Tìm hiểu một số kỹ thuật khảm ảnh

Bộ giáo dục đào tạo Tr-ờng đại học dân lập hải phòng -o0o - Tìm hiểu số kỹ thuật khảm ảnh đồ án tốt nghiệp đại học hệ quy Ngành: Công nghệ Thông tin Hải Phòng - 2011 MC LỤC MỤC LỤC DANH MỤC HÌNH VẼ DANH MỤC CHỮ VIẾT TẮT MỞ ĐẦU CHƢƠNG 1: KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ KHẢM ẢNH 1.1 Khái quát xử lý ảnh 1.1.1 Xử lý ảnh gì? 1.1.2 Các vấn đề xử lý ảnh 10 1.1.2.1 Một số khái niệm 10 1.1.2.2 Ứng dụng xử lý ảnh 13 1.2 Khảm ảnh 15 1.2.1 Khái niệm khảm ảnh 15 1.2.2 Các kỹ thuật đƣợc dùng khảm ảnh 25 1.2.3 Ứng dụng khảm ảnh 25 1.2.3.1 Bản đồ số 25 1.2.3.2 Truyền thông quảng cáo 26 CHƢƠNG 2: KỸ THUẬT KHẢM ẢNH 29 2.1 Kỹ thuật đan đa phân giải (Multiresolution spline) 29 2.1.1 Hàm trọng số tƣơng đƣơng 34 2.1.2 Hình chóp Laplace 36 2.1.3 Các điều kiện đƣờng biên 37 2.1.4 Kỹ thuật đan đa phân giải 37 2.1.4.1 Đan chồng ảnh 37 2.1.4.2 Đan ảnh với miền tùy ý 39 2.1.4.3 Đan ảnh không chồng lên 40 2.2 TRÍCH CHỌN ĐẶC TRƢNG TRONG KHẢM ẢNH 42 2.2.1 Kĩ thuật trích chọn đặc trƣng 42 2.2.1.1 Đặc trƣng màu sắc 43 2.2.1.2 Đặc trƣng kết cấu 44 2.2.1.3 Đặc trƣng hình dạng 45 2.2.1.4 Đặc trƣng cục bất biến 45 2.2.2 Ứng dụng kĩ thuật trích chọn đặc trƣng khảm ảnh 51 CHƢƠNG 3: CHƢƠNG TRÌNH THỬ NGHIỆM 52 3.1 Bài toán 52 3.2 Phân tích, thiết kế 52 3.3 Chƣơng trình khảm ảnh 53 KẾT LUẬN 58 TÀI LIỆU THAM KHẢO 59 PHỤ LỤC 60 DANH MỤC HÌNH VẼ Hình 1.1: Q trình xử lý ảnh Hình 1.2: Các bƣớc hệ thống xử lý ảnh Hình 1.3: Quan hệ điểm ảnh 11 Hình 1.4: Lƣợc đồ xám ảnh 12 Hình 1.5: Bức ảnh bị dƣ tối có lƣợc đồ xám tập trung nhiều bên trái 13 Hình 1.6: Hình ảnh sau đƣợc chỉnh sửa lƣợc đồ xám đƣợc trải 13 Hình 1.7: Bản đồ Việt Nam nhận đƣợc từ vệ tinh 14 Hình 1.8: Ảnh hồng ngoại 15 Hình 1.9: Ảnh chim đƣợc khảm từ nhiều ảnh nhỏ 16 Hình 1.10: Ảnh Panorama đƣợc ghép từ hình ảnh chụp liên tiếp 17 Hình 1.11: Ảnh polar panorama 18 Hình 1.12: Ảnh khảm toàn cảnh 19 Hình 1.13 Ảnh mẫu sau đƣợc xử lý 20 Hình 1.14: Mẫu ảnh khảm 21 Hình 1.15: Ảnh khảm đƣợc tạo băng phƣơng pháp 22 Hình 1.16: Ảnh gốc 23 Hình 1.17: Làm màu sắc chủ đạo 23 Hình 1.18: Khảm thành phần chủ đạo 24 Hình 1.19: Ảnh hồn thiện 24 Hình 1.20: Ảnh chụp từ google maps 26 Hình 1.21: Ảnh quảng cáo hãng IKEA 27 Hình 1.22: Ảnh bìa tạp chí y học Georgetown 28 Hình 2.1: Hai hình ảnh đƣợc nối ghép cho đƣờng nối mịn tốt 29 Hình 2.2: Các hàm trung bình trọng số chiều rộng T miền chuyển tiếp 30 Hình 2.3: Một số thử nghiệm kĩ thuật đan ghép