Báo cáo thực tập: XỬ LÝ ẢNH TRONG MATLAB

Khoảng hơn mười năm trở lại đây, phần cứng máy tính và các thiết bị liên quan đã có sự tiến bộ vượt bậc về tốc độ tính toán, dung lượng chứa, khả năng xử lý v.v.. và giá cả đã giảm đến mức máy tính và các thiết bị liên quan đến xử lý ảnh đã không còn là thiết bị chuyên dụng 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 cá nhân hay chuyên dụng cùng với việc đưa vào máy tính xử lý đã trở nên đơn giản. Trong hoàn cảnh đó, xử lý ảnh là một lĩnh vực đang được quan tâm và đã trở thành môn học chuyên ngành của sinh viên ngành công nghệ thông tin trong nhiều trường đại học trên cả nước. Matlab là một công cụ tính toán trong kỹ thuật, đặc biệt là các bài toán về ma trận. Matlab còn cung cấp các toolboxes chuyên dụng để giải quyết những vấn đề cụ thể như xử lý ảnh, xử lý số tín hiệu, neuron, mô phỏng… Matlab cung cấp Image Processing toobox, chuyên về xử lý ảnh. Có thể nói Matlab là một công cụ lợi hại giúp cho việc thực hiện các giải thuật xử lý ảnh nhanh chóng và dễ hiểu. Chính vì vậy,em đã lựa chọn đề tài thực tập:”XỬ LÝ ẢNH TRONG MATLAB ”.Đề tài đi vào tìm hiểu tổng quan về xử lý ảnh trong MATLAB để có thể hiểu rõ thêm những tiềm năng hấp dẫn mà công nghệ này mang lại và tình hình triển khai công nghệ này trên thế giới và tại Việt Nam.Mặc dù đã rất cố gắng nhưng do hạn chế về thời gian cũng như những hiểu biết có hạn của một sinh viên nên bài báo cáo không tránh khỏi thiếu sót. Để báo cáo được hoàn thiện hơn, em rất mong nhận được các ý kiến đóng góp của các thầy giáo, cô giáo cũng như các bạn sinh viên.

TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ MỤC LỤC DANH MỤC HÌNH VẼ LỜI NÓI ĐẦU 1.Các khái niệm ảnh 1.1 Điểm ảnh (Picture Element) 1.2 Mức xám ảnh 1.3 Độ phân giải ảnh .7 2.Các kiểu ảnh Matlab: .8 2.1 Ảnh Index: .8 Hình Mục hình ảnh màu lập .9 Hình Hình ảnh thang độ xám 2.3 Ảnh nhị phân: Hình Hình ảnh nhị phân 10 2.4.Ảnh RGB: .10 Hình ảnh RGD 11 Các phép biến đổi ảnh: 11 3.1 Biến đổi Fourier: 11 3.2.Phép biến đổi DCT: .12 3.3.Biến đổi Radon: 12 Hình Biến đổi radon 14 3.4 Các hàm xử lý bản: 15 3.4.1 Đọc ghi liệu ảnh: 15 3.4.2 Chuyển đổi kiểu liệu, kiểu ảnh: 15 3.4.2.1 Chuyển đổi kiểu liệu ảnh: .15 3.4.2.2 Chuyển đổi giửa kiểu ảnh: 15 3.4.3 Các phép toán số học liệu ảnh: 16 3.4.4 Các hàm hiển thị ảnh Matlab: 16 4.Các phép biến đổi hình học: 17 4.1 Phép nội suy ảnh: 17 4.2.Thay đổi kích thước ảnh: .17 4.3.Phép quay ảnh: .17 Ngô Thị Nhung_ĐT1_K7 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ 4.4.Trích xuất ảnh: .18 CHƯƠNG 2: CƯỜNG ĐỘ SÁNG CỦA ẢNH VÀ LỌC KHÔNG GIAN .19 1.Cường độ sáng ảnh ví trí điểm ảnh .19 1.1.Số bits cần thiết để lưu trữ ảnh 19 1.2.