Phát hiện và xóa đối tượng nhỏ trong ảnh đường nét

MỞ ĐẦU Lý chọn đề tài Xử lý ảnh là ngành khoa học tương đối mẻ so với nhiều ngành khoa học khác lĩnh vực quan trọng nghành công nghệ thông tin, có tốc độ phát triển nhanh, có liên quan đến nhiều lĩnh vực khoa học như: khoa học đời sống, quân sự, y tế… Trong chuỗi bước xử lý ảnh, tiền xử lý bước đầu giai đoạn xử lý đóng vai trò quan trọng Ảnh đầu vào thường có chất lượng chưa tốt nhiều lý máy thu, người chụp, môi trường điều kiện khách quan khác khiến ảnh nhận không sát thực, mà mắt thường phát nhìn hình ảnh, đối tượng nhỏ ảnh Việc khắc phục nhược điểm vấn đề đặt cho hệ thống xử lý ảnh Trong phạm vi đề tài luận văn thạc sỹ, sâu vào tìm hiểu kỹ thuật xóa đối tượng nhỏ ảnh đường nét Do lựa chọn đề tài: “Phát xóa đối tượng nhỏ ảnh đường nét” Mục đích nghiên cứu - Tăng cường chất lượng ảnh, đưa ảnh cần xử lý mang đặc điểm ảnh gốc ban đầu - Giảm thiểu khả xuất thông tin sai ảnh, làm tiền đề phục vụ tốt cho bước xử lý cao giai đoạn sau Nhiệm vụ nghiên cứu - Tìm hiểu khái quát xử lý ảnh, nhiễu lỗ hổng - Tìm hiểu số kỹ thuật lọc nhiễu lấp lỗ hổng - Cài đặt thử nghiệm kỹ thuật tìm hiểu Đối tượng phạm vi nghiên cứu a Đối tượng nghiên cứu - Các loại ảnh đường nét như: Các vẽ, sơ đồ mạng lưới, mạch in, đồ đường sá, sông ngòi, vân tay… - Các kỹ thuật xử lý xóa đối tượng nhỏ ảnh đường nét - Xây dựng phần mềm mô phát xóa đối tượng nhỏ ảnh đường nét b Phạm vi nghiên cứu: - Một số kỹ thuật hỗ trợ phát xóa đối tượng nhỏ ảnh đường nét Dự kiến đóng góp mới: Đề tài hoàn thành giải phần quan trọng toán phát xóa đối tượng nhỏ ảnh đường nét: Xác định vùng chứa đối tượng nhỏ xóa đối tượng đưa ảnh gần giống ảnh gốc Đây sở để phát triển ứng dụng áp dụng thực tế tất lĩnh vực khoa học có liên quan đến ảnh đường nét Phương pháp nghiên cứu - Nghiên cứu tài liệu, tìm hiểu thông tin Internet kỹ thuật liên quan - Sử dụng thử nghiệm công cụ có sẵn để hiểu rõ chất vấn đề, sau xây dựng chương trình demo NỘI DUNG Chương KHÁI QUÁT XỬ LÝ ẢNH VÀ BÀI TOÁN XÓA ĐỐI TƯỢNG NHỎ TRONG ẢNH ĐƯỜNG NÉT 1.1 Khái quát xử lý ảnh 1.1.1 Xử lý ảnh, sơ đồ tổng quát hệ thống xử lý ảnh Để hình dung cấu hình hệ thống xử lý ảnh chuyên dụng hay hệ thống xử lý ảnh dùng nghiên cứu, đào tạo, trước hết xem xét bước cần thiết xử lý ảnh Hệ định Thu nhận ảnh (Scanner, Camera, Sensor) Tiền xử lý Trích chọn đặc điểm Hậu xử lý Đối sánh rút kết luận Lưu trữ Hình 1.1: Các bước hệ thống xử lý ảnh * Thu nhận ảnh: Các thiết bị thu nhận ảnh có hai loại ứng với hai loại ảnh thông dụng Raster Vector Các thiết bị thu ảnh thông thường gồm camera cộng với chuyển đổi tương tự số AD (Analog to Digital) scanner chuyên dụng * Tiền xử lý: Tiền xử lý bước tăng cường ảnh để nâng cao chất lượng ảnh để làm bật số đặc tính ảnh, hay làm cho ảnh gần giống với trạng thái gốc - trạng thái trước ảnh bị biến dạng * Trích chọn đặc điểm: Việc trích chọn đặc điểm giúp cho việc nhận dạng đối tượng ảnh cách xác với tốc độ tính toán cao dung lượng nhớ lưu trữ giảm xuống Các đặc điểm đối tượng trích chọn tuỳ theo mục đích nhận dạng trình xử lý ảnh Có thể nêu số đặc điểm ảnh như: Đặc điểm không gian, đặc điểm biến đổi, đặc điểm biên đường biên * Hậu xử lý: Bao gồm có kỹ thuật: Rút gọn số lượng điểm biểu diễn ,nhằm