Tiểu luận xử lí ánh nhận dạng đối tượng

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP HỒ CHÍ MINH KHOA ĐIỆN – ĐIỆN TỬ BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP  BÁO CÁO ĐỀ TÀI XỬ LÝ ẢNH Tên đề tài: Đếm số lượng viên thuốc vỉ sử dụng phần mềm MATLAB GVHD: TS Nguyễn Thanh Hải SVTH: THÀNH PHỐ HỒ CHÍ MINH, THÁNG NĂM 2017 MỤC LỤC B¸o c¸o m«n häc Xö lý ¶nh GVHD: TS NguyÔn Thanh H¶i BẢNG PHÂN CÔNG CÔNG VIỆC B¸o c¸o m«n häc Xö lý ¶nh GVHD: TS NguyÔn Thanh H¶i Chương 1: GIỚI THIỆU YÊU CẦU – GIỚI HẠN 1.1 TỔNG QUAN VÀ LÍ DO CHỌN ĐỀ TÀI Xử lí ảnh lĩnh vực quan tâm trở thành phần quan trọng, liên quan đến nhiều ngành, nhiều lĩnh vực: hệ thống thông tin, thống kê, trí tuệ nhân tạo công nghệ nhận dạng Đây lĩnh vực tương đối mẻ so với ngành khoa học khác, gồm nhiều trình liên tục: nhận tín hiệu hình ảnh từ camera, cảm biến … số hóa thành tín hiệu số trải qua nhiều giai đoạn xử lí, phân tích Đặc biệt năm gần đây, xu hướng tự động hóa ngày phổ biến môi trường công nghiệp Xuất phát từ thực tế trên, nhằm kết hợp xử lí ảnh vào môi trường công nghiệp, nhóm chúng em định chọn đề tài: “Đếm số lượng viên thuốc vỉ sử dụng phần mềm MATLAB” để nghiên cứu Với đề tài này, hy vọng tương lai thay yếu tố người khâu kiểm tra số lượng sản phẩn 1.2 MỤC TIÊU VÀ GIỚI HẠN 1.2.1 Mục tiêu Mục đích nhóm nghiên cứu, tìm hiểu phần mềm MATLAB để giao tiếp máy tính camera nhằm thu thập liệu hình ảnh lấy thông tin cần thiết để xử lí Đồng thời, sử dụng thuật toán có sẵn để xây dựng chương trình có khả đếm số lượng viên thuốc, nâng cao hiệu suất giảm yếu tố người 1.2.2 Giới hạn Chương trình nằm mức độ bản: đọc ảnh từ camera vào latop, xử lí phương pháp đơn giản nhằm nhận biết đối tượng viên thuốc đếm số lượng có vỉ, xuất kết hình B¸o c¸o m«n häc Xö lý ¶nh GVHD: TS NguyÔn Thanh H¶i Chương 2: MATLAB TRONG XỬ LÝ ẢNH 2.1 GIỚI THIỆU Matlab công cụ tính toán kỹ thuật, đặc biệt toán ma trận Ngoài ra, phần mềm 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 giúp chuyên dụng cho việc thực giải thuật xử lý ảnh nhanh chóng dễ hiểu 2.2 CÁC HÀM CƠ BẢN 2.2.1 Hàm imread() Lênh imread() đọc file thành ma trận Matlab trợ giúp nhiều định dạng đồ hoạ thông dụng chẳng hạn: BMP, GIF, JPEG, PNG, TIFF … VÍ DỤ: img = imread('ImageProcessing_1/BerkeleyTower.png'); 2.2.2 Hàm imshow() imagesc() Để hiển thị hình ảnh matlab ta dùng lệnh sau imshow() imagesc() Lệnh imshow () cho hình ảnh định dạng tiêu chuẩn 8-bit, giống trình duyệt web Lệnh imagesc () hiển thị hình ảnh trục đồ thị với giá trị màu đen giá trị tối đa màu trắng VÍ DỤ: img = imread('ImageProcessing_1/BerkeleyTower.png'); imshow(img); imagesc(img); 2.2.3 Hàm imwrite() Để lưu ảnh, sử dụng câu lệnh imwrite() Cấu trúc imwrite() yêu cầu biến ảnh tên file Nếu ta gộp phần mở rộng tên file, Matlab nhận định dạng mong muốn từ VÍ DỤ: B¸o c¸o m«n häc Xö lý ¶nh GVHD: TS NguyÔn Thanh H¶i imwrite(blue_img, 'Blue4_BerkeleyTower.png', 'png'); 2.2.4 Hàm Imadjust() Imadjust() điều chỉnh giá trị cường độ hình ảnh Câu lệnh làm tăng độ tương phản hình ảnh đầu VÍ DỤ: img = imread('ImageProcessing_1/Rachmaninoff.jpg'); gray = rgb2gray(img); adj_img = imadjust(gray, [0.3,0.7],[]); 2.2.5 Hàm im2bw() Im2bw() chuyển đổi hình ảnh màu xám, màu sang hình nhị phân Hay tạo ảnh nhị phân từ ảnh cường độ, ảnh số hay ảnh RGB sở ngưỡng ánh sáng VÍ DỤ: img = imread('ImageProcessing_1/Rachmaninoff.jpg'); gray = rgb2gray(img); adj_img = imadjust(gray, [0.3,0.7],[]); bw_img = im2bw(adj_img); 2.2.6 Hàm bwareaopen() Xóa pixel nhỏ giá trị đặt trước VÍ DỤ: BW2 = bwareaopen(BW, 50); 2.2.7 Hàm viscircles() Vẽ vòng tròn xung quanh đối tượng chọn VÍ DỤ: viscircles(centersBright, radiiBright,'Color','b'); 2.2.8 Các hàm chuyển đổi kiểu ảnh dither: Tạo ảnh nhị phân từ ảnh cường độ đen trắng cách trộn, tạo ảnh số từ ảnh RGB cách trộn (dither) gray2id: Tạo ảnh số từ ảnh cường độ đen trắng grayslice: Tạo ảnh số từ ảnh cường độ đen trắng cách đặt ngưỡng B¸o c¸o m«n häc Xö lý ¶nh GVHD: TS NguyÔn Thanh H¶i im2bw: Tạo ảnh nhị phân từ ảnh cường độ, ảnh số hay ảnh RGB sở ngưỡng ánh sáng ind2gray: Tạo ảnh cường độ đen trắng từ ảnh số ind2rgb: Tạo ảnh RGB từ ảnh số mat2gray: Tạo ảnh cường độ đen trắng từ liệu ma trận cách lấy tỉ lệ giữ liệu rgb2gray: Tạo ảnh cường độ đen trắng từ ảnh RGB rgb2ind: Tạo ảnh số từ ảnh RGB B¸o c¸o m«n häc Xö lý ¶nh GVHD: TS NguyÔn Thanh H¶i Chương 3: THIẾT KẾ SƠ ĐỒ KHỐI 3.1 SƠ ĐỒ KHỐI Hình 3-1: Sơ đồ khối 3.2 CHỨC NĂNG CÁC KHỐI Hoạt động khối hiểu sau: Thu thập liệu (Data Collection) Trước hết thu thập ảnh Chất lượng ảnh thu định nhiều đến kết việ nhận dạng Sau ảnh phải lưu trữ theo định dạng phù hợp với bước xử lý sau Tiền xử lý (Pre-processing) Bước tăng khả nhận dạng xác, có vai trò nâng cao chất lượng ảnh trước đem phân tích nhận dạng Công việc bước thường khử nhiễu, biến đổi ảnh nâng cao số đặc tính quan trọng ảnh Phân đoạn ảnh (Segmentation) Quá trình chia ảnh thành vùng khác nhau, có ý nghĩa cho việc phân lớp Trích chọn đặc trưng (Feature Extraction) Đây bước biểu diễn mẫu đặc trưng đối tượng Trong trình này, ảnh thu gọn lại Điều cần thiết cho việc tiết kiệm nhớ việc lưu trữ thời gian tính toán Một phương pháp trích chọn đặc trưng tốt trích cọn đặc trưng đối tượng mà đặc trưng giúp cho việc phân biệt lớp mẫu khác nhau, đồng thời cũng biến đổi B¸o c¸o m«n häc Xö lý ¶nh GVHD: TS NguyÔn Thanh H¶i thuộc tính cố hữu đối tượng hay thiết bị thu nhận ảnh tạo Việc trích chọn đối tượng đặc trưng đối tượng việc lựa trọn yếu tố hình học Nhận dạng đối tượng (Object Identity) Hệ thống nhận dạng, kết nhận dạng lại xử lý tiếp để đưa nhiều thông tin hữu ích Quá trình hoạt động độc lập có liên hệ với bước phân đoạn dò biên Trong bước trình nhận dạng bước trích chọn đặc trưng bước phân đoạn hai bước quan trọng định cho phương pháp nhận dạng Các kỹ thuật nhận dạng thường tập trung vào việc cải tiến phương thức hoạt động hai bước Đếm số lượng Sau nhận dạng đối tượng, đếm số lượng đối tượng để hiển thị Hiển thị Hiển thị thông tin đối tượng số lượng cần nhận dạng Chương 3: Xử lý nâng cao chất lượng ảnh Chương 4: CƠ SỞ LÝ THUYẾT 4.1 CÁC LOẠI BỘ LỌC