Đang tải... (xem toàn văn)
tìm hiểu và hệ thống lại các phương pháp phân đoạn ảnh đã có theo các hướng: như phân đoạn theo ngưỡng, phân đoạn theo đường biên và theo miền đồng nhất. và lập trình minh họa các phương pháp bằng Matlab
Contents Mở đầu Phân đoạn ảnh thao tác mức thấp toàn trình xử lý ảnh Quá trình thực việc phân vùng ảnh thành vùng rời rạc đồng với hay nói cách khác xác định biên vùng ảnh Các vùng ảnh đồng thông thường tương ứng với toàn hay phần đối tượng thật bên ảnh Vì thế, hầu hết ứng dụng lĩnh vực xử lý ảnh, phân đoạn ảnh đóng vai trò thường bước tiền xử lý toàn trình trước thực thao tác khác mức cao nhận dạng đối tượng, biểu diễn đối tượng, nén ảnh dựa đối tượng, hay truy vấn ảnh dựa vào nội dung … Trước đây, phương pháp phân vùng ảnh đưa chủ yếu làm việc ảnh mức xám hạn chế phương tiện thu thập lưu trữ Ngày nay, với phát triển phương tiện thu nhận biểu diễn ảnh, ảnh màu thay hoàn toàn ảnh mức xám việc biểu diễn lưu trữ thông tin ưu vượt trội hẳn so với ảnh mức xám Do đó, kỹ thuật, thuật giải thực việc phân vùng ảnh loại ảnh màu liên tục phát triển để đáp ứng nhu cầu Mục đích chúng em tìm hiểu hệ thống lại phương pháp phân đoạn ảnh có theo hướng: phân đoạn theo ngưỡng, phân đoạn theo đường biên theo miền đồng Với mục đích chúng em trình bày đồ án thành phần sau: Chương 1: Tổng quan xử lý ảnh Chương 2: Một số phương pháp phân đoạn ảnh Chương 3: Lập trình minh họa Chúng em chân thành cảm ơn TS Nguyễn Linh Giang cung cấp tài liệu giúp chúng em hoàn thành tập lớn Do điều kiện thời gian kiến thức hạn chế nên phần tìm hiểu chúng em nhiều thiếu xót Chúng em mong nhận góp ý thầy bạn lớp để báo cáo hoàn thiện Phân chia công việc - - - Nguyễn Quang Huy: Tìm hiểu lập trình minh họa phương pháp K-means Làm báo cáo slide Phan Ngọc Phùng: Tìm hiểu lập trình minh họa phương pháp Watershed Làm báo cáo slide Nguyễn Văn Phương: Tìm hiểu lập trình minh họa phương pháp Otsu Làm báo cáo slide - Chương 1: Tổng quan xử lý ảnh 1.1 Giới thiệu xử lý ảnh Quá trình xử lý ảnh trình thao tác nhằm phân tích, biến đổi ảnh đầu vào để đưa kết mong muốn Kết trình xử lý ảnh ảnh tốt kết luận Điều tùy thuộc vào mục đích yêu cầu trình 1.2 Quá trình xử lý ảnh Các phương pháp xử lý ảnh ứng dụng nâng cao chất lượng ảnh phân tích ảnh Do vậy, trình xử lý ảnh bắt đầu công việc thu nhận ảnh kết thúc việc nhận dạng ảnh phán đoán theo ý nghĩa sở nhận dạng ảnh Cụ thể, bước trình xử lý ảnh thể thông qua hình 1.1 sau: Hình 1.1-Các bước xử lý ảnh Nguồn:luanvan.net.vn/luan-van/luan-van-tim-hieu-phuong-phap-phan-doananh-dua-tren-rwr-random-walker-restart-45856/ 1.2.1 Thu nhận ảnh Công việc cụ thể giai đoạn thu ảnh qua thu ảnh số hoá tín hiệu liên tục sinh thu ảnh Bộ thu ảnh máy chụp ảnh đơn sắc hay màu, máy quét ảnh, máy quay 1.2.2 Tiền xử lý ảnh Công việc cụ thể bước cải thiện độ tương phản ảnh, khử nhiễu Mục đích công việc làm cho chất lượng ảnh trở lên tốt chuẩn bị cho bước xử lý 1.2.3 Phân đoạn ảnh Đây giai đoạn tách ảnh đầu vào thành nhiều vùng khác hay gọi đối tượng để biểu diễn phân tích, nhận dạng ảnh 1.2.4 Biểu diễn mô tả Ảnh sau số hoá lưu vào nhớ chuyển sang khâu để phân tích Nếu lưu trữ ảnh trực tiếp từ ảnh thô đòi hỏi dung lượng nhớ lớn không hiệu theo quan điểm ứng dụng công nghệ Thông thường, ảnh thô biểu diễn lại theo đặc điểm ảnh gọi đặc trưng ảnh như: biên ảnh, vùng ảnh Các thông tin chọn tính chất đặc trưng để thể gọi trích chọn đặc trưng 1.2.5 Nhận dạng nội suy Nhận dạng ảnh trình xác định ảnh cách so sánh ảnh với mẫu chuẩn lưu từ trước Nội suy phán đoán theo ý nghĩa sở nhận dạng ảnh Một số đối tượng nhận dạng phổ biến áp dụng khoa học công nghệ là: Nhận dạng ký tự (chữ in, chữ viết tay, chữ ký điện tử), nhận dạng văn bản, nhận dạng vân tay, nhận dạng mã vạch, nhận dạng mặt người 1.2.6 Cơ sở trí thức Trong nhiều khâu xử lý phân tích ảnh, việc đơn giản hoá phương pháp toán học đảm bảo tiện lợi cho xử lý hướng đến việc xây dựng hệ thống tự động tiếp nhận xử lý theo cách người Vì vậy, nhiều khâu xử lý theo phương pháp trí tuệ nhân tạo, sử dụng sở tri thức người 1.3 Tổng quan phân đoạn ảnh Phân đoạn ảnh thao tác mức thấp bước then chốt trình xử lý ảnh Giai đoạn nhằm phân tích ảnh thành vùng rời rạc có tính chất dựa vào việc xác định biên vùng liên thông cho vùng Tiêu chuẩn để xác định vùng liên thông mức xám, màu hay độ nhám… Các vùng ảnh thông thường tương ứng với toàn hay phần đối tượng thật bên ảnh 1.4 1.4.1 Một số khái niệm Điểm ảnh Điểm ảnh (Pixel) phần tử ảnh số tọa 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 Độ phân giải ảnh 1.4.2 Độ phân giải (Resolution) ảnh mật độ điểm ảnh ấn định ảnh số hiển thị Mức xám ảnh 1.4.3 Mức xám điểm ảnh cường độ sáng gán giá trị số điểm Quan hệ điểm ảnh 1.4.4 a Các lân cận điểm ảnh (Image Neighbors) Hình 1.2 – Lân cận điểm ảnh tọa độ (x,y) Nguồn:luanvan.net.vn/luan-van/luan-van-tim-hieu-phuong-phap-phan-doan-anhb 1.4.5 dua-tren-rwr-random-walker-restart-45856/ Khoảng cách điểm ảnh - Khoảng cách Euclide - Khoảng cách khối - Khoảng cách bàn cờ Nén ảnh Ảnh dù dạng chiếm không gian nhớ lớn Vì vậy, mô tả ảnh sử dụng kỹ thuật nén ảnh để thu gọn dung lượng nhớ dành cho ảnh 1.4.6 Các định dạng xử lý ảnh Hình ảnh lưu trữ dạng tệp tin số hóa Một số dạng ảnh chuẩn hóa như: ảnh GIF, BMP, PCX, IMG,… Chương 2: Một số phương pháp phân đoạn ảnh Bài toán phân đoạn ảnh 2.1 - Phân tách ảnh thành tập hợp điểm không giao (phân hoạch) Mục đích: phục vụ toán nhận dạng ảnh, hiểu ảnh toán liên quan - đến xử lý vùng Phân đoạn ảnh toán xác định yếu (ill-defined): việc xác định vùng ảnh phụ thuộc vào ngữ cảnh Khái niệm đoạn ảnh 2.2 - Xác định toán tử P phép toán xác định vùng ảnh Điểm ảnh x coi nằm vùng ảnh xác định qua toán tử P, P(x) = true điểm ảnh thỏa mãn tính chất xác định - Ví dụ toán tử vùng: Các giá trị mức xám khoảng (ngưỡng) Gradient mức xám khoảng (biên) Phân bố thống kê (kết cấu