Độ phân giải ảnh 19 2.Lọc không gian .19 2.1 Lọc tuyến tính: .20 2.2 Lọc phi tuyến: 25 2.3)Ứng dụng lọc ảnh không gian: 27 2.3.1)Các lọc làm mịn ảnh: 27 2.3.2) Các lọc làm sắc nét ảnh: 31 CHƯƠNG : KHÔI PHỤC ẢNH 39 Giới thiệu: 39 2.Nhiễu: 39 2.1 Nhiễu Salt and Pepper: .39 2.2Nhiễu Gaussian: 40 2.3 Nhiễu speckle .41 Hình Nhiễu speckle .42 2.4 Nhiễu tuần hoàn (Periodic noise) 42 Hình Nhiễu tuần hoàn 42 3.Khôi phục ảnh với lọc miền không gian: 42 3.1 Bộ lọc trung bình số học (Arithmetic Mean filter): 42 3.3 Bộ lọc trung bình hình học ( Geometric Mean filter): 44 3.4 Bộ lọc trị số trung bình ( Median filter): .44 3.5 Bộ lọc MIN & MAX: 44 3.6 Bộ lọc trung bình hài ( Harmonic Mean filter): 45 3.7 Bộ lọc điểm giửa ( Midpoint filter): 45 4.Giảm nhiễu tuần hoàn với lọc miền tần số: 45 4.1 Bộ lọc chắn dải: 45 Bộ lọc ngược: 49 Bộ lọc Wiener: .53 Ngô Thị Nhung_ĐT1_K7 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ CHƯƠNG 4: XỬ LÝ ẢNH MÀU 55 1.Làm mỏng cường độ ảnh (Contrast enhencement): .55 Phương pháp lọc: 56 Giảm nhiễu: 57 Phát đường biên: 59 KẾT LUẬN 61 TÀI LIỆU THAM KHẢO 62 DANH MỤC HÌNH VẼ DANH MỤC HÌNH VẼ LỜI NÓI ĐẦU 1.Các khái niệm ảnh 1.1 Điểm ảnh (Picture Element) 1.2 Mức xám ảnh 1.3 Độ phân giải ảnh .7 2.Các kiểu ảnh Matlab: .8 2.1 Ảnh Index: .8 Hình Mục hình ảnh màu lập .9 Hình Hình ảnh thang độ xám 2.3 Ảnh nhị phân: Hình Hình ảnh nhị phân 10 2.4.Ảnh RGB: .10 Hình ảnh RGD 11 Các phép biến đổi ảnh: 11 3.1 Biến đổi Fourier: 11 3.2.Phép biến đổi DCT: .12 3.3.Biến đổi Radon: 12 Hình Biến đổi radon 14 3.4 Các hàm xử lý bản: 15 3.4.1 Đọc ghi liệu ảnh: 15 3.4.2 Chuyển đổi kiểu liệu, kiểu ảnh: 15 Ngô Thị Nhung_ĐT1_K7 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ 3.4.2.1 Chuyển đổi kiểu liệu ảnh: .15 3.4.2.2 Chuyển đổi giửa kiểu ảnh: 15 3.4.3 Các phép toán số học liệu ảnh: 16 3.4.4 Các hàm hiển thị ảnh Matlab: 16 4.Các phép biến đổi hình học: 17 4.1 Phép nội suy ảnh: 17 4.2.Thay đổi kích thước ảnh: .17 4.3.Phép quay ảnh: .17 4.4.Trích xuất ảnh: .18 CHƯƠNG 2: CƯỜNG ĐỘ SÁNG CỦA ẢNH VÀ LỌC KHÔNG GIAN .19 1.Cường độ sáng ảnh ví trí điểm ảnh .19 1.1.Số bits cần thiết để lưu trữ ảnh 19 1.2.Độ phân giải ảnh 19 2.Lọc không gian .19 2.1 Lọc tuyến tính: .20 2.2 Lọc phi tuyến: 25 2.3)Ứng dụng lọc ảnh không gian: 27 2.3.1)Các lọc làm mịn ảnh: 27 2.3.2) Các lọc làm sắc nét ảnh: 31 CHƯƠNG : KHÔI PHỤC ẢNH 39 Giới thiệu: 39 2.Nhiễu: 39 2.1 Nhiễu Salt and Pepper: .39 2.2Nhiễu Gaussian: 40 2.3 Nhiễu speckle .41 Hình Nhiễu speckle .42 2.4 Nhiễu tuần hoàn (Periodic noise) 42 Hình Nhiễu tuần hoàn 42 3.Khôi phục ảnh với lọc miền không gian: 42 3.1 Bộ lọc trung bình số học (Arithmetic Mean filter): 42 3.3 Bộ lọc trung bình hình học ( Geometric Mean filter): 44 Ngô Thị Nhung_ĐT1_K7 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ 3.4 Bộ lọc trị số trung bình ( Median filter): .44 3.5 Bộ lọc MIN & MAX: 44 3.6 Bộ lọc trung bình hài ( Harmonic Mean filter): 45 3.7 Bộ lọc điểm giửa ( Midpoint filter): 45 4.Giảm nhiễu tuần hoàn với lọc miền tần số: 45 4.1 Bộ lọc chắn dải: 45 Bộ lọc ngược: 49 Bộ lọc Wiener: .53 CHƯƠNG 4: XỬ LÝ ẢNH MÀU 55 1.Làm mỏng cường độ ảnh (Contrast enhencement): .55 Phương pháp lọc: 56 Giảm nhiễu: 57 Phát đường biên: 59 KẾT LUẬN 61 TÀI LIỆU THAM KHẢO 62 Ngô Thị Nhung_ĐT1_K7 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ LỜI NÓI ĐẦU Khoảng mười năm trở lại đây, phần cứng máy tính thiết bị liên quan có tiến vượt bậc tốc độ tính toán, dung lượng chứa, khả xử lý v.v giá giảm đến mức máy tính thiết bị liên quan đến xử lý ảnh không thiết bị chuyên dụng Khái niệm ảnh số trở nên thông dụng với hầu hết người xã hội việc thu nhận ảnh số thiết bị cá nhân hay chuyên dụng với việc đưa vào máy tính xử lý trở nên đơn giản Trong hoàn cảnh đó, xử lý ảnh lĩnh vực quan tâm trở thành môn học chuyên ngành sinh viên ngành công nghệ thông tin nhiều trường đại học nước Matlab công cụ tính toán kỹ thuật, đặc biệt toán ma trận Matlab cung cấp toolboxes chuyên dụng để giải vấn đề cụ thể xử lý ảnh, xử lý số tín hiệu, neuron, mô phỏng… Matlab cung cấp Image Processing toobox, chuyên xử lý ảnh Có thể nói Matlab công cụ lợi hại giúp cho việc thực giải thuật xử lý ảnh nhanh chóng dễ hiểu Chính vậy,em lựa chọn đề tài thực tập: ”XỬ LÝ ẢNH TRONG MATLAB ” Đề tài vào tìm hiểu tổng quan xử lý ảnh MATLAB để hiểu rõ thêm tiềm hấp dẫn mà công nghệ mang lại tình hình triển khai công nghệ giới Việt Nam Mặc dù cố gắng hạn chế thời gian hiểu biết có hạn sinh viên nên báo cáo không tránh khỏi thiếu sót Để báo cáo hoàn thiện hơn, em mong nhận ý kiến đóng góp thầy giáo, cô giáo bạn sinh viên Em xin chân thành cảm ơn cô Phạm Thị Thanh Huyền, người trực tiếp hướng dẫn tận tình, giúp đỡ bảo cho em suốt trình làm đề tài thực tập Em xin cảm ơn tất thầy cô dạy dỗ em suốt bốn năm học vừa qua Nhờ thầy cô mà em có kiến thức ngày hôm Em xin chân thành cảm ơn ! Ngô Thị Nhung_ĐT1_K7 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ CHƯƠNG 1: BIỂU DIỄN ẢNH SỐ 1.Các khái niệm ảnh Ảnh số tập hợp hữu hạn điểm ảnh với mức xám phù hợp dùng để mô tả ảnh gần với ảnh thật Số điểm ảnh xác định độ phân giải ảnh Ảnh có độ phân giải cao thể rõ nét đặt điểm hình làm cho ảnh trở nên thực sắc nét 1.1 Điểm ảnh (Picture Element) Điểm ảnh (Pixel) phần tử ảnh số toạ độ (x, y) với độ xám màu định Kích thước khoảng cách điểm ảnh chọn thích hợp cho mắt người cảm nhận liên tục không gian mức xám (hoặc màu) ảnh số gần ảnh thật Mỗi phần tử ma trận gọi phần tử ảnh 1.2 Mức xám ảnh Mức xám: Là kết biến đổi tương ứng giá trị độ sáng điểm ảnh với giá trị nguyên dương Thông thường xác định [0, 255] tuỳ thuộc vào giá trị mà điểm ảnh biểu diễn Các thang giá trị mức xám thông thường: 16, 32, 64, 128, 256 (Mức 256 mức phổ dụng Lý do: từ kỹ thuật máy tính