Nhiễu có nhiều loại chia thành hai loại nhiễu nhiễu cộng nhiễu nhân Ví dụ, nhiễu nhân biến số độ rọi, nhiễu cộng thường nhiễu thực nhiễu xung, nhiễu Gaussian Hoặc ta phân loại nhiễu sau đây: • Nhiễu thiết bị thu nhận ảnh • Nhiễu ngẫu nhiên độc lập • Nhiễu vật quan sát Thường người ta xấp xỉ loại nhiễu trình tuyến tính bất biến có nhiều công cụ tuyến tính giải vấn đề phôi phục ảnh cũng tăng cường ảnh so với phi tuyến cho phép xử lý dễ dàng máy tính Từ vấn đề ta xây dựng loại lọc sau: 4.1.1 Bộ lọc thông thấp Bộ lọc thông thấp lý tưởng có hàm truyền sau: Với D0 định giá trị không âm, D(u,v) khoảng cách từ điểm (u,v) đến trung tâm lọc Cần phải nhớ quỹ đạo điểm D(u,v) =D0 hình tròn Bộ lọc thông thấp Butterworth (Butterworth LowPass Filter – BLPF) bậc n với tần số cắt giá trị khoảng cách D0, có hàm truyền sau: Hàm chuyển đổi lọc thông thấp Gaussian (GLPF) cho sau: Với độ lệch chuẩn Bằng cách tay 0, có dạng triển khai sau: Trong MATLAB, sử dụng hàm lpfilter xây dựng sẵn để xây dựng hàm dành cho lọc thông thấp Chương 3: Xử lý nâng cao chất lượng ảnh 4.1.2 Bộ lọc thông cao lý tưởng Có khả muốn tăng cường chi tiết nhỏ hình ảnh thay việc xóa bỏ chúng Việc xử lý gọi shapening tăng cường dao động nhỏ cường độ ảnh nhiễu Bộ lọc thông cao giữ lại thành phần tần số cao loại bỏ thành phần tần số thấp Cho lọc thông cao có hàm truyền Hlp(u,v), dễ dàng có lọc thông cao cách: Trong MATLAB, sử dụng hàm lpfilter xây dựng sẵn để xây dựng hàm dành cho lọc thông cao 4.1.3 Lọc trung vị (median filter) Kỹ thuật lọc thường dùng ma trận 3x3, 5x5, 7x7 di chuyển khắp mặt phẳng ảnh Điểm trung tâm cửa sổ ứng với điểm ảnh lọc, giá trị điểm ảnh thay trung vị chuỗi số tập giá trị thuộc cửa sổ v[m,n]) = median { u[m-k,n-l], (k,l)∈ cửa sổ } Trung vị chuỗi số có 2n+1 số số nằm số khác chuỗi số xếp theo thứ tự theo thứ tự tăng dần giảm dần Nếu trường hợp có 2n số trung vị trung bình cộng hai số trung tâm Vậy thuật toán dùng cho lọc trung vị thực theo hai bước: • Sắp xếp phần tử ảnh thuộc cửa sổ theo thứ tự tăng dần giảm dần Cần dùng thuật toán xếp hiệu • Chọn phần tử trung vị (có số n2/2 + 1) thay giá trị điểm ảnh trung tâm cửa sổ giá trị trung vị Riêng giá trị biên giữ nguyên giá trị Cửa sổ dùng lọc trung vị loại dấu thập phân thay cho loại vuông, cho ta kết khả quan Thay thế Sắp xếp Trung vi 10 Chương 3: Xử lý nâng cao chất lượng ảnh Lọc trung vị lọc phi tuyến Nó lọc hiệu với nhiễu nhị phân nhiễu Gaussian không Khi số điểm nhiễu cửa sổ chiếm nửa hiệu nhiễu giảm nhiều 4.2 CÁC PHƯƠNG PHÁP NÂNG CAO CHẤT LƯỢNG ẢNH Nâng cao chất lượng bước cần thiết xử lý ảnh nhằm hoàn thiện số đặc tính ảnh Nâng cao chất lượng ảnh gồm hai công đoạn khác nhau: tăng cường ảnh khôi phục ảnh Tăng cường ảnh nhằm hoàn thiện đặc tính ảnh như: - Lọc nhiễu, hay làm trơn ảnh, - Tăng độ tương phản, điều chỉnh mức xám ảnh, - Làm biên ảnh Các thuật toán triển khai việc nâng cao chất lượng ảnh hầu hết dựa kỹ thuật miền điểm, không gian tần số Toán tử điểm phép biến đổi điểm ảnh xét, không liên quan đến điểm lân cận khác, đó, toán tử không