Tìm hiểu bài toán làm trơn ảnh

Bộ giáo dục đào tạo Tr-ờng đại học dân lập hải phòng -o0o - TìM HIểU BàI TOáN LàM TRƠN ảNH đồ án tốt nghiệp đại học hệ quy Ngành: Công nghệ Thông tin Giáo viên h-ớng dẫn: PGS.TS Đỗ Năng Toàn Sinh viên thực hiện: Phạm Việt Thắng MÃ số sinh viên: 110877 Hải Phòng - 2012 MC LC MC LC HÌNH VẼ DANH MỤC CHỮ VIẾT TẮT PHẦN MỞ ĐẦU .6 Chương 1: KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ LÀM TRƠN ẢNH 1.1 Khái quát xử lý ảnh 1.1.1 Xử lý ảnh 1.1.2.1 Thu nhận ảnh (Image acquisition ) 1.1.2.2 Tiền xử lý (Image processing) 1.1.2.3 Phân đoạn (Segmentation) hay phân vùng ảnh 1.1.2.4 Biểu diễn mô tả (Image representation) 10 1.1.2.5 Nhận dạng nội suy ảnh (Image Recognition and Interpretation) 10 1.1.2.6 Cơ sở trí thức (Knowledge Base) 11 1.1.2.7 Trích chọn đặc trƣng (Feature extraction) 11 1.1.3 Một số vấn đề xử lý ảnh 11 1.1.3.1 Điểm ảnh (Picture element) 11 1.1.3.2 Độ phân giải ảnh 12 1.1.3.3 Mức xám ảnh 12 1.1.3.4 Quan hệ điểm ảnh 13 1.2 Làm trơn ảnh 15 1.2.1 Bài toán làm trơn ảnh 15 1.2.2 Các kỹ thuật đƣợc dùng làm trơn ảnh 16 1.2.2.1 Làm trơn nhiễu lọc tuyến tính 16 1.2.2.2 Làm trơn nhiễu lọc phi tuyến 16 1.2.3 Ứng dụng làm trơn ảnh 17 Chương : KỸ THUẬT LÀM TRƠN ẢNH 2.1 Làm trơn nhiễu lọc tuyến tính (Linear Filter) 22 2.1.1 Lọc trung bình khơng gian (Mean Filter, Average Filer) 22 2.1.2 Lọc thông thấp (Low pass Filter) 26 2.1.3 Lọc đồng hình (Homomorphie Filter) 27 2.1.4 Gaussian Blur 28 2.2 Làm trơn lọc phi tuyến 31 2.2.1 Lọc trung vị (Median Filter) 31 2.2.2 Lọc (Outlier Filter) 32 2.2.3 Loại bỏ đốm nhiễu Crimmins (Crimmins Speckle Removal) 33 2.2.4 Bộ lọc giữ biên (Kuwahara Filter) 35 Chương : CHƢƠNG TRÌNH THỬ NGHIỆM 3.1 Bài toán 37 3.2 Phân tích thiết kế 37 3.3 Chƣơng trình làm trơn ảnh v.01 38 PHẦN KẾT LUẬN 43 TÀI LIỆU THAM KHẢO 44 MỤC LỤC HÌNH VẼ Hình 1.1: Q trình xử lý ảnh Hình 1.2 : Các bƣớc trình xử lý ảnh Hình 1.3: Lân cận điểm ảnh tọa độ (x, y) 13 Hình 1.4 :Ví dụ ứng dụng làm trơn ảnh tích hợp camera 17 Hình 1.5: Mơ hình hệ thống giám sát giao thông dựa công nghệ xử lý ảnh 18 Hình 1.6: Sơ đồ dịng mơ tả tiến trình xử lý hệ thống 18 Hình 1.7: Giao diện chƣơng trình kết tốn tự động giám sát giao thông 19 Hình 1.8: Ảnh siêu âm y học 20 Hình 1.9: Ảnh thu đƣợc từ radar (ảnh mang tính minh họa) 20 Hình 1.10: Ảnh chụp từ vệ tinh (ảnh mang tính minh họa) 21 Hình 2.1 : Cửa sổ lọc(mặt nạ) có kích thƣớc 1D 22 Hình 2.2: Cửa sổ lọc(mặt nạ) có kích thƣớc 3×3 2D 22 Hình 2.3 : Cửa sổ lọc hay mặt nạ kích thƣớc 3×3×3 3D 23 Hình 2.4 : Tính giá trị trung bình 23 Hình 2.5: Cách thức nhân chập điểm ảnh với cửa sổ 24 Hình 2.6 : Trƣờng hợp đặc biệt 1D 25 Hình 2.7: Trƣờng hợp đặc biệt 2D 25 Hình 2.8: Ví dụ lọc trung bình 26 Hình 2.9 : Gaussian distribution with mean and σ = 28 Hình 2.10 : Gaussian distribution with mean (0,0) and σ=1 29 Hình 2.11: