giáo trình xử lý ảnh

Xử lý ảnh Hoàng Văn Hiệp Bộ môn Kỹ thuật máy tính Viện Công nghệ thông tin và Truyền thông Email: hiephvsoict.hut.edu.vn Mục đích Cung cấp các kiến thức cơ bản về xử lý ảnh số Cung cấp các kỹ năng cần thiết giúp sinh viên có thể viết được các ứng dụng xử lý ảnh Matlab C++, C Yêu cầu Các kiến thức toán học Matrix và vector Xác suất thống kê Các kiến thức về xử lý tín hiệu Kỹ năng lập trình Matlab C, C++, C Nội dung Chương 1. Giới thiệu chung Chương 2. Thu nhận số hóa ảnh Chương 3. Cải thiện phục hồi ảnh Chương 4. Phát hiện tách biên, phân vùng ảnh Chương 5. Trích chọn các đặc trưng trong ảnh Chương 6. Nén ảnh Chương 7. Lập trình xử lý ảnh bằng Matlab và C Chương 1. Giới thiệu chung Khái niệm xử lý ảnh Các vấn đề của xử lý ảnh Giới thiệu một số ứng dụng của xử lý ảnh Matrix và vector Một số khái niệm cơ bản

8/24/2011 Xử lý ảnh Hồng Văn Hiệp Bộ mơn Kỹ thuật máy tính Viện Cơng nghệ thơng tin Truyền thơng Email: hiephv@soict.hut.edu.vn Mục đích Cung cấp kiến thức xử lý ảnh số Cung cấp kỹ cần thiết giúp sinh viên viết ứng dụng xử lý ảnh  Matlab  C++, C# CuuDuongThanCong.com https://fb.com/tailieudientucntt 8/24/2011 Yêu cầu Các kiến thức toán học  Matrix vector  Xác suất thống kê Các kiến thức xử lý tín hiệu Kỹ lập trình  Matlab  C, C++, C# Tài liệu tham khảo  Books  Digital Image Processing, by: R C Gonzalez and R E Woods, 3rd Ed., 2008, Prentice Hall  Digital image processing using Matlab by Gonzalez  Journals  IEEE Trans on Image Processing  IEEE Transactions on Pattern Analysis and Machine Intelligence  Conferences       CuuDuongThanCong.com ICIP ICIAP CVPR ICPR ICCP ICCV https://fb.com/tailieudientucntt 8/24/2011 Đánh giá Thi: 70 % Bài tập lớn: 30 %  Đề tài: Tuần thứ 4,  Bảo vệ BTL: Tuần 15  Chia nhóm thực hiện: (2 người – người) Nội dung Chương Chương Chương Chương Giới thiệu chung Thu nhận & số hóa ảnh Cải thiện & phục hồi ảnh Phát tách biên, phân vùng ảnh Chương Trích chọn đặc trưng ảnh Chương Nén ảnh Chương Lập trình xử lý ảnh Matlab C CuuDuongThanCong.com https://fb.com/tailieudientucntt 8/24/2011 Chương Giới thiệu chung Khái niệm xử lý ảnh Các vấn đề xử lý ảnh Giới thiệu số ứng dụng xử lý ảnh Matrix vector Một số khái niệm Khái niệm xử lý ảnh Khái niệm ảnh Khái niệm ảnh số Phân biệt ảnh tĩnh, ảnh động Khái niệm xử lý ảnh CuuDuongThanCong.com https://fb.com/tailieudientucntt 8/24/2011 Khái niệm ảnh Thông tin vật thể hay quang cảnh chiếu sáng mà người quan sát cảm nhận mắt hệ thống thần kinh thị giác Biểu diễn ảnh mặt toán học: o F(x, y): x, y tọa độ không gian chiều f độ lớn độ chói (ảnh đơn sắc), màu (đối với ảnh màu) o Chú ý: x, y biến thiên liên tục f liên tục Khái niệm ảnh số Ảnh số ảnh thu từ ảnh liên tục phép lấy mẫu lượng tử hóa y Gray level x pixel Original picture f(x, y) CuuDuongThanCong.com Digital image I[i, j] or I[x, y] https://fb.com/tailieudientucntt 8/24/2011 Khái niệm ảnh số (tiếp) Khái niệm ảnh số (tiếp) Một ảnh số thường biểu diễn ma trận điểm ảnh