bề mặt) - Sau áp dụng toán tử xác định vùng, ảnh trở thành ảnh nhị phân Sử dụng định nghĩa tính liên thông, ta xác định vùng ảnh Các phương pháp phân đoạn ảnh: 2.3 - Phân vùng dựa ngưỡng: tìm vùng ảnh cách nhóm điểm có giá trị - mức xám tương tự Phân vùng dựa theo đường biên: xác định đường ranh giới vùng lân cận Đây toán đối ngẫu với toán phân đoạn ảnh Bởi lẽ xác định đối tượng ảnh ta dễ dàng xác định biên ngược lại Do toán - ta tìm hiểu sau Phân vùng ảnh dựa miền: xác định trực tiếp vùng ảnh cách gia - tăng phân chia vùng Phân vùng ảnh dựa chuyển động: xác định vùng dựa việc so sánh khung video liên tiếp chuỗi video để xác định vùng tương ứng với đối tượng chuyển động Chúng ta bàn đến phương pháp xử lý đến video Trong phạm vi chương trình, bọn em đề cập đến 2.4 2.4.1 Tìm hiểu chi tiết số phương pháp Lấy ngưỡng tối ưu Otsu Xuất phát từ toán lấy ngưỡng cứng Nguồn: Slide giảng môn xử lý ảnh TS Hoàng Văn Hiệp Phụ thuộc chủ quan (phân tích histogram) Dễ bị ảnh hưởng nhiễu Ảnh hưởng bơi thay đổi độ sáng - Phương pháp otsu nhằm khắc phục nhược điểm phương pháp lấy ngưỡng cứng nhằm đưa ngưỡng thíc hợp Thuật toán phân ngưỡng Otsu tác giả Nobuyuki Otsu giới thiệu năm 1979 Phương pháp phân ngưỡng Otsu dựa biểu đồ histogram Trước tiên, tá giả xét biểu đồ histogram chuẩn hóa dựa hàm mật độ(PDF- Probability Density Function) theo công thức: pq = nq n q = 0,1,2, , L - , Trong đó: n- tổng số pixel ảnh; nq - tổng số pixel có mức độ xám rq ; L – Tổng số ngưỡng độ xám ảnh; 10 vùng Rvmv (hoặc với Rumu tương ứng) Vì đưa số cạnh song song vào T nên có cạnh số cạnh song song gán trị hàm thể khác biệt, cạnh lại có trị ∞ '∞' Cạnh có trọng số đặt cuối danh sách trọng số xếp, không xem xét đến Vì vậy, cạnh có trị ∞ nghĩa ta không cần quan tâm đến việc có đưa cạnh vào T hay không Hình sau mô tả trình cập nhật thông tin • Khi cạnh e(4, 6) đưa vào T, trọng số cạnh e(3, 4), e(2, 4) e(1, 4) phải cập nhật lại Sau tính lại, ta có trị f ( R2m , R4m ) • f ( R3m , R4m ) f ( R1m1 , R4m ) , ‘61’, ‘50’ ‘28’ Như vậy, e(2,3) cạnh có trị nhỏ nên thêm vào T Ta phải cập nhật lại trọng số bốn cạnh e(2 ,1), e(2, 4), e(3, 1) e(3, 4) Vì e(2,1) e(3, 1) hai cạnh song song, ta gán số hai cạnh trị ‘73’, cạnh lại có trị ∞ Làm tương tự cho hai cạnh e(2,4) e(3, 4) Trọng số e(3, 4) ‘42’ trọng số e(2, 4) ∞ Hình Cập nhật cạnh trình áp dụng việc tạo MST (a) Đồ thị nguồn (b) Thêm e(4, 6) vào T (c) Thêm e(2, 3) vào T Tìm ngưỡng cục thích nghi 36 Mặc dù phần mô tả trình trộn hoàn chỉnh ta chưa xác định giải thuật dừng Hay nói cách khác, ta chưa biết cách xác định vùng không trộn thời điểm không trộn Như vậy, cần có chế tự động rút trích thông tin ngưỡng cục thông qua việc theo dõi thay đổi vùng trình trộn Các ngưỡng cho biết trộn vùng hay không Như thế, ngưỡng giúp hình thành phân vùng hoàn chỉnh cuối Như biết trình phân đoạn thao tác cục bộ, nên bước trộn cục dừng đồng thời Do việc sử dụng ngưỡng toàn cục