Discrete approximation to Gaussian function with σ =1.0 29 Hình 2.12 : Cách thức hoạt động lọc trung vị 31 Hình 2.13 : Ảnh minh họa Crimmins Speckle Removal 33 Hình 2.14 : Crimmins Speckle removal algorithm 34 Hình 3.1: Giao diện chƣơng trình 38 Hình 3.2: Giao diện modul chọn ảnh đầu vào 39 Hình 3.3: Kết lọc trung vị với cửa sổ 3×3 (ảnh nhiễu muối tiêu) 39 Hình 3.4: Ảnh kết lọc trung bình với cửa sổ 3×3 (ảnh nhiễu muối tiêu) 40 Hình 3.5: Ảnh kết lọc trung vị với cửa sổ 3×3 40 Hình 3.6: Ảnh kết lọc trung bình với cửa sổ 3×3 (ảnh nhiễu cộng) 41 Hình 3.7: Ảnh kết lọc trung vị với cửa sổ 5×5 41 Hình 3.8: Ảnh kết lọc trung bình với cửa sổ 5×5 42 Hình 3.9: Giao diện modul lƣu ảnh (ảnh sau xử lý) 42 DANH MỤC CHỮ VIẾT TẮT AD Analog to Digital Ppi Pixel per inch Dpi Dot per inch BMP Bit map GIF Graphics Interchanger Format hang ComputerServer Incoporated (Mỹ) đề xuất 1990 JPEG Joint Photograp Expert Group : tên nhóm nghiên cứu chuẩn nén cho ảnh, thành lâp 1982 Tên cũ IOS JPEG thức thành lập năm 1986 PEL Picture Elenment JPG Joint Photographic Experts 1D Một chiều (1 Dimention) 2D Hai chiều (2 Dimentions) 3D Ba chiều (3 Dimentions) CNN Mạng nơ ron tế bào (Cellular Neural Network) S–N South – North (Nam – Bắc) E–W East – West (Đông – Tây ) NW – SE North West – South East (Tây Bắc – Đông Nam) NE – SW North East – South West (Đông Bắc – Tây Nam) RGB Hệ màu RGB (Red, Green, Blue) PHẦN MỞ ĐẦU Thời đại thời đại công nghệ thông tin phát triển bùng nổ vào ngõ ngách sống, phát triển ngành công nghiệp có diện đóng góp to lớn công nghệ thông tin Xử lý ảnh chuyên ngành quan trọng lâu đời công nghệ thông tin Xử lý ảnh đƣợc áp dụng nhiều lĩnh vực khác nhƣ y học, vật lý, hóa học, qn sự, giải trí nhiều lĩnh vực khác… Phần lớn ngƣời thu nhận thông tin thị giác, cụ thể hình ảnh Vị xử lý ảnh vấn đề thiếu quan trọng để thu đƣợc hình ảnh tốt hơn, đẹp nhằm đáp ứng yêu cầu thông tin khác ngƣời nhận Trong xử lý ảnh, để có đƣợc ảnh nhƣ cần phải trải qua nhiều công đoạn, làm trơn ảnh giai đoạn tiền xử lý quan trọng không trải qua giai đoạn ảnh không đạt đƣợc hiệu tối ƣu nhƣ mong muốn Mục đích việc làm trơn ảnh lọc nhiễu giảm bớt phần tử (không mong muốn) ảnh hƣởng đến thơng tin hữu ích chất lƣợng ảnh Đây vấn đề đƣợc quan tâm, hứa hẹn đƣợc áp dụng rộng rãi thực tiễn sống, đặc biệt giai đoạn đất nƣớc ta bƣớc phát triển lên nên việc nghiên cứu vấn đề làrất cần thiết Xuất phát từ thực tế đó, em lựa chọn đề tài “Tìm hiểu tốn làm trơn ảnh” với mục đích tìm hiểu số kỹ thuật làm trơn ảnh, đồng thời cài đặt chƣơng trình thử nghiệm Về lý thuyết : - Tìm hiểu khái quát xử lý ảnh số kỹ thuật làm trơn ảnh - Tìm hiểu số kỹ thuật làm trơn ảnh xử lý ảnh Về thực tiễn : - Cài đặt thử nghiệm chƣơng trình tìm hiểu đƣợc Cấu trúc đồ án gồm chƣơng : Chƣơng 1: Khái quát xử lý ảnh làm trơn ảnh Trình bày khái quát xử lý ảnh