XƯƠNG và các kỹ THUẬT tìm XƯƠNG

1 _______________________________________________________________ Sinh viên: Lương Thị Hoài Xuân – CT1102 MỤC LỤC MỤC LỤC . 1 MỞ ĐẦU . 3 DANH MỤC HÌNH VẼ . 4 CHƢƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH . 5 1.1 Các khái niệm cơ bản trong xử lý ảnh 5 1.1.1 Xử lý ảnh là gì 5 1.1.2 Ảnh và điểm ảnh 5 1.1.3 Quan hệ giữa các điểm ảnh 5 1.1.4 Mức xám của ảnh . 6 1.1.5 Độ phân giải . 7 1.2 Các phép toán cơ bản trên ảnh nhị phân . 8 1.2.1 Các phép toán logic 8 1.2.2 Các phép toán hình thái học . 8 1.3 Các giai đoạn chính trong xử lý ảnh . 15 1.4 Một số ứng dụng cơ bản . 16 CHƢƠNG 2: XƢƠNG VÀ CÁC KỸ THUẬT TÌM XƢƠNG . 18 2.1 Khái niệm xương 18 2.2 Các hướng tiếp cận trong việc tìm xương 18 2.2.1 Tìm xương dựa trên làm mảnh . 18 2.2.2 Tìm xương không dựa trên làm mảnh 19 2 _______________________________________________________________ Sinh viên: Lương Thị Hoài Xuân – CT1102 CHƢƠNG 3: CẮT TỈA XƢƠNG VỚI DSE 26 3.1 Giới thiệu 26 3.2 Phương pháp DCE 27 3.2.1 Giới thiệu 27 3.2.2 Ý tưởng chính . 29 3.2.3 Rời rạc hóa đường cong với DCE 31 3.2.4 Cắt tỉa xương với DCE . 33 3.3 Phương pháp DSE 36 3.3.1 Ý tưởng chính . 36 3.3.2 Các định nghĩa 37 3.3.3 Thuật toán DSE 39 CHƢƠNG 4: KẾT QUẢ THỰC NGHIỆM 41 4.1 Môi trường cài đặt 41 4.2 Chương trình thực nghiệm 41 4.2.1 Giao diện chương trình 41 4.2.2 So sánh kết quả tìm xương với các phương pháp DCE . 41 4.2.3 Hiệu quả của việc sử dụng ngưỡng (threshold) . 43 KẾT LUẬN . 45 TÀI LIỆU THAM KHẢO . 46 3 _______________________________________________________________ Sinh viên: Lương Thị Hoài Xuân – CT1102 MỞ ĐẦU Xương có thể xem như việc biểu diễn hình dạng một cách cô đọng trong đó hình dạng có thể khôi phục lại hoàn toàn từ xương. Xương được sử dụng rộng rãi để phân tích hình dạng và nhận dạng đối tượng như tra cứu ảnh và đồ họa máy tính, nhận dạng kí tự, xử lý ảnh và phân tích các hình ảnh sinh học. Các thuật toán tìm xương đã được đưa ra nhưng đều gặp phải những hạn chế tương tự nhau đó là có độ nhạy cảm cao đối với nhiễu đường biên, những biến đổi nhỏ trên đường biên của đối tượng có thể làm thay đổi đáng kể xương nhận được, ảnh hưởng tới độ chính xác của xương. Đồ án trình bày kỹ thuật cắt tỉa xương bằng phương pháp DSE (Discete Skeleton Evolution) đã giải quyết những hạn chế nêu trên. Đồ án gồm bốn chương: Chương 1 giới thiệu tổng quan về xử lý ảnh. Chương 2 giới thiệu khái niệm về xương và một số phương pháp tìm xương. Chương 3 trình bày về phương pháp DSE (Discrete Skeletion Evolution). Chương 4 giới thiệu môi trường cài đặt và kết quả thu được. 4 _______________________________________________________________ Sinh viên: Lương Thị Hoài Xuân – CT1102 DANH MỤC HÌNH VẼ Hình 1.1. Hình minh họa các phép toán trên ảnh nhị phân 8 Hình 1.2. Hiệu quả của thao tác nhị phân đơn giản trên một ảnh nhỏ . 9 Hình 1.3. A dãn bởi B 10 Hình 1.4. Dãn mất điểm ảnh 11 Hình 1.5. Dãn ảnh sử dụng phần tử cấu trúc 11 Hình 1.6. Phép co nhị phân. . 12 Hình 1.7. Sử dụng phép toán mở . 13 Hình 1.8. Phép đóng . 14 Hình 1.9. Phép đóng với độ sâu lớn . 