bớt điểm thu nhằm giảm thiểu không quan lưu trữ Với thuật toán: Thuật toán Douglas Peucker, thuật toán Band width, thuật toán Angles * Đối chiếu đưa kết luận: Ảnh sau xử lý lưu trữ, kết hơp với sở tri thức để đưa kết luận phục vụ cho mục đích nhận dạng nội suy 1.1.2 Các vấn đề xử lý ảnh 1.1.2.1 Một số khái niệm Pixel (Picture Element): phần tử ảnh Trong trình số hóa, người ta biến đổi tín hiệu liên tục sang tín hiệu rời rạc thông qua trình lấy mẫu (rời rạc hóa không gian) lượng hóa thành phần giá trị mà nguyên tắc mắt thường không phân biệt hai điểm kề Trong trình này, người ta sử dụng khái niệm Picture element mà ta quen gọi hay viết Pixel – phần tử ảnh a Ảnh với độ phân giải 72 dpi b Ảnh với độ phân giải 36 dpi Hình 1.2: Biểu diễn ảnh với độ phân giải khác Gray level: Mức xám Mức xám kết mã hóa tương ứng cường độ sáng điểm ảnh với giá trị số - kết trình lượng hóa Cách mã hóa kinh điển thường dùng 16, 32 hay 64 mức Mã hóa 256 mức phổ dụng lý kỹ thuật Vì 2^8 = 256 (0, 1, …, 255), nên với 256 mức, pixel mã hóa bit Các điểm 8-láng giềng Giả sử (i,j) điểm ảnh, điểm 4-láng giềng điểm trực tiếp bên trên, dưới, trái, phải điểm (i,j): N4= {(i -1,j), (i +1,j), (i, j -1), (i, j +1)}, điểm 8-láng giềng (hình 1.3) gồm: N8 = N4 ∪ {(i -1,j -1), (i +1,j -1), (i -1,j +1), (i +1,j +1)} Ví dụ hình 1.3 điểm 0, 2, 4, 4-láng giềng điểm P, điểm 0, 1, 2, 3, 4, 5, 6, láng giềng P Chu tuyến Chu tuyến đối tượng ảnh tập điểm biên đối tượng p0,p1,…,pN cho pi-1 pi+1 8-láng giềng pi p0= pN Chẳng hạn hình 1.4 biểu diễn chu tuyến ảnh P z p x Hình 1.3: Ma trận láng giềng kề Hình 1.4:Ví dụ chu tuyến ảnh Nhiễu (Noise) Cho trước chu tuyến C ngưỡng θ > 0, tập hợp điểm chu tuyến C gọi nhiễu thoả mãn hai điều kiện sau: - Có điểm điểm ảnh quan tâm cho điểm 8-láng giềng điểm chu tuyến C - Độ dài chu tuyến C nhỏ ngưỡng θ Trong trường hợp C gọi chu tuyến xác định nhiễu Lỗ hổng (Hole) Cho trước chu tuyến C ngưỡng θ > 0, tập hợp điểm chu tuyến C gọi lỗ hổng thoả mãn hai điều kiện sau: - Có điểm có giá trị với thuộc tính cho điểm 8-láng giềng điểm chu tuyến C - Độ dài chu tuyến C nhỏ ngưỡng θ Trong trường hợp C gọi chu tuyến xác định lỗ hổng Ảnh đen trắng Ảnh đen trắng ảnh bao gồm hai mầu đen trắng Người ta phân mức đen trắng thành L mức, xử dụng bít mã hóa mức đen trắng L xác định: L=2B (nếu B=8 ta có L=28=256) Ảnh mầu Biểu diễn tương tự ảnh đen trắng, khác số phần tử ma trận biểu diễn cho ba mầu riêng rẽ (red, green, blue) Để biểu diễn điểm ảnh cần 24 bit chia làm ba khoảng khoảng bit Ảnh đường nét Ảnh đường nét ảnh có chiều dài lớn gấp nhiều lần chiều rộng Ví dụ: Các vẽ, sơ đồ mạng lưới, mạch in, đồ đường sá, sông ngòi, vân tay… Độ phân giải ảnh Độ phân giải ảnh khoảng cách điểm ảnh chọn cho mắt người thấy liên tục ảnh, việc lựa chọn khoảng cách thích hợp tạo lên mật độ phân bố, độ phân giải phân bố theo trục x y không gian hai chiều Ảnh biểu diễn theo mô hình Vector mô hình Raster: Hình 1.5: Quan hệ điểm ảnh (mô hình Raster) Biên Biên vấn đề chủ yếu quan trọng trình phân tích ảnh kỹ thuật phân đoạn ảnh chủ yếu dựa vào biên Cho đến chưa có định nghĩa xác biên, với ứng dụng người ta đưa độ đo khác biên Một điểm ảnh gọi biên có thay đổi đột ngột mức xám Điểm biên Cho p điểm ảnh, đó: p điểm biên tồn q 