làm trơn ảnh Chƣơng 2: Kỹ thuật làm trơn ảnh Trình bày số kỹ thuật làm trơn ảnh phổ biến Chƣơng 3: Chƣơng trình thử nghiệm Chƣơng trình ứng dụng số kết thu đƣợc Chương 1: KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ LÀM TRƠN ẢNH 1.1.Khái quát xử lý ảnh 1.1.1.Xử lý ảnh Con ngƣời thu nhận thông tin qua giác quan, thị giác đóng vai trị quan trọng Những năm trở lại với phát triển phần cứng máy tính, xử lý ảnh đồ hoạ phát triển cách mạnh mẽ có nhiều ứng dụng sống Xử lý ảnh đồ hoạ đóng vai trị quan trọng tƣơng tác ngƣời máy Quá trình xử lý nhận dạng ảnh trình thao tác nhằm biến đổi ảnh đầu vào kết mong muốn Kết đầu trình xử lý ảnh ảnh “tốt” hơn, kết luận Ảnh XỬ LÝ ẢNH Ảnh “Tốt hơn” Kết luận Hình 1.1: Quá trình xử lý ảnh Nhƣ mục tiêu xử lý ảnh chia làm hƣớng nhƣ sau: - Xử lý ảnh ban đầu ảnh tốt theo mong muốn ngƣời dung (ví dụ : ảnh nhiễu cần phải lọc nhiễu) Phân tích ảnh để thu nhận thơng tin giúp cho giúp cho việc phân loại nhận biết ảnh Từ ảnh đầu vào mà có nhận xét, kết luận mức cao hơn, sâu (ví dụ: ảnh tai nạn giao thông phác họa trƣờng ) 1.1.2.Các bƣớc xử lý ảnh Hình 1.2 : Các bƣớc trình xử lý ảnh 1.1.2.1 Thu nhận ảnh (Image acquisition ) Đây bƣớc trình xử lý ảnh Để thực điều ta cần có thiết bị nhu nhận ảnh bao gồm camera, scanner thiết bị thu nhận cho ảnh đen trắng Các thiết bị thu nhận ảnh có loại ứng với loại ảnh thông dụng Raster Vector Các thiết bị thu nhận ảnh thông thƣờng Raster camera, thiết bị thu nhận ảnh Vector sensor số hóa (Digitalizer) đƣợc chuyển đổi từ ảnh Raster Các thiết bị thu ảnh thông thƣờng gồm camera cộng với chuyển đổi tƣơng tự số AD (Analog to Digital) scanner chuyên dụng Các thiết bị thu nhận ảnh cho ảnh đen trắng ảnh màu Đầu scanner ảnh ma trận số mà ta quen gọi đồ ảnh (ảnh Bitmap) Bộ số hoá (Digitalizer) tạo ảnh vector có hƣớng Nhìn chung, hệ thống thu nhận ảnh thực hai trình: - Cảm biến : biến đổi lƣợng quang học thành lƣợng điện - Tổng hợp lƣợng điện thành ảnh 1.1.2.2 Tiền xử lý (Image processing) Ở bƣớc này, ảnh đƣợc cải thiện độ tƣơng phản, khử nhiễu, khôi phục ảnh, nắn chỉnh hình học… Với mục đích làm cho chất lƣợng ảnh trở nên tốt nữa, chuẩn bị cho bƣớc xử lý phức tạp sau Khử nhiễu: Nhiễu đƣợc chia thành hai loại: nhiễu hệ thống nhiễu ngẫu nhiên Đặc trƣng nhiễu hệ thống tính tuần hồn Do vậy, khử nhiễu việc sử dụng phép biến đổi Fourier loại bỏ đỉnh điểm Đối với nhiễu ngẫu nhiên, trƣờng hợp đơn giản vết bẩn tƣơng ứng với điểm sáng hay tối, khử nhiễu phƣơng pháp nội suy, lọc trung vị, lọc trung bình Chỉnh mức xám: Đây kỹ thuật nhằm chỉnh sửa tính khơng đồng thiết bị thu nhận độ tƣơng phản vùng ảnh Chỉnh tán xạ: Ảnh thu nhận từ thiết bị quang học hay điện tử bị mờ, nhịe Phƣơng pháp biến đổi Fourier dựa tích chập ảnh với hàm tán xạ cho phép giải việc hiệu chỉnh Nắn chỉnh hình học: Những biến dạng hình học thƣờng thiết bị điện