Nghiên cứu kỹ thuật ghép ảnh panorama từ nhiều đối tượng ảnh (tt)

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA TRẦN NGỌC TUẤN NGHIÊN CỨU KỸ THUẬT GHÉP ẢNH PANORAMA TỪ NHIỀU ĐỐI TƯỢNG ẢNH C C R UT.L D Chuyên ngành: KHOA HỌC MÁY TÍNH Mã số: 8480101 TĨM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT Đà Nẵng – Năm 2021 Cơng trình hồn thành ĐẠI HỌC ĐÀ NẴNG Người hướng dẫn khoa học: TS TRẦN THẾ VŨ Phản biện 1: TS NGUYỄN VĂN HIỆU Phản biện 2: TS TRỊNH CÔNG DUY C C R UT.L D Luận văn bảo vệ trước Hội đồng chấm Luận văn tốt nghiệp thạc sĩ kỹ thuật họp trường Đại học Bách khoa vào ngày 23 tháng 01 năm 2021 Có thể tìm hiểu luận văn tại: - Trung tâm Học liệu truyền thông, Trường ĐH Bách khoa Đại học Đà Nẵng - Thư viên Khoa Công Nghệ Thông, Trường ĐH Bách khoa-ĐHĐN MỞ ĐẦU LÝ DO CHỌN ĐỀ TÀI Ghép ảnh chủ đề lâu đời sử dụng rộng rãi thị giác máy tính đồ họa Trong năm gần đây, thuật toán ghép áp dụng nhiều lĩnh vực (ví dụ: xử lý hình ảnh, thị giác máy tính đa phương tiện) liên kết chặt chẽ với sống hàng ngày người, xây dựng ảnh toàn cảnh đẹp với ứng dụng điện thoại thông minh, tạo tầm nhìn rộng, video giám sát hỗ trợ xe tự lái Nhiều ứng dụng tiếng, chẳng hạn Adobe Photoshop, AutoStitch, C C R UT.L PTGui Image Composite Editor (ICE) có chức ghép nhiều hình ảnh chồng chéo để tạo ảnh panorama với góc nhìn rộng D Các thuật tốn dùng để xếp hình ảnh ghép chúng vào hình ảnh ghép lớn liền mạch thuật toán lâu đời sử dụng rộng rãi thị giác máy tính Căn chỉnh tốc độ khung ảnh sử dụng máy quay có tính ổn định hình ảnh Các thuật tốn ghép ảnh tạo ảnh ghép có độ phân giải cao sử dụng để tạo đồ kỹ thuật số ảnh vệ tinh ngày Hầu hết máy ảnh kỹ thuật số bán thị trường tích hợp chức này, sử dụng để tạo ảnh panorama với góc siêu rộng Vì lý tơi định chọn đề tài “Nghiên cứu kỹ thuật ghép ảnh panorama từ nhiều đối tượng ảnh” 2 MỤC TIÊU VÀ NHIỆM VỤ NGHIÊN CỨU 2.1 Mục tiêu Nghiên cứu phương pháp cắt ghép hình ảnh từ đưa giải pháp ứng dụng để ghép ảnh panorama 2.2 Nhiệm vụ - Nghiên cứu đặc trưng ảnh số phương pháp phân tích đối sánh ảnh - Nghiên cứu thuật toán phương pháp ghép ảnh - Xây dựng chương trình demo ứng dụng để ghép ảnh panorama ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU 3.1 Đối tượng nghiên cứu C C R UT.L - Các hình ảnh kỹ thuật số chất lượng cao - Các thuật toán kỹ thuật nhận dạng, chỉnh hình ảnh D - Các phương pháp trích chọn hình ảnh - Các phương pháp ghép ảnh 3.2 Phạm vi nghiên cứu Nghiên cứu thuật toán ghép ảnh phương pháp ghép ảnh PHƯƠNG PHÁP NGHIÊN CỨU 4.1 Phương nghiên cứu tài liệu - Tìm hiểu báo nước ghép ảnh - Tìm hiểu thuật tốn ghép ảnh - Tìm hiểu phương pháp ghép ảnh để xây dựng ứng dụng 4.2 Phương pháp nghiên cứu thực nghiệm - Xây dựng chương trình demo dựa giải pháp đề xuất - Thực nghiệm từ liệu đầu vào hình ảnh có góc nhìn gần giống - Kiểm tra kết xuất hình ảnh panrama với góc nhìn rộng BỐ CỤC LUẬN