với hình ảnh ngơi 31 Hình 2.4: Mơ tả phƣơng pháp lọc chiều 33 Hình 2.5: Hàm trọng số tƣơng đƣơng 35 Hình 2.6: Ảnh ghép từ hai ảnh vệ tinh San Francisco 38 Hình 2.7: Đan hình ảnh mắt vào lòng bàn tay 40 Hình 2.8: Ứng dụng việc đan ảnh không chồng 41 Hình 2.9: Biểu đồ mơ việc tính tốn DoG ảnh từ ảnh kề mờ 47 Hình 2.10: Mỗi điểm ảnh đƣợc so sánh với 26 láng giềng 48 Hình 2.11: Quá trình lựa chọn điểm hấp dẫn 48 Hình 2.12: Biểu diễn vector đặc trƣng 49 Hình 3.1: Giao diện chƣơng trình khởi động 53 Hình 3.2: Giao diện chƣơng trình sau chọn ảnh nguồn dùng để khảm 54 Hình 3.3: Chọn thƣ mục chứa tập ảnh mẫu 55 Hình 3.4: Ảnh khảm sử dụng ảnh mẫu kích thƣớc 20x20 56 Hình 3.5: Ảnh khảm sử dụng ảnh mẫu kích thƣớc 50x50 56 Hình 3.6: Hình ảnh phong cảnh đƣợc khảm từ tập ảnh mẫu 50x50 57 Hình 3.7: Hình ảnh phong cảnh đƣợc khảm từ tập ảnh mẫu 20x20 57 DANH MỤC CHỮ VIẾT TẮT AD Analog to Digital Ppi Pixel per inch Dpi Dot per inch DSLR Digital Single-lens reflex camera S.M.A.R.T Simultaneous Multi-compare Adaptive Rendering Technology SIFT Scale Invariant Feature Transform DoG Difference-of-Gaussian DA Discriminant Analysis MDA Mutiple Discriminant Analysis BDA biased Discriminant Analysis SMMS Symmetric Maximized Minimal Distance in Subspace JPG Joint Photographic Experts MỞ ĐẦU Trong thời đại nay, công nghệ thông tin có phát triển mạnh mẽ mặt Cũng nhờ phát triển góp phần lớn việc thúc đẩy phát triển ngành khác nhƣ: giáo dục, y tế, quốc phòng an ninh, giải trí, … Những năm gần đây, phần cứng máy tính dần trở nên mạnh mẽ lực xử lý lẫn dung lƣợng lƣu trữ mà lĩnh vực phần mềm đƣợc phát triển theo đặc biệt lĩnh vực xử lý ảnh Ngày nay, hầu hết loại máy ảnh thông thƣờng dù độ phân giải có cao nhƣng ghi lại đƣợc phần đối tƣợng lớn ví dụ nhƣ sân vận động, cơng viên, thành phố hay chí mặt trăng hành tinh Hoặc tạo hình ảnh độc đáo từ nhiều ảnh nhỏ, điều máy ảnh khó thực đƣợc Chính mà cần đến kĩ thuật khảm ảnh Khảm ảnh xét hai phƣơng diện khảm ảnh toản cảnh khảm ảnh nhiều lớp Mục đích khảm ảnh việc tạo ảnh có tầm nhìn rộng hình nghệ thuật độc đáo Trên sở em lựa chọn đề tài: “Tìm hiểu số kỹ thuật khảm ảnh” với mục đích tìm hiểu số kỹ thuật khảm ảnh đồng thời cài đặt chƣơng trình thử nghiệm Về lý thuyết: - Tìm hiểu khái quát xử lý ảnh số kỹ thuật khảm ảnh - Tìm hiểu số kỹ thuật khảm ảnh xử lý ảnh Về thực tiễn: - Cài đặt thử nghiệm kỹ thuật tìm hiểu đƣợc Cấu trúc đồ án bao gốm chƣơng: Chƣơng 1: Khái quát xử lý ảnh khảm