tử quang học gây Do phƣơng pháp hiệu chỉnh hình ảnh dựa mơ hình đƣợc mơ tả dƣới dạng phƣơng trình biến đổi ảnh biến dạng f(x,y) thành ảnh lý tƣởng f(x’,y’) nhƣ sau: Trong , phƣơng trình tuyến tính (biến dạng phối cảnh) hay bậc hai (biến dạng ống kính camera) 1.1.2.3.Phân đoạn (Segmentation) hay phân vùng ảnh Phân vùng ảnh tách ảnh đầu vào thành vùng thành phần (hay gọi đối tƣợng) để biểu diễn phân tích, nhận dạng ảnh Ví dụ : Để nhận dạng chữ (hay mã vạch) phong bì thƣ cho mục đích phân loại bƣu phẩm, cần chia câu, chữ địa tên ngƣời thành từ, chữ, số (hoặc vạch riêng) để nhận dạng Đây phần phức tạp khó khăn xử lý ảnh dễ gây lỗi, làm độ xác ảnh Kết nhận dạng phụ thuộc nhiều vào công đoạn 1.1.2.4.Biểu diễn mô tả (Image representation) a) Biểu diễn ảnh Đầu ảnh sau phân đoạn chứa điểm ảnh vùng ảnh (ảnh phân đoạn) cộng với mã liên kết với vùng lân cận Việc biến đổi số liệu thành dạng thích hợp cần thiết cho xử lý máy tính Việc chọn tính chất để thể ảnh gọi trích chọn đặc trƣng (Feature Selection) gắn với việc tách đặc tính ảnh dƣới dạng thơng tin định lƣợng làm sở để phân biệt lớp đối tƣợng với đối tƣợng khác phạm vi ảnh nhận đƣợc Ví dụ : nhận dạng kí tự phong bì, miêu tả đặc trƣng kí tự giúp phân biệt kí tự với kí tự khác b) Mơ tả ảnh Ảnh sau số hóa đƣợc lƣu vào nhớ, chuyển sang khâu để phân tích Nếu lƣu trữ ảnh trực tiếp từ ảnh thô, địi hỏi dung lƣợng nhớ cực lớn khơng hiệu theo quan điểm ứng dụng công nghệ Thơng thƣờng, ảnh thơ đặc tả (biểu diễn) lại (hay đơn giản mã hóa) theo đặc điểm ảnh đƣợc gọi đặc trƣng ảnh nhƣ : biên ảnh, vùng ảnh Một số phƣơng pháp biểu diễn thƣờng dung: Biểu diễn mã chạy: Phƣơng pháp thƣờng biểu diễn cho vùng ảnh áp dụng cho ảnh nhị phân Biểu diễn mã xích: Phƣơng pháp thƣờng dung để biểu diễn đƣờng biên ảnh Biểu diễn mã tứ phân: Phƣơng pháp đƣợc dùng để mã hóa cho vùng ảnh 1.1.2.5 Nhận dạng nội suy ảnh (Image Recognition and Interpretation) Nhận dạng ảnh trình xác định ảnh Quá trình thƣờng thu đƣợc cách so sánh với mẫu chuẩn đƣợc lọc (hoặc lƣu) từ trƣớc Nội suy phán đoán theo ý nghĩa sở nhận dạng Ví dụ: loạt chữ số nét gạch ngang phong bì thƣ đƣợc nội suy thành mã điện thoại Có nhiều cách phân loại khác ảnh Theo lý thuyết nhận dạng, mơ hình tốn học đƣợc phân loại theo hai loại nhận dạng bản: - Nhận dạng theo tham số - Nhận dạng theo cấu trúc 10 giá trị lƣợng phần tử trung tâm kernel tƣơng ứng với điểm ảnh xét lớn nhất, giá trị nhỏ phần tử tƣơng ứng với điểm ảnh kế cận cách đối xứng tỉ lệ thuận với khoảng cách phần tử với trung tâm Tính chất giúp giữ lại đƣờng viền đƣờng biên nhƣ làm mờ cách đồng so với phƣơng pháp khác Trong lý thuyết, hàm Gaussian điểm hình khác Điều có nghĩa Gaussian kernel nên có kích thƣớc với hình ảnh giá trị phần khác Tuy nhiên thực hành, việc tính tốn dựa xấp xỉ rời rạc (Discrete Appoximation) giá trị phần tử bề mặt