VĂN MỤC LỤC MỞ ĐẦU CHƯƠNG 1: NGHIÊN CỨU TỔNG QUAN 1.1 TỔNG QUAN VỀ ẢNH SỐ 1.2 MỘT SỐ VẤN ĐỀ TRONG XỬ LÝ ẢNH 1.3 CÁC ĐẶC TRƯNG CỦA ẢNH SỐ 1.4 ĐỐI SÁNH ẢNH CHƯƠNG 2: CĂN CHỈNH VÀ CẮT GHÉP HÌNH ẢNH 2.1 TỔNG QUAN VỀ CĂN CHỈNH VÀ CẮT GHÉP HÌNH ẢNH C C R UT.L 2.2 MƠ HÌNH CHUYỂN ĐỘNG 2.3 THUẬT TỐN GHÉP ẢNH D CHƯƠNG 3: THỬ NGHIỆM VÀ ĐÁNH GIÁ 3.1 DỮ LIỆU VÀ CÔNG CỤ THỰC NGHIỆM 3.2 THỰC NGHIỆM VÀ KẾT QUẢ KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN TÀI LIỆU THAM KHẢO CHƯƠNG NGHIÊN CỨU TỔNG QUAN 1.1 TỔNG QUAN VỀ ẢNH SỐ 1.1.1 Ảnh số Ảnh số tập hợp hữu hạn điểm ảnh với mức xám phù hợp dùng để mô tả gần với ảnh thật Ảnh số tạo mảng chiều có phần tử ảnh kích thước gọi điểm ảnh (pixel) 1.1.2 Điểm ảnh Điểm ảnh (Pixel) phần tử ảnh số tọa độ (x, y) với độ xám màu định Kích thước khoảng cách điểm ảnh chọn thích hợp cho mắt người cảm nhận C C R UT.L liên tục không gian mức xám (hoặc màu) ảnh số gần ảnh thật Mỗi phần tử ma trận gọi phần tử ảnh D 1.1.3 Mức xám ảnh Là kết biến đổi tương ứng giá trị độ sáng điểm ảnh với giá trị nguyên dương 1.1.4 Lược đồ mức xám Lược đồ mức xám (Histogram) hay gọi lược đồ xám ảnh hàm cung cấp tần suất xuất mức xám (grey level) 1.1.5 Độ phân giải ảnh Độ phân giải (Resolution) ảnh mật độ điểm ảnh ấn định ảnh số hiển thị 1.2 MỘT SỐ VẤN ĐỀ TRONG XỬ LÝ ẢNH 1.2.1 Phân tích ảnh Phân tích ảnh liên quan đến việc xác định độ đo định lượng ảnh để đưa mô tả đầy đủ ảnh Các kỹ thuật sử dụng nhiều kỹ thuật phát biên ảnh 1.2.2 Nhận dạng ảnh Nhận dạng ảnh q trình liên quan đến mơ tả đối tượng mà người ta muốn đặc tả Có hai kiểu mô tả đối tượng: - Mô tả tham số (nhận dạng theo tham số) - Mô tả theo cấu trúc (nhận dạng theo cấu trúc) 1.2.3 Nén ảnh Dữ liệu ảnh liệu khác cần phải lưu trữ hay C C R UT.L truyền mạng Phân loại phương pháp nén bao gồm: D - Dựa vào nguyên lý nén: - Dựa vào cách thức thực nén: - Dựa vào lý thuyết mã hóa: 1.2.4 Biến đổi ảnh Thuật ngữ biến đổi ảnh thường dùng để nói tới lớp ma trận đơn vị kỹ thuật dùng để biến đổi ảnh 1.2.5 Biểu diễn ảnh Trong biểu diễn ảnh, người ta thường dùng phần tử đặc trưng ảnh pixel Các mơ hình biểu diễn ảnh cho thấy mơ tả logic hay định lượng tính chất hàm 1.3 CÁC ĐẶC TRƯNG CỦA ẢNH SỐ 1.3.1 Đặc trưng toàn cục cục - Đặc trưng toàn cục: ảnh biểu diễn véc tơ đặc trưng mơ tả thơng tin tồn ảnh - Đặc trưng cục bộ: ảnh biểu diễn dựa cấu trúc cục tập mơ tả đặc trưng cục trích chọn từ tập hợp vùng hình ảnh 1.3.2 Đặc trưng màu sắc Là đặc trưng bật sử dụng phổ biến ứng dụng xử lý ảnh Mỗi điểm ảnh (thơng tin màu sắc) biểu diễn không gian màu sắc chiều 1.3.3 Đặc trưng kết cấu Kết cấu cung cấp thông tin xếp mặt không gian màu sắc cường độ ảnh Kết cấu đặc trưng phân bố không gian mức cường độ khu vực lân cận với Kết cấu gồm kết cấu gốc hay nhiều kết cấu gộp lại C C R UT.L gọi texel 1.3.4 Đặc trưng hình dạng D Hình dạng ảnh hay vùng đặc trưng quan trọng việc xác định phân biệt