ảnh Trình bày khái quát xử lý ảnh khảm ảnh Chƣơng 2: Kỹ thuật khảm ảnh Trình bày số kỹ thuật khảm ảnh phổ biến Chƣơng 3: Chƣơng trình thử nghiệm Chƣơng trình ứng dụng số kết thu đƣợc CHƢƠNG 1: KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ KHẢM ẢNH 1.1 Khái quát xử lý ảnh 1.1.1 Xử lý ảnh gì? Con ngƣời thu nhận thơng tin qua giác quan, thị giác đóng vai trò 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 ảnh đƣợc xem nhƣ trình thao tác ảnh đầu vào nhằm cho kết mong muốn Kết đầu trình xử lý ảnh ảnh ―tốt hơn‖ kết luận[1] Ảnh XỬ LÝ ẢNH Ảnh ―Tốt hơn‖ Kết luận Hình 1.1: Q trình xử lý ảnh Ảnh xem tập hợp điểm ảnh điểm ảnh đƣợc xem nhƣ đặc trƣng cƣờng độ sáng hay dấu hiệu vị trí đối tƣợng khơng gian xem nhƣ hàm n biến P(c1, c2, , cn) Do đó, ảnh xử lý ảnh xem nhƣ ảnh n chiều Sơ đồ tổng quát hệ thống xử lý ảnh: Hệ định Thu nhận ảnh (Scanner, Camera,Sensor) Tiền xử lý Trích chọn đặc điểm Hậu xử lý Hệ định Lƣu trữ Hình 1.2: Các bƣớc hệ thống xử lý ảnh Đối sánh rút kết luận  Thu nhận ảnh (Image acquisition) Các thiết bị thu nhận ảnh có hai loại ứng với hai loại ảnh thông dụng Raster Vector Các thiết bị thu nhận ảnh Raster camera thiết bị thu nhận ảnh Vector sensor số hoá (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 hố (digitalizer) tạo ảnh vector có hƣớng Nhìn chung, hệ thống thu nhận ảnh thực hai trình: • • Cảm biến: biến đổi lƣợng quang học (ánh sáng) thành lƣợng điện Tổng hợp lƣợng điện thành ảnh  Tiền xử lý (Image processing) Tiền xử lý bƣớc tăng cƣờng ảnh để nâng cao chất lƣợng ảnh Do nguyên nhân khác nhau: chất lƣợng thiết bị thu nhận ảnh, nguồn sáng hay nhiễu, ảnh bị suy biến Do cần phải tăng cƣờng khôi phục lại ảnh để làm bật số đặc tính ảnh, hay làm cho ảnh gần giống với trạng thái gốc - trạng thái trƣớc ảnh bị biến dạng  Trích chọn đặc điểm (Feature extraction) Vì lƣợng thơng tin chứa ảnh lớn, đa số ứng dụng cần số thơng tin đặc trƣng đó, cần có bƣớc trích chọn đặc điểm để giảm lƣợng thơng tin khổng lồ Các đặc trƣng ảnh thƣờng gồm: mật độ xám, phân bố xác suất, phân bố không gian, biên ảnh  Hậu xử lý Nếu lƣu trữ ảnh trực tiếp từ ảnh thô (brut image) theo kiểu đồ ảnh đòi hỏi dung lƣợng nhớ lớn, tốn mà nhiều không hiệu theo quan điểm ứng dụng Thƣờng ngƣời ta không biểu diễn tồn ảnh thơ mà tập trung đặc tả đặc trƣng ảnh nhƣ biên ảnh (boundary) hay vùng ảnh (region) Một số phƣơng pháp biểu diễn thƣờng dùng: • Biểu diễn mã loạt dài (Run-Length Code) • Biểu diễn mã xích (Chaine -Code) 10 • Biểu diễn mã tứ phân (Quad-Tree Code) Ảnh đối tƣợng phức tạp đƣờng nét, độ sáng tối, dung lƣợng điểm ảnh, môi trƣờng để thu ảnh phong phú kéo theo nhiễu Trong nhiều khâu xử lý phân tích ảnh ngồi việc đơn giản hóa phƣơng pháp toán học đảm bảo tiện lợi cho xử lý, ngƣời ta mong muốn bắt chƣớc quy trình tiếp nhận xử lý ảnh theo cách ngƣời Trong bƣớc xử lý đó, nhiều khâu xử lý theo phƣơng pháp trí tuệ ngƣời Vì vậy, sở tri thức- hệ định đƣợc phát huy  Đối sánh rút kết luận So sánh ảnh sau bƣớc hậu xử lý với mẫu chuẩn ảnh đƣợc lƣu trữ từ trƣớc, phục vụ cho mục đích nhận dạng nội suy ảnh 1.1.2 Các vấn đề xử lý ảnh 1.1.2.1 Một số khái niệm a Ảnh Trong thực ảnh liên lục không gian độ sáng Để xử lý đƣợc máy tính ảnh cần đƣợc số hóa Số hóa ảnh biến đổi gần ảnh liên tục thành tập điểm phù hợp với ảnh thật vị trí độ sáng Khoảng cách điểm ảnh đƣợc thiết lập cho mắt ngƣời không phân biệt đƣợc ranh giới chúng Mỗi điểm nhƣ gọi điểm ảnh (pixel) Từ ta có định nghĩa : Điểm ảnh đƣợc xem nhƣ dấu hiệu hay cƣờng độ sáng toạ độ không gian đối tƣợng ảnh đƣợc xem nhƣ tập hợp điểm ảnh Khi đƣợc số hố, thƣờng đƣợc biểu diễn bảng hai chiều I(n,p): n dòng p cột Ta nói ảnh gồm n x p điểm ảnh Ngƣời ta thƣờng kí hiệu I(x,y) để điểm ảnh Thƣờng giá trị n chọn p 256 Một điểm ảnh lƣu trữ 1, 4, hay 24 bit Về mặt tốn học xem ảnh hàm hai biến f(x,y) với x, y biến tọa độ Giá trị số điểm (x,y) tƣơng ứng với giá trị xám độ sáng ảnh (x cột, y hàng) Giá trị hàm ảnh f(x,y) đƣợc hạn chế phạm vi số nguyên dƣơng: ≤ f(x,y) ≤ fmax Thông thƣờng ảnh xám, giá trị fmax 255 (28=256) phần tử ảnh đƣợc mã hóa byte Khi quan tâm đến ảnh 48 Hình 2.10: Mỗi điểm ảnh đƣợc so sánh với 26 láng giềng  Định vị điểm hấp dẫn Mỗi điểm hấp dẫn sau đƣợc chọn đƣợc đánh giá xem có đƣợc giữ lại hay khơng: • Loại bỏ điểm hấp dẫn có độ tƣơng phản thấp • Một số điểm hấp dẫn dọc theo cạnh khơng giữ đƣợc tính ổn định ảnh bị nhiễu bị loại bỏ Các điểm hấp dẫn lại đƣợc xác định hƣớng Hình 2.11: Quá trình lựa chọn điểm hấp dẫn 49  Xác định hƣớng cho điểm hấp dẫn Để xác định hƣớng cho điểm hấp dẫn, ngƣời ta tính tốn biểu đồ hƣớng Gradient vùng láng giềng điểm hấp dẫn Độ lớn hƣớng điểm hấp dẫn đƣợc xác định theo công thức: m(x,y) = (2.35) (2.36)  Biểu diễn vector cho điểm hấp dẫn Điểm hấp dẫn sau đƣợc xác định hƣớng đƣợc biểu diễn dƣới dạng vector 4x4x8=128 chiều Hình 2.12: Biểu diễn vector đặc trƣng  Đo độ tƣơng đồng cho đặc trƣng cục bất biến Một số độ đo tƣơng