Gaussian khoảng cách lớn 3σ so với trung tâm gần nhƣ không đáng kể (tiệm cận 0) Do Gaussian distribution ngồi bán kính bị bỏ qua, lí mà thơng thƣờng Gaussian kernel có kích thƣớc giới hạn 3, 5, (Cái tùy thuộc vào giá trị phƣơng sai chuẩn mà bạn chọn) Khoảng cách hai điểm gần Gausssian kernel σ Do đặc tính cấu trúc nhƣ hình trịn đối xứng, với hình hai chiều, Gaussian blur đƣợc áp dụng nhƣ hai phép tính tốn chiều độc lập (Độc lập tuyến tính- Linear Separable) Có nghĩa hiệu thu đƣợc từ tính tốn ma trận hai chiều tƣơng đƣơng với cách ứng dụng tính tốn loạt Gaussian chiều theo hƣớng ngang đứng Điều hữu ích việc giảm chi phí tính toán thể rõ hai công thức tƣơng ứng sau: O(ωkernelhkernelωimagehimage) O(ωkernelωimagehimage)+O(hkernelωimagehimage) Một vấn đề cần quan tâm Gaussian blur sử dụng lần lƣợt nhiều Gaussian cho ảnh kết tƣơng đƣơng với bạn dùng Gaussian lớn có bán kính bậc hai tổng bình phƣơng bán kính Gaussian dùng, ví dụ: Cũng mối quan hệ mà thời gian tính tốn khơng đƣợc tiết kiệm bạn chia nhỏ Gaussian Do khuyến cáo nên sử dụng Gaussian đơn tính tốn Ngồi Gaussian blur đƣợc sử dụng để giảm kích thƣớc hình ảnh Khi tiến hành xử lý giảm tỉ lệ lấy mẫu tín hiệu cho ảnh (Downsampling), ngƣời ta thƣờng áp dụng lọc low pass filter trƣớc tái lấy mẫu Điều để chắn thông tin không mong muốn, tần số cao không xuất hình đƣợc Downspamling 30 2.2 Làm trơn lọc phi tuyến 2.2.1.Lọc trung vị (Median Filter) Lọc trung vị phép lọc phi tuyến đƣợc sử dụng phổ biến, khả lọc khử nhiễu ngẫu nhiên tốt, bị nhịe so với phép lọc trung bình Ý tƣởng : Sắp xếp giá trị điểm ảnh cửa sổ tăng giảm dần so với trung vị Kích thƣớc cửa sổ thƣờng đƣợc chọn cho số điểm ảnh cửa sổ lẻ Thay giá trị pixel giá trị danh sách Hình 2.12 : Cách thức hoạt động lọc trung vị Giả sử A= {a1, a2, a3, ,ak} giá trị pixel cửa sổ lân cận với a1≤a2≤ ≤ak Thì Median(A) = A={0, 1, 2, 4, 6, 6, 10, 12, 15}→Median(A)= Sơ lược cách ngắn gọn bước giải thuật: Quét cửa sổ lọc lần lƣợt lên thành phần ảnh đầu vào; điền giá trị đƣợc quét vào cửa sổ lọc Xử lý cách thao tác thành phần cửa sổ lọc Sắp xếp theo thứ tự thành phần cửa sổ lọc 31 Lƣu lại thành phần trung vị, gán cho ảnh đầu Tính chất lọc trung vị: Lọc trung vị loại lọc phi tuyến Điều dễ nhận thấy qua phƣơng trình sau: Trung vị(x(m)+y(n)) ≠ trung vị(x(m)) + trung vị (y(n)) Đạt hiệu tốt việc loại bỏ điểm ảnh hay hàng mà bảo toàn độ phân giải Hiệu giảm số điểm cửa sổ lớn hay nửa số điểm cửa sổ Điều dễ giải thích trung vị (Nw+1)/2 giá trị lớn Nw lẻ Lọc trung vị cho trƣờng hợp hai chiều coi nhƣ lọc trung vị tách đƣợc theo chiều Nhận xét lọc trung vị : Lọc trung vị cho kết thực tốt lọc ảnh với nhiễu xuất làm cho điểm ảnh có cƣờng độ thay đổi mạnh nằm giá trị điểm ảnh khác Trong lọc trung vị, điểm ảnh đơn khơng có tính chất đặc trƣng khơng ảnh hƣởng đến mức giá trị tín hiệu Giá trị xác