dùng byte (8 bit) để biểu diễn mức xám Mức xám dùng byte biểu diễn: =256 mức, tức từ đến 255) 1.3 Độ phân giải ảnh Định nghĩa: Độ phân giải (Resolution) ảnh mật độ điểm ảnh ấn định ảnh số hiển thị Theo định nghĩa, khoảng cách điểm ảnh phải chọn cho mắt người thấy liên tục ảnh Việc lựa chọn khoảng cách thích hợp tạo nên mật độ phân bổ, độ phân giải phân bố theo trục x y không gian hai chiều Ví dụ: Độ phân giải ảnh hình CGA (Color Graphic Adaptor) lưới điểm theo chiều ngang hình: 320 điểm chiều dọc * 200 điểm ảnh (320*200) Rõ ràng, hình CGA 12” ta nhận thấy mịn hình CGA 17” độ phân Ngô Thị Nhung_ĐT1_K7 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ giải 320*200 Lý do: mật độ (độ phân giải) diện tích hình rộng độ mịn (liên tục điểm) 2.Các kiểu ảnh Matlab: 2.1 Ảnh Index: Ảnh biểu diễn hai ma trận, ma trận liệu ảnh X ma trận màu (còn gọi đồ màu) map Ma trận liệu thuộc kiểu uint8, uint16 double Ma trận màu ma trận kich thước m x gồm thành phần thuộc kiểu double có giá trị khoảng [0 1] Mỗi hàng ma trận xác định thành phần red, green, blue màu tổng số m màu sử dụng ảnh Giá trị phần tử ma trận liệu ảnh cho biết màu điểm ảnh nằm hàng ma trận màu Ngô Thị Nhung_ĐT1_K7 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ Hình Mục hình ảnh màu lập 2.2.Ảnh grayscale: Mỗi ảnh biểu diễn ma trận hai chiều, giá trị phần tử cho biết độ sang (hay mức xám) điểm ảnh Ma trận kiểu uint8, uint16 double Ảnh biểu diễn theo kiểu gọi ảnh „trắng đen‟ Hình Hình ảnh thang độ xám 2.3 Ảnh nhị phân: Ảnh biểu diễn ma trận hai chiều thuộc kiểu logical Mỗi điểm ảnh nhận hai giá trị (đen) (trắng) Ngô Thị Nhung_ĐT1_K7 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ Hình Hình ảnh nhị phân 2.4.Ảnh RGB: Còn gọi ảnh “truecolor” tính trung thực Ảnh biểu diễn ma trận ba chiều kích thước m x n x 3, với m x n kích thước ảnh theo pixels Ma trận định nghĩa thành phần màu red, green, blue cho điểm ảnh, phần tử thuộc kiểu uint8, uint16 double Ngô Thị Nhung_ĐT1_K7 10 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ Ví dụ: Đơn giản cho hàng cột thành phần phổ nhiễu Giả sử tọa độ thành phần nhiễu (156,170), (102,88) >> tf(156,:)=0; >> tf(102,:)=0; >> tf(:,170)=0; >> tf(:,88)=0; Kết : Ngô Thị Nhung_ĐT1_K7 48 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ Nhiều nhiễu trung tâm bị loại bỏ Tạo nhiều hàng nhiều cột dịch chuyển zero loại bỏ nhiều nhiễu  Bộ lọc Notch thông dải Có hoạt động ngược lại với hoạt động lọc Notch chắn dải Ta dễ dàng suy hàm truyền lọc Notch thông dải : Bộ lọc ngược: Ta có : Y(i,j) = X(i,j)*F(i,j) Từ ta khôi phục DFT ảnh ban đầu : X(i,j) = Y(i,j)/F(i,j) Tuy nhiên số thành phần lọc nhỏ, nên phép chia tạo giá trị lớn-lấn át, định giá trị ngõ Nên ta khó thu kết ảnh gốc chấp nhận Ngô Thị Nhung_ĐT1_K7 49 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ Có thể giải vấn đề sau:  Áp lọc thông thấp vào phép chia : Sẽ loại bỏ giá trị nhỏ lọc F(i,j)  Chọn ngưỡng giá trị d, |F(i,j)| < d không thực phép chia mà giữ giá trị ban đầu Ví dụ : Ngô Thị Nhung_ĐT1_K7 50 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ Một ứng dụng khác lọc ngược : lảm rõ ảnh bị mờ chuyển động Ví dụ : >> bc=imread(‟board.tif‟); >> bg=im2uint8(rgb2gray(bc)); >> b=bg(100:355,50:305); >> imshow(b) >> m=fspecial(‟motion‟,7,0); >> bm=imfilter(b,m); >> imshow(bm) Cho ta kết sau : Ngô Thị Nhung_ĐT1_K7 51 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ Để làm rõ ảnh ta cần thực phép chia DFT ảnh bị làm mờ cho DFT lọc làm mờ ảnh Có nghĩa trước tiên ta cần tạo ma trận tương đương với biến đổi làm mờ ảnh >> m2=zeros(256,256); >> m2(1,1:7)=m; >> mf=fft2(m2); >> bmi=ifft2(fft2(bm)./mf); >> fftshow(bmi,‟abs‟) Kết sau: Kết không tốt đặc tính lọc ngược Theo phương pháp thứ để khắc phục đặc tính lọc ngược ta định nghĩa giá trị ngưỡng d=0.02 >> mf=fft2(m2);mf(find(abs(mf)> bmi=ifft2(fft2(bm)./mf); >> imshow(mat2gray(abs(bmi))*2) Ta có kết : Ngô Thị Nhung_ĐT1_K7 52 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ Bộ lọc Wiener: Như trên, ta thấy lọc ngược cho kết không tốt Kết tệ ảnh ban đầu bị tác động nhiễu Nên : át, nhiễu : nhiễu Do có vấn đề phép chia mà vấn đền với lấ Do có vấn đề phép chia mà vấn đề với nhiễu : nhiễu lấy định giá trị ngõ ra, làm cho việc sử dụng lọc ngược trực tiếp Gọi M : ảnh ban đầu, R : ảnh khôi phục Điều mong muốn R gần với M tốt Để xét chênh lệch gần R, M ta sét hàm : Nếu ta tối thiểu hóa giá trị tổng trên, ta chắn rẳng ta thu kết tốt Bộ lọc có đặc điểm hàm tính “bình phương tối thiểu” gọi lọc Weiner Ngô Thị Nhung_ĐT1_K7 53 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ Trong K số K dùng để xấp xỉ nhiễu Nếu phương sai nhiễu biết trước K >> K=0.01; >> wbf=fftshift(fft2(wba)); >> w1=wbf.*(abs(b).^2./(abs(b).^2+K)./b ) >> w1a=abs(ifft2(w1)); >> imshow(mat2gray(w1a )) Ngô Thị Nhung_ĐT1_K7 54 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ CHƯƠNG 4: XỬ LÝ ẢNH MÀU 1.Làm mỏng cường độ ảnh (Contrast enhencement): Nó thực tốt cách xử lý thành phần cường độ Giả sử bắt đầu với hình ảnh, hình ảnh màu lập mục, chuyển đổi để thành ảnh màu (RGB): >> [x,map] = imread('trees.tif'); >> c = ind2rgb(x,map); Bây chuyển từ RGB sang YIQ, làm thành phần cường độ: >> cn = rgb2ntsc(c); Chúng ta áp dụng cân biểu đồ vào thành phần cường độ, chuyển đổi quay trở lại RGB để thị: >> cn(:,:,1)= histeq(cn(:,:,1)); >> c2 = ntsc2rgb(cn); >> imshow(c2) Kết nâng cao độ tương phản Nhưng giả sử cố gắng áp dụng cân biểu đồ cho thành phần RGB: >> cr = histeq(cn(:,:,1)); >> cg = histeq(cn(:,:,2)); >> cb = histeq(cn(:,:,3)); Ngô Thị Nhung_ĐT1_K7 55 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ Bây