8-láng giềng p cho cường độ sáng q khác với cường độ sáng p Nói cách khác, p điểm ảnh quan tâm q điểm có thuộc tính ngược lại 1.1.2.2 Biểu diễn ảnh Một số mô hình thường dùng biểu diễn ảnh: mô hình toán, mô hình thống kê Trong mô hình toán, ảnh hai chiều biểu diễn nhờ hàm hai biến trực giao gọi hàm sở Với mô hình thống kê, ảnh coi phần tử tập hợp đặc trưng đại lượng như: kỳ vọng toán học, hiệp biến, phương sai, moment 1.1.2.3 Tăng cường ảnh – khôi phục ảnh Tăng cường ảnh bước quan trọng, tạo tiền đề cho xử lý ảnh Nó gồm loạt kỹ thuật như: lọc độ tương phản, khử nhiễu, màu, v.v… 1.1.2.4 Nhận dạng ảnh Nhận dạng ảnh trình liên quan đến mô tả đối tượng mà người ta muốn đặc tả Quá trình nhận dạng thường sau trình trích chọn đặc tính chủ yếu đối tượng Có hai kiểu mô tả đối tượng: - Mô tả tham số (nhận dạng theo tham số) - Mô tả theo cấu trúc (nhận dạng theo cấu trúc) 1.1.3 Thu nhận ảnh 1.1.3.1 Thiết bị thu nhận ảnh Các thiết bị thu nhận ảnh cho ảnh trắng đen B/W (Black & White) với mật độ từ 400 đến 1600 dpi (dot per inch) ảnh màu 600 dpi Với ảnh B/W mức màu Với ảnh đa cấp xám, mức xám biến thiên từ đến 255 Ảnh màu, điểm ảnh lưu trữ bytes ta có x màu (cỡ 16,7 triệu màu) Thiết bị ảnh máy đen trắng, máy in màu hay máy vẽ (ploter) Máy vẽ có nhiều loại: loại dùng bút, loại phun mực 1.1.3.2 Biểu diễn màu Ánh sáng màu tổ hợp ánh sáng đơn sắc Mắt người cảm nhận vài chục màu, song lại phân biệt hàng ngàn màu Có thuộc tính chủ yếu cảm nhận màu: - Brighness: sắc màu, gọi độ chói - Hue: sắc lượng, gọi sắc thái màu - Saturation: độ bão hòa Hình 1.6: Hệ tọa độ màu RGB Với nguồn sáng đơn sắc, độ hue tương ứng với bước sóng λ Độ bão hòa thay đổi nhanh ta thêm lượng ánh sáng trắng Hình 1.3 mô tả mối liên quan đại lượng màu chủ yếu R, G B Với điểm W* cố định, ký hiệu G, R, B vị trí tương đối phổ màu đỏ, lục lơ Do tán sắc ánh sáng mà ta nhìn rõ màu Theo Maxwell, võng mạc có loại tế bào hình nón cảm thụ màu ứng với phổ hấp thụ S1( λ ), S2( λ ) S3( λ ); λ = 380 nm; λ max = 780 nm - Một màu điểm vòng tròn - Nếu White Black đường tròn lớn R điểm bão hòa - S thay đổi theo bán kính - H thay đổi theo góc θ - W* sắc màu 10 Các lọc kết hợp với ảnh phép nhân chập (phép cuộn) cho ảnh kết có độ nhiễu nhỏ ảnh ban đầu 1.1.4.3 Làm trơn biên, lấp đầy chỗ trống Trên thực tế, sau khử nhiễu, đường biên chữ không trơn tru ban đầu mà hình thành đường cong có cưa Khi ta phải tiến hành lấp đầy chỗ trống, xóa điểm giả biên chữ Hai kỹ thuật hay sử dụng Unger Dineen 1.2 Bài toán xoá đối tượng nhỏ ảnh đường nét Hiện nay, có nhiều lĩnh vực như: Địa chất, đồ, y tế, quân sự, công an… sử dụng ảnh đường nét Thông thường trình thu nhận ảnh không tránh khỏi lỗ hổng nhiễu nhỏ, đối tượng nảy sinh trình thu nhận ảnh, hay trình cải thiện ảnh co ảnh, phân ngưỡng đối tượng xem đối tượng nhỏ cần phải loại bỏ kết thu nhận ảnh Bài toán đề cập đến số kỹ thuật xoá đối tượng nhỏ ảnh đường nét để giải vấn đề nêu Ở xét ảnh đen trắng, ảnh xám phân ngưỡng hay ảnh màu với màu định quy ước: ảnh đen trắng điểm ảnh quan tâm đen, ảnh đa cấp xám phân ngưỡng điểm ảnh quan tâm điểm có cường độ sáng lớn ngưỡng ảnh màu điểm ảnh quan tâm điểm có màu trùng với màu định, điểm lại xem Nếu nhiễu xem nhóm điểm quan tâm lỗ hổng nhóm điểm nhỏ ngưỡng hai