1. Trang chủ
  2. » Công Nghệ Thông Tin

Nghiên cứu và thử nghiệm các phương pháp tách đối tượng trên ảnh

51 393 2

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 51
Dung lượng 1,9 MB

Nội dung

BỘ GIÁO DỤC ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI Nguyễn Phúc Đạt NGHIÊN CỨU THỬ NGHIỆM CÁC PHƯƠNG PHÁP TÁCH ĐỐI TƯỢNG TRÊN ẢNH Chuyên ngành: công nghệ thông tin LUẬN VĂN THẠC SỸ KỸ THUẬT Người hướng dẫn: PGS.TS Nguyễn Linh Giang Hà Nội - 2015 Lời cam đoan Tôi xin cam đoan nội dung luận văn tổng hợp, nhìn nhận xoay quanh nội dung đề tài Tất nội dung, công thức, bảng biểu, hình vẽ lấy từ bên có danh mục tài liệu tham khảo Tôi xin chịu trách nhiệm lời cam đoan Học viên Nguyễn Phúc Đạt Mục lục Mở đầu 1 Lý chọn đề tài Mục đích phạm vi nghiên cứu luận văn Khó khăn thách thức toán Các hướng tiếp cận Phương pháp nghiên cứu Phương pháp tách đối tượng Các phương pháp phân vùng ảnh 1.1 Phương pháp phân vùng dựa vào ngưỡng 1.2 Phân vùng theo miền đồng 10 1.3 Phân vùng ảnh dựa vào lý thuyết đồ thị 13 1.4 Phân vùng ảnh dựa biểu diễn xử lý đa phân giải 17 Tách đối tượng theo thuật toán Grab-cut 19 2.1 Giới thiệu 19 2.2 Phân đoạn lượng cực tiểu hóa theo Graph-cut 20 2.3 Giải thuật phân đoạn Grab-cut 22 Kỹ thuật sử dụng tự động thuật toán Grabcut 27 Phân tích số dạng ảnh dùng thương mại điện tử 27 Cách khoanh vùng đối tượng ảnh 29 2.1 Chọn vùng cố định 29 2.2 Chọn vùng theo ngưỡng phân đoạn với điều kiện “lỏng” 31 2.3 Phân ngưỡng dựa tọa độ Oxyz 33 Các xử lý kỹ thuật tách đối tượng tự động Grab-cut 34 3.1 Vấn đề ảnh có lẫn màu 34 3.2 Vấn đề bóng sản phẩm 35 3.3 Vấn đề ảnh chụp thiết bị khác 36 3.4 Vấn đề kích thước ảnh thời gian xử lý 37 3.5 Vấn đề số lần lặp Grab-cut 37 Triển khai chương trình thử nghiệm 38 Chương trình thử nghiệm 38 1.1 Môi trường 38 1.2 Cấu trúc chương trình 38 1.3 Dữ liệu đầu vào 38 1.4 Dữ liệu đầu 39 Tiêu chuẩn chất lượng 39 2.1 Kiểm tra chất lượng tự động 40 2.2 Kiểm tra chất lượng mắt 40 Kết chạy thử nghiệm đánh giá 40 3.1 Kết 40 3.2 Đánh giá so sánh 41 Kết luận 43 Tài liệu tham khảo 45 Danh mục bảng biểu hình vẽ Hình Ví dụ ảnh chụp studio Hình 1-1 Ảnh gốc ảnh phân vùng Hình 1-2 Mô tả thuật toán đối xứng Hình 1-3 Minh họa thuật toán tam giác Hình 1-4 Bimodal Histogram 10 Hình 1-5 Minh họa liên thông liên thông 12 Hình 1-6 Cây bao trùm tối thiểu 15 Hình 1-7 Các thuật toán có người dùng nhập liệu (ảnh màu) 19 Hình 1-8 Quá trình lặp lại quy tụ hàm cực tiểu hóa (ảnh màu) 25 Hình 1-9 Mô tả trình người dùng chỉnh sửa Grab-cut (ảnh màu) 25 Hình 1-10 Thêm ví dụ sử dụng Grab-cut (ảnh màu) 26 Hình 2-1 Cách sử dụng thuật toán Grab-cut 27 Hình 2-2 Nhóm có ảnh đồng 27 Hình 2-3 Nhóm có nhiều mảng 28 Hình 2-4 Nhóm có ảnh phức tạp 28 Hình 2-5 Nhóm có bên gương kính 28 Hình 2-6 Chọn đường bao theo tỷ lệ phần trăm 30 Bảng 2-7 Bảng số liệu chọn vùng ngưỡng cố định 30 Bảng 2-8 Bảng