Bai tap lon XLHA AT

2020 BÁO CÁO BÀI TẬP LỚN XỬ LÍ ẢNH SỐ VỚI MATLAB Nhóm thực : nhóm GVHD: Th.s Chu Hồng Hải 10/19/2020 Lời nói đầu : Matlab cơng cụ tính tốn kỹ thuật, đặc biệt tốn ma trận Matlab cịn cung cấp toolboxes chuyên dụng để giải vấn đề cụ thể xử lý ảnh, xử lý số tín hiệu, neuron, mơ phỏng… Matlab cung cấp Image Processing toobox, chuyên xử lý ảnh Có thể nói Matlab công cụ lợi hại giúp cho việc thực giải thuật xử lý ảnh nhanh chóng dễ hiểu Sau thời gian học tập nguyên cứu, với việc xem xét, tìm hiểu kỹ thuật xử lí hình ảnh Đặc biệt với giúp đỡ, tạo điều kiện Th.s Chu Hồng Hải, cô nhân viên thư viện Đại Học GTVT,điều phần giúp nhóm tạm hồn thành tập lớn mơn: “Xử Lí Hình Ảnh Âm Thanh” MỤC LỤC CHƯƠNG 1: CÁC KHÁI NIỆM CƠ BẢN Các khái niệm ảnh…………………………………………………………… a) Điểm ảnh (Picture Element) ………………………………………………………………5 b) Mức xám ảnh………………………………………………………………………….5 c) Độ phân giải ảnh………………………………………………………………………5 Các cách phân loại ảnh……………………………………………………………………5 Xử lý ảnh với Matlab…………………………………………………………………… a) Xử lý ảnh………………………………………………………………………………….6 b) Các giai đoạn xử lý ảnh………………………………………………………………… CHƯƠNG 2: XEM THÔNG TIN CỦA ẢNH,VẼ BIỂU ĐỒ HISTOGRAM Đọc ảnh đồ họa………………………………………………………………………… 10 a) Đọc ảnh đồ họa: …………………………………………………………………….10 b) Ghi đồ họa: ………………………………………………………………………………10 c) Các thông tin file đồ họa: ………………………………………………………11 TẠO VÀ VẼ BIỂU ĐỒ HISTOGRAM………………………………………………………12 CHƯƠNG 3: TÁCH CÁC KÊNH CỦA ẢNH MÀU , TẠO LƯU ẢNH BLACK WHITE BẰNG OSTU HOẶC SLIDER RGB channel: ……………………………………………………………………………20 Binary…………………………………………………………………………………….22 2.1 PHƯƠNG PHÁP OTSU…………………………………………………………………23 CHƯƠNG 4: CHÈN NHIỄU VÀO MỘT BỨC ẢNH Đưa ảnh vào chương trình : ……………………………………………………………29 Thuật tốn chèn nhiễu : ……………………………………………………………… 30 Thuật toán lọc nhiễu: ………………………………………………………………… 31 CHƯƠNG 5: CÁC PHƯƠNG THỨC LỌC ẢNH Toán Tử đểm ảnh 1.1 PHƯƠNG PHÁP BIẾN ĐỔI ẢNH XÁM: a) Tạo ảnh âm hàm imadjust …………………………………………………… 41 b) Tạo ảnh âm hàm imcomplememt: …………………………………………… 42 CÂN BẰNG HISTOGRAM a) Cân mức sáng dùng hàm histeq.………………………………………………… 43 b) Cân mức sáng dùng hàm adapthisteq.…………………………………………… 44 Phép mở rộng độ tương phản: ………………………………………………………… Phép biến đổi logarithm………………………………………………………………….51 Lọc tuyến tính ………………………………………………………………………… 52 Lọc phi tuyến…………………………………………………………………………….54 49 Thành viên nhóm 8: Dương Tiến Thành MSSV: 1751030140 Phạm Trọng Nghĩa MSSV: 1751030117 Nguyễn Ngọc Luân Vũ MSSV: 1751030074 Trương Nhật Tiến MSSV: 1751030128 Trần Kim Đồng MSSV: 1751030016 Mai Văn Tiệp MSSV: 1751050096 Nguyễn Xn Hồng Giang MSSV: 1751050063 8.Lâm Lễ Trí MSSV: 1751050101 Chương 1: Các khái niệm CHƯƠNG CÁC KHÁI NIỆM CƠ BẢN Chương 1: Các khái niệm 1.Các khái niệm ảnh Ảnh số tập hợp hữu hạn điểm ảnh với mức xám phù hợp dùng để mô tả ảnh gần với ảnh thật Số điểm ảnh xác định độ phân giải ảnh Ảnh có độ phân giải cao thể rõ nét đặt điểm hình làm cho ảnh trở nên thực sắc nét a) Điểm ảnh (Picture Element) Điểm ảnh (Pixel) phần tử ảnh số toạ độ (x, y) với độ xám màu định Kích thước khoảng cách điểm ảnh chọn thích hợp cho mắt người cảm nhận liên tục không gian mức xám (hoặc màu) ảnh số gần ảnh thật Mỗi phần tử ma trận gọi phần tử ảnh b) Mức xám ảnh Mức xám: Là kết biến đổi tương ứng giá trị độ sáng điểm ảnh với giá trị ngun dương Thơng thường xác định [0, 255] tuỳ thuộc vào giá trị mà điểm ảnh biểu diễn Các thang giá trị mức xám thông thường: 16, 32, 64, 128, 256 (Mức 256 mức phổ dụng Lý do: từ kỹ thuật máy tính dùng byte (8 bit) để biểu diễn mức xám Mức xám dùng byte biểu diễn: 28 =256 mức, tức từ đến 255) c) Độ phân giải ảnh Định nghĩa: Độ phân giải (Resolution) ảnh mật độ điểm ảnh ấn định ảnh số hiển thị Theo định nghĩa, khoảng cách điểm ảnh phải chọn cho mắt người thấy liên tục ảnh Việc lựa chọn khoảng cách thích hợp tạo nên mật độ phân bố, độ phân giải phân bố theo trục x y không gian hai chiều Các cách phân loại ảnh Ảnh grayscale: Mỗi ảnh biểu diễn ma trận hai chiều, giá trị phần tử cho biết độ sáng (hay mức xám) điểm ảnh Ma trận kiểu uint8, uint16 double Ảnh biểu diễn theo kiểu gọi ảnh “trắng đen” Ảnh nhị phân: Giá trị xám tất điểm ảnh nhận giá trị điểm ảnh ảnh nhị phân biểu diễn bit Ảnh xám: Giá trị xám nằm [0, 255] điểm ảnh ảnh nhị phân biểu diễn byte Ảnh màu RGB: Chương 1: Các khái niệm Còn gọi ảnh “truecolor” tính trung thực Ảnh biểu diễn ma trận ba chiều kích thước m x n x 3, với m x n kích thước ảnh theo pixels Ma trận định nghĩa thành phần màu red, green, blue cho điểm ảnh, phần tử thuộc kiểu uint8, uint16 double Ảnh Index: Ảnh biểu diễn hai ma trận, ma trận liệu ảnh X ma trận màu (còn gọi đồ màu) map Ma trận liệu thuộc kiểu uint8, uint16 double Ma trận màu ma trận kich thước m x gồm thành phần thuộc kiểu double có giá trị khoảng [0 1] Mỗi hàng ma trận xác định thành phần red, green, blue màu tổng số m màu sử dụng ảnh Giá trị phần tử ma trận liệu ảnh cho biết màu điểm ảnh nằm hàng ma trận màu Xử lý ảnh với Matlab 3.1 Xử lý ảnh Các bước cần thiết xử lý ảnh Đầu tiên, ảnh tự nhiên từ giới thu nhận qua thiết bị thu (như Camera, máy chụp ảnh) Trước đây, ảnh thu qua Camera ảnh tương tự (loại Camera ống kiểu CCIR) Gần đây, với phát triển công nghệ, ảnh màu đen trắng lấy từ Camera, sau chuyển trực tiếp thành ảnh số tạo thuận lợi cho xử lý Máy ảnh số thí dụ gần gũi Mặt khác, ảnh tiếp nhận từ vệ tinh; quét từ ảnh chụp máy quét ảnh Chương 1: Các khái niệm 3.2 Các giai đoạn xử lý ảnh a) Thu nhận ảnh (Image Acquisition) – Ảnh thu từ nhiều nguồn khác nhau:máy ảnh, máy quay phim, máy quét, ảnh vệ tinh… – Mục đích: biến đổi thơng tin hình ảnh cấu trúc lưu trữ máy tính, hiển thị thiết bị ngoại vi máy in, hình… – Gồm hai tiến trình: + Biến đổi lượng quang học thành lượng điện + Tổng hợp lượng điện thành ảnh ma trận số b) Tiền xử lý (Image Processing) – Là trình sử dụng kỹ thuật xử lý ảnh để làm ảnh tốt lên theo mục đích sử dụng – Mục đích: + Điều chỉnh độ chiếu sáng để khắc phục hậu việc chiếu sáng không + Giảm nhỏ thành phần nhiễu ảnh tức đối tượng xuất ý muốn + Hiệu chỉnh giá trị độ sáng đối tượng + Chuẩn hoá độ lớn, màu, dạng ảnh +Điều chỉnh lọc để khuyếch đại nén tần số c) Phân đoạn (Segmentation) – Là trình phân chia nội dung đối tượng cần khảo sát khỏi ảnh – Phân chia đối tượng tiếp giáp – Phân tách đối tượng riêng biệt thành đối tượng d) Biểu diễn ảnh (Image Representation) Đầu ảnh sau phân đoạn chứa điểm ảnh vùng ảnh (ảnh phân đoạn) cộng với mã liên kết với vùng lận 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 trưng Chương 1: Các khái niệm (Feature Selection) gắn với việc tách đặc tính ảnh dạng thông tin định lượng làm sở để phân biệt lớp đối tượng với đối tượng khác phạm vi ảnh nhận Ví dụ: nhận dạng ký tự phong bì thư, miêu tả đặc trưng ký tự giúp phân biệt ký tự với ký tự khác e) Nhận dạng nội suy ảnh (Image Recognition and Interpretation) Nhận dạng ảnh trình xác định ảnh Quá trình thường thu cách so sánh với mẫu chuẩn học (hoặc lưu) từ trước Nội suy phán đoán theo ý nghĩa sở nhận dạng Ví dụ: loạt chữ số nét gạch ngang phong bì thư nội suy thành mã điện thoại Có nhiều cách phân loai ảnh khác ảnh Theo lý thuyết nhận dạng, mơ hình tốn học ảnh phân theo hai loại nhận dạng ảnh bản: – Nhận dạng theo tham số – Nhận dạng theo cấu trúc Một số đối tượng nhận dạng phổ biến áp dụng khoa học công nghệ là: nhận dạng ký tự (chữ in, chữ viết tay, chữ ký điện tử), nhận dạng văn (Text), nhận dạng vân tay, nhận dạng mã vạch, nhận dạng mặt người… Chương 5: Các phương pháp lọc ảnh 2) CÂN BẰNG HISTOGRAM Giả sử giá trị mức xám ảnh đại lượng liên tục khoảng [0,1] pr(r) hàm mật độ xác xuất giá trị mức xám ảnh cho trước Giả sử ta thực phép biến đổi mức xám sau để giá trị mức xám s: 𝑟 s = T(r) = ∫0 𝑃𝑟 (𝑤)𝑑𝑤 Khi đó, chứng minh phân bố xác xuất ảnh phân bố [0,1]: 𝑃𝑠 (𝑠) = { 0≤𝜀≤1 𝑛𝑜𝑖 𝑘ℎ𝑎𝑐 Như vậy, phép biến đổi làm cho giá trị mức xám ảnh trở nên có xác xuất phân bố toàn khoảng [0,1], nghĩa dải rộng ảnh sẻ lớn đôj tương phản cao Quá trình biến đổi gọi trình cân ảnh Khi làm việc với giá trị mức xám rời rạc ảnh số mật độ xác xuất trở thành histogram ảnh q trình biến đổi nói gọi q trình cân histogram Gọi pr(rj) với j=1,2,…,L giá trị histogram chuẩn hóa ảnh q trình cân histogram biểu diễn phương trình sau: Sk = T(rk) = ∑𝑘𝑗=1 𝑝𝑟 (𝑟)𝑗 = ∑𝑘𝑗=1 𝑛𝑗 𝑛 Trong k=1,2,…L sk giá trị mức xám ảnh Quá trình cân histogram thực hàm histeq với cú pháp sau: >> g = histeq(f,nlev) J = histeq(I,hgram) J = histeq(I,n) Trong đó, nlev xác định số mức xám rời rạc ảnh Nếu nlev = L hàm histeq thực trình cân T(rk) cách trực tiếp Nếu T(rk) < L hàm tìm cách phân bố mức xám để tạo histogram phẳng Giá trị mặc định nlev 64 Thông thường ta chọn nlev số mức xám tối đa ảnh 43 Chương 5: Các phương pháp lọc ảnh a) Cân mức sáng dùng hàm histeq function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global w; nlev = str2num(get(handles.edit1,'string')); [~ , ~, p]= size(w); if p==3 % anh RGB w = rgb2gray(w); g = histeq(w,nlev); figure, subplot(2,2,1); imshow(w);title('Anh goc') subplot(2,2,2); imhist(w);title('bieu histogram') ylim('auto'); subplot(2,2,3); imshow(g);title('Anh can