thuật toán xoá nhiễu lấp lỗ hổng đối ngẫu 12 Chương CÁC KỸ THUẬT XOÁ ĐỐI TƯỢNG NHỎ TRONG ẢNH ĐƯỜNG NÉT 2.1 Loại bỏ đối tượng nhỏ dựa vào chu tuyến 2.1.1 Phát lỗ hổng nhiễu Mệnh đề 1: [Phát lỗ hổng] Cho trước ngưỡng θ > chu tuyến C có độ dài nhỏ θ với điểm điểm ảnh quan tâm (điểm đen) Gọi C chu tuyến láng giềng chu tuyến C ta có khẳng định sau: chu tuyến C1 xác định lỗ hổng độ dài chu tuyến C lớn độ dài chu tuyến C2 Mệnh đề 2: [Phát nhiễu] Cho trước ngưỡng θ >0 chu tuyến C1 có độ dài nhỏ θ với điểm điểm (điểm trắng) Gọi C2 chu tuyến láng giềng chu tuyến C1 ta có khẳng định sau: chu tuyến C xác định nhiễu độ dài chu tuyến C2 nhỏ độ dài chu tuyến C1 2.1.2 Thuật toán lấp đầy lỗ hổng xoá nhiễu dựa theo chu tuyến Để lấp đầy lỗ hổng hay xoá nhiễu xác định chu tuyến ta dùng phương pháp "làm mảnh" theo chu tuyến Thuật toán REMOVE (lấp đầy lỗ hổng xoá nhiễu) gồm hai bước: Làm mảnh xóa xương Mệnh đề 3: Thuật toán REMOVE dừng cho kết (lấp đầy lỗ hổng xoá nhiễu cần thiết) 2.1.3 Nâng cao tốc độ Do thuật toán lấp lỗ hổng xoá nhiễu sử dụng thuật toán làm mảnh theo chu tuyến, cách giúp cho việc xoá đối tượng tiến hành theo trình tự vào dựa theo đường xoắn ốc 13 chu tuyến, tốc độ nhanh kiểm tra việc tiếp xúc biên đối tượng 2.1.4 Ứng dụng chu tuyến vào việc loại bỏ đối tượng nhỏ trình véc tơ hoá tự động Phần đề cập tới phương pháp ứng dụng chu tuyến vào việc loại bỏ đối tượng nhỏ trình véc tơ hoá tự động có sử dụng thuật toán làm mảnh dựa vào chu tuyến, phương pháp loại bỏ đối tượng nhỏ trình véc tơ hoá tự động mà không phụ thuộc vào mẫu * Loại bỏ đối tượng nhỏ trình véc tơ hoá tự động dựa theo chu tuyến Thuật toán véc tơ hoá tự động kết hợp loại bỏ đối tượng nhỏ dựa theo chu tuyến gồm bước sau: Bước [Duyệt tìm chu tuyến]: Việc duyệt tìm tiến hành từ trái sang phải, từ xuống theo ma trận điểm ảnh Nếu không thấy chu tuyến nhảy qua thực bước 2, ngược lại kiểm tra độ dài chu tuyến vừa tìm nhỏ ngưỡng θ cho trước lỗ hổng hay nhiễu không sử dụng thuật toán REMOVE để xoá đối tượng vừa tìm được, không lưu chu tuyến kết vừa tìm vào mảng Tiếp tục thực Bước Bước [Làm mảnh]: Với đối tượng chu tuyến tìm mảng lưu trữ, ta tiến hành bước làm mảnh Việc làm mảnh bao gồm nhiều lần lặp, lần lặp tất điểm đối tượng kiểm tra chúng thoả mãn 14 điều kiện xoá bị xoá Quá trình lặp lại không điểm biên xoá Đối tượng bóc dần lớp biên bị thu mảnh lại thành đường có độ dày pixel Bước [Véc tơ]: Với đối tượng làm mảnh tiến hành véc tơ hoá việc dò theo xương Kết thu dãy điểm liên tiếp, để giảm việc lưu trữ chúng loại bỏ bớt nhờ thuật toán đơn giản hoá 2.2 Kỹ thuật lấp lỗ hổng: 2.2.1 Phương pháp tam giác: 2.2.1.1 Phương pháp: - Trong số điểm ánh xạ, ta chọn số điểm có khoảng cách đến lỗ hổng M nhỏ Gọi điểm tập S - Dựa vào thuật toán “lựa chọn điểm thích hợp” để tìm điểm thuộc S có ảnh hưởng đến M nhiều Gọi điểm A, B, C Ta gọi A’ điểm thuộc ảnh gốc ánh xạ sang A, B’ ánh xạ sang B, C’ ánh xạ sang C - Từ phép nội suy tam giác ABC thành tam giác A’B’C’ ta xác định điểm M’ thuộc tam giác A’B’C’ tương ứng với điểm M thuộc tam giác ABC - Gán giá trị màu M’ cho điểm M 2.2.1.2 Thuật toán tìm chu tuyến: Thuật toán dò biên: cho đối tượng ảnh nhằm phát chu tuyến bao gồm bước sau: - Xác định điểm xuất phát - Dự báo điểm biên