số liệu chọn ngưỡng theo tỷ lệ phần trăm 31 Hình 2-9 Minh họa tạo vùng chọn dựa vào phân ngưỡng lỏng 32 Lược đồ 2-10 Quy trình tạo vùng chọn dựa vào phân ngưỡng 32 Hình 2-11 Mô mô hình 3D 33 Lược đồ 2-12 Chọn vùng theo trục Oxyz 34 HÌnh 2-13 Ví dụ ảnh lẫn màu 35 Hình 2-14 Ví dụ bóng đổ bóng gương 36 Hình 2-15 Ví dụ ảnh chụp mannequin 36 Bảng 2-16 bảng thời gian tính theo kích thước ảnh 37 Hình 3-1 Kết ảnh đầu 39 Hình 3-2 Kết chạy thử nghiệm 41 Danh mục từ viết tắt GMM Gaussian mixture model RGB Red Green Blue PS Photoshop 3D Three-Dimension TMĐT Thương mại điện tử Mở đầu Lý chọn đề tài Trong ngành thương mại điện tử, công đoạn quan trọng việc bán hàng hóa để giới thiệu sản phẩm cách tốt đến với người mua Các công ty bán hàng trực tuyến không ngừng cải thiện chất lượng website, nâng cao chất lượng ảnh sản phẩm, tạo ấn tượng tốt từ ban đầu với người mua hàng Được thành lập từ năm 2011, công ty Remove The Background (removethebackground.com) không ngừng lớn mạnh, từ nhân viên làm việc thức năm 2011 đến lên đến 200 nhân viên hai văn phòng Hà Nội Lĩnh vực kinh doanh xử lý ảnh sản phẩm cho website thương mại điện tử, với yêu cầu thông thường lọc bỏ nền, chỉnh lề ảnh sản phẩm theo tỷ lệ xác cho trước Hàng ngày nhân viên công ty sử dụng phần mềm chuyên xử lý ảnh Photoshop để xử lý khoảng 20.000 ảnh cho gần 500 website bán hàng lớn khắp quốc gia giới Nhưng theo ước tính số chưa chiếm 1% nhu cầu thực tế Vì có đến 90% công ty tự tổ chức đội xử lý ảnh cho riêng mình, gần 10% sẵn sàng thuê công ty khác bên làm việc Một ví dụ khác tập đoàn Vin Group, vừa bước chân vào thị trường thương mại điện tử, việc họ làm thành lập cho đội xử lý ảnh với gần trăm nhân viên làm việc toàn thời gian Từng số đủ giúp hình dung thị trường xử lý ảnh, mà cụ thể xử lý tách đối tượng, lọc nền, phục vụ cho thương mại điện tử lớn Ảnh đầu vào dùng để xử lý cho thương mại điện tử, thông thường hình có đơn giản, thường sản phẩm đặt mặt bàn, nhà, cao cấp ảnh chụp studio chuyên nghiệp với chắn sáng đầy đủ Một thực tế gần toàn ảnh cho dù có xử lý nội công ty, hay thuê công ty bên ngoài, người trực tiếp làm Thử tưởng tượng, có chương trình làm việc tách ảnh sản phẩm cách tự động, mang lại hiệu kinh tế lớn cho doanh nghiệp cho xã hội Thậm chí, chương trình cần hỗ trợ bước lọc với tỷ lệ xác có tác dụng bước tiền xử lý chuỗi quy trình, sau người tham gia vào việc xem xét lại ảnh đạt chất lượng, ảnh cần xử lý lại tiết kiệm công sức lớn Là nhân viên làm hệ thống công ty, từ nhu cầu thực tế đó, có ý định “nghiên cứu thử nghiệm phương pháp tách đối tượng ảnh” để từ đề xuất phương án kỹ thuật ứng dụng vào công việc thực tế công ty Bên cạnh đó, việc tách xác đối tượng bước toán khác như: hệ thống phân tích nhận dạng đối tượng, hệ thống theo dõi giám sát… Mục đích phạm vi nghiên cứu luận văn Mục tiêu toán hướng đến việc tách cách tự động sản