gian sử dụng điểm lân cận để quy chiếu tới điểm ảnh xét Một số phép biến đổi có tính toán phức tạp chuyển sang miền tần số để thực hiện, kết cuối chuyển trở lại miền không gian nhờ biến đổi ngược Khái niệm toán tử điểm: Xử lý điểm ảnh thực chất biến đổi giá trị điểm ảnh dựa vào giá trị mà không dựa vào điểm ảnh khác Có hai cách tiệm cận với phương pháp Cách thứ dùng hàm biến đổi thích hợp với mục đích yêu cầu đặt để biến đổi giá trị mức xám điểm ảnh sang giá trị mức xám khác Cách thứ hai dùng lược đồ mức xám (Gray Histogram) Về mặt toán học, toán tử điểm ánh xạ từ giá trị cường độ ánh sáng u (m, n) toạ độ (m, n) sang giá tri cường độ ánh sáng khác v (m, n) thông qua hàm f(.), tức là: V (m,n) = f (u(m,n)) 4.2.1 Tăng độ tương phản (Stretching Contrast) Ảnh số tập hợp điểm, mỗi điểm có giá trị độ sáng khác Ở đây, độ sáng để mắt người dễ cảm nhận ảnh song định Thực tế hai đối tượng có độ sáng đặt hai khác cho cảm nhận sáng khác Như vậy, độ tương phản biểu diễn thay đổi độ sáng đối tượng so với Nói cách khác, độ tương phản độ nổi điểm ảnh hay vùng ảnh so với Như vậy, ảnh có độ tương phản kém, ta 11 Chương 3: Xử lý nâng cao chất lượng ảnh thay đổi tùy ý theo ý muốn Ảnh với độ tương phản thấp điều kiện sáng không đủ hay không đều, tính không tuyến tính hay biến động nhỏ cảm nhận ảnh Để điều chỉnh lại độ tương phản ảnh, cần điều chỉnh lại biên độ toàn dải hay dải có giới hạn cách biến đổi tuyến tính biên độ đầu vào (dùng hàm biến đổi hàm tuyến tính) hay phi tuyến (hàm mũ hay hàm lôgarit) Khi dùng hàm tuyến tính độ dốc α, β, γ phải chọn lớn miền cần dãn Các tham số a b (các cận) chọn xem xét lược đồ xám ảnh Chú ý, dãn độ tương phản hàm tuyến tính ta có: α = β = γ =1 α, β, γ > α, β, γ < ảnh kết trùng với ảnh gốc dãn độ tương phản co độ tương phản 4.2.2 Xử lí lược đồ (Histogram) Histogram ảnh xám có L mức xám khác nhau, hàm rời rạc có biểu thức: đó: giá trị mức xám thứ k đoạn [0,L-1] số pixels có giá trị mức xám rk Histogram thường chuẩn hóa, với n số tổng pixels ảnh, histogram chuẩn hoán tính công thức: Trong MATLAB, xem lược đồ histogram hàm imhist 4.3 PHƯƠNG PHÁP NHẬN DẠNG ĐỐI TƯỢNG Trong phương pháp mẫu biểu diễn dạng số thủ rục phân lớp việc xếp giá trị số thành lớp 4.3.1 Trích chọn đặc trưng Nhiệm vụ đặt cho bước phải rút thuộc tính đặc trưng riêng đối tượng vùng ảnh tách Sau mỗi đặc tính đối tượng mô tả dạng số, giá trị tập hợp thành vector mô tả mầu Thực nhiệm vụ bao gồm hai công việc: Giảm nhỏ tập số liệu Tập trung vào số liệu để phân lớp thông tin thiết yếu 12 Chương 3: Xử lý nâng cao chất lượng ảnh Cho đến chưa có phương pháp tón học tối ưu để đáp ứng yêu cầu Các chuyên gia vẫn phải dựa vào trực giác khả tưởng tượng để tìm đặc trưng thích hợp đối tượng Có số phương pháp lựa chọn sau:  Phương pháp lưới  Phương pháp cung  Phương pháp biến đổi Fourier 4.3.2 Kỹ thuật phân lớp mẫu Có hai dạng phân lớp phân lớp mẫu giám sát phân lớp mẫu không giám sát Với phương pháp nhận số dạng mẫu, ta sâu trình bầy kỹ thuật phân lớp giám sát  Nguyên lý phân lớp Như xét bước trích