bn+1 = T(bn) - Lặp lại bước gặp điểm biên xuất phát 15 * Tìm biên cho vùng ảnh chứa điểm M:  Xác định cặp vùng xuất phát Gọi N, D điểm ảnh N.x =M.x N.y =M.y While(N lỗ hổng) { ++ N.x } D.x =N.x-1; D.y =N.y; Cặp vùng xuất phát (D , N);  Xác định cặp vùng Trong bước ta khai báo mảng Orient gồm phần tử để xác định toạ độ tám láng giềng điểm ảnh M Các tám láng giềng M có vị trí đặt tên đến Hình 2.2 M Hình 2.2: Vị trí tám láng giềng Các giá trị phẩn tử mảng Orient xác định sau: Point Orient[] = {(1,0),(1,-1),(0,-1),(-1,-1),(-1,0),(-1,1),(0,1),(1,1)} Vậy toạ độ điểm tám láng giềng thứ i M điểm N mà: N.x=M.x+Orient[i].x; N.y=M.y+Orient[i].y Cặp (nền, vùng) xác định dựa cặp vùng xác định trước đó: 16 * Gọi M điểm vừa tìm đựợc, điểm vùng vừa tìm tám láng giềng M xác định vị trí i (hướng i so với điểm M) * Lấy điểm M làm gốc, điểm láng giềng i làm Xoay vectơ theo chiều kim đồng hồ gặp điểm láng giềng M điểm (điểm ánh xạ) dừng điểm điểm láng giềng có thứ tự thứ j M * Điểm láng giềng j [(j+1)%8] ([(j+1)%8] điểm láng giềng đứng trước j theo chiều kim đồng hồ) cặp vùng j i M Hình 2.3: Minh họa tìm cặp vùng - Điểm điểm tô đậm - Điểm vùng điểm để trắng  Xác định biên vùng ảnh chứa điểm M Gồm có hai bước: * Xác định cặp vùng (M,N) xuất phát Điểm biên thứ i = M * Xác định cặp vùng (M’, N’) Điểm biên thứ i = i+1 M’ Kiểm tra cặp (M’, N’) trùng với cặp (M, N) kết thúc Ngược lại: gán M = M’, N= N’ quay lại bước để tìm tiếp điểm biên lại 2.2.1.3 Tìm hiểu thuật toán tô màu Ta có thuật toán tô màu xuất phát từ điểm P(x, y) màu tô c: Nếu c màu thoát 17 Khởi tạo Từ P(x,y) tìm điểm phải P RP(x,j) nạp vào stack Lặp công việc sau stack rỗng 3.1 Lấy stack nạp vào (x,y) 3.2 Nếu (x,y) tô quay lại vòng lặp 3.3 Tìm đầu dòng (nếu liên thông với dòng chứa (x,y)) nạp vào stack 3.4 Tìm đầu dòng (nếu liên thông với dòng chứa (x,y)) nạp vào stack 3.5 Lặp qua trái đến hết bước sau: Tô (x,y) Nếu (x-1,y) điểm phải nạp vào stack Nếu (x+1,y) điểm phải nạp vào stack 2.2.2 Phương pháp đoạn thẳng: 2.2.2.1 Các bước phương pháp: * Tìm hình vuông x nhận M làm trọng tâm * Xét đường thẳng qua M bốn trục đối xứng hình chữ nhật bao gồm: - Hai đường chéo hình chữ nhật - Đường thẳng nằm ngang qua M - Đường thẳng dọc qua M M Hình 2.4: Bốn đường thẳng cần xét 18 Bốn đường thẳng cần xét * Trên đường thẳng, tìm đoạn thẳng dài thoả mãn điều kiện: - Các điểm đoạn thẳng lỗ hổng, trừ hai đầu mút hai điểm ánh xạ (không lỗ hổng) - Đoạn thẳng chứa M * Gọi A1A2, B1B2, C1C2, D1D2 đoạn thẳng tìm Ta tìm đoạn thẳng có độ dài ngắn đoạn Gọi đoạn P1P2 * Tìm điểm M’ tương ứng với M đoạn P’1 P’2 dựa vào tỷ lệ khoảng cách từ M đến P1 P2 (P’1 điểm tương ứng với P1, P’2 điểm tương ứng với P2 ảnh gốc) * Gán giá trị mầu M’ cho M 2.3 Kỹ thuật lọc nhiễu: 2.3.1 Lọc trung vị: Phần tử a dãy có 2m+1 phần tử {x1, x2 , xm , x2m, x2m+1} gọi trung vị có m phần tử lớn a có m phần tử nhỏ a Vd: Dãy :{15, 17, 18, 16, 78, 17, 17, 15, 20} Có trung vị 17 có phần tử bé (gạch chân) phần tử lớn (tô màu) Dãy : {15, 17, 18, 16, 78,17, 17,15, 20} Thuật toán : Tìm điểm ảnh bị lỗi hình xử lý Chọn kích thước cửa sổ phù hợp (là ma trận) Sắp xếp pixel (cả pixel bị lỗi) theo dãy thứ tự tăng (giảm) dần Thay pixel bị lỗi giá trị dãy vừa tính 19 Dịch cửa sổ sang hàng Quay