ĐỒ ÁN TỐT NGHIỆP Luận văn Đề tài: Bài toán nhận dạng biển số xe. KHOA CÔNG NGHỆ THÔNG TIN

Luận văn Đề tài: Bài toán nhận dạng biển số xe Đồ Án Tốt Nghiệp Khoa Công Nghệ Thông Tin MỤC LỤC MỞ ĐẦU CHƯƠNG Tổng quan nhận dạng 1.1 - Tính chất cần thiết toán nhận dang 1.1.1 Tính chất 1.1.2 Sự cần thiết 1.2 - Không gian biểu diễn đối tượng, không gian diễn dịch 10 1.2.1 Không gian biểu diễn đối tượng 10 1.2.2 Không gian diễn dịch 10 1.3 - Mơ hình chất trình nhận dạng 11 1.3.1 Mơ hình 11 1.3.2 Bản chất trình nhận dạng 12 CHƯƠNG Xử lý ảnh openCV 15 2.1 - Xử lý nhị phân 16 2.2 - Giảm nhiễu 18 2.2.1 Bộ lọc hộp thông thường (Normalized Box filter) 19 2.2.2 Bộ lọc gaussian (Gaussian Filter) 20 2.2.3 Bộ lọc Median (Median Filter): 21 2.2.4 Bộ lọc song phương (Bilateral filter) 22 2.2.5 Filter2D 23 2.3 - Biên phương pháp tìm biên 24 2.3.1 Khái niệm biên: 24 2.3.2 Phương pháp Gradient 24 2.3.3 Toán tử la bàn 29 2.3.4 Laplace 31 2.3.5 Tách sườn ảnh theo Canny 33 SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng Đồ Án Tốt Nghiệp Khoa Công Nghệ Thông Tin 2.4 - Biến đổi Hough 35 2.5 - Một số hàm thư viện OpenCV 41 2.5.1 Tải ảnh hiển thị ảnh 41 2.5.2 Chuyển ảnh màu sang ảnh xám 42 2.5.3 Tìm đối tượng findContours 43 CHƯƠNG Bài toán nhận dạng biển số xe 45 3.1 - Khái niệm nhận dạng biển số xe 45 3.1.1 Khái niệm 45 3.1.2 Ứng dụng 47 3.1.3 Phân loại biển số xe 48 3.2 - Một số hướng giải toán nhận dạng biển số xe 52 3.2.1 Hướng tiếp cận phát triển vùng 52 3.2.2 Hướng tiếp cận dò biên biến đổi Hough 53 3.2.3 Phân ngưỡng tím vùng đối tượng (hướng tiếp cận đồ án) 54 3.3 - Hướng giải 54 3.4 - Phát vùng chứa biển số 56 3.4.1 Giai đoạn 1: Biến đối ảnh xám lọc ảnh 57 3.4.2 Giai đoạn 2: Tiến hành phân ngưỡng phát biên 57 3.4.3 Giai đoạn 3: Tìm đường bao đối đượng 58 3.4.4 Giai đoạn 4: Tách vùng biển số 59 3.5 - Tách riêng ký tự 60 3.5.1 Giai đoạn 1: Tiến hành phân ngưỡng 61 3.5.2 Giai đoạn 2: Tìm vùng đối tượng 61 3.5.3 Giai đoạn 3: Tìm tách vùng ký tự 61 3.6 - Nhận dạng ký tự quang học ( mạng nơron) 61 3.6.1 Mô hình nơron nhân tạo 62 3.6.2 Mạng nơron 63 SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng Đồ Án Tốt Nghiệp Khoa Công Nghệ Thông Tin 3.6.3 Mạng Kohonen 66 3.6.4 Mạng nơron nhiều lớp lân truyền ngược sai số 71 CHƯƠNG Kết hướng phát triển toán nhận dạng biển số xe 74 4.1 - Kết hướng giải “phân ngưỡng tìm đối tượng” 74 4.1.1 Kết dùng với phương pháp tìm biên Canny kết hợp với tìm vùng đối tượng 75 4.1.2 Kết dùng với phương pháp phân ngưỡng kết hợp tìm vùng đối tượng 75 4.1.3 Kêt luận 76 4.2 - Hướng phát triển toán nhận dạng biền số xe 82 4.2.1 Nhận xét 82 4.2.2 Hướng phát triển toán 82 KẾT LUẬN 84 TÀI LIỆU THAM KHẢO 85 Phụ lục 86 SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng Đồ Án Tốt Nghiệp Khoa Công Nghệ Thông Tin Danh mục hình vẽ Hình 1.1 Nhận dạng vân tay máy ATM Hình 1.2 Phiên dịch viên Jibbigo Hình 1.3 Sơ đồ tổng quan hệ nhận dạng 14 Hình 2.1 Quá trình xử lý ảnh 15 Hình 2.2 Các bước hệ thống xử lý