Trong bài viết này các kỹ thuật dựa trên đặc trưng ảnh được sử dụng để tìm ra sự phù hợp giữa các ảnh và xây dựng thuật toán tạo ảnh panorama tự động, ứng dụng giám sát trường nhìn rộng. Với phương pháp này thay vì tự động ghép một cặp hình ảnh, nhiều cặp hình ảnh được liên tục ghép tương đối với nhau để tạo thành một bức tranh panorama toàn cảnh.
Đo lường & Tin học MỘT PHƯƠNG PHÁP TẠO ẢNH PANORAMA ỨNG DỤNG TRONG HỆ THỐNG GIÁM SÁT TRƯỜNG NHÌN RỘNG Vũ Minh Khiêm1*, Nguyễn Ngọc Hoa1, Mai Đình Sinh2 Tóm tắt: Trích xuất đặc trưng ảnh kỹ thuật mạnh mẽ sử dụng nhiều ứng dụng xử lý ảnh ghép hình ảnh, theo dõi phát đối tượng Trong báo kỹ thuật dựa đặc trưng ảnh sử dụng để tìm phù hợp ảnh xây dựng thuật toán tạo ảnh panorama tự động, ứng dụng giám sát trường nhìn rộng Với phương pháp thay tự động ghép cặp hình ảnh, nhiều cặp hình ảnh liên tục ghép tương để tạo thành tranh panorama toàn cảnh Kết thử nghiệm cho thấy tạo hình ảnh panorama với trường nhìn rộng thời gian thực với chuỗi hình ảnh từ video Từ khóa: Panorama ; Ghép ảnh; SIFT ; SURF; Homography ĐẶT VẤN ĐỀ Hiện nay, máy ảnh thông thường chụp với góc 90° so với góc nhìn mắt người đạt 200° 135° nên người sử dụng khó thu lại tồn cảnh khơng gian họ mong muốn Để giải vấn đề trên, nhiều ảnh có phần chồng gối lên ghép lại để tạo thành ảnh toàn cảnh lớn - hay gọi ảnh panorama Ảnh panorama phải đạt 110° đơi lên đến 360° Hiện hệ thống camera giám sát ứng dụng rộng rãi nhiều lĩnh vực Các camera đặt bệ pan-tilt tự động quay quét để tăng phạm vi giám sát Tuy nhiên góc nhìn loại camera tương đối hạn chế, đặc biệt camera ảnh nhiệt, khơng thể đồng thời giám sát tồn khu vực, cần phải nghiên cứu thuật tốn để ghép ảnh thu từ camera thành ảnh lớn hơn, hiển thị toàn cảnh khu vực cần giám sát Trước đây, thuật tốn ghép hình ảnh sử dụng rộng rãi kỹ thuật chỉnh dựa đường viền Lucas Kanade phát triển [1] Các thuật tốn ghép hình ảnh phức tạp phát triển cho hình ảnh y học cảm biến từ xa số khảo sát trước kỹ thuật ghép hình ảnh [2] Vào năm 1990, kỹ thuật liên kết hình ảnh bắt đầu áp dụng cho việc xây dựng panoramas liền kề góc rộng từ máy ảnh cầm tay thông thường Gần đây, phương pháp tiếp cận dựa đặc trưng ảnh có lợi mạnh mẽ chuyển động cảnh có tốc độ xử lý nhanh Lợi lớn khả "nhận diện toàn cảnh", tức tự động khám phá mối quan hệ kề tập hợp hình ảnh khơng xếp, làm cho chúng phù hợp cho việc khâu chụp toàn cảnh tự động hồn tồn người dùng bình thường [3] Phương pháp mà báo lựa chọn bao gồm trích chọn đặc trưng ảnh, xác định đặc trưng tương đồng cặp ảnh, xây dựng ma trận phép biến đổi phân số tuyến tính Homography sử dụng để bảo lưu tỷ lệ chéo hình ảnh bước cuối sử dụng ma trận Homography để chiếu hình ảnh cần ghép tới mặt phẳng hình ảnh trung tâm Bài báo gồm có phần chính, bao gồm: Giới thiệu; Một số phương pháp trích chọn đặc trưng; Thuật toán tạo ảnh panorama; Kết đạt kết luận 244 V M Khiêm, N N Hoa, M Đ Sinh, “Một phương pháp tạo ảnh … trường nhìn rộng.” Nghiên cứu khoa học cơng nghệ MỘT SỐ PHƯƠNG PHÁP TRÍCH CHỌN ĐẶC TRƯNG Ảnh panorama chế độ chụp ảnh khổ rộng cách chụp nhiều ảnh liên tiếp, với thông tin ảnh trước thể phần ảnh sau, nhằm hỗ trợ người dùng Sau với trợ giúp phần mềm xử lý ảnh ta có ảnh khổ rộng Kĩ thuật ghép ảnh panorama có nhiều cách khác nhau, nhiên chúng gồm bước là: Trích chọn điểm đặc trưng hai ảnh; Tìm điểm tương đồng hai ảnh; Tìm ma trận Homography ghép nối hai ảnh với Việc lựa chọn thuật toán, phương pháp tùy thuộc vào tốn cụ thể, nghiên cứu chúng tơi thảo luận số phương pháp lựa chọn phương pháp phù hợp cho toán trường nhìn rộng Thay phân tích tồn hình ảnh, cần tập trung vào vài điểm định ảnh thực phép phân tích cục gọi “trích chọn đặc trưng dựa điểm bật” Phương pháp hoạt động tốt ảnh tồn số lượng vừa đủ điểm bật bất biến ổn định thực việc phân tích cục cách xác Điểm bật ảnh điểm ảnh có chứa nhiều thơng tin điểm ảnh lân cận Biểu diễn ảnh theo điểm bật đọng hơn, giảm khơng gian tìm kiếm tốn ứng dụng Các phương pháp trích chọn đặc trưng từ điểm bật là: Thuật tốn tìm kiếm góc Harris [4], trích chọn đặc trưng cục bất biến SIFT(Scale-Invariant Feature Transform)[5-6], trích chọn đặc trưng SURF(Speed Up Robust Features) Điểm đặc trưng cục bất biến SIFT với tính chất khơng thay đổi xoay ảnh, co giãn ảnh hay thay đổi cường độ sáng ảnh Trong phương pháp bao gồm bước nhỏ sau: Phát điểm cực trị, loại bỏ điểm hấp dẫn có độ tương phản thấp, loại bỏ số điểm hấp dẫn dọc theo cạnh khơng giữ tính ổn định ảnh bị nhiễu xoay ảnh, định hướng cho điểm đặc trưng mơ tả điểm đặc trưng Phương pháp trích chọn đặc trưng SIFT thuật tốn trích chọn đặc trưng hiệu Tuy nhiên, tốc độ xử lý SIFT chậm không đáp ứng ứng dụng thời gian thực Để cân yêu cầu tốc độ xác báo sử dụng thuật tốn trích chọn đặc trưng SURF cho tốn tạo ảnh panorama THUẬT TỐN TẠO ẢNH PANORAMA 3.1 Trích chọn điểm đặc trưng Bộ phát đặc trưng SURF sử dụng phép xấp xỉ ma trận Hessian ảnh tích phân (Integral Image) [7] để làm giảm bớt thời gian tính tốn cách đáng kể Ảnh tích phân có cơng thức sau: i x j y I ( X ) i 0 j 0 I (i, j ) (1) Bộ mô tả đặc trưng sử dụng vector 64 chiều chứa thông tin biến thiên ảnh dựa phân phối bậc Haar wavelet tác động trục x y, kết hợp với ảnh tích phân làm tăng tốc độ tính tốn SURF mơ tả vector có số chiều SIFT nên tốc độ so khớp nhanh hơn, đồng thời độ bền vững đảm Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san TĐH, 04 - 2019 245 Đo lường & Tin học bảo Đặc trưng SURF khơng giữ vững tính bền vững cho đặc trưng mà làm tăng tốc độ so khớp Thuật toán kỹ thuật SURF bao gồm bước : - Sử dụng dò Fast-Hessian để xác định điểm bật - Gán hướng cho điểm bật mô tả đặc trưng SURF - So khớp đặc trưng a Xác định điểm bật Bộ dò xây dựng dựa ma trận Hessian có thời gian tính tốn nhanh độ xác cao, kết hợp với việc sử dụng ảnh tích phân để giảm thời gian tính tốn đặc trưng Ma trận Hessian định nghĩa sau: Lxx ( x, ) Lxy ( x, ) H ( x, ) (2) Lxy ( x, ) Lyy ( x, ) 2 g ( ) tích đạo hàm bậc hai hàm Gaussian với ảnh x I điểm x(x, y), có tỉ lệ Nếu SIFT xấp xỉ việc tính Laplacian hàm Gaussian (LoG) việc tính sai khác hàm Gaussian (DoG) SURF xấp xỉ việc tính đạo