14 Hình 1.10. Các giai đoạn chính trong xử lý ảnh 15 Hình 2.1. Trục trung vị . 20 Hình 2.2. Xương Voronoi rời rạc ảnh hưởng của các hàm hiệu chỉnh khác nhau 22 Hình 2.3. Minh họa thuật toán trộn hai sơ đồ Voronoi 23 Hình 2.4. Minh họa thuật toán thêm một điểm biên vào sơ đồ Voronoi . 24 Hình 3.1. Minh họa hạn chế 1 28 Hình 3.2. Minh họa hạn chế 2 28 Hình 3.3. Minh họa hạn chế 3. . 29 Hình 3.4. Cắt tỉa xương với phân chia đường biên 30 Hình 3.5. Trình tự xương của lá . 31 Hình 3.6. Minh họa cắt tỉa xương với DCE . 33 Hình 3.7. Các đỉnh lồi như nhau có thể sinh ra các nhánh xương khác nhau với mức quan trọng khác nhau . 35 Hình 3.8. Loại bỏ đỉnh lồi không quan trọng tạo ra hình ảnh xương tối ưu 35 Hình 3.9. Quá trình tiến hóa bộ xương thu được trong vòng lặp cắt tỉa xương của một con chim 36 Hình 3.10. Các điểm xương cuối và các điểm giao nhau. . 38 Hình 3.11. Khôi phục lại hình dạng gốc từ xương. 38 Hình 4.1. Giao diện chương trình 41 Hình 4.2. Xương thu được bằng phương pháp DCE và DSE 42 Hình 4.3. Xương thu được bằng phương pháp DSE theo các ngưỡng khác nhau, t là giá trị ngưỡng . 44 5 _______________________________________________________________ Sinh viên: Lương Thị Hoài Xuân – CT1102 CHƢƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH 1.1 Các khái niệm cơ bản trong xử lý ảnh 1.1.1 Xử lý ảnh là gì Xử lý ảnh số bao gồm các phương pháp và kỹ thuật biến đổi, để truyền tải hoặc mã hóa các ảnh tự nhiên. Xử lý ảnh là lĩnh vực nghiên cứu, là quá trình biến đổi từ một ảnh ban đầu sang một ảnh mới tuân thủ tính chất và đặc trưng riêng của xử lý. Có 2 mục đích chính của xử lý ảnh: - Cải thiện chất lượng phục vụ cho quan sát. - Chuẩn bị các điều kiện cho việc trích chọn các đặc trưng phục vụ cho việc nhận dạng và ra quyết định. 1.1.2 Ảnh và điểm ảnh Ảnh tự nhiên là ảnh liên tục về không gian và độ sáng. Để xử lý bằng máy tính (số), ảnh cần phải được số hóa. Số hóa là sự biến đổi gần đúng một ảnh liên tục thành một tập điểm phù hợp với ảnh thật về trí (không gian) và độ sáng (mức xám). Khoảng cách giữa các điểm ảnh được thiết lập sao cho mắt người không phân biệt được ranh giới giữa chúng. Mỗi một điểm như vậy gọi là điểm ảnh (PEL: Picture Elememt) hay gọi tắt là Pixel. Trong khuôn khổ ảnh hai chiều, mỗi pixel tương ứng với cặp tọa độ (x, y). Điểm ảnh (pixel) là một phần tử của ảnh số tại tọa độ (x, y) với độ xám hoặc màu nhất định. Kích thước và khoảng cách giữa các điểm ảnh được chọn thích hợp sao cho mắt người cảm nhận được sự liên tục về không gian và mức xám của ảnh số gần như ảnh thật. Mỗi phần tử trong ma trận được gọi là phần tử ảnh. Ảnh được xem như tập hợp các điểm ảnh. 1.1.3 Quan hệ giữa các điểm ảnh 1.1.3.1 Các lân cận của điểm ảnh Giả sử một ảnh số được biểu diễn bằng hàm f(x, y), p và q là cặp điểm ảnh có quan hệ với nhau, điểm ảnh p có tọa độ (x, y). Định nghĩa các lân cận của điểm ảnh. 6 _______________________________________________________________ Sinh viên: Lương Thị Hoài Xuân – CT1102 Lân cận 4 của p kí hiệu N 4 (p): - N 4 (p) = {(x-1, y); (x, y-1); (x, y+1); (x+1, y)} Lân cận chéo của p kí hiệu N p (p): - N p (p) = {(x+1, y+1); (x+1, y-1); (x-1, y+1); (x-1, y-1)} Lân cận 8 của p kí hiệu N 8 (p): - N 8 (p) = N 4 (p) + N p (p) 1.1.3.2 Các mối liên kết điểm ảnh Các mối liên kết được sử dụng để xác định giới hạn của đối tượng hoặc xác định vùng trong một ảnh. Một liên kết được đặc trưng bởi tính liền kề giữa các điểm và mức xám của chúng. Có ba loại liên kết: - Liên kết 4: Hai điểm ảnh p và q được gọi là liên kết 4 nếu q thuộc N 4 (p) - Liên kết 8: Hai điểm ảnh p và q được gọi là liên kết 8 nếu q thuộc N 8 (p) - Liên kết m (liên kết hỗn hợp): Hai điểm ảnh p và q được gọi là liên kết hỗn hợp nếu q thuộc N 4 (p) hoặc q thuộc N 8 (p) 1.1.3.3 Đo khoảng cách giữa các điểm ảnh Khoảng cách D(p, q) giữa hai điểm ảnh p có tọa độ (x, y), q có tọa độ (s, t) là hàm khoảng cách (Distance) nếu: - D(p, q) ≥ 0 (Với D(p, q)=0 khi và chỉ khi p=q) - D(p, q) = D(q, p) - D(p, z) ≤ D(p, q) + D(q, z); z là một điểm ảnh khác Khoảng cách Euclide giữa hai điểm ảnh p(x, y) và q(s, t) được định nghĩa như sau: D e (p, q) = [(x - s) 2 + (y - t) 2 ] 1/2 1.1.4 Mức xám của ảnh Mức xám của điểm ảnh là cường độ sáng của nó được gán bằng giá trị số tại điểm đó. 7 _______________________________________________________________ Sinh viên: Lương Thị Hoài Xuân – CT1102 Các thang giá trị mức xám thông thường là: 16, 32, 64, 128, 256 (Mức 256 là mức phổ dụng nhất vì máy tính dùng 1 byte (8 bit) để biểu diễn mức xám. Mức xám dùng 1 byte biểu diễn: 2 8 =256, tức là từ 0 đến 255) Ảnh đen trắng là ảnh có hai màu đen và trắng. Nếu phân mức đen trắng thành L mức, sử dụng số bit B để mã hóa mức đen trắng (hay mức xám) thì L được xác định: L=2B. - Nếu L=2, B=1 nghĩa là chỉ có 2 mức 0 và 1. Ảnh dùng hai mức 0 và 1 để biểu diễn mức xám gọi là ảnh nhị phân. Mức 1 ứng với màu sáng còn mức 0 ứng với màu tối. - Nếu L lớn hơn 2 đó là ảnh đa cấp xám. Như vậy ảnh nhị phân mỗi điểm ảnh được mã hóa trên 1 bit, còn ảnh 256 mức mỗi điểm ảnh được mã hóa trên 8 bit. Ảnh đen trắng nếu dùng 8 bit (1 byte) để biểu diễn mức xám số mỗi mức xám được biểu diễn dưới dạng một số nguyên nằm trong khoảng từ 0 đến 255, mức 0 biểu diễn cho cường độ đen nhất và mức 255 biểu diễn cho cường độ sáng nhất. Ảnh màu: là ảnh tổ hợp từ 3 màu cơ bản đỏ (Red), lục (Green), lam (Blue). Để biểu diễn cho một điểm ảnh màu dùng 3 byte để mô tả 24 bit màu 2 8*3 =2 24 ≈ 16,7 triệu màu. 1.1.5 Độ phân giải Độ phân giải (Resolution) của ảnh là mật độ điểm ảnh được ấn định trên ảnh số khi hiển thị. Như vậy khoảng cách giữa các điểm ảnh được chọn sao cho mắt người vẫn thấy được sự liên tục của ảnh. Việc lựa chọn khoảng cách thích hợp tạo nên một mật độ phân bổ, đó chính là độ phân giải và được phân bố theo trục x và y trong không gian hai chiều. 8 _______________________________________________________________ Sinh viên: Lương Thị Hoài Xuân – CT1102 1.2 Các phép toán cơ bản trên ảnh nhị phân 1.2.1 Các phép toán logic Hình 1.1 dưới đây minh họa các phép toán với giá trị nhị phân “1” có màu đen, còn giá trị nhị phân “0” có màu trắng. (a)Ảnh a (b)Ảnh b (c) (d) (e) Hình 1.1. Hình minh họa các phép toán trên ảnh nhị phân Trong hình 1.1: hình (a) và (b) là ảnh ban đầu; (c) phép NOT (b); (d) phép OR (a,b); (e) phép AND (a,b). 