Thiết kế và chế tạo mô hình nhận dạng các vật thể có hình dạng khác nhau sử dụng công nghệ xử lý ảnh

Mục đích của đề tài nhằm thiết kế và chế tạo mô hình nhận dạng các khối vật thể khác nhau từ Webcam .Từ đó đề tài có thể dùng để tham khảo tài liệu, bổ sung kiến thức cho các ngành học liên quan, giải quyết các tình huống thật trong sản xuất và ứng dụng nhiều vào các nghành nghề khác: nhận dạng mã vạch,vân tay, khuôn mặt…. Tạo được phần mềm xử lý ảnh có các chức năng tương đồng với bộ Blod Tools của phần mềm Spectation: là một công cụ xử lý ảnh có nhiều chức nãng đặc biệt trong qui trình kiểm tra sản phẩm của hãng Siemem.

Chương MỞ ĐẦU 1.1 Đặt vấn đề Trong năm gần với phát triển khoa học kỹ thuật đại ứng dụng nhiều thành tựu vào qui trình sản xuất cơng nghiệp để nâng cao suất hay tránh lỗi sai sót theo điều kiện tiêu chuẩn Với lại giai đoạn qui trình sản xuất bị hạn chế phụ thuộc vào sức người nên suất lao động thấp sản phẩm bị lỗi nhiều đưa thị trường tiêu thụ Một ứng dụng nhằm hạn chế nhược điểm cơng nghệ sử lý ảnh vào công đoạn: kiểm tra, xử lý, phân loại, hay nhận dạng vật thể xem đạt yệu cầu chưa Trong xu phát triển công nghệ thông tin mạnh mẽ, với xu phát triển hệ thống hoạt động sở nhận dạng xử lý ảnh Ảnh nhiều thông tin màu sắc, hình dáng, kích thước…Với cơng cụ xử lý ảnh cho khả nhận biết xác vật dựa đặt tính bên ngồi vật Cũng lý gởi ý, giúp đỡ cô ThS.Nguyễn Lê Tường anh Huỳnh Cao Vân chúng em tìm hiểu nghiên cứu chọn đề tài “Thiết kế chế tạo mô hình nhận dạng vật thể có hình dạng khác sử dụng công nghệ xử lý ảnh” với mong muốn thông qua đề tài bổ sung thêm kiến thức phục vụ cho hoạt động sản xuất hiệu 1.2 Ý nghĩa thực tiễn Mảng xử lý ảnh khơng giới Việt Nam phát triển mạnh mẽ giảng dạy công nghiệp Đồ án nhằm tiến thêm bước cơng nghệ xử lý ảnh mà khóa trước hình thành, đồ án hồn thành góp phần đáng kể việc nghiên cứu sâu mảng xử lý ảnh để giúp cho khóa sau có sở nghiên cứu, hồn thiện công cụ xử lý tiến tới ứng dụng thực tế sản xuất Còn với thực tế sản xuất, đồ án hoàn thiện giúp giải tốn phân loại sản phẩm theo hình dạng So với sản phẩm phân loại tương tự phần mềm rẻ lợi phần mềm so với sản phẩm khác 1.3 Mục đích nghiên cứu Mục đích đề tài nhằm thiết kế chế tạo mơ hình nhận dạng khối vật thể khác từ Webcam Từ đề tài dùng để tham khảo tài liệu, bổ sung kiến thức cho ngành học liên quan, giải tình thật sản xuất ứng dụng nhiều vào nghành nghề khác: nhận dạng mã vạch,vân tay, khuôn mặt… Tạo phần mềm xử lý ảnh có chức tương đồng với Blod Tools phần mềm Spectation: cơng cụ xử lý ảnh có nhiều chức nãng đặc biệt qui trình kiểm tra sản phẩm hãng Siemem 1.4 Giơí hạn đề tài Mơ hình chưa tự động Nhận dạng phân loại vật dựa vào kích thước Tốc độ xử lý Webcam chậm Chương TỔNG QUAN 2.1 Tổng quan nhận dạng