ảnh nhận dạng mẫu Có hai kiểu đặc trưng hình dạng thường sử dụng: - Những đặc trưng dựa biên: sử dụng đường bao ngồi hình dạng - Những đặc trưng vùng: sử dung toàn vùng hình dạng 1.3.5 Đặc trưng cục bất biến Là điểm đặc trưng không thay đổi xoay ảnh, co giãn ảnh hay thay đổi cường độ sáng ảnh - SIFT: Là viết tắt cụn từ Scale-Invariant Feature Transform, thuật toán tiếng dùng để phát mô tả đặc trưng ảnh số - SURF: Là viết tắt cụm từ Speeded Up Robust Features, Được phát triển dựa thuật toán SIFT cải tiến tốc độ xử lý nhanh giải thuật SIFT 1.4 ĐỐI SÁNH ẢNH 1.4.1 Giới thiệu Đối sánh hai ảnh tìm vùng giống hai ảnh Thông thường, để đối sánh ảnh cần so sánh phần tử tạo nên nó, thay đối sánh pixel dẫn đến liệu đầu vào lớn ta giảm liệu đầu vào cách đưa vào đặc trưng hai ảnh tiến hành đối sánh đặc trưng 1.4.2 Các phương pháp đối sánh ảnh 1.4.2.1 Đối sánh ảnh theo vùng C C R UT.L Phương pháp gọi phương pháp tương quan hay đối sánh mẫu Phương pháp kết hợp đối sánh đặc trưng D đối sánh thành phần Cường độ xám ảnh sử dụng làm sở cho việc đối sánh ảnh 1.4.2.2 Đối sánh ảnh theo đặc trưng Phương pháp đối sánh dựa đặc trưng sử dụng biến đổi đột ngột giá trị mức xám tương ứng với đặc trưng ảnh làm sở để đối sánh cạnh, góc, điểm đặc trưng ảnh Kỹ thuật đối sánh dựa vào đặc trưng ảnh gồm bước chính: - Chọn điểm đặc trưng riêng biệt ảnh (cạnh, góc, điểm) ảnh riêng biệt - Xây dựng danh sách cặp điểm đặc trưng tương ứng dựa độ tương đồng - Tiến hành đối sánh trả kết tập điểm tương đồng phù hợp với mô hình đối tượng CHƯƠNG 2: CĂN CHỈNH VÀ CẮT GHÉP HÌNH ẢNH 2.1 TỔNG QUAN VỀ CĂN CHỈNH VÀ CẮT GHÉP HÌNH ẢNH Các thuật tốn ghép ảnh dùng để xếp hình ảnh ghép chúng vào hình ảnh ghép lớn liền mạch từ chuỗi hình ảnh cách thực song song lệnh thông qua ba giai đoạn Trong giai đoạn đầu, mối quan hệ tương ứng hình ảnh gốc thiết lập cách hiệu chỉnh trước thông số bên bên máy ảnh ước tính mơ hình chuyển động dựa pixel cách tính tốn luồng quang học, tương ứng C C R UT.L pixel, đối sánh đặc điểm thưa thớt Bước tiếp theo, sau thực phép biến đổi đăng ký ước tính hình ảnh, mặt D phẳng bảo vệ xác định cách chọn mặt phẳng hình ảnh Cuối cùng, hình ảnh chỉnh hợp với canvas lớn cách trộn pixel tương ứng giống vùng chồng chéo hình ảnh giữ nguyên pixel vùng khơng chồng chéo 2.2 MƠ HÌNH CHUYỂN ĐỘNG Trước đăng ký chỉnh hình ảnh, cần thiết lập mối quan hệ toán học ánh xạ tọa độ pixel từ hình ảnh sang hình ảnh khác Có thể có nhiều mơ hình chuyển động có tham số vậy, từ biến đổi 2D đơn giản, đến mơ hình phối cảnh phẳng, xoay camera 3D, biến dạng ống kính ánh xạ tới bề mặt phi phẳng 10 2.3.1.3 Phương pháp dựa đồ thị Mike Uyttendaele cộng xây dựng biểu đồ để ghép hình ảnh số đối tượng di chuyển qua vùng chồng chéo 2.3.1.4 Phương pháp dựa độ sâu (depth-based) Phương pháp dựa độ sâu kết hợp mơ hình chiếu camera phương pháp ước tính độ sâu, quan điểm ghép ảo trùng với hai