không đủ vùng thường tách biệt với xung quanh ngưỡng khác vào lần xử lý khác Tuy nhiên vài trường hợp ngưỡng toàn cục lại phù hợp Ví dụ hình mô tả trường hợp ngoại lệ, dùng ngưỡng toàn cục mà cho kết phân đoạn xác Lý ảnh ví dụ chứa đối tượng đồng màu sắc, đồng thời phần có màu đồng Trong trường hợp cần ngưỡng cho trình trộn đủ Quá trình trộn dừng trọng số cạnh khảo sát lớn ngưỡng chọn trước, cụ thể ví dụ 100 Bạn xem kết phân đoạn ngưỡng hình 5b Trong thực tế, ảnh phân tích thường chứa nhiều hai vùng nên khó phân đoạn dùng ngưỡng toàn cục Hình (a) Ảnh gốc (b) Kết phân đoạn ngưỡng toàn cục 100 Bạn cảm nhận nhu cầu dùng ngưỡng cục thay cho ngưỡng toàn cục xem hình Ta có hình gốc 6a, hình 6b kết giải thuật watershed Với ngưỡng toàn cục t = 20 ta kết phân đoạn hình 6c, hình 6d kết tương ứng với ngưỡng toàn cục t = 30 Trong hình 6c, vùng đồng lớn Tuy nhiên, ngưỡng tăng lên 30 hình 6d, vùng nhìn 37 mắt thường đồng mặt ghế lại bị phân nhỏ Trong đó, vùng mũi tên vàng chưa đồng Để phân thành nhiều vùng đồng ngưỡng phải nhỏ 30, việc trộn hai vùng không đồng áo khoác người đàn ông ghế không thực Chúng ta nhận biết nhu cầu cần thiết tính ngưỡng cục bộ, tính ngưỡng dựa vào yếu tố cần xem xét tiếp Việc tính ngưỡng cục phải dựa vào thông tin cục bộ, liên quan đến vùng xét vùng lân cận xung quanh Thế phải xét vùng lân cận? Ta phải xét vùng lân cận vùng thường bị ảnh hưởng vùng xung quanh Bạn xem ví dụ hình để thấy mối quan hệ khắng khít vùng vùng lân cận nó, vùng đặt vào vùng lân cận khác cảm nhận thị giác khác Trong hình 7a, đối tượng hình ellipse màu vàng bật màu đen, khác hẳn với hình 7b, đối tượng ellipse màu vàng gần hòa vào màu trắng xung quanh nó, khó nhận biết Hình (a) Ảnh gốc (b) Sau áp dụng giải thuật watershed (c) Sau hoàn thành trình trộn dùng ngưỡng toàn cục t=20 (d) Sau trộn dùng ngưỡng toàn cục t=30 38 Hình Vùng sáng elip hiển thị khác khác Cách tính ngưỡng cục thích nghi Trong phần giới thiệu với bạn phương pháp tự động tính ngưỡng cục thích nghi dựa vào tính chất cục vùng trình trộn Phát biểu: Sự thay đổi đáng kể tính đồng vùng xuất trình trộn có tạo vùng không đồng Khi đó, bước trộn không đồng nhất, ta xác định ngưỡng cục thích nghi Việc xác định tính đồng phụ thuộc chủ yếu vào không gian màu Ở đây, dùng thành phần V không gian màu HSV thể phương sai tính đồng cho vùng µv ( Rim ) i Gọi : trị trung bình thành phần màu V vùng V(x,y) trị thành phần V vị trí (x,y) Ta có công thức tính phương sai vùng Rimi Rimi , i = 1,…, n sau lần trộn thứ mi sau: ∆σ ( Rimi ) =| σ ( Rimi ) − σ ( Rimi −1 ) | Với mi i |R | (4) tổng số pixel thuộc vùng Rimi Như thay đổi tính đồng Rimi sau lần trộn thứ mi thể thông qua khoảng chênh lệch phương sai hai lần trộn mi mi-1 vùng 39 Rimi : σ ( Rimi ) = | Rimi | ∑ (V ( x, y) − µ ( R mi i v )) ( x , y )∈Rimi (5) Gọi Ji tập trị max cục ∆σ ( R ) mi i mi −1 i Ji = {(mi, ∆σ ( R )) | ∆σ ( R ) > ∆σ ( R mi i mi i , mi = 1, …, Mi )& ∆σ ( Rimi ) > ∆σ ( Rimi +1 )} (6) Mặc dù thông tin thống kê ảnh xem xét, thông tin cục Rimi vùng , i=1….,n lấy từ ∆σ ( Rimi ) Bởi biến thiên thước đo cho tính đồng nhất, việc trộn J i thể việc chuyển biến lớn Rimi tiến trình trộn Nên nhớ tiến trình trộn bắt đầu với việc phân đoạn mức vùng đồng vùng trộn vùng nhất, vùng trở thành không đồng tác vụ trộn khác Do đó, cho Rimi trở thành không đồng giá trị cực đại cục Ji cho thoả mãn : ∆σ ( Rim ) > β (7) i giá trị trung bình β = 1/ Ki ∑ ∆σ ( R mi ∈J i Thể mi i ∆σ ( Rimi ) mi ∈ J i : ) (8) ∆σ ( Rimi ) ba vùng khác áo người đàn ông (hình 7b) Trục x số lần trộn m i Trục y ∆σ ( Rimi ) 40 Mũi tên màu xanh đồ thị đến cực đại cục thỏa mãn công thức (7), số cực đại cục bộ, thể việc trộn sinh không đồng Do tính chất ∆σ ( Rimi ) , định nghĩa cho phép loại giá trị cực đại cục mà việc trộn tính chất ∆σ ( Rimi ) Rimi đồng Ba đồ thị hình thể ba vùng khác áo người đàn ông (Hình 7b), thể thay đổi tính đồng Các đồ thị thể giá trị ∆σ ( Rimi ) hàm số lần trộn Mũi tên đồ thị giá trị cực đại cục đầu tiên, số cực đại cục bộ, thoả mãn công thức (7) Trong lần trộn này, vùng áo trộn với vùng khác (nền sáng) trở thành không đồng Do ba vùng trộn thành vùng, giá trị đồ thị hình a b từ lần trộn thứ hình a lần trộn đầu hình b Thêm vào đó, từ lần trộn thứ ba vùng hình 9c từ lần trộn thứ hình b (hoặc lần trộn thứ 13 hình a), giá trị ∆σ ( Rimi ) hình 9c b Hơn nữa, định danh lần trộn mà tạo vùng không đồng độc lập vùng mà ta xét (giữa vùng tạo nên vùng đồng áo người đàn ông) Tiến trình trộn mà tạo vùng không đồng phải bị huỷ bỏ Giả sử R mji Rimi hai vùng mà việc trộn tạo vùng không đồng Một ngưỡng cục m dẫn xuất giá trị lần trộn Rimi f ( Rimi , R j j ) lần trộn Bởi thứ tự trộn, tất với vùng xung quanh tạo vùng không đồng Vì thế, ngưỡng tránh cho việc hai vùng trộn lại với tao tác trộn sau 41 Như đề cập, tiến trình lặp thực để tìm ngưỡng Chính xác hơn, lần lặp có ngưỡng Cho s=1,…,K số lần lặp K chưa xác định số ngưỡng chưa xác định Cho t s là ngưỡng lần lặp thứ s mts lần trộn tương ứng với ts Trong lần trộn thứ s, vùng trộn dựa vào tiến trình trộn vùng (trừ vùng cuối đề cập đây) Với vùng từ tiến trình cấu trúc map Li cho Rimi , i=1,…,n ta nhận mi ∈ {1, , M } Li : {1, ,M i } → {1, ,M } , i = 1, ,n 2.4.3.3 vào m ∈ {1, , M } : Tiến trình thuật giải Áp dụng giải thuật tìm cạnh Canny cho mức xám ảnh I Đầu I G ảnh gradients Áp dụng giải thuật watershed IG để lấy phân mảnh ban đầu I Tập hợp Ri0 , i=1,…,n ảnh phân mảnh sau áp dụng giải thuật watershed Tạo RAG, ký hiệu G để thể phân mảnh I Trộn vùng: a) Trộn vùng thành vùng (trừ vùng cuối cùng) Thứ tự trộn m dựa vào giải thuật MST Kruskal, sử dụng hàm sai khác f ( Rimi , R j j ) (Công thức (2)) b) Tạo trộn, ký hiệu MT c) Với vùng Rimi , lưu tập Ji Ki cực đại cục ∆σ ( Rimi ) , mi=1,…,Mi tính toán sử dụng công thức (6) Với mi Ji, lưu Li(mi) Tính toán ngưỡng thứ s: 42 Rimi a) Với vùng tính toán công