đồng cho ảnh sử dụng đặc trƣng SIFT nhƣ : • Độ đo Cosin: d(x,y) = (2.37) • Khoảng cách góc: d(x,y) = (2.38) 50 • Độ đo Euclide: d(x,y) = (2.39) • Độ đo Jensen-Shannon divergence: dJSD(H,H’) = (2.40) Với H, H’ biểu đồ biểu dễn vector đặc trƣng SIFT Lựa chọn đặc trƣng Sau trích chọn đƣợc đặc trƣng nội dung ảnh, tập đặc trƣng đƣợc tối ƣu hóa phƣơng pháp lựa chọn đặc trƣng để tăng chất lƣợng hiệu sử dụng tập đặc trƣng Một cách tổng quát, lựa chọn đặc trƣng phƣơng pháp giảm thiểu đặc trƣng nhằm chọn tập đặc trƣng phù hợp học máy để xây dựng mơ hình học tốt Mục đích lựa chọn đặc trƣng tìm không gian đặc trƣng tối ƣu cho tập ảnh ―thích hợp‖ ―khơng thích hợp‖ đƣợc tách biệt Có nhiều phƣơng pháp lựa chọn đặc trƣng đƣợc đề xuất nhƣ: phƣơng pháp tăng khuếch đại (boosting manner) kết hợp với tảng Real Adaboost Wei Jian Guihua Er Mingjing Li đƣa tiêu chí lựa chọn đặc trƣng là: Mơ hình tƣơng phản đặc trƣng đƣợc tổng quát hóa (Generalized Feature Contrast Model) dựa mơ hình tƣơng phản đặc trƣng (Feature Contrast Model) Một số phƣơng pháp cổ điển khác nhƣ phƣơng pháp dựa vào phân phối (distribution based) Phƣơng pháp dựa vào phân tích biệt thức (Discriminant analysis DA) ví dụ nhƣ phân tích đa biệt thức (Mutiple Discriminant analysis MDA), phân tích biệt thức khơng đối xứng (biased Discriminant analysis BDA) Phƣơng pháp tối đa khoảng cách tối thiểu đối xứng không gian (symmetric maximized minimal distance in subspace SMMS)… Có nhiều phƣơng pháp để đánh giá kết tập đặc trƣng Vì vậy, kết mơ hình lựa chọn đặc trƣng khác khác Hai mơ hình phổ biến cho lựa chọn đặc trƣng là: Mơ hình Filter mơ hình Wrapper[4] • Mơ hình Filter: đánh giá phần tử vài tiêu chuẩn hay độ đo đó, chọn tập thuộc tính đƣợc đánh giá cao 51 • Mơ hình Wrapper: Sử dụng thuật tốn tìm kiếm để đánh giá tập thuộc tính coi nhƣ nhóm phần tử riêng lẻ Cốt lõi mơ hình Wrapper thuật tốn học máy cụ thể Nó đánh giá độ tốt tập đặc trƣng tùy theo độ xác học tập con, điều xác định thông qua tiêu chí 2.2.2 Ứng dụng kĩ thuật trích chọn đặc trƣng khảm ảnh Khác với kĩ thuật đan đa phân giải ứng dụng để khảm ảnh tồn cảnh, kĩ thuật trích chọn đặc trƣng ảnh đƣợc ứng dụng để khảm ảnh nhiều lớp Việc cần làm ảnh khảm nhiều lớp sử dụng lƣới để chia ảnh nguồn nhiều phần phần kích thƣớc tập ảnh mẫu Tuy nhiên lúc nhƣ Đối với số kĩ thuật nâng cao lƣới có dạng tùy ý dựa vào kết cấu ảnh nguồn Ví dụ nhƣ ảnh 1.21 ảnh quảng cáo hãng IKA Ảnh đƣợc tạo thành từ nhiều mẫu có kích