giờ, phải đặt tất chúng lại thành mảng chiều để sử dụng với imshow Hàm cat sử dụng: >> c3 = cat(3,cr,cg,cb); >> imshow(c3) Phương pháp lọc: Nó phụ thuộc nhiều vào phép lọc sơ đồ sử dụng Cho lọc thông thấp, lọc blurring, áp dụng lọc thành phần RGB: >> a15 = fspecial('average',15); >> cr = filter2(a15,c(:,:,1)); >> cg = filter2(a15,c(:,:,2)); >> cb = filter2(a15,c(:,:,3)); >> blur = cat(3,cr,cg,cb); >> imshow(blur) Chúng ta có hiệu tương tự cách áp dụng lọc thành phần cường độ Nhưng lọc thông cao, ví dụ lọc mặt Ngô Thị Nhung_ĐT1_K7 56 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ nạ không sắc nét, kết tốt làm việc với thành phần cường độ: >> cn = rgb2ntsc(c); >> a = fspecial('unsharp'); >> cn(:,:,1) = filter2(a,cn(:,:,1)); >> cu = ntsc2rgb(cn); >> imshow(cu) Giảm nhiễu: Xử lý với ảnh màu đầy đủ: Đọc vào ảnh màu: >> [x,map] = imread('kids.tif'); >> tn = ind2rgb(x,map); Bây ta thêm nhiễu vào: Ngô Thị Nhung_ĐT1_K7 57 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ Có thể thấy nên áp dụng trung bình lọc với thành phần RGB: >> trm = medfilt2(tn(:,:,1)); >> tgm = medfilt2(tn(:,:,2)); >> tbm = medfilt2(tn(:,:,3)); >> tm = cat(3,trm,tgm,tbm); >> imshow (tn(:,:,1)), >> figure,imshow (tn(:,:,2)) >> figure,imshow (tn(:,:,3)) >> figure,imshow (tm) áp dụng lọc trung bình với thành phần cường độ, việc chuyển đổi từ RGB để lây lan sang YIQ nhiễu thành phần tất YIQ loại bỏ nhiễu từ thành phần Y: >> tnn = rgb2ntsc(tn); Ngô Thị Nhung_ĐT1_K7 58 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ >> tnn(:,:,1) = medfilt2(tnn(:,:,1)); >> tm2 = ntsc2rgb(tnn); >> imshow(tm2) Phát đường biên: Một đường biên ảnh hình ảnh nhị phân có chứa cạnh đầu vào theo hai cách: Chúng ta làm thành phần cường độ, áp dụng hàm edge cho Chúng ta áp dụng hàm edge cho thành phần ảnh RGB, thực để kết Thực phương pháp với hàm rgb2gray: >> f = imread('football.jpg'); >> fg = rgb2gray(f); >> fe1 = edge(fg);% mac dinh la Sobel >> imshow(fe1) Ngô Thị Nhung_ĐT1_K7 59 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ Cho phương pháp thứ 2, thực với phép toán “or”: >> f1 = edge(f(:,:,1)); >> f2 = edge(f(:,:,2)); >> f3 = edge(f(:,:,3)); >> fe2 = f1|f2|f3; >> imshow(fe2) Nhận xét: cách thứ hai có nhiều đường biên Ngô Thị Nhung_ĐT1_K7 60 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ KẾT LUẬN Sau tháng kể từ nhận đề tài, với cố gắng nỗ lực thân, với bảo cô giáo hướng dẫn em hoàn thành đề tài Thông qua đề tài: ”XỬ LÝ ẢNH TRONG MATLAB” thực giúp em nắm vững thực tế chuyên môn, nhằm củng cố thêm cho kiến thức học nhà trường Qua em dịp mở rộng tầm hiểu biết mảng kiến thức ngành điện tử viễn thông Đối với em, báo cáo thực phù hợp với kiến thức em tích lũy học ngành kỹ thuật điện tử, điện tử viễn thông Trong trình làm báo cáo trình độ hiểu biết em có hạn nên nội dung