hàm cấp hàm Gaussian hộp lọc (box filters) Dưới ví dụ việc tính xấp xỉ đạo hàm cấp hai hàm Gaussian với hệ số tỉ lệ thấp hộp lọc: Với Lxx ( x, ) Hình Mơ tả xấp xỉ đạo hàm cấp hàm Gaussian hộp lọc Trong đó, ảnh thứ đạo hàm cấp Gaussian theo trục y, ảnh thứ hai theo trục x trục y Ảnh thứ ba thứ tư hộp lọc xấp xỉ với hai trường hợp ảnh hai Phép tích chập xoắn ảnh với hộp lọc thực hiệc nhanh việc sử dụng kết hợp với ảnh tích lũy Ta xác định vị trí hệ số tỉ lệ tương ứng điểm đặc trưng dựa định thức ma trận Hessian Cơng thức tính xấp xỉ định thức ma trận Hessian: det( H ) Dxx Dyy ( wDxy ) (3) Trong w trọng số cân biểu thức định thức ma trận Hessian tùy thuộc vào hệ số tỉ lệ Dxx , Dyy , Dxy hộp lọc xấp xỉ Gaussian Đối với tỉ lệ = 1.2, kích thước hộp lọc giá trọng số w tính bằng: Lxy (1.2) Dxy (9) F F (4) W 0.912 0.9 Lyy (1.2) Dxy (9) F F Trong trường hợp này,vị trí, tỉ lệ không gian ảnh điểm đặc trưng xác định phép loại cực đại vùng [8] 246 V M Khiêm, N N Hoa, M Đ Sinh, “Một phương pháp tạo ảnh … trường nhìn rộng.” Nghiên cứu khoa học cơng nghệ b Gán hướng cho điểm bật mô tả đặc trưng SURF Đầu tiên, cần phải xác định vùng hình xung quanh điểm đặc trưng vừa tìm được, gán giá trị hướng cho điểm đặc trưng Kích thước hình tròn phụ thuộc vào hệ số tỉ lệ tương ứng không gian ảnh mà điểm đặc trưng tìm Ở bán kính hình tròn xác định 6s, s tỉ lệ mà điểm đặc trưng tìm thấy Hướng đặc trưng tính phân phối bậc Haar wavelet tác động theo hai hướng x y (Hình 2) Trong đó, vùng tối có trọng số -1, vùng sáng có trọng số +1 Kích thước wavelet phụ thuộc vào hệ số tỉ lệ s Hình Lọc Haar wavelet để tính ảnh hưởng hai hướng x y Haar wavelet tính cách nhanh chóng cách sử dụng ảnh tích lũy tương tự hộp lọc xấp xỉ đạo hàm cấp hàm Gaussian Vector hướng trội ước lượng gắn vào thơng tin điểm đặc trưng Hình mô tả hướng vùng ảnh hưởng đặc trưng Tiếp theo, cần xây dựng vùng hình vng xung quanh điểm đặc trưng men theo vector hướng vừa ước lượng bước trước Vùng hình vng chia nhỏ thành hình vng để ghi nhận thông tin miền không gian ảnh lân cận Haar wavelet rút trích tồn không gian điểm ảnh Wavelet tác động hai hướng ngang dọc cộng dồn giá trị hình vng Hơn nữa, giá trị tuyệt đối |dx| |dy| cộng dồn để lấy thông tin độ lớn thay đổi cường độ sáng ảnh Như hình vuông mô tả vector chiều: V d x , d y , d x , d y (5) Như vector mô tả cho tất hình vng vector 64 chiều (Hình 3) Đây mơ tả đặc trưng chuẩn SURF (hay gọi SURF-64) Ngồi có phiên khác dựa cách chia hình vng SURF- 36, SURF -128… Hình Mơ tả hướng vùng ảnh hưởng đặc trưng Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san TĐH, 04 - 2019 247 Đo lường & Tin học Tuy nhiên thực nghiệm cho thấy SURF- 64 cho tốc độ tính tốn tốt mà đảm bảo tính bền vững đặc trưng Haar wavelet bất biến với thay đổi ánh sáng tương phản chuẩn hóa vector mơ tả đặc trưng chiều dài đơn vị c Lập mục so khớp Đặc điểm quan trọng đặc trưng SURF trình rút trích đặc trưng nhanh sử dụng kỹ thuật ảnh tích phân phép loại cực đại Quá trình so khớp đặc trưng nhanh nhiều bước đánh mục đơn giản dựa dấu Laplacian