ảnh 15 Hình 2.3 (a) ngưỡng 40,(b) ngưỡng 121 16 Hình 2.4 Sử dụng lọc hộp thơng thường 20 Hình 2.5 sử dụng lọc Gaussian 21 Hình 2.6 sử dụng lọc Median 22 Hình 2.7 sử dụng lọc song phương 23 Hình 2.8 filter2D nhân thay đổi tăng dần từ trái qua phải 24 Hình 2.9 Tìm biên chức Sobel OpenCV 29 Hình 2.10 Mặt nạ hướng theo Kirsh 29 Hình 2.11 Tìm biên Laplace 33 Hình 2.12 Tìm biên theo Canny 35 Hình 2.13 Trục tọa độ đề qua điểm 36 Hình 2.14 Trục tọa độ đề 36 Hình 2.15 Hệ tọa độ cực 37 Hình 2.16 Đường thẳngHough tọa độ cực 38 Hình 2.17 Kết hợp HoughLines với HoughCircles 40 Hình 2.18 Tìm thấy hình trịn mẫu có hình trịn 41 Hình 2.19 Tải ảnh vào cửa sổ windows 42 Hình 2.20 Chuyển ảnh màu sang ảnh xám 43 Hình 2.21 sử dụng findContours tìm đối tượng 44 Hình 3.1 Hệ thống tự động nhận dạng biển số xe 46 Hình 3.2 Biển số 52 SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng Đồ Án Tốt Nghiệp Khoa Cơng Nghệ Thơng Tin Hình 3.3 Một số loại biển số xe thông dụng 54 Hình 3.4 (a) ảnh đầu vào (b) ảnh xử lý xám lọc song phương 57 Hình 3.5 ảnh sau tiến hành phân ngượng 58 Hình 3.6 Tìm đường bao đối tượng 59 Hình 3.7 Sau lọc dặc điểm biển số cắt riêng vùng biển số 60 Hình 3.8 Các ký tự cắt sau tìm thấy vùng biển số 61 Hình 3.9 Mơ hình nơron nhân tạo 62 Hình 3.10 Mạng nơron truyền thẳng nhiều lớp 64 Hình 3.11 Mạng nơron hồi quy 64 Hình 3.12 Học tham số có giám sát 66 Hình 3.13 Lưới nơron 67 Hình 3.14 Ánh xạ mặt cầu vào lưới nơron 15x15 71 Hình 3.15 Mạng nơron lớp 72 Hình 4.1 Biển khơng nhận dạng 77 Hình 4.2 Vùng biển số trình phân ngưỡng 80 Hình 4.3 Mức xám thấp làm vùng biển số bị trình phân ngưỡng 80 Hình 4.4 Những biển số khơng nhận đủ ký tự 82 SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng Đồ Án Tốt Nghiệp Khoa Công Nghệ Thông Tin Danh mục bảng Bảng Tên bảng Trang Bảng Chi tiết tìm vùng biển số sử dụng dị biên Canny tìm vùng đối tượng 77 Bảng Chi tiết tìm vùng biển số sử dụng hướng phân ngưỡng tìm vùng đối tượng 78 Tìm vùng biển số khoảng ngưỡng khác Bảng tăng dần.(biển tìm thấy khoảng ngưỡng trước 79 đối tượng xét khoảng ngưỡng sau) Tìm vùng biển số ngưởng khác giảm dần Bảng (biển tìm thấy khoảng ngưỡng trước 80 đối tượng xét khoảng ngưỡng sau) Chi tiết khoảng ngưỡng phát biển số.( Bảng biển tách ly thành công khoảng ngưỡng trước không 82 tính cho khoảng ngưỡng sau) SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng Đồ Án Tốt Nghiệp Khoa Công Nghệ Thông Tin MỞ ĐẦU Hiện nay, với phát triển kinh tế xã hội bùng nổ số lượng phương tiện giao thông Gây khó khăn cơng tác quản lý, xử lý vi phạm giao thông mà nguồn nhân lực người khó đảm đương Vì vần để cần thiết có hệ thơng quản lý, xử lý vi phạm giao thông tự động Để xây dựng hệ thống quản lý giao thơng tự động “ Bài toán nhận dạng biển số xe” tiền đề để xây dựng mơ hình quản lý Tuy nhiên, Việt Nam hệ thống quản lý chưa nhiều lĩnh vực nhận dạng cịn phát triển Từ thực tế đó, thời gian làm đố án tốt nghiệp em định lựa chọn tìm hiểu tốn “ nhận dạng” trọng vào việc