báo cáo không tránh khỏi sai sót Em mong thầy cô môn châm trước hy vọng nhận bảo tận tình thầy cô Đó kinh nghiệm , tri thức quý báu giúp em công việc sau Một lần em xin chân thành cảm ơn cô Phạm Thị Thanh Huyền hướng dẫn giúp đỡ em hoàn thành báo cáo Đồng thời em xin cảm ơn tất thầy cô dạy dỗ em suốt bốn năm học qua Nhờ thầy cô mà em có kiến thức ngày hôm Em xin chân thành cảm ơn! 61 Ngô Thị Nhung - ĐT1_K7 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ TÀI LIỆU THAM KHẢO Fundamentals of Digital Image Processing: A Practical Approach with Examples in Matlab Matlab Tutorial : Digital Image Processing I Giáo trình xử lý ảnh (Người soạn: TS Đỗ Đăng Toàn TS Phạm Việt Bình ĐH Thái Nguyên) Matlab ứng dụng viễn thông ( Tác giả : TS.Đặng Hồng Liên –Phạm Đăng Khoa- Trần Thanh Phương ) 62 Ngô Thị Nhung - ĐT1_K7 [...]... lọc sẽ nằm bên ngoài ảnh Có nhiều giải pháp để giải quyết vấn đề này Một giải pháp đơn giản là ta chỉ tiến hành xử lý tại các điểm có khoảng cách không nhỏ hơn so với biên ảnh Kết quả là ảnh sau lọc có kích thước nhỏ hơn so với ảnh gốc nhưng toàn bộ điểm ảnh đều được xử lý Trong trường hợp cần ảnh sau xử lý có cùng kích thước với ảnh gốc, một giải pháp là tiến hành xử lý các điểm ảnh ở gần biên với các... dạng ảnh Hình 5 Biến đổi radon Ngô Thị Nhung_ĐT1_K7 14 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ 3.4 Các hàm xử lý cơ bản: 3.4.1 Đọc và ghi dữ liệu ảnh: Hàm imread đọc các file ảnh với bất kỳ các định dạng ảnh đã biết hiện nay và lưu lại dưới dạng một ma trận biểu diễn ảnh trong Matlab Cú pháp : A=imread(filename,fmt)  Hàm imwrite cho phép lưu một ảnh biểu diễn bằng một ma trận trong Matlab thành một file ảnh. .. ma trận 2 chiều là ảnh ra của bộ lọc Phép toán lấy trung bình nhân ta sẽ gặp trong phần phục hồi ảnh 2.3)Ứng dụng lọc ảnh không gian: 2.3.1)Các bộ lọc làm mịn ảnh: Các bộ lọc làm mịn ảnh được sử dụng để làm mờ và giảm nhiễu Làm mờ ảnh được sử dụng trong quá trình tiền xử lý ảnh, nhằm mục đích loại bỏ các chi tiết nhỏ ra khỏi ảnh trước khi tiến hành tách các thành phần lớn hơn khỏi ảnh, làm mờ còn được... nhiễu cụ thể Trong chương này ta sẽ xét đến lọc Ngô Thị Nhung_ĐT1_K7 19 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ ảnh trong không gian Chương tiếp theo sẽ đề cập đến lọc ảnh trong miền tần số Lọc không gian(spatial filtering) cũng là một quá trình xử lý trên các điểm ảnh, dựa trên một phép toán với các điểm ảnh xung quanh Phương pháp lọc ảnh bao gồm các bước: (1)xác định điểm ảnh trung tâm (x,y); (2) thực hiện... loại bỏ Tuy nhiên một hạn chế dễ thấy khi tiến hành làm mượt ảnh là tại các vị trí biên( chi tiết được sử dụng nhiều trong xử lý ảnh) , nơi có sự thay đổi nhanh chóng của các mức xám, lại bị làm mờ đi ảnh hưởng đến các bước tiếp theo trong xử lý ảnh Tuy nhiên nếu sử dụng cửa