Trong điểm ảnh biểu diễn  bit (ảnh nhị phân)  bit (ảnh đa mức xám)  16, 24 bit (ảnh màu) Ảnh biểu diễn ảnh dạng ma trận điểm ảnh gọi ảnh bitmap CuuDuongThanCong.com https://fb.com/tailieudientucntt 8/24/2011 Khái niệm ảnh số (tiếp) Một cách biểu diễn khác ảnh số dạng vector (ảnh vector)  Không biểu diễn ảnh dạng ma trận điểm ảnh mà hướng đến đối tượng ảnh  Thường bao gồm thành phần hình tròn, đường thẳng … Circle(100, 20, 20) Line(xa1, ya1, xa2, ya2) Line(xb1, yb1, xb2, yb2) Line(xc1, yc1, xc2, yc2) Line(xd1, yd1, xd2, yd2) Ảnh bitmap vs ảnh vector  Bitmap  Biểu diễn hình phức tạp  Tính toán chậm  Hạn chế zoom, phép biến hình  Đi file: BMP, JPG… CuuDuongThanCong.com  Vector  Biểu diễn hình đơn giản  Tính tốn nhanh  Đuôi file: *.EPS, *.AI, *CDR, or *.DWG https://fb.com/tailieudientucntt 8/24/2011 Phân biệt ảnh tĩnh chuỗi ảnh động (chuỗi ảnh) Khái niệm xử lý ảnh Nâng cao chất lượng hình ảnh theo tiêu chí (Cảm nhận người) Phân tích ảnh để thu thông tin đặc trưng giúp cho việc phân loại, nhận biết ảnh Hiểu ảnh đầu vào để có mô tả ảnh mức cao hơn, sâu CuuDuongThanCong.com https://fb.com/tailieudientucntt 8/24/2011 Lịch sử xử lý ảnh Bắt nguồn từ hai ứng dụng: nâng cao chất lượng thơng tin hình ảnh xử lý số liệu cho máy tính Ứng dụng việc truyền thơng tin ảnh báo London New York vào năm 1920 qua cáp Bartlane Mã hóa liệu ảnh  khôi phục ảnh Thời gian truyền ảnh: Từ tuần  tiếng 17 Lịch sử xử lý ảnh Ảnh số được tạo vào năm 1921 từ băng mã hóa của một máy in điện tín (McFarlane) Ảnh số được tạo vào năm 1922 từ card đục lỗ sau lần truyền qua Đại Tây Dương Một vài lỗi có thể nhìn thấy được 18 CuuDuongThanCong.com https://fb.com/tailieudientucntt 8/24/2011 Lịch sử xử lý ảnh Ảnh 15 cấp độ xám được truyền từ Luân Đôn đến New York, năm 1929 (McFarlane) Hệ thớng có khả mã hóa hình ảnh với mức xám tăng lên 15 vào năm 1929 Trong khoảng thời gian này, người ta chỉ nói đến ảnh số, chứ chưa đề cập gì đến xử lý ảnh số, vì một lý đơn giản: máy tính chưa có 19 Lịch sử xử lý ảnh Năm 1964, ảnh mặt trăng đưa trái đất thông qua máy chụp tàu Ranger Jet Propulsion Laboratory (Pasadena, California) máy tính xử lý: Chỉnh méo Ảnh đầu tiên của mặt trăng được chụp bởi tàu vũ trụ Mỹ Ranger 7, vào giờ 09 phút sáng ngày 31/7/1964 (nguồn: NASA) 20 CuuDuongThanCong.com https://fb.com/tailieudientucntt 10 8/24/2011 Các ứng dụng xử lý ảnh (tiếp) Các ứng dụng xử lý ảnh (tiếp) CuuDuongThanCong.com https://fb.com/tailieudientucntt 26 8/24/2011 Giới thiệu số hệ thống retrieval  Google image similarity  IMARS  http://www.alphaworks.ibm.com/tech/imars  MediaMill  http://www.science.uva.nl/research/mediamill/demo/ crossbrowser.php  Demo1  Demo2  CuVid  http://apollo.ee.columbia.edu/cuvidsearch/login.php  Video summarization Matrix vector Các phép xử lý ảnh thực chất phép tính tốn ma trận vectors  review lại số khái niệm toán học matrix vector CuuDuongThanCong.com https://fb.com/tailieudientucntt 27 8/24/2011 Một số khái niệm Khái niệm ma trận: m: dòng, n cột A vuông (square) m = n A ma trận đường chéo (diagonal): phần tử khơng nằm đường chéo = 0, có phần tử đường chéo ≠0 A ma trận đơn vị (identity - I): diagonal phần tử đường chéo = Một số khái niệm (tiếp)  𝑡𝑟𝑎𝑐𝑒 𝐴 = 𝑐á𝑐 𝑝ℎầ𝑛 𝑡ử 𝑡𝑟ê𝑛 đườ𝑛𝑔 𝑐ℎé𝑜 𝑐ℎí𝑛ℎ Ma trận chuyển vị (transpose): dòng  cột, cột  dòng, ký hiệu: 𝐴𝑇 Ma trận vuông A đối xứng (symetric) A = 𝐴𝑇 Ma trận nghịch đảo (Inverse): X inverse A nếu: XA = I AX = I CuuDuongThanCong.com https://fb.com/tailieudientucntt 28 8/24/2011 Một số khái niệm (tiếp) Vector cột (column vector) ma trận mx1 Vector hàng (row vector) ma trận 1xm Các phép tính ma trận A, B kích thước m x n  C = A + B  C kích thước m x n 𝐶𝑖𝑗 = 𝐴𝑖𝑗 + 𝐵𝑖𝑗  D = A – B  D kích thước m x n 𝐷𝑖𝑗 = 𝐴𝑖𝑗 - 𝐵𝑖𝑗 A(m, n); B(n, q)  C = AB  C kích thước m x q CuuDuongThanCong.com https://fb.com/tailieudientucntt 29 8/24/2011 Các phép tính ma trận Cho vector a, b kích thước  Tích vơ hướng vector (inner product – dot product) định nghĩa sau Không gian vector (vector spaces) Không gian vector định nghĩa tập vector V thỏa mãn điều kiện sau  Điều kiện A o x + y = y + x với vector x y không gian o x + (y + z) = (x + y) + z o Tồn vector 0: x + = + x = o x + (-x) = (-x) + x = CuuDuongThanCong.com https://fb.com/tailieudientucntt 30 8/24/2011 Vector spaces (tếp) Điều kiện B  c(dx) = (cd)x với số c, d vector x  (c + d)x = cx + dx  c(x + y) = cx + cy Điều kiện C  1x = x Vector spaces (tiếp) Tổ hợp tuyến tính (linear combination) vectors: 𝑣1 , 𝑣2 , … , 𝑣𝑛 Vetor v gọi phụ thuộc tuyến tính (linearly dependent) vectors 𝑣1 , 𝑣2 , … , 𝑣𝑛 v viết tổ hợp tuyến tính tập vector Ngược lại v độc lập tuyến tính tập vector (linearly independent) CuuDuongThanCong.com https://fb.com/tailieudientucntt 31 8/24/2011 Vector spaces (tiếp) Tập vector sở (basis vector set) không gian V cho phép tạo vector v khơng gian  Ví dụ: khơng gian vector 𝑅 , vector  Có thể tạo tổ hợp tuyến tính vectors sở: Chuẩn vector (vector norm) Vector norm vector x : ký hiệu 𝑥 cần thỏa mãn điều kiện sau Cơng thức tính chuẩn vector có nhiều, công thức hay dùng: 2-norm (khoảng cách Euclidean) CuuDuongThanCong.com https://fb.com/tailieudientucntt 32 8/24/2011 Quan hệ vector Cosin Suy cách tính khác tích vơ hướng (inner product) 2 vector gọi trực giao (orthogonal) với tích vơ hướng = 2 vector gọi trực chuẩn (orthonormal)  Chúng trực giao  Norm vector = Quan hệ vectors Tập vector trực giao cặp vector trực giao đôi Tập vector trực chuẩn cặp vector trực chuẩn đơi CuuDuongThanCong.com https://fb.com/tailieudientucntt 33 8/24/2011 Tính chất vector trực giao Nếu tập vector trực giao trực chuẩn, vector v biểu diễn tổ hợp tuyến tính vector trực giao Trị riêng – vector riêng (Eigen values - eigenvectors) Cho ma trận vuông M, tồn số Thì: CuuDuongThanCong.com vector e cho: gọi trị riêng ma trận M e: vector riêng ứng với trị riêng https://fb.com/tailieudientucntt 34 8/24/2011 Eigenvalues eigenvectors (tiếp) Cơng thức tính: Dựa biểu thức Trong đó: det định