giá trị điểm ảnh lân cận, lọc trung vị khơng tạo điểm ảnh có giá trị khơng chân thật lọc tăng mức độ lọc Vì lí mà lọc trung vị tốt việc đảm bảo mức sắc nét hình ảnh Bộ lọc trung vị cho phép phần lớn chi tiết ảnh có tần số khơng gian cao qua loại trừ có hiệu nhiễu ảnh (kết việc lọc trung vị cho kết không tốt lọc ảnh với nhiễu Gauss) Một vấn đề lọc trung vị chi phí thiết kế đắt tiền tính tốn phức tạp Để thực thi lọc phƣơng pháp trung vị cần phải xếp giá trị ảnh lân cận thành trật tự số học nhƣ tốc độ xử lý chậm 2.2.2 Lọc ngồi (Outlier Filter) Giả thiết có ngƣỡng cho mức nhiễu(có thể dựa vào lƣợc đồ xám) Tiến hành so sánh giá trị điểm ảnh với trung bình số học lân cận Nếu sai lệch lớn ngƣỡng, điểm ảnh đƣợc coi nhiễu Trong trƣờng hợp 32 thay giá trị điểm ảnh giá trị lân cận vừa tính đƣợc Bộ lọc ngồi biểu diễn công thức nhƣ sau: Với a(w) trung bình cộng điểm lân cận w, ngƣỡng ngồi Các cửa sổ tính tốn thƣờng 3×3 Tuy nhiên mở rộng 5×5 7×7 để đảm bảo tính tƣơng quan ảnh Quan trọng xác định ngƣỡng để loại nhiễu mà không làm thông tin ảnh 2.2.3 Loại bỏ đốm nhiễu Crimmins (Crimmins Speckle Removal) Hình 2.13 : Ảnh minh họa Crimmins Speckle Removal Loại đốm nhiễu Crimmins giảm nhiễu đốm ảnh cách sử dụng thuật tốn bóc vỏ bổ sung Crimmins (Crimmins complementary hulling algorithm) Thuật toán đƣợc thiết kế đặc biệt để làm giảm cƣờng độ nhiễu muối tiêu (salt and pepper noise_ thuộc nhiễu nhân) ảnh Khơng loại bỏ nhiễu, mà cịn làm mờ số lƣợng đáng kể chi tiết có tần số cao ảnh Cách thức hoạt động loại đốm Crimmins? Nó đƣa ảnh qua lọc loại bỏ đốm, lọc sử dụng kĩ thuật bóc vỏ bổ sung (tăng điểm ảnh tối so với nhứng điểm ảnh lân cận xung quanh, sau giảm điểm ảnh sáng so với điểm ảnh lân cận xung quanh ) Thuật toán sử dụng kỹ thuật giảm nhiễu phi tuyến, so sánh cƣờng độ điểm ảnh với điểm ảnh lân cận gần nhất, dựa giá trị tƣơng đối mà tăng thêm hay giảm giá trị điểm ảnh để trở thành điểm ảnh đại diện thay cho điểm lân cận xung quanh Cách thức thay đổi (và phát hiện) điểm ồn (nhiễu) đƣợc sử dụng Crimmins phức tạp cách thức đƣợc dùng lọc phi tuyến trung vị Nó bao gồm loạt hoạt động theo cặp, giá trị điểm “giữa” cửa sổ đƣợc so sánh, lần lƣợt với 33 tập hợp lân cận (S-N, E-W, NW-SE, NE-SW) việc tìm kiếm điểm gai (intensity spikes) Hình 2.14 : Crimmins Speckle removal algorithm Đối với lần lặp cho cặp điểm ảnh lân cận, toàn hình ảnh đƣợc gửi đến lọc hạt tiêu (pepper filter) lọc muối (salt filter) nhƣ Trong ví dụ này, lọc hạt tiêu đƣợc gọi để xác đinh xem điểm ảnh trung tâm lân cận phía bắc nó, chênh lệch đọ tối mức cƣờng độ hay không, so sánh điểm ảnh tối đƣợc làm sáng lần, khơng khơng có thay đổi Khi thay đổi đƣợc lƣu lại tồn ảnh đƣợc đƣa đến lọc hạt tiêu lần tất nhiên với so sánh nhƣ trên, nhƣng khác so sánh điểm ảnh trung tâm với điểm ảnh lân cận phía nam Trình tự đƣợc lặp lại lọc muối 