đầu vào Để tổng hợp vùng không chồng chéo, màu phân đoạn, độ sâu truyền tới phân đoạn màu liền kề kết nối mặt mượt mà giữ nguyên khung hình ghép nối 2.3.2 Phương pháp dựa tính C C R UT.L Lowe trình bày mơ tả tính thưa thớt gọi biến đổi đặc trưng bất biến theo tỷ lệ (SIFT) SIFT chủ yếu bao D gồm bốn giai đoạn: Dị tìm cực trị khơng gian đo, lọc trích xuất điểm đặc biệt, gán định hướng cho điểm đặc trưng mô tả điểm đặc trưng Theo nhiều vấn đề phát triển lĩnh vực ghép ảnh, chủ yếu nhóm phân loại phương pháp cắt ghép dựa đặc điểm thành biến đổi đơn tồn cục biến đổi kết hợp cục Hình 2.1 Phân loại đường ghép dựa đặc điểm 11 2.3.2.1 Các phương pháp biến đổi đơn toàn cục Các phương pháp biến đổi toàn cục làm biến dạng chỉnh hình ảnh cách áp dụng mơ hình biến đổi giống Brown Lowe đề xuất phương pháp tiếp cận cột mốc (milestone approach), sử dụng kỹ thuật nhận dạng đối tượng dựa đặc điểm bất biến cục để đối sánh hình ảnh Để đáp ứng ứng dụng phức tạp giải vấn đề chỉnh hình ảnh chứa nhiều mặt phẳng vùng chồng lấn, Gao cộng trình bày mơ hình biến đổi đồng kép hình ảnh chia thành hai mặt phẳng chính, mặt phẳng tương ứng với phép biến đổi đồng ước tính Hơn C C R UT.L nữa, hình ảnh chia thành nhiều mặt phẳng, với mặt phẳng tương ứng với phép biến đổi affine D 2.3.2.2 Các phương pháp biến nạp lai cục Hình 2.2 Biến dạng chỉnh hình ảnh dựa lưới 2.3.3 Phương pháp tạo ảnh Panorama 2.3.2.2 Trích chọn điểm đặc trưng: 12 Khái niệm “Điểm đặc trưng cục bất biến SIFT” (ScaleInvariant Feature Transform): David G Lowe đưa hồi năm 2004 Ảnh đầu vào Quét vùng ảnh sai sai Xác định có phải điểm cực trị? C C R UT.L D Kiểm tra, lựa chọn điểm bật? Xác định hướng cho điểm bật Mô tả điểm bật Xuất kết Hình 2.3 Thuật tốn SIFT 13  Định vị điểm bật  Xác định hướng cho điểm bật  Mô tả điểm bật Các phép xử lý thực dị tìm gán tọa độ, kích thước, hướng cho điểm bật Các tham số yêu cầu hệ thống tọa độ cục 2D lặp lại để mơ tả vùng ảnh cục nhờ tạo bất biến tham số Bước tính tốn mơ tả cho mơt vùng ảnh cục mà có tính đặc trưng cao (bất biến với thay đổi khác độ sáng, thu – phóng ảnh, xoay) Cách tiếp cận dựa mơ hình thị giác sinh học, cụ thể mơ hình noron phức tạp hệ thống não Các noron C C R UT.L tương ứng với gradient hướng tần số không gian cụ thể, vị trí gradient võng mạc phép trượt D phạm vi nhỏ khung nhìn 2.3.2.3 Tạo ảnh Panorama: Trong tốn tạo ảnh Panorama, ma trận Homography tính từ tập cặp điểm bật tương ứng hai ảnh ban đầu so sánh đối chiếu bước hai Khi có bốn cặp điểm bật tương ứng khơng thẳng hàng, phương trình Ah=0 theo phương pháp DLT chuẩn hóa trình bày phần Trong đó, A ma trận có kích thước ×9 Từ đó, ta xác đinh ma trận h Với ma trận Homography tính từ bốn cặp điểm ngẫu nhiên, ta có d khoảng cách đo mức độ gần cặp điểm so sánh đối chiếu Với cặp điểm bật tương đồng (x,x^') d(a ⃗,b ⃗ ) khoảng cách hai vector, ta có cơng thức khoảng cách sau: d=d(x ⃗,H(x^' ) ⃗ )+d((x^' ) ⃗,Hx ⃗ ) (2.34) 14 Thuật toán chi tiết: Ma trận ảnh đầu vào Tạo i=1, ddistance i=i+1 Chọn cặp điểm bật tương đồng ngẫu nhiên C C R UT.L D Kiểm tra tính thẳng hàng? sai Tính ma trận Homography Tính d < ddistance? Xuất kết Hình 2.4 Thuật tốn tạo Panorama sai 15 2.4 KẾT LUẬN VÀ SO SÁNH C C R UT.L D Bảng 2.2 So sánh phương pháp trực tiếp 16 C C R UT.L Bảng 2.3 So sánh phương pháp dựa tính khác D Bảng 2.3 cho thấy so sánh chi tiết phương pháp Các phương pháp dựa đặc trưng ban đầu làm biến dạng chỉnh hình ảnh phương pháp biến đổi (đồng liên kết) Chúng không phân biệt vùng chồng chéo không chồng chéo, dẫn đến biến dạng tạo bóng mờ, đồng thời làm cong hình ảnh cách áp dụng phép biến đổi khác thành chồng chéo không chồng chéo, đồng thời hoạt động tốt hình ảnh hạn chế Hơn nữa, phương pháp khác tập trung vào việc tối ưu hóa đường cắt nối, thu kết tốt hơn, với phép tính phức tạp Cuối cùng, phương pháp tối ưu hóa chỉnh dựa lưới giới thiệu để giải tập liệu đầy thách thức, số phương pháp thuộc danh mục khác 17 áp dụng phương pháp Các phương pháp thiết kế ràng buộc trước khác để tối ưu hóa liên kết, khơng thể tránh biến dạng cục mối quan hệ kết nối ràng buộc khác D C C R UT.L 18 CHƯƠNG 3: THỬ NGHIỆM VÀ ĐÁNH GIÁ 3.1 ĐẶC TẢ CHƯƠNG TRÌNH Mục tiêu chương trình thực demo ghép hình ảnh tự động dựa đặc trưng Khi nhập hai hình ảnh với trường chồng chéo, có kết tranh tồn cảnh liền mạch rộng Chương trình sử dụng biến đổi tính bất biến theo tỷ lệ (SIFT) để trích xuất đặc trưng cục hình ảnh đầu vào Sau đó, sử dụng thuật tốn K láng giềng gần để phù hợp với đặc điểm Chương trình sử dụng đồng thuận mẫu ngẫu nhiên (Ransac) để tính tốn ma trận đồng nhất, sử C C R UT.L dụng để làm cong hình ảnh Cuối cùng, sử dụng ma trận có trọng số làm mặt nạ để trộn hình ảnh 3.2 D LỰA CHỌN CƠNG CỤ 3.2.1 Ngơn ngữ Python 3.2.2 Cấu trúc chương trình 3.3 CÁC BƯỚC TRIỂN KHAI 3.3.1 Đăng ký hình ảnh Trước đăng ký chỉnh hình ảnh, trước tiên ta phải xác định mơ hình chuyển động thích hợp liên quan đến tọa độ pixel hình ảnh với tọa độ pixel hình ảnh khác Sau đó, nên tìm thơng số mơ hình phương pháp bình phương tối thiểu sử dụng mơ hình cho độ vênh hình ảnh trước tiên trích xuất tính sau so khớp chúng lại với nhau, thường sử dụng kỹ thuật mạnh mẽ Ransac để 19 tính tốn tập hợp phần tử nội tốt Và cuối tính tốn ma trận đồng Các bước để đăng ký dựa hình ảnh bật Ta sử dụng Hình 3.1 làm hình ảnh thử nghiệm C C R UT.L Hình 3.1 Hình thử nghiệm Bước 1: Trích xuất điểm đặc trưng Chúng ta sử dụng SIFT để triển khai trích xuất đặc trưng D Hình 3.2 Hình ảnh đánh dấu keypoint 20 Bước 2: Đối sánh điểm đặc trưng Hình 3.3 Ảnh đối sánh 3.3.2 Trộn ảnh C C R UT.L Sau có ma trận Homography, D áp dụng cho hình ảnh nguồn để điều chỉnh độ cong vênh Một cách khả thi sử dụng hàm cv2.warpPerspective OpenCV Nhưng sử dụng cách này, có hình ảnh panorama hồn hảo liền mạch (Như