sổ lọc thích hợp, ta có thể giảm nhiễu mà chỉ ít ảnh hưởng đến biên ảnh Một cửa sổ lọc chuẩn hóa thường thấy và đã được đề cập là... ảnh đã bớt nhiễu nhưng bị mờ đi.Hình c là kết quả của phép lọc trung vị dùng cửa sổ lọc 3 3 cho ta hình ảnh được cải thiện một cách rõ rệt 2.3.2) Các bộ lọc làm sắc nét ảnh: Mục đích của việc làm sắc ảnh là nổi bật các chi tiết trong ảnh hoặc làm sắc các chi tiết bị mờ bởi quá trình làm mượt ảnh Ta đã biết quá trình làm mượt ảnh là thực hiện phép lấy trung bình các giá trị lân cận điểm ảnh cần xử lý, ... >>g=colfilt(f,[m n], „sliding‟, @fun); Trong đó f là ảnh gốc, g là ảnh sau xử lý, cửa sổ lọc có kích thước m n, „sliding‟ là thông số sử dụng trong lọc phi tuyến, chỉ ra quá trình xử lý là trượt cửa sổ lọc qua các pixels của ảnh f, fun là một hàm phi tuyến đã được định nghĩa từ trước Do cách sắp xếp của ma trận A như trên, hàm fun phải tiến hành trên mỗi cột của A, tạo ra một vector hàng v, trong đó mỗi phần tử là... phủ trong ảnh và bỏ qua các hệ số nằm bên ngoài ảnh Một giải pháp khác là thêm một số mức xám vào ảnh gốc, gọi là đệm(padding) để mặt nạ phủ toàn bộ ảnh Miếng đệm có thể là một số hàng và cột có giá trị 0(hoặc một hằng số nào đó), hoặc thêm các hàng và cột lặp lại các giá trị mức xám trên biên ảnh, hoặc đối xứng với các điểm ảnh bên trong qua biên ảnh Điều dễ thấy là kích thước mặt nạ càng lớn, ảnh. .. học cơ bản đối với dữ liệu ảnh: Các phép toán số học cơ bản trên các dữ liệu ảnh bao gồm các phép cộng, trừ, nhân và chia Tuy nhiên, Matlab chỉ hỗ trợ các phép toán này trên kiểu double nên cần thực hiện chuyển đổi kiểu trước khi thực hiện Để giảm bớt thao tác này, trong IPT có cung cấp các hàm thực hiện các phép toán số học trên ảnh mà có thể chấp nhận bất kỳ kiểu dữ liệu ảnh nào và trả về kết quả... sang dạng chữ thập, người dùng sẽ kéo chuột để chọn phần ảnh cần trích xuất sau đó thả chuột Ngô Thị Nhung_ĐT1_K7 18 TRƯỜNG ĐHCN HÀ NỘI KHOA ĐIỆN TỬ CHƯƠNG 2: CƯỜNG ĐỘ SÁNG CỦA ẢNH VÀ LỌC KHÔNG GIAN 1.Cường độ sáng của một ảnh tại một ví trí điểm ảnh Mỗi điểm ảnh của một ảnh tương ứng với một phần của một đối tượng vật lý tồn tại trong thế giới thực Đối tượng vật lý này được chiếu sáng bởi ... x N Phép biến đổi DCT thuận nghịch thực hàm dtc2 idtc2 Các hàm sử dụng giải thuật dựa theo FFT để tăng tốc độ tính toán Cú pháp : B=dtc2(A,M,N) A=idtc2(B,M,N) 3.3.Biến đổi Radon: Phép biến đổi... formatversion, width, height, bitdepth, colortype 3.4.2 Chuyển đổi kiểu liệu, kiểu ảnh: 3.4.2.1 Chuyển đổi kiểu liệu ảnh: Matlab cung cấp sẵn hàm thực chuyển kiểu cho ma trận biểu diễn ảnh, bao gồm :... x=rgb2ind(rgb,map) [x,map]=rgb2ind(rgb,tol) 3.4.3 Các phép toán số học liệu ảnh: Các phép toán số học liệu ảnh bao gồm phép cộng, trừ, nhân chia Tuy nhiên, Matlab hỗ trợ phép toán kiểu double nên cần thực chuyển