lại bước Người ta thường sử dụng cửa sổ 3x3 ta sử dụng cửa sổ 5x5 7x7 Thủ tục lọc thực nhiều lần, thủ tục lọc không làm thay đổi ảnh Cột x Hàng y 15 17 18 16 78 17 17 15 20 Hình 2.5 : Mặt lọc với cửa sổ 3x3 Đặt cửa sổ cho tâm trùng với (x, y), giá trị phần tử ảnh (x, y) 78, phần tử ảnh cửa sổ có giá trị lập thành dãy : 15, 17, 18, 16, 78, 17, 17, 15, 20 Theo trung vị dãy 17, giá trị phần tử ảnh điểm (x, y) 17 Cột x Hàng y 15 17 18 16 17 17 17 15 20 Hình 2.6: Ảnh minh họa Kỹ thuật thực hiện: Sắp xếp dãy X tăng dần giảm dần giá trị cửa sổ: 20 15 15 16 17 17 17 18 20 78 Hình 2.7: Ảnh minh họa Đặt f(x,y)=X5 2.3.2 Lọc giả trung vị: Thuật toán lọc giả trung vị : Lấy phần tử cửa sổ mảng chiều (L phần tử) Tìm chuỗi lấy max: gọi m1 giá trị Tìm max chuỗi lấy min: gọi m2 giá trị tìm Gán giá trị điểm xét giá trị trung bình cộng m1 m2 2.3.3 Lọc ngoài: Giả thiết có mức ngưỡng cho mức nhiễu (có thể dựa vào lược đồ xám) Tiến hành so sánh giá trị điểm ảnh với trung bình số học lân cận Nếu sai lệch lớn ngưỡng, điểm ảnh coi nhiễu Trong trường hợp thay giá trị điểm ảnh giá trị lân cận vừa tính Bộ lọc diễn tả công thức sau: Với a(w) trung bình cộng điểm lân cận w, ngưỡng 21 Chương CHƯƠNG TRÌNH THỬ NGHIỆM 3.1 Bài toán xây dựng chương trình thử nghiệm Hiện nay, có nhiều lĩnh vực như: Địa chất, đồ, y tế, quân sự, công an… sử dụng ảnh đường nét Thông thường trình thu nhận ảnh không tránh khỏi lỗ hổng nhiễu nhỏ, đối tượng nảy sinh trình thu nhận ảnh, hay trình cải thiện ảnh co ảnh, phân ngưỡng đối tượng xem đối tượng nhỏ cần phải loại bỏ kết thu nhận ảnh Bài toán đề cập đến số kỹ thuật xoá đối tượng nhỏ ảnh đường nét để giải vấn đề nêu Cụ thể, toán này, tác giả sử dụng phương pháp loại bỏ đối tượng nhỏ dựa vào chu tuyến 3.2 Phân tích toán Như nêu trên, tác giả sử dụng phương pháp loại bỏ đối tượng nhỏ dựa vào chu tuyến để áp dụng vào toán phát xóa đối tượng nhỏ ảnh đường nét Những đối tượng loại bỏ kết véc tơ Có tiếp cận để giải vấn đề này: Một là, tiến hành loại bỏ đối tượng trước véc tơ hoá, cách tiếp cận thường loại bỏ hầu hết đối tượng nhỏ, nhiều tự thân lại sinh đối tượng nhỏ khác Mặt khác để đảm bảo tính chất trung thực kết véc tơ xoá hoàn toàn tất đối tượng Hai là, tiến hành loại bỏ đối tượng sau tiến hành véc tơ hoá, cách đơn giản kết véc tơ thường bị sai lệch ảnh hưởng đối tượng nhỏ trình véc tơ hoá, ảnh hưởng lỗ hổng 22 Ở tác giả áp dụng phương pháp ứng dụng chu tuyến vào việc loại bỏ đối tượng nhỏ trình véc tơ hóa tự động có sử dụng thuật toán làm mảnh theo chu tuyến 3.3 Chương trình thử nghiệm 3.3.1 Thiết kế chương trình Qua phân tích trên, tác giả xây dựng chương trình thử nghiệm với đầu vào ảnh đường nét có xuất lỗ hổng bị ảnh hưởng nhiễu nhập từ thiết bị thu nhận ảnh Chương trình cho phép phát hiện, lấp đầy lỗ hổng xóa nhiễu ảnh Chương trình có module sau: + Module: Đọc liệu đầu vào + Module: Làm mảnh đối tượng + Module: Xóa xương + Module: Hiển thị kết 3.3.2 Một số kết chương trình Hình 3.1: Ảnh ban đầu bị ảnh hưởng nhiễu 23 Hình 3.2: Ảnh xóa nhiễu Qua thực nghiệm cho thấy phương pháp lấp lỗ hổng xoá nhiễu cách sử dụng chu tuyến ảnh đảm bảo xoá nhiễu nhanh xác Phương pháp hữu hiệu đồ bình độ, thuỷ văn, đường biên hành chính, đường giao thông, v.v 24 PHẦN KẾT LUẬN Trong