Không cần phải tốn chi phí tính tốn bước q trình phát đặc trưng tính sẵn Dấu Laplacian giúp phân biệt đốm (blob) sáng tối đốm tối sáng Điểm đặc trưng sáng khớp với điểm đặc trưng sáng khác, tương tự cho đặc trưng tối (Hình 4) Kỹ thuật giúp cho q trình so khớp nhanh gấp đôi trong trường hợp tốt tốn chi phí tính tốn dấu Laplacian Hình Ví dụ đốm sáng tối đốm tối sáng 3.2 Tìm điểm tương đồng hai ảnh Có nhiều phương pháp để thực bước so sánh đối chiếu điểm tương đồng bật hai ảnh phương pháp vét cạn (Brute-Force), nhiên phương pháp chậm Trong báo trình bày phương pháp tìm điểm tương đồng cặp ảnh dựa ý tưởng: Hai điểm không gian coi tương đồng khoảng cách Euclide hai điểm nhỏ tỉ số khoảng cách gần khoảng cách gần nhì phải nhỏ ngưỡng cho trước Khoảng cách Euclide tính cơng thức sau: d ( p, q ) ( p1 q1 ) ( p2 q2 ) ( pn qn ) n (6) i 1 ( pi qi )2 n = 128 điểm đặc trưng 128 chiều 3.3 Tính ma trận Homography Homography dịch chuyển sử dụng phép chiếu hình học Ảnh thực khơng gian ba chiều biến đổi không gian ảnh hai chiều phép chiếu thông qua ma trận biến đổi Homography H Các phép chiếu biến đổi thông qua ma trận Homography không đảm bảo kích thước góc vật chiếu, bảo đảm tỉ lệ: (7) X ' HX 248 V M Khiêm, N N Hoa, M Đ Sinh, “Một phương pháp tạo ảnh … trường nhìn rộng.” Nghiên cứu khoa học cơng nghệ H tính phương pháp DLT (Direct Linear Transformation) Trong hệ tọa độ khơng đồng nhất, cơng thức (7) viết lại sau: u h1 h2 h3 x v h h h y (8) 6 h7 h8 h9 Với h9 =1 khơng gian chiếu khơng gian chiều Lần lượt chia dòng thứ cơng thức cho dòng thứ ba dòng thứ hai cho dòng thứ ba, ta biểu thức sau: (9) h1 x h2 y h3 (h7 x h8 y h9 )u (10) h4 x h5 y h6 (h7 x h8 y h9 )v Hai cơng thức viết dạng ma trận sau: Ai h (11) 0 ux uy u x y 1 Trong : Ai 0 x y 1 vx vy v 0 (12) Và h (h1 h2 h3 h4 h5 h6 h7 h8 h9 )T (13) Với cặp điểm tương ứng ta có hai biểu thức nên cần cặp điểm tương ứng ta xác định ma trận H Áp dụng giải thuật phân rã giá trị đơn SVD [9] cho ma trận A để phân tích thành ba ma trận thành phần đơn giản hơn, có số chiều nhỏ hơn, ta được: A U V T i 1 si ui viT (14) đó, si giá trị đơn, si xếp theo thứ tự giảm dần Khi giá trị hi giá trị cuối cột vi : Ah = 0, d11 d19 v11 v19 T A UDV U d91 d99 v91 v99 v , , v99 h 19 v99 T (15) Chúng ta chia phần tử h cho v99 để h9 = 3.4 Chọn ma trận Homography Bài báo sử dụng thuật toán RANSAC để chọn ma trận Homography RANSAC lần công bố Fischler Boller [10] Nguyên lý thuật toán sau: Từ tập liệu đầu vào có hai loại liệu “inlier” “outlier”, đó, “inlier” liệu khơng phải nhiễu “outlier” liệu nhiễu, ta tiến hành tính tốn tìm mơ hình tốt cho tập liệu Việc tính tốn chọn mơ hình tốt lặp lặp lại k lần, với giá trị k Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san TĐH, 04 - 2019 249 Đo lường & Tin học chọn đủ lớn để đảm bảo xác suất p tập liệu mẫu ngẫu nhiên khơng chứa “outlier” Thuật tốn: Lặp lại k lần: a Chọn cặp điểm tương đồng ngẫu nhiên b Tính ma trận Homography Htmp từ điểm trình bày c Tính khoảng cách d tập cặp điểm tương đồng di d ( X ti , H tmp X t ) d ( X t , H tmp