thƣớc khác Với ảnh kiểu đòi hỏi kĩ thuật cao Hiện đa số phần mềm khảm ảnh chia ảnh lƣới hình vng chữ nhật Quy trình khảm ảnh gồm bƣớc sau: Bước 1: Chuẩn bị ảnh nguồn (nên chỉnh lại cỡ ảnh cho kích thƣớc bội số kích thƣớc tập ảnh mẫu) tập ảnh mẫu (tập ảnh mẫu đƣợc lƣu thƣ mục) Bước 2: Chia ảnh nguồn lƣới, lƣới lƣới có mắt hình vng chữ nhật, lƣới bội số mẫu Lƣới có kích thƣớc nhỏ ảnh khảm có chất lƣợng tốt Bước 3: Duyệt vùng (các mắt lƣới) ảnh nguồn Sử dụng kĩ thuật trích chọn đặc trƣng để so sánh vùng với tất ảnh tập ảnh mẫu để tìm ảnh mẫu phù hợp (có màu sắc tƣơng ứng, kết cấu tƣơng ứng …) Gán ảnh mẫu phù hợp vào vị trí vùng tƣơng ứng Vì khảm ảnh nhiều lớp đƣợc ghép từ nhiều ảnh có nội dung khác Nên khơng giống nhƣ ảnh khảm tồn cảnh, khơng cần phải làm mịn đƣờng biên cân màu sắc, độ tƣơng phản,… nên nói bƣớc khảm ảnh nhiều lớp nhàn chút 52 CHƢƠNG 3: CHƢƠNG TRÌNH THỬ NGHIỆM 3.1 Bài tốn Chƣơng trình khảm ảnh đƣợc xây dựng để minh họa cho phƣơng pháp khảm ảnh nhiều lớp dựa việc trích chọn đặc trƣng ảnh số • • Đầu vào : Một ảnh lớn tập ảnh nhỏ dùng làm mẫu Đầu ra: Ảnh lớn đƣợc ghép từ nhiều ảnh nhỏ tập ảnh mẫu cho nhìn cách khái qt thấy đƣợc nội dung ảnh lớn 3.2 Phân tích, thiết kế Hoạt động chƣơng trình : Bước 1: Đƣa vào chƣơng trình ảnh lớn định dạng jpg, tập ảnh nhỏ có kích thƣớc Bước 2: Chƣơng trình trích chọn đặc trƣng màu sắc ảnh nhỏ Bước 3: Ảnh nguồn đƣợc chỉnh lại kích thƣớc cho kích thƣớc bội số kích thƣớc ảnh nhỏ Bước 4: Chƣơng trình chi ảnh lớn thành ảnh nhỏ có kích thƣớc ảnh nhỏ đƣợc dùng làm mẫu, đồng thời trích chọn đặc trƣng phần nhỏ sau đƣợc chia từ ảnh lớn đem so sánh với đặc trƣng màu ảnh tập ảnh mẫu (sử dụng độ đo Euclid) để chọn ảnh tƣơng đồng màu sắc thay cho Bước 5: Ghép lại ảnh nhỏ sau đƣợc thay để tạo ảnh khảm Chƣơng trình cần phải có số chức nhƣ sau: Đọc hiển thị ảnh Lấy đƣờng dẫn tập ảnh mẫu Xử lý hiển thị kết 53 3.3 Chƣơng trình khảm ảnh Chƣơng trình đƣợc xây dựng công cụ Visual Studio 2008 sử dụng ngôn ngữ lập trình C# Có tập ảnh mẫu dùng để khảm ảnh gồm 1000 ảnh jpg kích thƣớc 50x50 1000 ảnh jpg kích thƣớc 20x20 Chƣơng trình sử dụng phƣơng pháp trích chọn đặc trƣng màu sắc để tìm ảnh tƣơng đồng cho vùng ảnh gốc Nhóm modul chƣơng trình: Chọn hiển thị ảnh nguồn dùng để khảm Chọn thƣ mục chứa ảnh mẫu Xử lý ảnh khảm hiển thị ảnh khảm sau đƣợc xử lý Một số giao diện chƣơng trình: Hình 3.1: Giao diện chƣơng trình khởi động 54 Hình 3.2: Giao diện chƣơng trình sau chọn ảnh