bang') subplot(2,2,4); imhist(g);title('bieu histogram') ylim('auto'); else g = histeq(w,nlev); figure, subplot(2,2,1); imshow(w);title('Anh goc') subplot(2,2,2); imhist(w);title('bieu histogram') ylim('auto'); subplot(2,2,3); imshow(g);title('Anh can bang') subplot(2,2,4); imhist(g);title('bieu histogram') ylim('auto'); end Hình 5.6 Cân mức sáng dùng hàm histeq 44 Chương 5: Các phương pháp lọc ảnh Hình 5.7 : kết xử lí cân mức sáng dùng hàm histeq Ví dụ 2: Hình 5.8 a) b) 45 Chương 5: Các phương pháp lọc ảnh c) d) Các hình 5.8a 5.8b ảnh gốc với histogram nó, hình 5.8c 5.8d ảnh histogram sau cân bằng: I = imread('autumn.jpg'); f = rgb2gray(I); imshow(f) figure,imhist(f) ylim('auto') g=histeq(f,256); figure,imshow(g) figure,imhist(g) ylim('auto') Hàm truyền đạt trình cân hàm xác xuất tích lũy mức xám ảnh Hình 5.9 46 Chương 5: Các phương pháp lọc ảnh - Hàm truyền đạt trình cân Histogram hàm tạo tùy theo histogram ảnh Nói cách khác, hàm có tính thích nghi ảnh đầu vào Tuy nhiên, với ảnh cụ thể hàm truyền đạt thay đổi Mặt khác việc mở rộng phạm vi biến thiên giá trị mức xám lúc mang lại chất lượng cao Trong số trường hợp, at cần biến đổi mức xám ảnh cho histogram ảnh có dạng cụ thể định trước Q trình gọi phối hợp hay xác định histogram Nguyên tác trình đơn giản Giả sử ảnh có độ xám đại lượng liên tục miền [0,1] Gọi r,z giá trị độ xám ảnh gốc ảnh mới, pr(r) pz(z) hàm mật độ xác xuất tương ứng chúng 𝑟 Phép biến đổi :s = T(r) = ∫0 𝑃𝑟 (𝑤)𝑑𝑤 sẻ trả mức xám s có mật độ xác xuất phân bố Ta định nghĩa biến đổi zcó tính chất sau: 𝑧 𝐻(𝑧) = ∫ 𝑝𝑧 (𝑤)𝑑𝑤 = 𝑠 z độ sáng ảnh có mật độ xác xuất pr(z) Từ hai phương trình ta suy phương trình : 𝑧 = 𝐻 −1 (𝑠) = 𝐻 −1 (𝑇(𝑟)) 47 Chương 5: Các phương pháp lọc ảnh b) Cân mức sáng dùng hàm adapthisteq - Hàm histeq tác động lên toàn ảnh hàm biến đổi mức xám, hàm adapthisteq phân chia vùng nhỏ (gọi tile) tác động lên vùng, sau đố kết hợp giưuã tile lận cận theo phương pháp nội suy song tuyến tính để loại bỏ chi tiết lạ xuất biên giới tile Hình 5.10 : ảnh gốc biểu đồ histogram 48 Chương 5: Các phương pháp lọc ảnh 3) Phép mở rộng độ tương phản: Phép mở rộng độ tương phản định nghĩa biểu thức sau: 𝑠 = 𝑇(𝑟) = Trong : 𝑚 + ( 𝑟 )𝐸 r: giá trị mức xám ban đầu s: giá trị mức xám sau biến đổi m: ngưỡng E: hàm số quy định độ dốc hàm Hàm nén giá trị mức xám m vào thành dải hẹp vùng tối nén giá trị m thành dải hẹp vùng sáng, làm tăng độ tương phản ảnh function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global w; E = get(handles.edit2,'string'); if ~strcmp(E,'') E = str2num(E); g = im2double(w); % bien doi dang dng du lieu double m = mean2(g); % tinh trung binh cau tat ca cac ma tran g g1 = 1./(1+(m./(g + eps)).^E);% E cang lon tuong phan cang cao axes(handles.axes1); imshow(w); axes(handles.axes2); imshow(g1); else msgbox('Nhap gia tri E') end số eps thêm vào để tránh trường hợp f có phần tử 49 Chương 5: Các phương pháp lọc ảnh Hình 5.11 : ứng với độ dốc 4) Phép biến đổi logarithm >> g = c*log(1 + double(f)) Trong c số Dạng biến đổi giống với biến đổi với giá trị giới hạn hai trục Ứng dụng quang trọng nén giải động Bằng phép biến đổi log, dải động 106 phổ giảm xuống 14, giúp cho việc quan sát dễ function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global w; E = get(handles.edit1,'string'); if ~strcmp(E,'') c = str2num(E); g = im2double(w);% bien doi dang dng du lieu double s = c.