nội dung luận văn tác giả trình bày phương pháp dùng việc xóa đối tượng nhỏ ảnh đường nét (nhiễu lỗ hổng) Đối với giai đoạn hệ thống xử lý, nhận dạng ảnh, giai đoạn phát đối tượng dư thừa (nhiễu lỗ hổng) giai đoạn khó khăn đòi hỏi nhiều thời gian ảnh thu từ thiết bị thường bị sai lệch yếu tố góc quay, khoảng cách, ánh sáng… Đề tài nghiên cứu số kỹ thuật phát xóa đối tượng nhỏ ảnh đường nét để giải vấn đề nêu toán Trong thời gian nghiên cứu thực luận văn, tác giả đạt số kết sau: * Nghiên cứu số kỹ thuật phát xóa đối tượng dưa thừa (nhiễu lỗ hổng) ảnh đường nét như: Kỹ thuật loại bỏ đối tượng nhỏ dựa vào chu tuyến, kỹ huật lấp lỗ hổng, kỹ thuật lọc nhiễu * Thiết kế chương trình phát xóa đối tượng nhỏ ảnh đường nét sử dụng phương pháp lọc trung vị Qua thực nghiệm cho thấy chương trình làm việc tốt với ảnh đầu vào mức độ khác chất lượng ảnh Một số đề xuất Trong thời gian tới, báo cáo chương trình nghiên cứu, phát triển thêm số chức năng: * Cải tiến số chức chương trình cho phép nắn chỉnh ảnh, nâng cao hiệu phát đối tượng dư thừa giảm thiểu thời gian xử lý * Tích hợp thêm chức xử lý ảnh kỹ thuật nêu luận văn 25 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Đỗ Năng Toàn, Phạm Việt Bình, Giáo trình Xử lý ảnh, Nhà xuất Khoa học Kỹ thuật, Hà Nội 2008 [2] Lương Mạnh Bá, Nguyễn Thanh Thủy, Nhập môn Xử lý ảnh số Nhà xuất Khoa học Kỹ thuật, Hà Nội 1999 Tiếng Anh [1] Ian T Young, Jan J.Gerbrands, Lucas J van Vliet Image Processing Fundamentals [2] John C Russ The image processing handbook, third edition CRC Press [3] William K Pratt Digital Image Processing: PIKS Inside, Third Edition [4] Jaroslav Borovieka Circle detection using Hough transforms documentation [5] Philippe Crochat, Daniel Franklin Back-Progagation Neural Network Tutorial 26 [...]... sáng… Đề tài đã nghiên cứu một số kỹ thuật phát hiện và xóa đối tượng nhỏ trong ảnh đường nét để giải quyết vấn đề nêu trong bài toán Trong thời gian nghiên cứu và thực hiện luận văn, tác giả đã đạt được một số kết quả sau: * Nghiên cứu một số kỹ thuật phát hiện xóa đối tượng dưa thừa (nhiễu và lỗ hổng) trong ảnh đường nét như: Kỹ thuật loại bỏ đối tượng nhỏ dựa vào chu tuyến, kỹ huật lấp lỗ hổng, kỹ thuật... bỏ đối tượng nhỏ dựa vào chu tuyến để áp dụng vào bài toán phát hiện và xóa đối tượng nhỏ trong ảnh đường nét Những đối tượng này sẽ được loại bỏ trong kết quả véc tơ Có 2 tiếp cận để giải quyết vấn đề này: Một là, tiến hành loại bỏ các đối tượng này trước khi véc tơ hoá, cách tiếp cận này thường là loại bỏ được hầu hết các đối tượng nhỏ, nhưng nhiều khi tự bản thân nó lại sinh ra các đối tượng nhỏ. .. tượng nhỏ trong ảnh đường nét Hiện nay, có rất nhiều lĩnh vực như: Địa chất, bản đồ, y tế, quân sự, công an… sử dụng các ảnh đường nét Thông thường trong quá trình thu nhận ảnh vẫn không tránh khỏi còn những lỗ hổng hoặc nhiễu nhỏ, những đối tượng này nảy sinh trong quá trình thu nhận ảnh, hay ngay trong quá trình cải thiện ảnh như co ảnh, phân ngưỡng những đối tượng này được xem là các đối tượng nhỏ. .. các điểm quan tâm và lỗ hổng là nhóm các điểm nền nhỏ hơn một ngưỡng nào đó thì hai thuật toán xoá nhiễu và lấp lỗ hổng là đối ngẫu nhau 12 Chương 2 CÁC KỸ THUẬT XOÁ ĐỐI TƯỢNG NHỎ TRONG ẢNH ĐƯỜNG NÉT 2.1 Loại bỏ đối