X ti ) d Tính số lượng m cặp điểm inlier thỏa mãn điều kiện di < ngưỡng e Nếu inlier > max_inlier max_inlier = inlier ma trận Homograph H H tmp y log(1 p ) log(1 wn ) w tỉ lệ số inlier tổng số điểm Thông thường chọn 50% 3.5 Ghép nối hình ảnh với Sau tính tốn ma trận Homography, bước cuối tạo ảnh Panorama ghép nối hình ảnh lại với Ý tưởng để thực bước sử dụng ảnh làm trung tâm, sau sử dụng ma trận Homography để chiếu ảnh lại tới mặt phẳng ảnh trung tâm hình Trong đó, k Hình Minh họa ghép hai ảnh Trên hình 5, ảnh bên trái sử dụng mặt phẳng chiếu, ảnh bên phải ảnh chiếu lên mặt phẳng ảnh thứ sử dụng ma trận Homography tính tốn lựa chọn Phần phần phần riêng ảnh, phần phần chung hai ảnh Sau ghép ảnh nhận thấy kích thước ảnh khơng phải hình chữ nhật có tượng méo ảnh bên phải Để giải vấn đề sau ghép ảnh, tiến hành cắt ảnh theo hình chữ nhật KẾT QUẢ ĐẠT ĐƯỢC Video thử nghiệm quay camera ảnh nhiệt Orchid 640-P-C145 Isarel sản xuất, có độ phân giải 640 480 , độ nhạy nhiệt nhỏ 0.05℃, góc nhìn 25° Thuật tốn tạo ảnh panorama thử nghiệm tảng máy tính hệ điều hành window, Intel i7-6822EQ, 2.0GHz, RAM 8GB, ngôn ngữ lập trình C++, sử dụng thư viện Open CV 2.4.9 Qt 5.5 Thử nghiệm video với ảnh, kích thước ảnh 640 480 cho cảnh parorama, mức độ phủ trùm ảnh khoảng 20% - 40% thể hình 6, 7, 250 V M Khiêm, N N Hoa, M Đ Sinh, “Một phương pháp tạo ảnh … trường nhìn rộng.” Nghiên cứu khoa học cơng nghệ Kết thử nghiệm cho thấy, thuật tốn ghép ảnh nhỏ tạo thành ảnh có trường nhìn rộng Trong video 2, độ sáng ảnh có thay đổi đột ngột, nhiên thuật tốn ghép ảnh xác Để ghép ảnh có độ phân giải 640 480 tốc độ xử lý lên tới 1,2s Trong hệ thống sử dụng Camera ảnh nhiệt có trường nhìn 25°, tốc độ bệ pan-tilt 10°/s, yêu cầu mức độ phủ trùm ảnh tối thiểu 20%, tính tốc độ xử lý phải nhỏ 2s, tốc độ xử lý thuật toán đáp ứng yêu cầu toán Thuật toán đề xuất báo cho kết tốt nhiệm vụ tạo ảnh panorama ứng dụng cho hệ thống giám sát trường nhìn rộng ảnh ảnh ảnh ảnh ảnh ảnh ảnh ảnh Hình Các ảnh trích xuất từ video1 Hình Ảnh panorama hồn chỉnh từ tập ảnh trích xuất từ video1 ảnh ảnh ảnh ảnh ảnh ảnh ảnh ảnh Hình Các ảnh trích xuất từ video2 Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san TĐH, 04 - 2019 251 Đo lường & Tin học Hình Ảnh panorama hồn chỉnh từ tập ảnh trích xuất từ video2 KẾT LUẬN Trong báo xây dựng thuật tốn tạo ảnh panorama trường hợp trường nhìn rộng, báo tập trung vào nghiên cứu kĩ thuật xử lý ghép ảnh từ ảnh thử nghiệm ghép chuỗi hình ảnh từ video để tạo trường nhìn rộng Trong bước có lý thuyết xử lý để bàn luận, phân tích đánh giá sau áp dụng vào tốn ghép ảnh panorama Visual Studio với thư viện OpenCV 2.4.9 Kết thu làm tiền đề cho việc ứng dụng xây dựng hệ thống giám sát mục tiêu chống đột nhập bảo vệ biển đảo Lời cảm ơn: Nhóm tác giả cảm ơn đóng góp ý kiến phòng KHQS, Bộ Tham mưu Hải quân giúp hoàn thiện báo Nghiên cứu hỗ trợ từ đề tài cấp mã số 2016.85.059 TÀI LIỆU THAM KHẢO [1] B D Lucas, T Kanade, "An iterative image registration technique with an application to stereo vision," in Seventh