nhận dạng biển số xe Để phục vụ cho bước đầu hệ thống quản lý phương tiện giao thông Việt Nam Trong điều kiện lực thời gian có hạn, nên báo cáo em khơng tránh khỏi sai sót Em kình mong thầy bạn đóng góp ý kiến để em chỉnh sửa bổ sung phần thiếu sót để em hồn thiện đề tài Em xin chân thành cảm ơn Thầy Vũ Anh Dũng bạn hết lòng giúp đỡ, bảo để em hồn thành tốt đồ án tốt nghiệp Trong báo cáo đồ án lần em trình bày thành chương sau Chương I: Tổng quan nhận dạng Chương II Xử lý ảnh OpenCV Chương III Bài toán nhận dạng biển số Chương IV Kết hướng phát triển toán nhận dạng biển số xe SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng Đồ Án Tốt Nghiệp Khoa Công Nghệ Thông Tin CHƯƠNG Tổng quan nhận dạng 1.1 - Tính chất cần thiết tốn nhận dang 1.1.1 - Tính chất Nhận dạng q trình phân loại đối tượng biểu diễn theo mơ hình gán cho chúng vào lớp (gán đối tượng tên gọi) dựa theo quy luật mẫu chuẩn Quá trình nhận dạng dựa vào mẫu học biết trước gọi nhận dạng có thầy (supervised learning); trường hợp ngược lại gọi học không thầy (non supervised learning) - Nhận dạng toán quan trọng ngành thị giác máy tính 1.1.2 Sự cần thiết - Cùng với phát triển không ngừng kinh tế xã hội ngành kỹ thuật Đòi hỏi quản lý xử lý thơng tin xác mà vượt q sức người Vì cần có máy móc động làm giảm tải thay cơng việc nặng nhọc, địi hỏi xác cao nhàm chán cho người Việc giúp máy móc nhận dang (thu thập , phân loại thơng tin) cịn người giúp máy móc hoạt động hiệu giống người với độ xác cao nhiếu - Một số ứng dụng toán nhận dạng Nhận dạng dấu vân tay: Việt Nam sử dụng việc chấm cơng, điểm danh làm khóa an tồn cho loại cửa sắt, máy tính xách tay… Nó tạo tiện dụng an toàn SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng Đồ Án Tốt Nghiệp Khoa Cơng Nghệ Thơng Tin Hình 1.1 Nhận dạng vân tay máy ATM Thay phải nhập mã pin máy ATM bạn việc đặt ngón tay trỏ lên giao dịch bắt đầu Nhận dạng giọng nói: ứng dụng tích hợp nhiều sản phẩm, bạn điều khiển thiết bị qua giọng nói thay phải thao tác trực tiếp tay, mơ hình nhà thơng minh, điện thoại… Ví dụ : ứng dụng Jibbigo điện thoại động , Ứng dụng dịch tiếng nói người sử dụng với ngôn ngữ khác tiếng Anh, Pháp, Đức, Nhật, Hàn Quốc, Philipin, Tây Ban Nha, Trung Quốc Hình 1.2 Phiên dịch viên Jibbigo Nhận dạng biển số xe: giới thiệu Chương III SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng Đồ Án Tốt Nghiệp 10 Khoa Công Nghệ Thông Tin 1.2 - Không gian biểu diễn đối tượng, không gian diễn dịch 1.2.1 Không gian biểu diễn đối tượng Các đối tượng quan sát hay thu nhập thường biểu diễn tập đặc trưng hay đặc tính Như trường hợp xử lý ảnh, ảnh sau tăng cường để nâng cao chất lượng, phân vùng trích chọn đặc tính, biểu diễn đặc trưng biên , miền đồng nhất… Người ta thường phân đặc trưng theo loại như: đặc trưng tô pô (tập điểm), đặc trưng hình học đặc trưng chức Việc biểu diễn ảnh theo đặc trưng phụ thuộc vào ứng dựng Ví dụ : giả sử đối tường X (ảnh, chữ viết, dấu vân tay,…) biểu diễn n thành phần đặc