*log(1+g);% E cang lon tuong phan cang cao axes(handles.axes1); imshow(w);title('anh goc'); axes(handles.axes2); imshow(s);title('anh chuyen doi'); else msgbox('Nhap gia tri c') end 50 Chương 5: Các phương pháp lọc ảnh Hình 5.12 : Ảnh trước sau xử lí 51 Chương 5: Các phương pháp lọc ảnh 5) Lọc tuyến tính - Đầu (phản ứng) lọc không gian tuyến tính đơn giản mức trung bình điểm ảnh lân cận bị bao phủ mặt nạ lọc Các lọc gọi lọc trung bình - Ý tưởng đằng sau lọc làm mịn đơn giản Bằng cách thay giá trị điểm ảnh hình ảnh mức trung bình mức cường độ điểm lân cận xác định mặt nạ lọc, trình tạo hình ảnh bị giảm chuyển tiếp "mạnh" cường độ - Bởi nhiễu ngẫu nhiên thơng thường bao gồm q trình chuyển đổi mạnh mức cường độ, ứng dụng rõ ràng làm mịn giảm nhiễu Tuy nhiên, cạnh (mà ln ln tính mong muốn hình ảnh) đặc trưng trình chuyển đổi cường độ sắc nét, lọc trung bình có tác dụng phụ khơng mong muốn chúng làm giảm cạnh - Một ứng dụng khác loại trình bao gồm việc làm mịn đường nét sai sử dụng số lượng khơng đủ mức cường độ Một sử dụng lọc trung bình việc giảm chi tiết "khơng thích hợp" hình ảnh - Hình mặt nạ lọc tuyến tính kích thước sử dụng làm mịn ảnh - Ở lọc thứ nhất, giá trị mức xám đầu giá trị trung bình chuẩn giá trị điểm ảnh bị bao phủ mặt nạ Các hệ số lọc thay 1/9 việc tính tốn hiệu Sau trình lọc kết thúc, tất giá trị điểm ảnh chia cho Bộ lọc không gian mà hệ số mặt nạ gọi lọc trung bình (Mean Filter) - Ở lọc thứ hai, giá trị điểm ảnh nhân với hệ số khác nhau, thể quan trọng (trọng lượng) so với điểm khác Điểm ảnh mặt nạ nhân với giá trị lớn hơn, thể quan trọng lớn tính tốn giá trị trung bình Các hệ số khác coi khoảng cách từ điểm tới trung tâm mặt nạ, láng giềng trực giao xa nên có trọng số nhỏ 52 Chương 5: Các phương pháp lọc ảnh so với láng giềng trực tiếp Chiến lược đặt hệ số cho mặt nạ nhằm nỗ lực giảm mờ trình làm mịn ảnh - Biểu thức thực thi tổng quát để lọc tuyến tính ảnh kích thước M×N lọc trung bình trọng số w kích thước m×n (m,n lẻ) : 𝑔(𝑥, 𝑦) = ∑𝑎𝑠= −𝑎 ∑𝑏𝑡= −𝑏 𝑓(𝑥 + 𝑠, 𝑦 + 𝑡) ∑𝑎𝑠=−𝑎 ∑𝑏𝑡=−𝑏 𝑤(𝑠, 𝑡) Trong đó, m = 2a+1; n=2b+1; x, y thay đổi, biểu diễn điểm ảnh ảnh gốc: x= 0,1,2, … , 𝑀 − y= 0,1,2, … , 𝑁 − Hình 5.12 lọc mean Filter function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global w; N=imnoise(w,'salt & pepper', 0.03); axes(handles.axes1); imshow(N);title('Noisy Image'); mf = ones(3, 3)/9; noise_free = imfilter(N,mf); axes(handles.axes2); imshow(noise_free), title('After Removing Noise'); 53 Chương 5: Các phương pháp lọc ảnh 6)Lọc phi tuyến - Đối với lọc phi tuyến, đầu kết phép toán phi tuyến tiến hành lân cận bị mặt nạ bao phủ Các lọc hạng lọc tuyến tính phổ biến Đối với lọc hạng, giá trị mức xám điểm ảnh lân cận bị mặt nạ bao