thức Ví dụ: Tìm trị riêng, vector riêng ma trận sau: Eigenvalues eigenvectors (tiếp) Giải: Suy ra: λ = and λ = Với λ = 3, tìm vector riêng tương ứng  x = y, CuuDuongThanCong.com https://fb.com/tailieudientucntt 35 8/24/2011 Tính chất eigenvalues eigenvectors Ma trận vuông A (m x m) có m eigenvalues phân biệt m eigenvectors tương ứng trực giao với M ma trận vng đối xứng, A ma trận có hàng vector riêng ma trận M (nếu ma trận vng đối xứng vector riêng trực chuẩn - orthonormal) Tính chất eigenvalues eigenvectors M ma trận vuông đối xứng, A ma trận có hàng vector riêng ma trận M  D ma trận đường chéo, với phần tử đường chéo trị riêng (eigenvalues) ma trận M CuuDuongThanCong.com https://fb.com/tailieudientucntt 36 8/24/2011 Tính chất eigenvalues eigenvectors A ma trận vuông Một số khái niệm Điểm ảnh (pixel) Độ phân giải (resolution) Mức xám (gray scale) Lân cận (neighbors) Liên thông (conectivity) CuuDuongThanCong.com https://fb.com/tailieudientucntt 37 8/24/2011 Một số khái niệm (tiếp) Pixel: Picture element đơn vị nhỏ cấu tạo nên ảnh số  Mỗi pixel có tọa độ (x,y) giá trị cường độ sáng màu sắc điểm Độ phân giải ảnh: Số pixel có ảnh để tạo nên ảnh  Thường ghi dạng: m x n o m: số pixel chiều rộng ảnh o n: số pixel chiều cao ảnh  Độ phân giải cao, ảnh sắc nét Một số khái niệm (tiếp) Độ phân giải (resolution) a b c d e f (a) 1024  1024 (b) 512  512 (c) 256  256 (d) 128  128 (e) 64  64 (f) 32  32 CuuDuongThanCong.com https://fb.com/tailieudientucntt 38 8/24/2011 Một số khái niệm (tiếp) Mức xám (gray)  Mức xám kết việc mã hoá ứng với cường độ sáng điểm ảnh với giá trị số Thông thường ảnh mã hoá dạng 16, 32, 64 hay 256 mức  Ví dụ: điểm ảnh tọa độ (20, 40) có mức xám 60, điểm ảnh tọa độ (30, 40) có mức xám 23, Một số khái niệm (tiếp) Lân cận (neighbours)  Một điểm ảnh p tọa độ (x, y) có x o lân cận ngang - dọc p: Ký hiệu N4(p) x p x (x+1,y), (x-1,y), (x,y+1), (x,y-1) x o lân cận chéo p: Ký hiệu ND(p) (x+1,y+1), (x+1,y-1), (x-1,y+1), (x-1,y-1) o lân cận p: Ký hiệu N8(p) kết hợp N4(p) ND(p) (x+1,y), (x-1,y), (x,y+1), (x,y-1), (x+1,y+1), (x+1,y-1), (x-1,y+1), (x-1,y-1) CuuDuongThanCong.com https://fb.com/tailieudientucntt x x p x x x x x x p x x x x 39 8/24/2011 Một số khái niệm (tiếp) Liên thông: Các điểm ảnh gọi liên thông với  Là lân cận  Và có giá trị mức xám CuuDuongThanCong.com https://fb.com/tailieudientucntt 40 ... (x, y) có x o lân cận ngang - dọc p: Ký hiệu N4(p) x p x (x+1,y), (x-1,y), (x,y+1), (x,y-1) x o lân cận chéo p: Ký hiệu ND(p) (x+1,y+1), (x+1,y-1), (x-1,y+1), (x-1,y-1) o lân cận p: Ký hiệu N8(p)... (x-1,y-1) o lân cận p: Ký hiệu N8(p) kết hợp N4(p) ND(p) (x+1,y), (x-1,y), (x,y+1), (x,y-1), (x+1,y+1), (x+1,y-1), (x-1,y+1), (x-1,y-1) CuuDuongThanCong.com https://fb.com/tailieudientucntt x x p... ảnh (tiếp)  Ảnh tia X (ảnh X-Quang) Hệ thống máy chụp ảnh X-Quang 35 Các ứng dụng xử lý ảnh (tiếp)  Ảnh tia X (ảnh X-Quang) Ảnh X-Quang chụp lồng ngực Ảnh X-Quang chụp hàm mặt 36 CuuDuongThanCong.com