phầm ảnh, sau đổ trắng, chuyển kích thước nhỏ hơn, tạo lề cho ảnh theo tham số truyền vào Đầu vào toán tất ảnh sản phẩm cần xử lý, với tham số truyền vào gồm:  Các tham số phục vụ cho việc phân tách: ngưỡng phân đoạn, khoảng cách vùng chọn… tham số tối ưu với nhóm khách hàng, nhóm yêu cầu ảnhCác tham số cho bước hậu xử lý: Nền ảnh mong muốn màu gì, kích thước ảnh đầu ra, lề mong muốn Đầu ảnh thành phẩm sử dụng trực tiếp website bán lẻ Trong quy trình xử lý, cần có người giám sát, để phân loại chất lượng ảnh đầu ra, thống kê nhóm ảnh tỷ lệ thành công, lưu lại tham số phục vụ việc phân tách để lần sau hiệu Mục tiêu hướng đến nhóm ảnh có màu đơn giản, gradient; có khối nhiễu, không bị lẫn vào bên sản phẩm Trong khuôn khổ luận văn hệ thống cách ngắn gọn thuật toán việc phân tách đối tượng ảnh Sau tiến hành nghiên cứu thuật toán đánh giá tốt Grab-cut Cuối đưa phương pháp sử dụng Grab-cut cách tự động hoàn toàn mà không yêu cầu người dùng phải nhập vùng chọn Khó khăn thách thức toán Bài toán tách đối tượng khỏi ảnh mang đầy đủ khó khăn toán xử lý ảnh Trong chất lượng ảnh đầu vào yếu tố ảnh hưởng nhiều đến trình xử lý kết ảnh đầu Bên cạnh khó khăn khác sức nặng tính toán, thời gian xử lý, toán tách sản phẩm phục vụ cho thương mại điện tử bao chứa khó khăn thách thức đặc thù Bởi có đơn giản, toán ứng dụng thực tế đòi hỏi độ xác cao Ví dụ sau tách sản phẩm khỏi ảnh, cần đưa mức độ tin cậy trình, hay nói cách khác cần định ảnh giải hoàn toàn cách tự động, ảnh không, hay ảnh cần phải xem xét lại Nếu không tin tưởng kết đó, cần người giám sát phân loại ảnh đầu ra, lọc lại ảnh chưa đạt chất lượng cần xử lý lại Sau tách mảng đối tượng khỏi ảnh rồi, việc định đâu sản phẩm, đâu xem không đơn giản Ví dụ hình sau, ảnh sản phẩm chụp với hai thiết bị giúp chỉnh cân ảnh chụp Hình Ví dụ ảnh chụp studio Khi chụp ảnh sản phẩm thường có bóng sản phẩm, việc xác định đâu vùng sản phẩm, đâu vùng bóng sản phẩm yếu tố ảnh hưởng đến độ xác ứng dụng Bên cạch đó, chất lượng đường viền sản phẩm yếu tố định đến chất lượng ứng dụng Việc lấy viền để cho không bị sót vào sản phẩm, không bị lấy phần sản phẩm Độ mịn đường viền, hay giữ hình dạng đường viền từ viền ảnh đơn giản cấu tạo từ các cạnh thẳng, cung tròn, cung elip đến viền vô phức tạp ảnh chụp lông tóc câu hỏi hóc búa Khó khăn nhiều vậy, để ý chút toán tách đối tượng ảnh dùng thương mại điện tử có nhiều thông tin thuận lợi khác:  Thông tin sản phẩm cung cấp từ ảnh đầu vào Ví dụ lô ảnh giày hay quần áo, gợi ý cho chương trình xử lý biết trước hình dạng sản phẩm đưa định trích chọn vùng phù hợp  Ảnh đầu vào phân loại nhóm chất lượng ảnh, yêu cầu đầu theo khách hàng, việc điều chỉnh tham số xử lý ảnh cho nhóm khác nhau, thu kết xác  Quy trình xử lý thẩm định chất lượng mắt người, nên lưu lại định người theo tham số xử lý tạo thành kho tri thức cho định tự động sau Các