nguồn dùng để khảm 55 Hình 3.3: Chọn thƣ mục chứa tập ảnh mẫu 56 Một số kết thu đƣợc: Hình 3.4: Ảnh khảm sử dụng ảnh mẫu kích thƣớc 20x20 Hình 3.5: Ảnh khảm sử dụng ảnh mẫu kích thƣớc 50x50 57 Hình 3.6: Hình ảnh phong cảnh đƣợc khảm từ tập ảnh mẫu 50x50 Hình 3.7: Hình ảnh phong cảnh đƣợc khảm từ tập ảnh mẫu 20x20 Qua hình 3.4, 3.5, 3.6, 3.7 thấy có ảnh nhỏ có màu sắc tƣơng đồng với vị trí tƣơng ứng ảnh gốc Điều chứng tỏ thuật toán phƣơng pháp tạo hình khảm cịn nhiều sai sót 58 KẾT LUẬN Ngày nay, với phát triển mạnh mẽ mặt công nghệ thông tin, truyền thơng xử lý ảnh với phạm trù có phát triển nhanh chóng đóng vai trị quan trọng nhiều lĩnh vực Khảm ảnh phạm trù Nội dung đồ án đƣợc số khái niệm kĩ thuật khảm ảnh Chƣơng trình thử nghiệm khảm ảnh em xây dựng từ kĩ thuật tìm hiểu đƣợc tạo ảnh khảm từ nhiều ảnh nhỏ nhƣng chƣơng trình chƣa đƣợc hồn chỉnh kết thu đƣợc khơng xác Với kết thu đƣợc nhƣ nhiều nguyên nhân khác chƣơng trình cần đƣợc xem xét lại cách kĩ lƣỡng để hồn chỉnh Mặc dù hồn 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 xót 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 khảm ảnh hoàn chỉnh 59 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 Tài liệu Tiếng Anh [3] Lowe David(2004) Distinctive image features from scale-invariant keypoints International Journal of Computer Vision 2004 [4] Tee Cheng Siew(2008) Feature selection for content-based image retrieval using statistical discriminant analysis PhD thesis Faculty of Computer Science and Information System Universiti Teknologi Malaysia 2008 [5] PETER J BURT and EDWARD H ADELSONRCA, A Multiresolution Spline With Application to Image Mosaics, David Sarnoff Research Center Website [6] http://msdn.microsoft.com [7] http://www.picturemosaics.com [8] http://scien.stanford.edu 60 PHỤ LỤC Hệ thống màu HSI Hệ thống màu HSI mã hóa thơng tin màu sắc cách chia giá trị intensity I từ hai giá trị đƣợc mã hóa thuộc độ hội tụ màu hue H saturation S Thành phần khơng gian màu HSI gồm có ba phần: - Hue đƣợc định nghĩa có giá trị 0-2Π, mang thơng tin màu sắc Saturation có giá trị 0-1, mang giá trị độ khiết thành phần Hue - Intensity(Value) mang thông tin độ sáng điểm ảnh Ta hình dung khơng gian màu HSI nhƣ vật hình nón Với trục biểu thị cƣờng độ sáng Intensity Khoảng cách đến trục biểu thị độ tập chung Saturation Góc xung quanh trục biểu thị cho sắc màu Hue Đôi khi, hệ thống màu HSI đƣợc coi nhƣ hệ thống màu HSV dùng Value thay Intensity