1.2.2 Các phép toán hình thái học Hình thái (morphology) có nghĩa là “hình thức và cấu trúc của một đối tượng”, hoặc là cách sắp xếp mối quan hệ bên trong giữa các phần của đối tượng. Hình thái có liên quan đến hình dạng, và hình thái số là một cách để mô tả hoặc phân tích hình dạng của một đối tượng số. 9 _______________________________________________________________ Sinh viên: Lương Thị Hoài Xuân – CT1102 Những thao tác hình thái nhị phân được xây dựng trên ảnh chỉ có 2 mức xám 0 và 1, “0” ứng với màu trắng, “1” ứng với màu đen. Trước hết, để bắt đầu, ta hãy xem hình 1.2a. Tập hợp các điểm ảnh đen tạo nên đối tượng ảnh hình vuông và trong hình 1.2b, đối tượng ảnh cũng là hình vuông nhưng là hình vuông lớn hơn so với hình 1.2a một điểm ảnh về mọi phía, nghĩa là thay mọi lân cận trắng của các điểm ảnh trong hình 1.2a thành các điểm ảnh đen. Đối tượng trong hình 1.2c cũng được thao tác tương tự, tức là hình 1.2b được tăng thêm một điểm ảnh về mọi phía. Thao tác đó có thể coi như một phép dãn đơn giản, phép dãn một điểm ảnh về mọi phía. Việc dãn đó có thể được thực hiện cho đến khi toàn bộ ảnh được thay bằng các điểm ảnh đen. Do vậy, đối tượng ảnh trong hình 1.2a có thể được viết lại là{(3, 3) (3, 4) (4, 3) (4,4)}, với điểm ảnh phía trên bên trái là (0, 0). Tuy nhiên, việc viết như vậy sẽ rất dài dòng và bất tiện nên ta gọi đơn giản đối tượng ảnh là A, và các phần tử trong đó là các điểm ảnh. (a) (b) (c) Hình 1.2. Hiệu quả của thao tác nhị phân đơn giản trên một ảnh nhỏ Trong hình 1.2: hình (a) ảnh ban đầu; (b) ảnh dãn 1 điểm ảnh; (c) ảnh dãn 2 điểm ảnh so với ảnh ban đầu. 1.2.2.1 Phép dãn nhị phân Bây giờ ta sẽ chỉ ra thao tác tập hợp đơn giản nhằm mục đích định nghĩa phép dãn nhị phân. Phép dịch A bởi điểm x (hàng, cột), được định nghĩa là một tập: (A)x ={c | c = a + x, a A} (1.1) Chẳng hạn nếu x có toạ độ (1, 2), khi đó điểm ảnh đầu tiên phía trên bên trái của A sẽ dịch đến vị trí: (3, 3) + (1, 2) = (4, 5). Các điểm ảnh khác trong A sẽ dịch chuyển 10 _______________________________________________________________ Sinh viên: Lương Thị Hoài Xuân – CT1102 một cách tương ứng, tức ảnh được dịch sang phải (cột) điểm ảnh và xuống phía dưới (hàng) điểm ảnh. Bây giờ ta có thể định nghĩa phép dãn (dilation) qua lý thuyết tập hợp như sau: Phép dãn tập A bởi tập B, đó là tập: A B = {c | c =a + b, a A, b B} (1.2) Dễ thấy trong toán học, đây là phép tổng trực tiếp A và B. A là đối tượng ảnh được thao tác và B được gọi là phần tử cấu trúc (viết tắt là cấu trúc). Để hiểu kĩ hơn về điều này, ta hãy coi A là đối tượng trong hình 1.2a và B={(0,0), (0, 1)}. Những phần tử trong tập C = A B được tính dựa trên công thức (1.1), có thể viết lại như sau: A B = (A + {(0, 0)}) (A + {(0, 1)}) (1.3) (a) (b) (c) (d) Hình 1.3. A dãn bởi B Trong hình 1.3: (a) tập A ban đầu; (b) tập A cộng phần tử (0, 0); (c) tập A cộng phần tử (0, 1); (d) hợp của (b) và (c) (kết quả của phép dãn). Nhận thấy rằng trong hình 1.4, có một số phần tử của đối tượng ban đầu sẽ không có.