hướng tiếp cận Trong giáo trình xử lý ảnh, có khái niệm phân vùng đối tượng, dò biên đối tượng ảnh Các thuật toán việc phân vùng ảnh như:  Phân vùng ảnh dựa vào ngưỡng biên độ  Phân vùng ảnh theo miền đồng  Phân vùng ảnh dựa phân tích kết cấu  Phân vùng ảnh dựa phân lớp điểm ảnh  Phân vùng ảnh dựa vào lý thuyết đồ thị  phân vùng ảnh dựa xử lý đa phân giải Các phương pháp dò biên như:  Kỹ thuật Gradient  Kỹ thuật Laplace  Kỹ thuật đạo hàm tích chập (phương pháp Canny) Bên cạnh có cách tiếp cận thuật toán sử dụng việc tách đối tượng có thị lệnh từ người:  Magic wand: phát triển tập đoàn Adobe năm 2012, từ chấm điểm người dùng, loang vùng chọn rộng theo dấu hiệu điểm ảnh đồng Hiện thuật toán cài đặt công cụ ứng dụng Photoshop  Intelligent Scissors: Mortensen Barrett đưa năm 1995 tự động dò biên xác có đầu vào việc di chuyển chuột theo Lề nhỏ ảnh gốc Số lượng Lề vùng chọn Chính xác 0%-5% 62 5% 85% 5%-10% 95 10% 64% 10%-15% 107 15% 44% 15%-20% 100 20% 24% 20%-25% 68 25% 11% 25%-30% 34 30% 5% 30%-35% 25 35% 1% 35%-40% 40% 0% 40%-45% 45% 0% 45%-50% 50% 0% Bảng 2-8 Bảng số liệu chọn ngưỡng theo tỷ lệ phần trăm Từ hai bảng ta thấy, chọn ngưỡng cố định, ta chọn lề 20px thu 96% số lượng ảnh nằm trọn vùng bao, có nghĩa xác Nếu chọn theo tỷ lệ phần trăm, ta chọn 5% thu tỷ lệ xác 85% Tuy nhiên, đánh chọn giá trị lề theo phần trăm có giá trị phần diện tích đường bao có kích thước nhỏ 2.2 Chọn vùng theo ngưỡng phân đoạn với điều kiện “lỏng” Phương pháp sử dụng thuật toán phân vùng ảnh dựa vào ngưỡng, tiêu chí chọn ngưỡng “lỏng” để thu vùng bao rộng đảm bảo không bao vùng chứa sản phẩm Thuật toán sử dụng thuật toán phân ngưỡng dựa vào lược đồ phân bố màu, thuật toán tam giác 31 Hình 2-9 Minh họa tạo vùng chọn dựa vào phân ngưỡng lỏng Sau phân tách, ảnh bị phân nhiều vùng, nên ta phải sử dụng luật để chọn vùng chứa đối tượng cần lấy Bước thực qua việc chọn vùng có tính trung tâm Sau ta dùng thuật toán nhỏ để tạo đường bao ngoại tiếp vùng dựa vào điểm cận vùng Bước Thống kê ảnh theo mức xám Bước Chọn ngưỡng theo phân bố 50% mức xám Bước Chọn vùng 10% diện tích ảnh trung tâm thống kê theo ngưỡng, ngưỡng nhiều ngưỡng đối tượng Bước Tạo Hình chữ nhật ngoại tiếp vùng đối tượng Lược đồ 2-10 Quy trình tạo vùng chọn dựa vào phân ngưỡng 32 Ở bước cuối tính hình chữ nhật ngoại vi, đơn giản ta tính giá trị nhỏ giá trị lớn theo hai chiều ảnh, giá trị mô tả hình chữ nhật ngoại tiếp vùng Phương pháp có ưu điểm thu đường bao sát với vùng sản phẩm cần lấy Thời gian tính phương pháp nhỏ, cần duyệt ma trận ảnh số lần số, ta có vùng phân ngưỡng Tuy nhiên việc phân vùng gặp rắc rối với dạng gradient Vì thân gradient có ngưỡng khác Chúng ta khắc khó khăn phương pháp sử dụng ngưỡng tọa độ Oxyz 2.3 Phân ngưỡng dựa tọa độ Oxyz Mô tả: Chúng ta gọi ma trận điểm ảnh trục Oxy, giá trị mức xám điểm ảnh tương ứng giá trị ứng với