trưng: X={x1,x2….,xn}; xi biểu diễn đặc tính Khơng gian biểu diễn đối tượng thường gọi tắt không gian đối tượng A định nghĩa: A={X1,X2……,Xm} Trong Xi biểu diễn đối tượng Khơng gian vơ hạn để tiện xem xét ta xét tập hữu hạn 1.2.2 Không gian diễn dịch Không gian diễn dịch tập tên gọi đối tượng Kết thúc trình nhận dạng ta xác định tên gọi cho đối tượng tập không gian đối tượng hay nói nhận dạng đối tượng Một hình thức gọi Ω tập tên đối tượng: Ω ={ w1 ,w2,….wk} với wi, i= 1,2,….k tên đối tượng Quá trình nhận dạng đối tượng f ánh xa f: A Ω với f tập quy luật để định phần tử A ứng với phần tử Ω Nếu tập quy luật tập tên đối tượng biết trước nhận dạng chữ viết có ( có 26 lớp từ AZ), SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng Đồ Án Tốt Nghiệp 11 Khoa Công Nghệ Thông Tin người ta gọi nhận dạng có thầy Trường hợp hai nhận dạng khơng có thày ( trường hợp khó khăn hơn) 1.3 - Mơ hình chất q trình nhận dạng 1.3.1 Mơ hình Việc chọn lựa q trình nhận dạng có liên quan mật thiết đến kiểu mô tả mà người ta sử dụng để đặc tả đối tượng Trong nhận dạng, người ta phân chia theo hai họ lớp: - Họ mô tả theo tham số - Họ mô tả theo cấu trúc Cách mô tả lựa chọn xác định mơ hình đối tượng Như vậy, chúng có loại mơ hình: mơ hình theo tham số mơ hình cấu trúc a Mơ hình tham số Mơ hình tham số sử dụng vector để đặc đối tương Mỗi phần tử củavector mơ tả đặc tính đối tượng Vì dụ: đặc trưng chức năng, người ta sử dụng hàm sở trực giao để biểu diện Và ảnh biểu diễn chuổi hàm trực giao Giả sử C đường bao ảnh C(i,j) điểm thứ i đường bao, i= 1,2…,n ( đường bao gồm n điểm) Giả sử x0= ∑ y0= ∑ tọa độ điểm Như vậy, moment trung tâm bậc p,q đường bao : ∑ SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng Đồ Án Tốt Nghiệp 12 Khoa Công Nghệ Thông Tin vector tham số trường hợp moment µij với i=1,2,….,p j = 1,2,…,q Còn số đặc trưng hình học, người ta hay sử dụng chu tuyến, đường bao, diện tích tỉ lệ T=4πS/p2 với S diện tích, p chu tuyến Việc chọn phương pháp biểu diễn làm đơn giản cách xây dựng Tuy nhiên, việc lựa chọn đặc trưng hồn tồn phụ thuộc vào ứng dụng b Mơ hình cấu trúc Cách tiếp cận mơ hình dựa vào việc mô tả đối tượng nhờ số khái niệm biểu thị đối tượng sở ngôn ngữ tự nhiên Để mô tả đối tượng, người ta dùng số dạng nguyên thủy đoạn thẳng, cung … Chẳng hạn hình chữ nhật định nghĩa gồm đoạng thẳng vng góc với đơi Trong mơ hình người ta sử dụng kí hiệu kết thúc Vt, kí hiệu khơng kết thúc gọi Vn Ngồi cịn dùng tập luật sản xuất để mơ tả cách xây dựng đối tượng phù hợp dựa đối tượng đơn giản đối tượng nguyên thủy Trong cách tiếp cận này, ta chấp nhận khẳng định là: cấu trúc kết việc áp dụng luật sản xuất theo nguyên tắc xác định dạng gốc bắt đầu Một cách hình thức, ta coi mơ hình tương đương văn phạm G=(Vt,Vn,P,S) với : -Vt kí hiệu kết thúc, -Vn ký hiệu không kết thúc, -P luật sản xuất, -S dạng ( ký hiệu bắt đầu) 1.3.2 Bản chất trình nhận dạng Quá trình nhận dạng gồm giai đoạn chính: - Lựa chọn mơ hình biểu diễn đối tượng SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng Đồ Án Tốt Nghiệp 13 Khoa Công Nghệ Thông Tin - Lựa chọn luật định (phương pháp nhận dạng) suy diễn trình học - Học nhận dạng Khi mơ hình biểu diễn đối tượng xác định, định lượng ( mơ hình tham số) hay định tính ( mơ hình cấu trúc), q trình nhận dạng chuyển sang giai đoạn học Học giai đoạn quan trọng Thao tác học nhằm cải thiện, điểu chỉnh việc phân hoạch tập đối tượng thành lớp Việc nhận dạng tìm quy luật thuật tốn để gán đối tượng vào lớp hay nói cách khác gán cho đối tượng tên a Học có thầy ( supervised learning) Kỹ thuật phân loại nhờ kiến thức biết trước gọi học có thầy Đặc điểm kỹ thuật người ta có thư viện mẫu chuẩn Mẫu cần nhận dạng đem so sánh với mẫu chuẩn để xem thuộc loại Ví dụ ảnh viễn thám, người ta muốn phân biệt cách đồng lúa, cánh rừng hay vùng đất hoang mà có miêu tả đối tượng Vấn đề chủ yếu thiết kế hệ thống để đối sánh đối tượng ảnh với mẫu chuẩn định gán cho chúng vào lớp Việc đối sánh nhờ vào thủ tục định dựa công cụ gọi hàm phân lớp hay hàm định b Học thầy( non supervised learning) Kỹ thuật phải tự định cách lớp khác xác định tham số đặc trưng cho lớp Học khơng có thầy khó khăn Một mặt, số lớp khơng biết trước, mặt khác đặc trưng lớp trước Kỹ thuật nhằm tiến hành cách gộp nhóm chọn lựa cách tốt Bắt đầu từ tập liệu, nhiều thủ tực xử lý khác nhằm phân lớp nâng cấp dần để đạt phương án phân loại SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng Đồ Án Tốt Nghiệp 14 Khoa Công Nghệ Thơng Tin Nhin chung, hệ thống nhận dạng tóm tắt sơ đồ sau Hình 1.3 Sơ đồ tổng quan hệ nhận dạng SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng Đồ Án Tốt Nghiệp 15 Khoa Công Nghệ Thông Tin CHƯƠNG Xử lý ảnh openCV Quá trình xử lý ảnh xem trình thao tác ảnh đầu vào nhằm cho kết mong muốn kết đầu q trình xử lý ảnh ảnh “tốt hơn” (theo ý muốn) kết luận Hình 2.1 Quá trình xử lý ảnh Ảnh xem tập hợp điểm ảnh điểm ảnh xem đặc trưng cường độ sáng hay dấu hiệu vị trí đối tượng khơng gian xem hàm n biến Do ảnh xử lý ảnh xem ảnh n chiều Sơ đồ tổng quát hệ thống xử lý ảnh: Hình 2.2 Các bước hệ thống xử lý ảnh Và chương chung ta biết OpenCV hỗ trợ cho bước xử lý ảnh Tiếp sau em giới thiệu bước xử lý OpenCV hỗ trợ xử lý ảnh (cung cấp thư viện gì) SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng Đồ Án Tốt Nghiệp 16 Khoa Công Nghệ Thông Tin Tiền xử lý Các thao tác xử lý ảnh để chuẩn bị cho bước phân tích Chẳng hạn thao tác: chọn ngưỡng để chuyển ảnh đa cấp xám, ảnh màu dạng nhị phân, giảm nhiễu để loại bỏ diệu không liên quan, phân đoạn để phân tách cách thành phần ảnh cuối làm mảnh hay dò biên để đễ dàng xác định vùng, đặc trưng thích hợp đối tượng cần quan tâm 2.2 - Xử lý nhị phân Mức xám giá trị có điểm ảnh Với ảnh đa cấp xám thông tin sẵn dạng nhị phân chẳng hạn chuỗi văn hay đối tượng ảnh, phương pháp nhị phân thơng thường thực trước Mục đích phương pháp tự động chọn ngưỡng cần thiết để tách ảnh làm hai phần: thông tin ảnh thơng tin Việc chọn