chọn đặc trưng, đặc trưng đối tượng biểu diễn giá trị số giá trị xem thành phần vector biểu diễn mẫu Khi ta đưa vào hệ thống tập mẫu chuẩn trình trích chọn đặc trưng tạo lên vector mẫu chuẩn phân bố không gian mẫu Với mỗi vector mẫu ta ánh xạ từ sang không gian diễn dịch, tức biết tên Như vector mẫu chuẩn hoàn toàn phân thành lớp ứng với tên Những lớp gọi lớp chuẩn Một lớp thực chiếm phần không gian mẫu, vùng lớp thường gọi cluster Thực tế không gian mẫu cũng phân tách hoàn toàn mà cluster chồng lên 4.3.3 Phương pháp nhận dạng cấu trúc  Biểu diễn đặc trưng mẫu bằng phân lớp có cáu trúc Bên cạnh phương pháp số phương pháp nhận dạng mẫu Trong với phương pháp mẫu người ta thực gand ý nghĩa cho mẫu riêng biệt phưong pháp cấu trúc lại xem xét đối tượng phức tạp cấu thành từ dạng nguyên thủy mối liên hệ chúng Các đặc trưng quan hệ dạng nguyên thủy làm việc với danh sách định gần phân tích ảnh não người Việc mô hình hóa trình máy tính trở lên khó khăn, thủ tục cấu trúc không phổ biến thủ tục số 13 Chương 5: CHƯƠNG TRÌNH MATLAB THỰC TẾ 5.1 CODE function varargout = untitled5(varargin) gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, 'gui_Singleton', gui_Singleton, 'gui_OpeningFcn', @untitled5_OpeningFcn, 'gui_OutputFcn', @untitled5_OutputFcn, 'gui_LayoutFcn', [] , 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT % - Executes just before untitled5 is made visible function untitled5_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to untitled5 (see VARARGIN) % Choose default command line output for untitled5 handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes untitled5 wait for user response (see UIRESUME) % uiwait(handles.figure1); % - Outputs from this function are returned to the command line function varargout = untitled5_OutputFcn(hObject, eventdata, handles) 14 varargout{1} = handles.output; % - Executes on button press in Browser function Browser_Callback(hObject, eventdata, handles) [filename, pathname] = uigetfile({'*.png';'*.jpg';'*.tif';'*.*'}, 'Pick a MATLAB code file'); if pathname ~= A=imread([pathname,filename]); End if pathname ~= % imshow(testima); subplot(2,2,1) imshow(A) xlabel('Anh goc') level = 0.732; I2 = im2bw(A,level); % level = 0-1 subplot(2,2,2) imshow(I2) xlabel('Anh nhi phan') I2= bwareaopen(I2,3000); Rmin = 10; Rmax = 100; [centersDark, radiiDark] = imfindcircles(A,[Rmin Rmax],'ObjectPolarity','bright'); subplot(2,2,3) BW = imfill(I2,'holes'); imshow(BW); xlabel('Nhi phan sau hieu chinh'); subplot(2,2,4) imshow(A); xlabel('Nhan dang vien thuoc') h=viscircles(centersDark, radiiDark); CC = bwconncomp(BW); CC = num2str(CC.NumObjects); set(handles.Number1,'string',CC); s = regionprops(BW,'Centroid'); tam = cat(1,s.Centroid); % hien thi hold on plot(tam(:,1),tam(:,2),'+r') 15 end % - Executes on button press in Close function Close_Callback(hObject, eventdata, handles) % hObject handle to Close (see GCBO) choice=questdlg('Do you want to exit the program?'); switch choice case 'Yes' close case 'No' end 5.2 GIẢI THÍCH Chọn