trục Oz, ta biểu diễn ảnh khối 3D Nếu coi mặt phẳng ảnh mặt phẳng Oxy, phần ảnh khỏi mặt phẳng Ta chọn ngưỡng theo chiều cao tính theo trục Oz so mặt phẳng Oxy để phân tách vùng cần lấy Nên mặt chất phương pháp giống với phương pháp dựa vào phân ngưỡng mục trên, nhiên giá trị mốc mặt phẳng nền, thay mốc theo giá trị độ xám Vì phương pháp có tác dụng việc xử lý ảnh gradient, gradient nằm mặt phẳng theo định nghĩa Hình 2-11 Mô mô hình 3D 33 Quy trình thực thực tế gồm bước sau: Bước lọc bỏ nhiễu trình chụp Bước làm mờ ảnh để vùng có sai số màu sắc giá trị Bước chọn ba vùng ảnh góc (5x5), tính giá trị trung bình, từ điểm ta mặt phẳng S Bước Tính khoảng các điểm ảnh theo S Bước chọn ngưỡng tách vùng trung tâm Lược đồ 2-12 Chọn vùng theo trục Oxyz Phương pháp có ưu điểm tạo đường bao sát với sản phẩm giải vấn đề ảnh dạng gradient Tuy nhiên phương pháp có lỗ hổng, chọn ba vùng ba góc làm mặt phẳng Với ảnh mà có phần sản phẩm, phần sản phẩm khôn phải nằm sát điểm góc, có sai số lớn xảy Các xử lý kỹ thuật tách đối tượng tự động Grab-cut 3.1 Vấn đề ảnh có lẫn màu Sau có chọn vùng ảnh sản phẩm, thuật toán grab-cut phân vùng ảnh thành mảng sau:  Mảng chắn nền: phần vùng chọn  Mảng chắn chắn đối tượng: phần nhìn chung rỗng, trừ người dùng nhập vào  Mảng có xác suất cao: phần thuật toán Grab-cut tự tính toán dựa vào hàm lượng trình bày phần trên, phần có độ tương đồng cao với phần chắn 34  Mảng có xác suất đối tượng cao: Grab-cut tự tính phần có độ tương đồng không cao với phần chắn Sau lần lặp hai mảng bên thay đổi, theo hội tụ hàm lượng trình bày chương trước Tuy nhiên chương trình máy tính khó biết phần phần ảnh sản phẩm thật, phần phần sót Xét hai ví dụ sau, ví dụ bên trái, Grab-cut đưa chim vào mảng có xác suất cao Tương tự ảnh bên phải, phần bên thắt lưng đưa vào danh sách Tuy nhiên dễ dàng nhận với ảnh bên phải Grab-cut bị nhầm phần ảnh HÌnh 2-13 Ví dụ ảnh lẫn màu Vì vậy, xây dựng ứng dụng thực tế, cần phải chọn hai cách trên, đưa tham số đầu vào để mô tả sản phẩm có hay không Ở trường hợp bên trái, sau Grab-cut vùng có xác suất cao nền, có bao gồm phần sản phẩm, ta cần thực thuật toán để tìm đường bao vùng nhỏ Sau chọn đường bao có chu vi lớn Chỗ cần ý sản phẩm có mảng dời nhau, ta xem xét loại bỏ thần phần bên sản phẩm bị đánh giá nhầm 3.2 Vấn đề bóng sản phẩm Trong chụp ảnh thường để lại bóng ánh sáng Có hai loại bóng phổ biến bóng đổ dạng gradient (drop shadow), bóng gương (reflection shadow) 35 Hình 2-14 Ví dụ bóng đổ bóng gương Bóng đổ bóng ánh sáng thông thường, bóng gương in hình sản phẩm chụp đặt sản phẩm bóng phản chiếu hính sản phẩm Với trường hợp có bóng sản phẩm, nhìn chung chương trình lấy bóng Tuy nhiên ranh giới bóng phần vô nhỏ, nên việc lấy xác bóng vấn đề khó khăn Nên phạm vi chương trình thử nghiệm, tạm thời bỏ qua trường hợp 3.3 Vấn đề ảnh chụp thiết bị khác Để tạo hình ảnh