vật thể Trong dây truyền sản xuất để tạo sản phẩm hoàn thiện, theo yêu cầu hay đat tiêu chuẩn sản phẩm bị lỗi đưa thị trường tiêu thụ hay bước kiểm tra an ninh: nhận dạng khuôn mặt, vân tay, loại thẻ hay mã vạch sân bay, khách sạn, ngân hàng khu vực cơng cộng bị hạn chế vật thể có hình dạng, kích thước, màu sắc khác (ví dụ: hình tròn, hình vng, hình tam giác…) mà người quan sát, thực dễ gây sai sót, hạn chế, nhầm lẫn khó phân biệt mắt thường Để khắc phục sai sót hạn chế người tìm phương pháp kiểm tra, nhận định, giám sát với kỹ thuật đại cơng nghệ xử lý ảnh dùng Webcam hay Camera …thay cho mắt người với suất hiệu cao nhiều 2.2 Tổng quan ứng dụng xử lý ảnh 2.2.1 Xử lý ảnh gì? Xử lý ảnh ngành khoa học tương đối mẻ so với nhiều ngành khoa học khác Hiện lĩnh lực quan tâm trở thành môn học chun ngành trường đại học Nhờ có cơng nghệ số hoá đại, ngày người xử lý tín hiệu nhiều chiều thơng qua nhiều hệ thống khác nhau, từ mạch số đơn giản máy tính song song cao cấp Mục tiêu xử lý chia làm ba hướng sau:  Xử lý ảnh ban đầu để có ảnh theo yêu cầu xác định (ví dụ ảnh mờ cần xử lý để ảnh rõ hơn)  Phân tích ảnh để thu thông tin đặc trưng giúp cho việc phân loại, nhận biết ảnh (ví dụ phân tích ảnh vân tay để trích chọn đặc trưng vân tay)  Hiểu ảnh đầu vào để có mơ tả ảnh mức cao hơn, sâu (ví dụ từ ảnh tai nạn giao thông phác họa trường tai nạn) Xử lý ảnh mảng quan trọng kỹ thuật thị giác máy tính, tiền đề cho nhiều nghiên cứu thuộc lĩnh vực Hai nhiệm vụ trình xử lý ảnh nâng cao chất lượng thông tin hình ảnh xử lý số liệu cung cấp cho q trình khác có việc ứng dụng thị giác vào điều khiển Thị giác máy (Machine vision) ứng dụng thị giác máy tính vào cộng nghiệp sản xuất Nhưng ngược lại, thị giác máy tính (Computer vision) qui tắc chung để máy tính nhìn được, thị giác máy qui tắc kỹ thuật, liên quan tới thiết bị số vào/ra mạng máy tính để điều khiển thiết bị sản xuất khác chẳng hạn cánh tay robot Thị giác máy trường phụ kỹ thuật mà có liên quan tới khoa học máy tính, quang học, kỹ thuật chế tạo máy, tự động hóa công nghiệp Một ứng dụng thị giác máy kiểm tra sản phẩm tốt chíp bán dẫn, ô tô, thực phẩm dược phẩm Cũng người làm việc kiểm tra dây chuyền sản xuất, sử dụng thị giác để kiểm tra chất lượng sản phẩm có tốt hay khơng, việc cần người kiểm tra kinh nghiệm kỹ năng, với hệ thống thị giác máy cần sử dụng máy ảnh số, máy ảnh thông minh phần mềm xử lý ảnh để thực việc kiểm tra tương tự Quá trình xử lý ảnh xem q trình thao tác ảnh đầu vào nhằm cho kết mong muốn Kết đầu trình xử lý ảnh ảnh “tốt hơn” kết luận : Ảnh “Tốt XỬ LÝ ẢNH Ảnh hơn” Tóm lại xử lý ảnh trình chụp ảnh, phân tích nhận dạng ảnh đưa tín Kết luận hiệu điều khiển hợp lý Thiết bị thu nhận (chụp ảnh) Scanner, camera, webcam,….Thực chất q trình phân tích nhận