Hình 34 cho thấy) Hình 3.4 Ảnh panorama ghép thơ 21 Hình 3.5 Cửa sổ làm mịn phiên bên trái C C R UT.L D Hình 3.6 Cửa sổ làm mịn phiên bên phải Kết cuối ảnh panorama hình thành sau: Hình 3.7 Ảnh kết cuối 22 3.4 ĐÁNH GIÁ Dựa vào kết chương trình thấy để ghép ảnh panorama phải đảm bảo nội dung hai ảnh phải tương tự từ 10% tới 20% trở lên Hai ảnh có vị trí chụp khác tìm điểm đặc trưng tương đồng tính tốn ma trận homography Giữa hai ảnh cần phải có điểm đặc trưng tương đồng để đủ điều kiện để thực thuật tốn RANSAC, từ tìm ma trận homography Và để khắc phục vấn đề ta cần phải tăng ngưỡng sử dụng đối sánh ảnh để có nhiều điểm tương đồng Số điểm tương đồng hai ảnh lớn ảnh kết nhận xác C C R UT.L Từ trường hợp thử nghiệm trên, kết luận bước thu nhận ảnh đầu vào đóng vai trị quan trọng D định đến kết đầu ảnh ghép Hình 3.8 Tập liệu thực nghiệm 23 Ghép ảnh nghiên cứu nhiều thập kỷ nhiều phương pháp đưa ra, hầu hết phương pháp hoạt động tốt tập liệu chuẩn (tức đường sở tự nhiên khơng có thị sai) số phương pháp cố gắng giải tập liệu khó khăn (ví dụ: đường sở rộng thị sai lớn) cách đưa thuật tốn phức tạp Trong đó, hầu hết ứng dụng thực tế sống hàng ngày lại thích hợp với giải pháp đơn giản ví dụ thiết bị phức tạp kết hợp với thuật toán đơn giản cân chỉnh máy ảnh Nhiều nghiên cứu liệu thực tế ghép nối phức tạp phương pháp chưa đủ D C C R UT.L 24 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Ghép hình ảnh kỹ thuật để tạo tranh tồn cảnh có độ phân giải cao từ tập hợp hình ảnh có trường chồng lên nhau, sử dụng rộng rãi để tạo đồ kỹ thuật số ảnh vệ tinh ngày Các thuật toán chỉnh hình ảnh ghép chúng thành ảnh tồn cảnh liền mạch thuật toán lâu đời sử dụng rộng rãi thị giác máy tính Luận văn trình bày tổng quan đặc trưng ảnh số phương pháp chỉnh cắt ghép hình ảnh tạo thành ảnh toàn cảnh panorama Các thực nghiệm tập liệu mẫu cho thấy tiềm C C R UT.L phương pháp áp dụng thực tế Hướng phát triển : D Chúng ta cố gắng sử dụng API OpenCV để triển khai bước cụ thể thuật tốn ghép Bỏi viết mã python túy, ta có nhiều quyền kiểm sốt chi tiết quy trình Bằng cách đó, dễ dàng điều chỉnh mã thơng số để có kết tốt Đồng thời, cần cải thiện thuật tốn hịa trộn Như trình bày phần phân tích kết quả, thuật tốn khơng đủ mạnh để ghép ảnh trở lên ... để tạo ảnh panorama với góc siêu rộng Vì lý tơi định chọn đề tài ? ?Nghiên cứu kỹ thuật ghép ảnh panorama từ nhiều đối tượng ảnh? ?? 2 MỤC TIÊU VÀ NHIỆM VỤ NGHIÊN CỨU 2.1 Mục tiêu Nghiên cứu phương... dụng để ghép ảnh panorama ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU 3.1 Đối tượng nghiên cứu C C R UT.L - Các hình ảnh kỹ thuật số chất lượng cao - Các thuật toán kỹ thuật nhận dạng, chỉnh hình ảnh D -... ảnh - Các phương pháp ghép ảnh 3.2 Phạm vi nghiên cứu Nghiên cứu thuật toán ghép ảnh phương pháp ghép ảnh PHƯƠNG PHÁP NGHIÊN CỨU 4.1 Phương nghiên cứu tài liệu - Tìm hiểu báo ngồi nước ghép ảnh