đẹp cho sản phẩm, chụp sản phẩm quần áo thường chụp với người, mannequin Tuy nhiên hầu hết trường hợp chương trình tách xác Hình 2-15 Ví dụ ảnh chụp mannequin 36 3.4 Vấn đề kích thước ảnh thời gian xử lý Kích thước ảnh ảnh hưởng lớn đến thời gian xử lý thuật toán Qua thử nghiệm máy tính cá nhân, có bảng thống kê trung bình sau cho ảnh kích thước 3x4 Max(width,height) thời gian (giây) 200px 400px 800px 21 1600px 61 4928px (ảnh gốc) 278 Bảng 2-16 bảng thời gian tính theo kích thước ảnh Từ bảng thấy thời gian tính tăng gần tuyến tính với kích thước hai chiều ảnh Vì vậy, xử lý, nghĩ đến việc thu nhỏ kích thước ảnh trước tách, sau có vùng sản phẩm, ánh xạ ngược lại ảnh gốc Tuy nhiên cách làm đường biên không đẹp, bị sai số ánh xạ ngược lại 3.5 Vấn đề số lần lặp Grab-cut Khi sử dụng thuật toán Grab-cut, có tham số số lượt lặp phân tách Số lượt lặp nhiều phân biệt đối tượng rõ ràng Tuy nhiên biên ảnh yếu, lặp, bị sản phẩm bị lấn vào Về số lần lặp nhiều xác, đến tới hạn lặp không làm thay đổi ảnh Về thời gian tính, số lần lặp gần thay đổi tuyến tính theo số lần lặp Qua thử nghiệm ta lựa chọn số lần lặp phù hợp với chất lượng thời gian tính với yêu cầu toán 37 Triển khai chương trình thử nghiệm Chương trình thử nghiệm 1.1 Môi trường Máy tính: CPU Intel core i5-3210M (3.5GHz, 3MB L3); RAM: 8GB DDR3 Hệ điều hành: Window Ngôn ngữ: Visual C++ IDE: Visual studio 2013 Thư viện: OpenCV v2.4.10 1.2 Cấu trúc chương trình Đọc liệu ảnh, đổi thành kích nhỏ Tính toán đường bao đối tượng Dùng Grab-cut lặp tính mảng đối tượng Xem xét loại bỏ vùng bên sản phẩm Tạo vùng đánh dấu sản phẩm Ánh xạ lại vùng đánh dấu với ảnh gốc Tính toán lề, kích thước đội tượng / ảnh xuất ảnh 1.3 Dữ liệu đầu vào Chương trình có liệu đầu vào:  File/folder: đường dẫn đến file, folder cần xử lý 38  Ngưỡng khoảng cách độ xám đối tượng so với mặc phẳng mặc định 50% phân phối theo xác suất  Số lượt lần lặp thuật toán Grab-cut, số lớn chạy lâu, chất lượng độ xác cao, giá trị mặc định 80  Kích thước ảnh nhỏ trung gian trình xử lý tách (nếu để 4000px Bộ số đầu vào mặc định, lề chiều 5% trắng Grab-cut lặp 30 lần Kết sau:  Số ảnh đáp ứng yêu cầu đầu 91 ảnh đạt 18.2%  Thời gian xử lý trung bình ảnh: phút 55 giây Tuy nhiên, để ý chút, nhận 91 ảnh đến từ khách hàng (nhóm ảnh), chọn khách hàng có số ảnh nhiều, tối có 57 ảnh, khách hàng có 77 ảnh tham gia thử nghiệm tổng 500 ảnh, tỷ lệ thành công nhóm ba khách hàng 74.02% 40 Tiếp tục, lấy thêm 500 ảnh khác nhóm khách hàng để chạy lại, kết có 393 ảnh đạt chất lượng tốt, 21 ảnh tạm chấp nhận chất lượng công ty áp dụng, đạt tỷ lệ 82.8% Số lần lặp grabcut 30 80 160 Độ xác 14.4% 18.2% 19.8% 19.8% Độ xác đầu vào chọn 80.8% 82.8% 83.2% 83.2% Thời gian (phút:giây) 0:03 1:08 1:55 3:30 Hình 3-2 Kết chạy thử nghiệm Qua bảng thấy số lần lặp grabcut nhiều không ảnh hưởng nhiều đến độ xác đầu ra, mà thời gian