ngưỡng tốt (ngưỡng mà tách ảnh thành hai phần: phần ảnh, phần cách xác) ln q trình khó dễ gây lỗi (a) (b) Hình 2.3 (a) ngưỡng 40,(b) ngưỡng 121 Kết gặp khó khăn độ tương phản giá trị điểm ảnh thấp (chẳng hạn xe màu xám mầu trắng), nét văn mỏng liệu không chiếu sáng tốt SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng Đồ Án Tốt Nghiệp 17 Khoa Công Nghệ Thông Tin Để thực việc tách ngưỡng OpenCV cung cấp chức threshold threshold( src_gray, dst, threshold_value, max_BINARY_value,threshold_type );  src_gray: hình ảnh đầu vào  dst: hình ảnh đầu  threshold_value: giá trị thực tách ngưỡng  max_BINARY_value: giá trị thực tách ngưỡng nhị phân  threshold_type: ngưỡng hoạt động ngưỡng hoạt động OpenCV cung cấp: a Threshold Binary: giá trị điểm ảnh cao giá trị ngưỡng thiết lập giá trị giá trị cao (255), thấp giá trị điểm ảnh mức 0; b Threshold binaru, inverted: ngược với Threshold Binary c Truncate: giá trị điểm ảnh cao giá trị ngượng bị thay đổi giá trị ngưỡng, thấp giữ nguyên SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng Đồ Án Tốt Nghiệp d 18 Khoa Công Nghệ Thông Tin Threshold to Zero: giá trị điểm ảnh cao giá trị ngưỡng giữ lại cịn điểm ảnh có giá trị thấp giá trị ngưỡng đưa giá trị e Threshold to Zero, inverted : Ngược lại với Threshold to Zero 2.3 - Giảm nhiễu Nhiễu ảnh nhiều ngun nhân bao gồm: thối hóa theo thời gian, trình chép Một số kỹ thuật xử lý ảnh áp dụng để loại bỏ nhiễu Sau nhị phân hóa, ảnh lọc để giảm nhiễu Trên thực tồn nhiều loại nhiễu, nhiên người ta thường xem xét loại chính: nhiễu cộng, nhiễu nhân nhiễu xung Chúng xuất điểm ảnh khác biệt so với vùng xung quanh Bản chất nhiễu thường tương ứng với tần số cao sở lý thuyết lọc cho tín hiệu có tần số thơng qua, để lọc nhiệu người ta thường sử dụng lọc thông thấp hay trung bình Với nhiễu cộng nhiễu SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng Đồ Án Tốt Nghiệp 19 Khoa Công Nghệ Thông Tin nhân ta dùng lọc thông thấp, trung bình; với nhiễu xung ta dùng lọc trung vị giả trung bị Trong lọc trung bình, người ta ưu tiên cho hướng để bảo vệ biên ảnh khởi bị mờ làm trơn ảnh Các kiệu mặt nà sử dụng tùy theo các trường hợp khác Các lọc lọc tuyến tính theo nghĩa điểm tâm cửa sổ thay tổ hợp điểm lân cận chập với mặt nạ Lọc thông thấp thường dùng để làm trơn nhiễu Các lọc phi tuyến dùng kỹ thuật tăng cường ảnh Trong kỹ thuật người ta dùng lọc trung vị, lọc giả trung vị Với lọc trung vị điểm ảnh thay trung vị điệm ảnh, lọc giả trung vị điểm ảnh thay bỏi trung bình cộng giá trị “trung vi.” Sau số lọc thường dùng 2.3.1 Bộ lọc hộp thông thường (Normalized Box filter) Đây lọc đơn giản Mỗi điểm đầu trung bình điểm láng giềng hạt nhân (tất điểm xung quanh đóng góp với trọng lượng K K width  K Height 1 1      1 1       OpenCv cung cấp chức blur để thực giảm nhiễu với lọc Blur(src,dst,size(i,i),point(-1,-1))  src: ảnh nguồn  dst: ảnh  size(w,h) : xác định kích thước hạt nhân sử dụng ( chiều SV: Phạm Thế Tài – Lớp S11-50TH GVHD: Th.S Vũ Anh Dũng