tượng nhỏ dựa vào chu tuyến 2.1.1 Phát hiện lỗ hổng và nhiễu Mệnh đề 1: [Phát hiện lỗ hổng] Cho trước ngưỡng θ > 0 và chu tuyến C 1 có độ dài nhỏ hơn θ với các điểm là điểm ảnh quan tâm (điểm... nhận ảnh, hay ngay trong quá trình cải thiện ảnh như co ảnh, phân ngưỡng những đối tượng này được xem là các đối tượng nhỏ cần phải loại bỏ trong kết quả thu nhận ảnh Bài toán sẽ đề cập đến một số kỹ thuật xoá đối tượng nhỏ trong ảnh đường nét để giải quyết vấn đề nêu trên Cụ thể, trong bài toán này, tác giả sẽ sử dụng phương pháp loại bỏ đối tượng nhỏ dựa vào chu tuyến 3.2 Phân tích bài toán Như... bỏ trong kết quả thu nhận ảnh Bài toán sẽ đề cập đến một số kỹ thuật xoá đối tượng nhỏ trong ảnh đường nét để giải quyết vấn đề nêu trên Ở đây chỉ xét ảnh đen trắng, ảnh xám đã phân ngưỡng hay ảnh màu với màu chỉ định và quy ước: đối với ảnh đen trắng thì điểm ảnh quan tâm là đen, còn ảnh đa cấp xám đã phân ngưỡng thì điểm ảnh quan tâm là điểm có cường độ sáng lớn hơn ngưỡng và ảnh màu thì điểm ảnh. .. đường giao thông, v.v 24 PHẦN KẾT LUẬN Trong nội dung của luận văn tác giả đã trình bày các phương pháp chính dùng trong việc xóa các đối tượng nhỏ trong ảnh đường nét (nhiễu và lỗ hổng) Đối với các giai đoạn của một hệ thống xử lý, nhận dạng ảnh, giai đoạn phát hiện các đối tượng dư thừa (nhiễu và lỗ hổng) là giai đoạn khó khăn và đòi hỏi nhiều thời gian do ảnh thu được từ các thiết bị thường bị sai... chương trình phát hiện và xóa đối tượng nhỏ trong ảnh đường nét sử dụng phương pháp lọc trung vị Qua thực nghiệm cho thấy chương trình làm việc tốt với các ảnh đầu vào ở các mức độ khác nhau về chất lượng ảnh Một số đề xuất Trong thời gian tới, báo cáo cũng như chương trình sẽ được nghiên cứu, phát triển thêm một số chức năng: * Cải tiến một số chức năng trong chương trình cho phép nắn chỉnh ảnh, nâng... ngoài vào trong dựa theo đường xoắn ốc 13 của chu tuyến, do đó tốc độ khá nhanh bởi không phải kiểm tra việc tiếp xúc biên của đối tượng 2.1.4 Ứng dụng chu tuyến vào việc loại bỏ đối tượng nhỏ trong quá trình véc tơ hoá tự động Phần này đề cập tới phương pháp ứng dụng chu tuyến vào việc loại bỏ các đối tượng nhỏ trong quá trình véc tơ hoá tự động có sử dụng thuật toán làm mảnh dựa vào chu tuyến, phương... thể xoá hoàn toàn tất cả các đối tượng Hai là, tiến hành loại bỏ các đối tượng này sau khi đã tiến hành véc tơ hoá, cách này đơn giản hơn nhưng kết quả véc tơ thường bị sai lệch do ảnh hưởng của các đối tượng nhỏ trong quá trình véc tơ hoá, nhất là ảnh hưởng của các lỗ hổng 22 Ở đây tác giả áp dụng phương pháp ứng dụng chu tuyến vào việc loại bỏ các đối tượng nhỏ ngay trong quá trình véc tơ hóa tự ... xóa đối tượng nhỏ ảnh đường nét - Xây dựng phần mềm mô phát xóa đối tượng nhỏ ảnh đường nét b Phạm vi nghiên cứu: - Một số kỹ thuật hỗ trợ phát xóa đối tượng nhỏ ảnh đường nét Dự kiến đóng góp... hoàn thành giải phần quan trọng toán phát xóa đối tượng nhỏ ảnh đường nét: Xác định vùng chứa đối tượng nhỏ xóa đối tượng đưa ảnh gần giống ảnh gốc Đây sở để phát triển ứng dụng áp dụng thực tế... bỏ đối tượng nhỏ dựa vào chu tuyến 3.2 Phân tích toán Như nêu trên, tác giả sử dụng phương pháp loại bỏ đối tượng nhỏ dựa vào chu tuyến để áp dụng vào toán phát xóa đối tượng nhỏ ảnh đường nét