lại gần tỷ lệ thuận với số lần lặp Chính chọn số lần lặp phù hợp mức trung bình tốt 3.2 Đánh giá so sánh 3.2.1 Độ xác Như kết độ xác tập ảnh sản phẩm đầu vào ngẫu nhiên đạt 18.2%, chọn lựa nhóm ảnh có đơn giản tỷ lệ thành công đạt khoảng 70-80% Nếu cẩn thận lựa chọn tham số đầu vào phù hợp Lấy ảnh xử lý xác ảnh xử lý không xác chương trình tải lên hai website cho phép làm tự động Background Removal (BR freebackgroundremoval.com), Background Burner (BB bonanza.com) Kết 10 ảnh tải lên, BR trường hợp, BB trường hợp Các trường hợp ảnh có biên yếu bị sai Nếu so với người xử lý ảnh phần mềm Photoshop đương nhiên chất lượng người xử lý cao nhiều, đặc biệt với đường viền ảnh Vì người thường sử dụng cộng cụ Pen để tạo đường vector bao quanh ảnh, thay phân tách dựa vào ngưỡng điểm ảnh chương trình 3.2.2 Thời gian xử lý Với khoảng gần phút xử lý cho ảnh máy tính cá nhân, thời gian lâu thời gian xử lý hai website tự động BB BR Tuy nhiên giảm kích thước file để làm mẫu phân tách xuống 200px giảm số lượt lặp Grab-cut xuống lần, thời gian tính chương trình tương đương với hai website 41 Nếu so sánh thời gian xử lý với người xử lý phần mềm Photoshop, tất nhiên xử lý máy tính nhanh nhiều Bên cạnh đó, phần mềm xử lý đặt trực tiếp server, không cần tốn thời gian băng thông tải file máy client 42 Kết luận Kết đạt Luận văn thực nghiên cứu thử nghiệm tách đối tượng tự động ảnh ảnh chụp dùng thương mại điện tử Ảnh đầu cần qua bước lọc người đầu cuối, trước đăng tải lên website bán lẻ Tỷ lệ lọc bỏ xác (theo tiêu chuẩn áp dụng công ty removethebackground) cho số nhóm ảnh đạt tỷ lệ 70-80% Đây tỷ lệ đáng ý, nhóm ảnh lại thường chiếm số lượng lớn ảnh cần phải xử lý Kết lớn đạt có nhìn tổng thể hướng tiếp cận toán tách đối tượng ảnh, hiểu ý tưởng thuật toán Grab-cut Tôi hiểu cách xây dựng ứng dụng, phương pháp đơn giản việc chọn tham số, tối ưu thời gian nâng cao chất lượng đầu Với kết ghi nhận đầu ra, vui mừng luận văn đáp ứng với mục đích bạn đầu bắt tay vào làm đề tài Tôi tự tin vào tính ứng dụng thực tế luận văn, hướng phát triển thời gian tới Tính ứng dụng thực tiễn Hiện với khối lượng ảnh khổng lồ dùng thương mại điện tử nay, việc có ứng dụng giúp giải phần tự động việc xử lý ảnh sản phẩm mang lại giá trị không nhỏ Tính ổn định xác ảnh sản phẩm đầu thực thêm bước giám sát người bước cuối trình xử lý Việc phân loại ảnh đạt chất lượng hay chưa tiết kiệm nhiều công sức phải tự làm ảnh Hướng nghiên cứu Trong toán xử lý ảnh đòi hỏi quy trình việc chọn tham số phù hợp, không ngoại lệ Việc xây dựng thuật toán để tính tham số trước trình xử lý hướng nghiên cứu giúp nâng cao chất lượng ảnh đầu ra, nâng cao xác ảnh đầu Các lý thuyết trí tuệ nhân tạo áp dụng, quy trình có phân loại giám 43 sát người bước cuối, liệu học tốt cho hệ thống định 44 Tài liệu tham khảo [1] Lương Mạnh Bá, Nguyễn Thanh Thủy (2003), Nhập môn xử lý