thức (8) sau xác định mi' ∈ J i thỏa mãn công thức (7) b) Với vùng Rimi , sử dụng map Li công thức (9) để tìm mts trộn (định nghĩa công thức (10)) mà kết hợp với ngưỡng ts Giả sử Rimi R mjj vùng tương ứng với ts m c) t s = f ( Rimi , R j j ) Áp dụng tiến trình hồi quy: xóa tất lần trộn tự lên trên, dùng cấu trúc liệu MT, đến lần trộn Rimi R mjj (tương ứng với ngưỡng cuối cùng) Rimi ứng R mjj Ri* định nghĩa vùng cuối ký hiệu tương R *j Nếu vùng phải trộn, gán s = s + lặp lại bước Nếu không, kết thúc tiến trình Ri* , i=1,2,…,n* kết phân đoạn 43 44 Chương 3: Lập trình minh họa 3.1 Hướng dẫn sử dụng chương trình Chạy file XLA.m - Trong Command Window gõ lệnh ‘XLA’ để chạy chương trình - Giao diện chương trình - Ấn “Browse Image” để chọn ảnh muốn đưa vào xử lý Sau chọn ảnh, giao diện hiển thị ảnh chọn với thông số bên phải hình như: name, size, width, height, color type, bit 45 - Lựa chọn phương pháp phân đoạn muốn thực hiện: Phân đoạn theo ngưỡng cứng (Thresholding), Theo phương pháp ngưỡng tối ưu Otsu’s method, Phương pháp phân vùng dựa màu sắc kmeans hay phương pháp watershed 3.2 - Kết chạy chương trình Thresholding với ngưỡng :127.5 46 Ở ảnh nhị phân sau áp dụng ngưỡng ảnh chuyển sang miền rgb để hiển thị - Otsu’s method: Kết tương tự thresholding ngưỡng chọn cho tối ưu nhất, t thu ngưỡng là: 76.5 Rõ ràng thay chọn ngưỡng (ở 255/2) thresholding với chọn ngưỡng theo phương pháp otsu ta thu hình ảnh phân vùng với - nhiều chi tiết (ở cân đối) K-means: phân vùng theo màu sắc 47 Ở kmean, tùy theo mức độ màu sắc muốn lọc mà chương trình phân vùng chi tiết Như bên ta áp dụng với trường hợp K=3 Có vùng màu sắc tách Trường hợp K=6 ta có chi tiết hơn: - Watershed: 48 49 Tài liệu tham khảo [1] Slide giảng môn Xử lý ảnh - TS Nguyễn Linh Giang [2] Slide giảng Phân vùng ảnh – TS Hoàng Văn Hiệp [3] Khóa học xử lý ảnh Matlab https://www.youtube.com/watch? v=j51RiL9Yhrg&index=1&list=PLaLirrSMMfVZnfMivjV_I8DdMl5gWzOrE [4] Review of Image Segmentation Techniques – H.P.Narkhede - International Journal of Science and Modern Engineering (IJISME) ISSN: 2319-6386, Volume-1, Issue-8, July 2013 [5] Thuật toán K-means https://machinelearningcoban.com/2017/01/01/kmeans/ https://www.mathworks.com/help/stats/kmeans.html [6] Thuật toán Watershed https://www.scribd.com/document/77547927/Phan-doan-anh 50 ... Làm báo cáo slide Phan Ngọc Phùng: Tìm hiểu lập trình minh họa phương pháp Watershed Làm báo cáo slide Nguyễn Văn Phương: Tìm hiểu lập trình minh họa phương pháp Otsu Làm báo cáo slide... cho ảnh 1.4.6 Các định dạng xử lý ảnh Hình ảnh lưu trữ dạng tệp tin số hóa Một số dạng ảnh chuẩn hóa như: ảnh GIF, BMP, PCX, IMG,… Chương 2: Một số phương pháp phân đoạn ảnh Bài toán phân đoạn ảnh. .. nghĩa tính liên thông, ta xác định vùng ảnh Các phương pháp phân đoạn ảnh: 2.3 - Phân vùng dựa ngưỡng: tìm vùng ảnh cách nhóm điểm có giá trị - mức xám tương tự Phân vùng dựa theo đường biên: xác