34 Có lƣu ý rằng, qua số lần lặp lại, tác dụng việc làm mịn theo cách lan truyền cƣờng độ điểm gai ảnh hƣởng đến điểm ảnh lân cận Nói cách khác, thuật toán làm mịn cách giảm cƣờng độ điểm ảnh chênh lệch so với điểm ảnh lân cận, nhƣ tăng cƣờng độ điểm lân cận quanh điểm gai Điều quan trọng nhận thấy điểm gai_điểm ảnh với giá trị cƣờng độ chênh lệch hai cấp so với điểm ảnh bao quanh Điều có nghĩa sau hai lần lặp thuật toán, điểm lân cận điểm gai trở thành điểm gai nằm khu vực rộng lớn 2.2.4 Bộ lọc giữ biên (Kuwahara Filter) Biên đóng vai trị quan trọng cảm nhận ảnh tích ảnh Bằng cách ta làm trơn ảnh mà khơng độ sắc nét biên, khơng làm thay đổi vị trí biên Bộ lọc đạt đƣợc mục đích gọi lọc giữ biên Bộ lọc sử dụng cửa sổ : Kích thƣớc J=K=4L+1, với L số nguyên Chia cửa sổ thành vùng (nhƣ mô tả sau) Trong vùng, ta tính trung bình độ sáng : Và bình phƣơng độ lệch chuẩn : số điểm ảnh vùng R 35 Giá trị đầu điểm ảnh trung tâm cửa sổ giá trị trung bình vùng có bình phƣơng độ lệch chuẩn nhỏ 36 Chương : CHƢƠNG TRÌNH THỬ NGHIỆM 3.1.Bài tốn Do tính chất cơng việc nhƣ thẩm mỹ ngƣời luôn thay đổi để phù hợp với thực tiễn mà đòi hỏi, yêu cầu đặt cho xử lý ảnh ngày cao, đa dạng Theo xu hƣớng đó, xử lý ảnh phát triển khơng ngừng hƣớng tới quy trình xử lý ảnh hồn thiện Và làm trơn ảnh khâu quan trọng quy trình xử lý ảnh Việc đạt đến cơng cụ tồn năng, nâng cao chất lƣợng ảnh tỉ lệ nhiễu, kiểu nhiễu nhƣ cấu trúc ảnh mục tiêu xa vời Cụ thể hơn, phƣơng pháp làm tốt ảnh có tỉ lệ nhiễu thấp khơng đạt hiệu ảnh có tỉ lệ nhiễu cao ngƣợc lại, phƣơng pháp đƣợc thiết kế cho kiểu nhiễu xung khơng nên áp dụng cho kiểu nhiễu xung khác, chẳng đạt hiệu cao Ngoài ra, loại trừ tối đa nhiễu xung nhƣng đảm bảo trì thơng tin chi tiết ảnh trở ngại đáng kể Chính vậy, lĩnh vực nhiều hội thách thức Với toán làm trơn ảnh, em cài đặt chƣơng trình thử nghiệm với hai kỹ thuật lọc trung bình (minh họa cho làm trơn ảnh lọc tuyến tính) lọc trung vị (minh họa cho làm trơn nhiễu lọc phi tuyến tính) Đầu vào : Một ảnh có định dạng JPG (hoặc PNG, BMP, GIF, JPEG) (bị ảnh hƣởng nhiễu không) Đầu : Ảnh làm trơn (lọc trung bình) Ảnh đƣợc lọc nhiễu (lọc trung vị) 3.2.Phân tích thiết kế Hoạt động chƣơng trình : Bước 1: Đƣa ảnh có định dạng JPG (hoặc PNG, BMP, GIF, JPEG) (bị ảnh hƣởng nhiễu khơng) Bước 2: Chƣơng trình qt cửa sổ lọc lần lƣợt lên thành phần ảnh đầu vào; điền giá trị đƣợc quét vào cửa sổ lọc Bước 3: Xử lý cách thao tác thành phần cửa sổ lọc Bước 4: Sắp xếp theo thứ tự thành phần cửa sổ lọc (lọc trung vị) 37 Tính giá trị trung bình thành phần cửa sổ lọc (lọc trung bình) Bước 5: Lƣu lại thành phần trung vị, gán cho ảnh đầu (lọc trung vị) Lƣu lại giá trị trung bình, gán cho ảnh đầu (lọc trung bình) Bước 6: Hiển thị ảnh kết 3.3 Chƣơng trình làm trơn ảnh v.01 Chƣơng trình đƣợc xây dƣng cơng cụ Visual studio 2010 sử dụng