ảnh số, nhà xuất khoa học kỹ thuật, Hà Nội [2] Nguyễn Quang Hoan - Trung tâm đào tạo bưu viễn thông 1, (2006), Xử lý ảnh, Hà Nội [3] Yuri Y Boykov and Marie-Pierre Jolly, (2001), Interactive graph cuts for optimal boundary and region segmentation of objects in N-D images, Proceedings of “Internation Conference on Computer Vision” vol.1, pp 105112 [4] Carsten Rother, Vladimir Kolmogorov and Andrew Blake - Microsoft Research Cambridge UK, (2004), GrabCut: Interactive foreground extraction using iterated graph cuts, Trans Graph vol.23, pp 309-314 [5] N R Pal and S K Pal (1993), A review on image segmentation techniques, Pattern Recognition vol.26 no.9, pp.1277-1294 [6] OpenCV documentation http://docs.opencv.org/ 45 ... đích phạm vi nghiên cứu luận văn Khó khăn thách thức toán Các hướng tiếp cận Phương pháp nghiên cứu Phương pháp tách đối tượng Các phương pháp phân vùng... Phương pháp tách đối tượng Các phương pháp phân vùng ảnh Phân vùng đối tượng ảnh trình chia ảnh thành vùng mà không bị chồng lấn lên Các vùng phân chia dựa vào đồng tính chất Có nhiều cách định... Pal nói phương pháp chuẩn cho việc phân tách đối tượng khỏi ảnh, phương pháp bị phụ thuộc vào đặc điểm ảnh, ứng dụng cụ thể Hình 1-1 Ảnh gốc ảnh phân vùng 1.1 Phương pháp phân vùng dựa vào ngưỡng

Ngày đăng: 26/07/2017, 21:03

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1] Lương Mạnh Bá, Nguyễn Thanh Thủy (2003), Nhập môn xử lý ảnh số, nhà xuất bản khoa học kỹ thuật, Hà Nội Sách, tạp chí
Tiêu đề: Nhập môn xử lý ảnh số
Tác giả: Lương Mạnh Bá, Nguyễn Thanh Thủy
Nhà XB: nhà xuất bản khoa học kỹ thuật
Năm: 2003
[2] Nguyễn Quang Hoan - Trung tâm đào tạo bưu chính viễn thông 1, (2006), Xử lý ảnh, Hà Nội Sách, tạp chí
Tiêu đề: Xử lý ảnh
Tác giả: Nguyễn Quang Hoan - Trung tâm đào tạo bưu chính viễn thông 1
Năm: 2006
[3] Yuri Y. Boykov and Marie-Pierre Jolly, (2001), Interactive graph cuts for optimal boundary and region segmentation of objects in N-D images, Proceedings of “Internation Conference on Computer Vision” vol.1, pp 105- 112 Sách, tạp chí
Tiêu đề: Proceedings of “Internation Conference on Computer Vision” vol.1
Tác giả: Yuri Y. Boykov and Marie-Pierre Jolly
Năm: 2001
[4] Carsten Rother, Vladimir Kolmogorov and Andrew Blake - Microsoft Research Cambridge UK, (2004), GrabCut: Interactive foreground extraction using iterated graph cuts, Trans. Graph. vol.23, pp. 309-314 Sách, tạp chí
Tiêu đề: Trans. Graph. vol.23
Tác giả: Carsten Rother, Vladimir Kolmogorov and Andrew Blake - Microsoft Research Cambridge UK
Năm: 2004
[5] N. R. Pal and S. K. Pal (1993), A review on image segmentation techniques, Pattern Recognition vol.26 no.9, pp.1277-1294 Sách, tạp chí
Tiêu đề: Pattern Recognition vol.26 no.9
Tác giả: N. R. Pal and S. K. Pal
Năm: 1993

TỪ KHÓA LIÊN QUAN

TRÍCH ĐOẠN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w