phủ xếp thứ tự (xếp hạng), đáp ứng điểm ảnh xác định kết xếp hạng - Các lọc hạng cụ thể: + Lọc trung vị (Median Filter): đáp ứng điểm ảnh giá trị sau q trình xếp hạng giá trị điểm ảnh lân cận Tác dụng: hiệu giảm nhiễu xung (VD: nhiễu salt and pepper + Lọc Max (lọc dãn): đáp ứng điểm ảnh giá trị lớn sau trình xếp hạng giá trị điểm ảnh lân cận Tác dụng: tìm điểm sáng ảnh + Lọc Min (lọc co): đáp ứng điểm ảnh giá trị nhỏ sau trình xếp hạng giá trị điểm ảnh lân cận Tác dụng: tìm điểm tối ảnh ➢ Phương pháp lọc Media Filter I = imread('sunflower.png'); N = imnoise(I, 'salt & pepper', 0.3); red_channel = N(:, :, 1); green_channel = N(:, :, 2); blue_channel = N(:, :, 3); red_channel = medfilt2(red_channel, [3 3]); green_channel = medfilt2(green_channel, [3 3]); blue_channel = medfilt2(blue_channel, [3 3]); 54 Chương 5: Các phương pháp lọc ảnh F = cat(3, red_channel, green_channel, blue_channel); subplot(2, 1, 1); imshow(N); title('Noisy Image'); subplot(2, 1, 2); imshow(F); title('Image After Noise Removal'); Hình 5.13 : Ảnh lọc nhiễu media filter ➢ Phương pháp Rank Filter I = imread('sunflower.png'); N = imnoise(I, 'salt & pepper', 0.3); red_channel = N(:, :, 1); green_channel = N(:, :, 2); blue_channel = N(:, :, 3); red_channel = ordfilt2(red_channel, 15, ones(5,5)); green_channel = ordfilt2(green_channel, 15, ones(5,5)); blue_channel = ordfilt2(blue_channel, 15, ones(5,5)); F = cat(3, red_channel, green_channel, blue_channel); subplot(2, 1, 1); imshow(N); title('Noisy Image'); subplot(2, 1, 2); imshow(F); title('Image After Noise Removal'); 55 Chương 5: Các phương pháp lọc ảnh Hình 5.14 : Ảnh lọc nhiễu media filter ➢ Phương pháp Min-Max Filter Original=imread('sunflower.png'); BW = im2bw(Original,0.6); %Read in image %Convert into black and white image minf=@(x) min(x(:)); maxf=@(x)max(x(:)); min_Image=nlfilter(BW,[3 3],minf); max_Image=nlfilter(BW,[3 3],maxf); %set 'min()' filter %set 'max()' filter %Apply over x neighbourhood %Apply over x neighbourhood subplot(1,3,1), imshow(BW), title('Original'); %Display image subplot(1,3,2), imshow(min_Image), title('Min'); %Display image subplot(1,3,3), imshow(max_Image), title('Max'); %Display max image Hình 5.15 : Ảnh lọc nhiễu min-max filter 56 Chương 5: Các phương pháp lọc ảnh Tài liệu tam khảo : Tài liệu hướng dẫn học matlab dành cho môn xử lý ảnh hay Matlab ứng dụng viên thông (TS Phạm Hồn Liên ) http://vimach.net/threads/matlab-trong-xu-ly-anh-7-ham-co-ban-cho-xu-lyanh.180 http://www.matlabthayhai.info/2015/11/bai-3-cac-ham-xu-ly-anh-trongmatlab.html 57 ... FileModDate: FileSize: Format: FormatVersion: Width: Height: BitDepth: ColorType: FormatSignature: NumberOfSamples: CodingMethod: CodingProcess: Comment: Smoothing = '} 'matlabroot oolboxmatlabdemos gc6543a.jpg'... eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global... Img(:,:,1); G = Img(:,:,2); B = Img(:,:,3); Hàm cat dùng để concatenate arrays along specified dimension , kênh lại với Nhưng Red_channel = cat(3,R,G*0,B*0); nhìn thấy kênh đỏ, kênh lại nhân