ngơn ngữ lập trình C# Chƣơng trìnhthử nghiệm cài đặt hai kỹ thuật phổ biến lọc trung bình lọc trung vị Một số modul chƣơng trình: Chọn ảnh đầu vào Xử lý ảnh kỹ thuật lọc trung bình Xử lý ảnh kỹ thuật lọc trung vị Hiển thị ảnh kết Lƣu ảnh Một số giao diện chƣơng trình: Hình 3.1: Giao diện chƣơng trình 38 Hình 3.2: Giao diện modul chọn ảnh đầu vào Một số kết thu đƣợc: Hình 3.3: Kết lọc trung vị với cửa sổ 3×3 (ảnh nhiễu muối tiêu) 39 Hình 3.4: Ảnh kết lọc trung bình với cửa sổ 3×3 (ảnh nhiễu muối tiêu) Hình 3.5: Ảnh kết lọc trung vị với cửa sổ 3×3 40 Hình 3.6: Ảnh kết lọc trung bình với cửa sổ 3×3 (ảnh nhiễu cộng) Hình 3.7: Ảnh kết lọc trung vị với cửa sổ 5×5 41 Hình 3.8: Ảnh kết lọc trung bình với cửa sổ 5×5 Hình 3.9: Giao diện modul lƣu ảnh (ảnh sau xử lý) 42 PHẦN KẾT LUẬN Trong trình nghiên cứu thực đồ án dƣới định hƣớng thầy hƣớng dẫn, đồ án tìm hiểu đƣợc cách tổng quan xử lý ảnh toán làm trơn ảnh, số kỹ thuật làm trơn ảnh Dựa vào tài liệu tìm đƣợc em tiến hành cài đặt chƣơng trình thử nghiệm, xây dựng thuật tốn xử lý lọc trung bình lọc trung vị Chƣơng trình thử nghiệm cho kết khả quan, ảnh sau xử lý đƣợc làm trơn so với ảnh gốc, nhiên kết cịn thiếu sót em cảm thấy ứng dụng vào thực tế không đạt hiệu nhƣ mong muốn Mặc dù hoàn thành đƣợc mục tiêu đồ án nhƣng điều kiện thời gian có hạn mà lĩnh vực cần tìm hiểu tƣơng đối rộng nên tìm hiểu đƣợc đồ án khó tránh khỏi thiếu sót Chƣơng trình thử nghiệm chƣa thực hồn thiện nhƣng kết khả quan Trong thời gian tới có điều kiện em tìm hiểu thêm xây dựng chƣơng trình thử nghiệm thuật tốn làm trơn ảnh hoàn chỉnh 43 TÀI LIỆU THAM KHẢO Tài liệu Tiếng Việt [1] Đỗ Năng Toàn, Phạm Việt Bình (2007), Giáo trình xử lý ảnh, Nhà xuất Đại học Thái Nguyên [2] Lƣơng Mạnh Bá, Nguyễn Thanh Thủy (2007), Nhập môn xử lý ảnh số, Nhà xuất KHKT [3] Nguyễn Quang Hoan (2006), Tài liệu đào tạo từ xaXử lý ảnh Tài liệu Tiếng Anh [4].Narenda, Patrenahali M A Separable Median Filter for Image Noise SmoothingPattern Analysis and Machine Intelligence, IEEE Transactions on Pages 20- 29 [5] Yao Wang (2006) Image filtering : Noise removal, Sharpening, Deblurring, Polytechnic University, Brooklyn, NY11201 Website [6] http://msdn.microsoft.com [7] http://ieev.org [8] http://homepages.inf.ed.ac.uk/ 44 ... ? ?Tìm hiểu tốn làm trơn ảnh? ?? với mục đích tìm hiểu số kỹ thuật làm trơn ảnh, đồng thời cài đặt chƣơng trình thử nghiệm Về lý thuyết : - Tìm hiểu khái quát xử lý ảnh số kỹ thuật làm trơn ảnh - Tìm. .. ảnh 15 1.2.1 Bài toán làm trơn ảnh 15 1.2.2 Các kỹ thuật đƣợc dùng làm trơn ảnh 16 1.2.2.1 Làm trơn nhiễu lọc tuyến tính 16 1.2.2.2 Làm trơn nhiễu lọc phi tuyến... cƣờng ảnh cải thiện ảnh Làm trơn ảnh thuộc phép biến đổi ảnh- ảnh, phép biến đổi làm khác biệt pixel không nhiều Phép lọc trơn dùng cho làm mờ ảnh (Blurring) giảm nhiễu (Noise Reduction) Thƣờng ảnh