dạng ảnh bao gồm nhiều cơng đoạn nhỏ hình hình dung q trình xử lý ảnh thơng qua sơ đồ khối sau : Hệ định  Thu nhận ảnh (Scanner, Camera,Sensor) Trích chọn Tiền xử lý Hậu xử lý đặc điểm Đối sánh rút kết luận Lưu trữ Hình 2.1: Sơ đồ khối trình xử lý ảnh 2.2.2 Ứng dụng xử lý ảnh a) Trong nước: Ứng dụng xử lý ảnh nước ta chưa nhiều chưa có thống kê thức Tuy nhiên kể số ứng dụng xử lý ảnh tiêu biểu như: - Camera đo diện tích da sản xuất đồ da - Giám sát điều khiển tín hiệu giao thơng camera thời gian thực - Ứng dụng xử lý ảnh kết hợp với mạng neural nhận dạng chữ viết - Robot xử lý ảnh thi robocon 2007 - Robot đánh bóng bàn TOPIO công Tosy Việt Nam - Dây chuyền tự động nhận dạng, phân lọai gạch ốp lát granite viện nghiên cứu kĩ thuật quân Hình 2.2: Robot đánh bóng bàn TOPIO Nhóm tác giả Viện tự động hóa Kỹ thuật quân (Bộ Quốc phòng) thực thành cơng đề tài "Nghiên cứu thiết kế, chế tạo hệ thống tự động hóa nhận dạng phân loại sản phẩm công nghiệp" Với ứng dụng cơng nghệ nhận dạng, xử lý ảnh trí tuệ nhân tạo sở hệ thống thu thập thông tin ảnh chất lượng cao bảo đảm tốc độ độ xác nhận dạng phân loại sản phẩm đạt tiêu chuẩn cao hẳn mắt thường phương pháp thủ cơng khác Hệ thống có tính linh hoạt thích nghi cao áp dụng nhiều dây chuyền công nghiệp sản xuất hàng loạt sản phẩm có tiêu chuẩn phân loại cần áp dụng công nghệ nhận dạng xử lý ảnh Tính thích nghi hệ thống tạo khả ứng dụng cho nhiều loại sản phẩm cần thiết thay đổi mềm dẻo đặc trưng mẫu sản phẩm b) Ngoài nước: Thế giới phát triển ứng dụng xử lý ảnh từ năm 1960 Khởi đầu từ nghiên cứu phòng thí nghiệm Jet Propulsion, MIT, Bell Labs, đại học Maryland Ban đầu ứng dụng để phân tích ảnh từ vệ tinh Ngày có nhiều ứng dụng dân dụng liên quan đến công nghệ xử lý ảnh như: - Kiểm tra lỗi ổ cứng nhà máy sản xuất ổ cứng - Robot Asimo công ty Honda Nhật - Ứng dụng chụp cắt lớp y học, phân tích bệnh lý qua ảnh X-quang - Nhận dạng vân tay, nhận dạng ký tự - Hay đơn giản tăng cường, phục hồi chất lượng ảnh chụp Hình 2.3: Robot SWAT Trên mẫu robot ứng dụng cho đội SWAT Mỹ giám sát, tuần tra, phân phát vũ khí/thức ăn, tìm phá huỷ bom 2.3 Sơ lược phần mềm xử lý ảnh Siemen Trong thời gian gần xử lý ảnh cơng nghiệp có bước phát triễn tương đối lớn, hãng chuyên xử lý ảnh không ngừng đưa sản phẩm để đáp ứng nhu cầu khách hàng Các công cụ ngày đại, với tốc độ xử lý cao, nhiều cơng cụ xử lý có khả kết nối với thiết bị công nghiệp khác Trong mảng xử lý ảnh công nghiệp không nhắc tới phần mềm xử lý ảnh tốt Spectation Siemen 2.3.1 Spectation Specatation phần mềm xử lý ảnh Siemen với nhiều tính đặc biệt, hãng tìm hiểu đáp cứng nhu cầu khách hàng để phát triễn công cụ xử lý ảnh phù hợp gần toàn trường hợp sản xuất cần kiểm phẩm Hình 4: Giao diện phần mềm Spectation Khi xử dụng phần mềm