International Joint Conference on Artificial Intelligence (IJCAI-81), Vancouver (1981), pp 674-679 [2] S E Chen, "QuickTime VR-an image-based approach to virtual environment navigation," Computer Graphics (SIGGRAPH’95) (1995), pp 29-38 [3] L G Brown, "A survey of image registration techniques," Computing Surveys, vol 24, no.4 (1992), pp 325–376 [4] Darya Frolova, Denis Simakov, "Matching with Invariant Features," The Weizmann Institute of Science (2004) [5] Naotoshi Seo, David A Schug, "Image Matching Using Scale Invariant Feature Transform (SIFT)," University of Maryland, Digital Image and Video Processing Final Project [6] Demo software: Sift keypoint detector, Website, 2005, http://www.cs.ubc ca/˜lowe/keypoints/ [7].Matthew B, David G L, "Automatic Panoramic Image Stitching using Invariant Features," International Journal of Computer Vision, vol 74, no (2007), pp 59-73 [8].H Bay, A Ess, T Tuytelaars, L.V Gool, "SURF-Speeded Up Robust Features," Computer Vision and Image Understanding (CVIU), vol 110, no (2008), pp 346-359 252 V M Khiêm, N N Hoa, M Đ Sinh, “Một phương pháp tạo ảnh … trường nhìn rộng.” Nghiên cứu khoa học công nghệ [9] Elan Dubrofsky, "Homography Estimation," Carleton University (2007) [10].Martin A Fischler, Robert C Bolles, "Random sample consensus: A paradigm for model fitting with application to image analysis and automated cartography," Readings in Computer Vision (1981), pp 726-740 ABSTRACT A PANORAMA IMAGING METHOD APPLIED FOR WIDE FIELD MONITORING The feature extraction is a powerful technique used in many image processing applications such as image registration, tracking and object detection In this paper, the technique based on image features is used to find fit between images and construct an automatic panorama imageprocessing algorithm, applied in monitoring a wide FOV With this method instead of automatically registering a pair of images, multiple pairs of images are continuously registered relatively to each other to form a panorama Test results show that it is possible to create a panoramic image in real-time with sequences of images from the video Keywords: Panorama; Stitching image; SIFT; SURF; Homography Nhận ngày 21 tháng 01 năm 2019 Hoàn thiện ngày 06 tháng năm 2019 Chấp nhận đăng ngày 15 tháng năm 2019 Địa chỉ: Viện Tự động hóa KTQS; Học viện Kỹ thuật quân * Email: vmk1007@gmail.com Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san TĐH, 04 - 2019 253 ... thuật toán đáp ứng yêu cầu toán Thuật toán đề xuất báo cho kết tốt nhiệm vụ tạo ảnh panorama ứng dụng cho hệ thống giám sát trường nhìn rộng ảnh ảnh ảnh ảnh ảnh ảnh ảnh ảnh Hình Các ảnh trích xuất... Sinh, Một phương pháp tạo ảnh … trường nhìn rộng. ” Nghiên cứu khoa học công nghệ Kết thử nghiệm cho thấy, thuật tốn ghép ảnh nhỏ tạo thành ảnh có trường nhìn rộng Trong video 2, độ sáng ảnh có... M Khiêm, N N Hoa, M Đ Sinh, Một phương pháp tạo ảnh … trường nhìn rộng. ” Nghiên cứu khoa học cơng nghệ H tính phương pháp DLT (Direct Linear Transformation) Trong hệ tọa độ không đồng nhất, cơng