơ đồ tổng quát hệ thống xử lý ảnh: Hình 1.2 Các bước hệ thống xử lý ảnh 1.1.2 Các vấn đề xử lý ảnh a Một số khái niệm * Ảnh điểm ảnh: Điểm ảnh xem dấu... máy tính, xử lý ảnh đồ hoạ phát triển cách mạnh mẽ có nhiều ứng dụng sống Xử lý ảnh đồ hoạ đóng vai trò quan trọng tương tác người máy Quá trình xử lý ảnh xem trình thao tác ảnh đầu vào nhằm cho... 4.1.2 Tìm kiếm ảnh dựa vào màu sắc Phương pháp phổ biến để tìm kiếm ảnh tập ảnh hỗn tạp cho trước dựa vào lượt đồ màu chúng Đây cách làm đơn giản, tốc độ tìm kiếm tương đối nhanh khuyết điểm kết tìm