kèm theo camera cơng nghiệp với tốc độ xử lý cao, bên cạnh camera sử dụng Ethernet giao thức kết nối TCP/IP UDP/IP để giao tiếp với máy tính tốc độ truyền liệu cao khoảng cách xa Hình 2.5: Camera VS724 Siemen 2.3.2 Công cụ blob Spectation Blob Spectation định nghĩa miền kết nối điểm ảnh có mật độ đồng dạng Thanh cơng cụ thiết kế để tìm, tính tốn (đếm), đánh dấu Blob Thanh cơng cơng cụ Blob bao gồm hai Softsensor: chương trình tạo Blob (Blob Generator) chọn Blob (Blob selector) Chương trình tạo blob phân tích ảnh tách blob dựa lựa chọn người dùng (mức ngưỡng loại blob để định vị trí) Một blob định vị trí, phương án xử lý ảnh (ăn mòn, mở rộng, ẩn hay mở) dùng để loại trừ nhiễu ảnh Softsensor có đánhdấu ảnh đặc thù Màu xanh phù hợp cho Màu xám phù hợp cho blob đếm Mầu đỏ phù hợp với đường bao blob ,hay blob tiếp xúc với biên Softsensor Bộ chọn blob dùng để tách blob tạo chương trình tạo blob Phần sử dụng phần mềm hỗ trợ người dùng tìm blob mà phần mềm ứng dụng u cầu tính tốn hệ số thơng số blob Mục đích chung đánh dấu phận quay dịch chuyển, blob đặt biệt phải lập vị trí tính tốn Khi làm, Softsensor khác tham chiếu chọn blob cho mốc qui chiếu vị trí Nếu mục đích chung đơn giản để tính blob hay xác định lại hình dạng/ kích thước chúng, Soflsensor làm tự động hóa Phần mềm khơng đưa ra, đơn giản tham chiếu cho chương trình tạo blob sử dụng miền định giới đường biên Như hệ là, khơng cài đặt ngưỡng giới hạn, đơn giản đưa blob từ chương trình tạo blob thực tính tốn dựa chúng Thông số mà Spectation đưa cho blob là: vị trí, kích thước biên, độ lệch tâm, độ khích, chu vi, cường độ sáng, diện tích, bán kính Người sử dụng tính tốn vài hay tất thông số để hỗ trợ khác biệt blob mong muốn blob khác ảnh Việc đánh dấu Softsensor khác với chương trình tạo blob Nền màu đen, blob chỗ bật màu trắng Blob loại bỏ trình màu sắc tối Người dùng phải thiết lập thông số Softsensor để lựa chọn blob làm việc với vị trí tham chiếu Hình 2.6: Hình phân loại sản phẩm dựa vào vị trí Spectation Hình trình bày blob chọn sử dụng mốc tham chiếu vị trí (chỗ bật màu trắng) Ảnh trình bày việc đánh dấu định hướng chi tiết, đánh dấu tâm Điểm mốc bao gồm đường màu xanh điểm màu đỏ (điểm tâm blob) 10 4.4.3.1 Tam giác mẫu Hình 4.18: Ảnh kết hình tam giác mẫu 4.4.3.2 Vật so sánh 50 Hình 4.19: Ảnh kết hình tam giác so sánh 51 4.4.4 Xử lý với hình Tương tự ta chọn thông số perimeter ( pixel) khoảng từ: 1190-1220 (pixel) bảng kết thị : vật nhận ( pass) vật khoảng loại( fail) 1mm=3.779 pixel 4.4.4.1 Vật mẫu Hình 4.20: Ảnh kết vật mẫu 52 4.4.4.2 Vật so sánh Hình 4.21: Ảnh kết vật so sánh 53 4.5 Bảng khảo nghiệm độ xác phần mềm so với kích thước thực vật thể Tên Hình tròn Hình vng Hình tam giác Hình khác Kết Diện tích Chu vi Chiều rộng hình chữ nhật nhỏ (mm) Chiều cao hình chữ nhật nhỏ (mm) quảt ính (mm) (mm) Phần mềm 1129.55 114.43 37.84 37.84 Thực 1255.99 125.66 40 40 Spectation 1213.3 119.2 39.8 39.2 Phần mềm 1447.04 125.65 37.9 38.7 Thực 1598.90 132 40 40 Spectation 1490.9 128.9 38.4 39.3 Phần mềm 705.50 122.78 34.8 42.07 Thực 699.93 127 32 36 Spectation 583.9 125.17 30.14 34.48 Phần mềm 2381.86 319.93 59.54 59.27 Thực 2593.35 334.2 51.43 51.74 2453.06 331.3 70.91 71.44 Tế Tế Tế Tế Spectation Hình 4.22: Bảng khảo nghiệm 54 Biểu đồ so sánh kết tính thực tế với phần mềm  Nhận xét kết Từ kết thực nghiệm ta thấy số tính thực tế so với phần mềm tương đối gần chấp nhận 55 CHƯƠNG KẾT LUẬN VÀ ĐỀ NGHỊ 5.1 Kết đạt Sau khoảng thời gian giao làm đồ án chúng em cố gắng hoàn thành nhiệm vụ tương đối thành công theo yêu cầu ban đầu đặt thu số kết sau:  Đã nghiên cứu lý thuyết xử lý ảnh dùng webcam  Đã chế tạo mơ hình phân loại nhận dạng vật  Đã thiết kế phần mềm giao diện xử lý ảnh  Đã khảo nghiệm mơ hình với vật thực tế 5.2 Đề nghị  Thiết kế băng truyền cho vật thể dùng động bước timer để xác định vị trí vật thể cho q trình nhận dạng webcam xác  Thay Webcam Camera để độ xác cao trình xử lý  Phần mềm bổ sung tìm hiểu kỹ ứng dụng nhiều lĩnh vực có liên quan đến sản xuất công nghiệp, tham khảo cho nghành học phụ trợ 56 TÀI LIỆU THAM KHẢO [1] Phương Lan, Hồng Đức Hải, Từng Bước Học Lập Trình Visual C++.net, Nhà Xuất Bản Lao Động Xã Hội, TP.HCM, 2006 [2]www.siemens.com/machine-vision hay www.siemens.com/automation/service [3] Đỗ Năng Tồn, Phạm Việt Bình, Giáo Trình Mơn Học Xử Lý Ảnh, Nhà Xuất Bản Đại học Thái Nguyên, Thái Nguyên, 2007 [4] CodeProject, Image to Characters Convert using Intensity, 15 Dec 2009 URL http://www.codeproject.com/KB/recipes/Image2CharsConverter.aspx [5] CodeProject, Image Processing for Dummis with C# and GDI+ Part 1-Per Pixel Filters, 21 Dec 2009.URL http://www.codeproject.com/KB/GDI- plus/csharpgraphicfilters11.aspx [6] Các nguồn khác từ Internet ……………… PHỤ LỤC 57 Mã nguồn 1.2 Những đoạn code chương trình 1.2.1 Đoạn code load ảnh private void loadToolStripMenuItem_Click(object sender, EventArgs e) { openFileDialog1.CheckFileExists = true; openFileDialog1.CheckPathExists = true; openFileDialog1.Title = "Load Image"; if (openFileDialog1.ShowDialog() == DialogResult.OK) { try { // hien thi anh tren nen metaDraw1 string fileName = openFileDialog1.FileName; metaDraw1.LoadPicture(fileName, BTIS.MetaDraw.PictureSource.Picture); // load anh de xu ly Sourceimage=highgui.CvLoadImage(fileName,highgui.CV_ LOAD_IMAGE_COLOR); } catch { MessageBox.Show("Error opening image", "Load Image", MessageBoxButtons.OK, MessageBoxIcon.Error); } 1.2.2 Đoạn code cắt ảnh chuyển ảnh sang xám 58 if ((x != 0) && (y != 0) && (cutwidth != 0) && (cutheigh != 0)) { cutimage = cxcore.CvCreateImage(new CvSize(cutwidth, cutheigh), sourceimage.depth, sourceimage.nChannels); cutgrayimage = cxcore.CvCreateImage(new CvSize(cutwidth, cutheigh), sourceimage.depth, 1); cxcore.CvSetImageROI(ref sourceimage, new CvRect(x, y, cutwidth, cutheigh)); cxcore.CvCopy(ref sourceimage, ref cutimage); cxcore.CvResetImageROI(ref sourceimage); cv.CvCvtColor(ref cutimage, ref cutgrayimage, cvtypes.CV_BGR2GRAY); } 1.2.3 Đoạn code tìm vùng liên thơng tính tốn thơng số hình học khối ảnh if ((x != 0) && (y != 0) && (cutwidth != 0) && (cutheigh != 0)) { cutimage = cxcore.CvCreateImage(new CvSize(cutwidth, cutheigh), sourceimage.depth, sourceimage.nChannels); cutgrayimage = cxcore.CvCreateImage(new CvSize(cutwidth, cutheigh), sourceimage.depth, 1); cxcore.CvSetImageROI(ref sourceimage, new CvRect(x, y, cutwidth, cutheigh)); cxcore.CvCopy(ref sourceimage, ref cutimage); cxcore.CvResetImageROI(ref sourceimage); cv.CvCvtColor(ref cutimage, ref cutgrayimage, cvtypes.CV_BGR2GRAY); cutgrayimage1 = new byte[cutgrayimage.height * cutgrayimage.widthStep]; cutgrayimage1 = cutgrayimage.ImageDataUChar; 59 // VE HISTOGRAM histogram = new float[256]; for (int i = 0; i < 256; i++) for (int j = 0; j < cutgrayimage1.Length; j++) if (cutgrayimage1[j] == i) histogram[i] += 1; maxs = 0; //gmaxs = 0; for (int z = 0; z < histogram.Length; z++) { maxs = System.Math.Max(histogram[z], maxs); //if (System.Math.Abs(fg[z] - fgmaxs) < 0.5) //gmaxs = z; } histogram1.Clear(); tChart1.Axes.Left.Maximum = maxs; for (int k = 0; k < 256; k++) { histogram1.Add(k, histogram[k]); //form3.histogram1.Add(k, histogram[k]); } bwimage = cxcore.CvCreateImage(cxcore.CvGetSize(ref cutgrayimage), 8, 1); cv.CvThreshold(ref cutgrayimage, ref bwimage, nguong, 255, cv.CV_THRESH_BINARY); 60 //metaDraw1.RemoveObject(BTIS.MetaDraw.ObjHandle.Curr ent); highgui.CvSaveImage("temp1.bmp", ref bwimage); metaDraw1.LoadPicture("temp1.bmp", BTIS.MetaDraw.PictureSource.PictureClip); Point pt = new Point(x, y); metaDraw1.MoveObjects(pt, BTIS.MetaDraw.MoveFlags.Set); } ///////////////////////////// //bwimage = cxcore.CvCreateImage(cxcore.CvGetSize(ref cutgrayimage), 8, 1); //cv.CvThreshold(ref cutgrayimage, ref bwimage, nguong, 255, cv.CV_THRESH_BINARY); bwimage1 = new Byte[bwimage.height * bwimage.widthStep]; bwimage2 = new Byte[bwimage.height, bwimage.widthStep]; bwimage1 = bwimage.ImageDataUChar; for (int i = 0; i < bwimage.height; i++) for (int j = 0; j < bwimage.widthStep; j++) bwimage2[i, j] = bwimage1[bwimage.widthStep * i + j]; connectedComponentLabeling = new ConnectedComponent.ConnectedComponentLabeling(bwimage2); connectedComponentLabeling.Apply(bwimage2); //Tim vung lien thong Tuc la tim so vat the objectCount = connectedComponentLabeling.ObjectCount; ///////////////////////////////////////////////////////////// dt = new double[objectCount]; cvv = new double[objectCount]; dotron = new double[objectCount]; 61 xpos = new double[objectCount]; ypos = new double[objectCount]; angle = new double[objectCount]; widthhcnnn = new double[objectCount]; heighhcnnn = new double[objectCount]; bk = new double[objectCount]; cdotb = new double[objectCount]; abc = new byte[objectCount][]; abc2 = new byte[objectCount][,]; // code tinh dac trinh for (int i = 0; i < objectCount; i++) { CvRect rect; IplImage anhgan = cxcore.CvCreateImage(cxcore.CvGetSize(ref cutgrayimage), 8, 3); //IplImage anhgan1 = cxcore.CvCreateImage(cxcore.CvGetSize(ref cutgrayimage), 8, 3); IplImage anhdactrung1 = cxcore.CvCreateImage(cxcore.CvGetSize(ref cutgrayimage), 8, 1); abc2[i] = new Byte[bwimage.height, bwimage.widthStep]; abc[i] = new Byte[bwimage.height * bwimage.widthStep]; abc2[i] = connectedComponentLabeling.ObjectArrays[i]; for (int j = 0; j < bwimage.height; j++) for (int k = 0; k < bwimage.widthStep; k++) abc[i][bwimage.widthStep * j + k] = abc2[i][j, k]; //dac trung1 dt 62 //dac trung cuong sang trung binh //double cdtb; for (int l = 0; l < bwimage.imageSize; l++) if (abc[i][l] != 0) { dt[i] = dt[i] + 1; cdotb[i] += cutgrayimage1[l]; abc[i][l] = 255; } cdotb[i] = cdotb[i] / dt[i]; anhdactrung1.ImageDataUChar = abc[i]; cv.CvCvtColor(ref anhdactrung1, ref anhgan, cvtypes.CV_GRAY2RGB); //highgui.CvNamedWindow(i.ToString()); //highgui.CvShowImage(i.ToString(), ref anhgan); //dac trung2 hinh chu nhat nho nhat rect = cv.CvBoundingRect(ref anhdactrung1, 1); widthhcnnn[i] = rect.width; heighhcnnn[i] = rect.height; cv.CvCanny(ref anhdactrung1, ref anhdactrung1, 0, 0, 3); //highgui.CvNamedWindow(i.ToString()); //highgui.CvShowImage(i.ToString(), ref anhdactrung1); //dac trung3 chu vi 63 byte[] a = new byte[anhdactrung1.widthStep * anhdactrung1.height]; a = anhdactrung1.ImageDataUChar; for (int m = 0; m < a.Length; m++) if (a[m] != 0) cvv[i] = cvv[i] + 1; // dac trung tron compactness dotron[i] = (float)(4 * Math.PI * dt[i]) / (cvv[i] * cvv[i]); ///////////////////////////////////////////////// } 64 ... trình xử lý ảnh xem q trình thao tác ảnh đầu vào nhằm cho kết mong muốn Kết đầu trình xử lý ảnh ảnh “tốt hơn” kết luận : Ảnh “Tốt XỬ LÝ ẢNH Ảnh hơn” Tóm lại xử lý ảnh q trình chụp ảnh, phân tích nhận. .. công cụ ngày đại, với tốc độ xử lý cao, nhiều cơng cụ xử lý có khả kết nối với thiết bị công nghiệp khác Trong mảng xử lý ảnh công nghiệp không nhắc tới phần mềm xử lý ảnh tốt Spectation Siemen... người xem (Web casting) Và có cấu tạo chung:ống kính, cảm biến hình ảnh số thiết bị hỗ trở khác Hình 3.6: Webcam Để ghi hình ảnh, Webcam sử dụng thiết bị cảm nhận hình ảnh, thường CCD (charge-coupled