ảnh vỉ thuốc vào từ máy tính hiển thị [filename, ip_filepath]=uigetfile('*.tif;*.jpg;*png'); full_path = strcat(ip_filepath,filename); I=imread(full_path); subplot(2,2,1) imshow(I) xlabel('Anh goc') Sau biến đổi thành ảnh xám Gray_image=rgb2gray(I); subplot(2,2,2) imshow(Gray_image) xlabel('Anh xam') Biến đổi thành ảnh nhị phân, với giá trị level dựa thực nghiệm có nhận thấy level = 0.732 thích hợp level = 0.732; I2 = im2bw(I,level); % level = 0-1 subplot(2,2,3) imshow(I2) xlabel('Anh nhi phan') 16 Sau bảng so sánh mức level khác nhau: level 0.5 0.6 0.65 0.7 0.732 0.8 Ảnh nhị phân level Ảnh nhị phân Xóa pixel có giá trị nhỏ làm tăng cường ảnh I2= bwareaopen(I2,3000); BW = imfill(I2,'holes'); subplot(2,2,4) imshow(BW); xlabel('Anh tang cuong') Nhận dạng đối tượng viên thuốc Rmin = 10; Rmax = 100; [centersDark, radiiDark] = imfindcircles(I,[Rmin Rmax],'ObjectPolarity','bright'); figure imshow(I); xlabel('Nhan dang vien thuoc') h=viscircles(centersDark, radiiDark); Đếm số lượng xác định tâm để biết viên thuốc sai lệch vị trí (sản phẩm lỗi) % Dem so luong doi tuong CC = bwconncomp(BW); msgbox(['So luong vien thuoc: ',num2str(CC.NumObjects)]); s = regionprops(BW,'Centroid'); tam = cat(1,s.Centroid); hold on plot(tam(:,1),tam(:,2),'+r') 17 Chương 6: KẾT QUẢ THỰC HIỆN Một vài hình ảnh kết thực với vỉ thuốc thực tế: 18 19 Chương 7: KẾT LUẬN Nhóm thực tổng cộng 15 lần với hình ảnh có độ tương phản góc chụp khác Qua đây, nhóm nhận thấy có 11/15 lần cho kết theo yêu cầu ban đầu (tỉ lệ khoảng 73.33%) Nhóm tìm nguyên nhân chủ yếu dẫn đến sai lệch sau: Độ tương phản mỗi hình mà camera chụp khác nhau, biến đổi thành ảnh nhị phân phải tùy thuộc vào điều kiện mỗi hình mà chọn ngưỡng phù hợp Việc chọn ngưỡng không phù hợp dẫn đến nhận dạng đếm số lượng level 0.5 0.6 0.65 0.7 0.732 0.8 Ảnh nhị phân level Ảnh nhị phân  Cùng ảnh, chọn ngưỡng khác cho kết khác 20 TÀI LIỆU THAM KHẢO [1] TS Nguyễn Thanh Hải, Giáo trình Xử lý ảnh, NXB Đại học Quốc gia Tp Hồ Chí Minh, năm 2017 [2] Báo cáo nhận dạng đối tượng bản, http://123doc.org/document/1526936-bao-cao-xu-ly-anh-nhan-dang-doi-tuong-coban-matlab.htm, Ngày truy cập: 12/5/2016 – 16:41:00 [3] Object detection in computer vision, https://www.mathworks.com/ discovery/object-detection.html, Ngày truy cập: 12/5/2016 – 16:41:00 [4] Learning to Count Objects in Images,http://www.robots.ox.ac.uk/ ~vgg/research/counting/, Ngày truy cập: 12/5/2016 – 16:41:00 10 11 21 ... hữu đối tượng hay thiết bị thu nhận ảnh tạo Việc trích chọn đối tượng đặc trưng đối tượng việc lựa trọn yếu tố hình học Nhận dạng đối tượng (Object Identity) Hệ thống nhận dạng, kết nhận dạng. .. thức hoạt động hai bước Đếm số lượng Sau nhận dạng đối tượng, đếm số lượng đối tượng để hiển thị Hiển thị Hiển thị thông tin đối tượng số lượng cần nhận dạng Chương 3: Xử lý nâng cao chất lượng... phân đoạn dò biên Trong bước trình nhận dạng bước trích chọn đặc trưng bước phân đoạn hai bước quan trọng định cho phương pháp nhận dạng Các kỹ thuật nhận dạng thường tập trung vào việc cải tiến