Hệ thống màu HSI thích hợp với số thiết kế đồ họa cung cấp điều khiển trực tiếp đến ánh sáng hue Hệ thống màu HSI hỗ trợ tốt cho thuật toán xử lý ảnh tiêu chuẩn hóa ánh sáng tập chung vào hai tham số độ hội tụ màu,và cƣờng độ màu Hình 1: Hệ màu HIS 61 Hình : Khơng gian màu HSI Hệ thống màu HSI có phân chia rõ rệt ánh sáng màu sắc Do có khả lớn đƣợc áp dụng cho việc tính đặc trƣng so sánh giống màu sắc hai ảnh Do thích hợp cho việc tìm kiếm ảnh dựa vào màu Sự giống khác hai ảnh mặt màu sắc mắt ngƣời mang ý nghĩa tƣơng đối Do áp dụng vào tốn máy tính ta giả lập tƣơng đối Phƣơng pháp việc tìm kiếm theo màu sắc dùng lƣợc đồ màu để làm đặc trƣng cho ảnh Do đặc điểm riêng mơ hình màu HSI đặc trƣng việc tìm kiếm nên tính lƣợc đồ màu đƣợc dùng mơ đặc biệt để phù hợp cho đặc điểm Hệ thống màu CMYK Từ CMYK (hay YMCK) từ viết tắt tiếng Anh để mô hình màu loại trừ sử dụng in ấn màu Mơ hình màu dựa sở trộn chất màu màu sau: C=Cyan tiếng Anh có nghĩa màu xanh lơ M=Magenta tiếng Anh có nghĩa màu hồng sẫm Y=Yellow tiếng Anh có nghĩa màu vàng 62 K=Key (trong tiếng Anh nên hiểu theo nghĩa then chốt hay chủ yếu để ám màu đen màu có tên tiếng Anh black chữ B đƣợc sử dụng để màu xanh lam (blue) mơ hình màu RGB để tạo màu khác Hỗn hợp màu CMY lý tƣởng loại trừ (các màu in chỗ trắng tạo màu đen) Nguyên lý làm việc CMYK sở hấp thụ ánh sáng Màu mà ngƣời ta nhìn thấy từ phần ánh sáng không bị hấp thụ Trong CMYK hồng sẫm cộng với vàng cho màu đỏ, hồng sẫm cộng với xanh lơ cho màu xanh lam, xanh lơ cộng với vàng sinh màu xanh tổ hợp màu xanh lơ, hồng sẫm vàng tạo màu đen Hệ thống màu CMY dƣờng nhƣ đảo ngƣợc hệ thống màu RGB Đặc tính đơn giản, ứng dụng nhiều thực tế Tuy nhiên khuyết điểm tƣơng tự nhƣ khơng gian màu RGB, tức cách mã hóa khác với cách mà ngƣời cảm nhận màu sắc khơng tƣơng thích với việc so sánh nội dung ảnh ... lý ảnh số kỹ thuật khảm ảnh - Tìm hiểu số kỹ thuật khảm ảnh xử lý ảnh Về thực tiễn: - Cài đặt thử nghiệm kỹ thuật tìm hiểu đƣợc Cấu trúc đồ án bao gốm chƣơng: Chƣơng 1: Khái quát xử lý ảnh khảm. .. hình nghệ thuật độc đáo Trên sở em lựa chọn đề tài: ? ?Tìm hiểu số kỹ thuật khảm ảnh? ?? với mục đích tìm hiểu số kỹ thuật khảm ảnh đồng thời cài đặt chƣơng trình thử nghiệm Về lý thuyết: - Tìm hiểu khái... hình ảnh độc đáo từ nhiều ảnh nhỏ, điều máy ảnh khó thực đƣợc Chính mà cần đến kĩ thuật khảm ảnh Khảm ảnh xét hai phƣơng diện khảm ảnh toản cảnh khảm ảnh nhiều lớp Mục đích khảm ảnh việc tạo ảnh