1.1. Xử lý ảnh là gì?Con người thu nhận thông tin qua các giác quan, trong đó thị giác đóng vai trò quan trọng nhất. Những năm trở lại đây với sự phát triển của phần cứng máy tính, xử lý ảnh và đồ họa đó phát triển một cách mạnh mẽ và có nhiều ứng dụng trong cuộc sống. Xử lý ảnh và đồ họa đóng một vai trò quan trọng trong tương tác người máy.Quá trình xử lý ảnh được xem như là quá trình thao tác ảnh đầu vào nhằm có kết quả mong muốn. Kết quả đầu ra của một quá trình xử lý ảnh có thể là một ảnh tốt hơn hoặc một kết luận. Hình 1.1: Quá trình xử lý ảnhẢnh có thể xem là tập hợp các điểm ảnh và mỗi điểm ảnh được xem như là đặc trung cường độ sáng hay một dấu hiệu nào đó tại một vị trí nào đó của đối tượng trong không gian và nó có thể xem như một hàm n biến P(c1, c2,…cn). Do đó, ảnh trong xử lý ảnh có thể xem như ảnh n chiều.Sơ đồ tổng quát của một hệ thống xử lý ảnh: Hình 1.2: Sơ đồ tổng quát của một hệ thống xử lý ảnh1.2. Các vấn đề cơ bản trong xử lý ảnh1.2.1. Một số khái niệm cơ bảna) Pixel (Picture Element): Là một phần tử của ảnh số tại tọa độ (x, y) với độ xám hoặc màu nhất định. Kích thước và khoảng cách đó được chọn thích hợp sao cho mắt người cảm nhận được liên tục về không gian và mức xám (hoặc màu) của ảnh số gần như ảnh thật. Mỗi phần tử trong ma trận được gọi là phần tử ảnh. Hình 1.3: Hình ảnh Pixelb) Mức xám, màuMột điểm ảnh (pixel) có hai đặc trưng cơ bản là vị trí (x, y) của điểm ảnh và độ xám của nó. Dưới đây chúng ta xem xét một số khái niệm và thuật ngữ thường dùng trong xử lý ảnh. Định nghĩa: Mức xám của điểm ảnh là cường độ sáng của nó được gán bằng giá trị số tại điểm đó. Các thang giá trị mức xám thông thường: 16, 32, 64, 128, 256 (Mức 256 là mức phổ dụng. Lý do: từ kỹ thuật máy tính dùng 1 byte (8 bit) để biểu diễn mức xám: Mức xám dùng 1byte biểu diễn: 28=256 mức, tức là từ 0 đến 255). Ảnh đen trắng: là ảnh có hai màu đen, trắng (không chứa màu khác) với mức xám ở các điểm ảnh có thể khác nhau. Ảnh nhị phân: ảnh chỉ có 2 mức đen trắng phân biệt tức dùng 1 bit mô tả 21 mức khác nhau. Nói cách khác: mỗi điểm ảnh của ảnh nhị phân chỉ có thể là 0 hoặc 1. Ảnh màu: trong khuôn khổ lý thuyết ba màu (Red, Blue, Green) để tạo nên thế giới màu, người ta thường dùng 3 byte để mô tả mức màu, khi đó các giá trị màu: 283=224≈ 16,7 triệu màu.c) Nắn chỉnh biến dạngẢnh thu được thường bị biến dạng do các thiết bị quang học và điện tử. Hình 1.4: Ảnh thu nhận và ảnh mong muốnĐể khắc phục người ta sử dụng các phép chiếu, các phép chiếu thường được xây dựng trên tập các điểm điều khiển.c) Khử nhiễuCó 2 loại nhiễu cơ bản trong quá trình thu nhận ảnh Nhiễu hệ thống: là nhiễu có quy luật có thể khử bằng phép biến đổi. Nhiễu ngẫu nhiên: vết bẩn không rõ nguyên nhân → khắc phục bằng các phép lọcd) Chỉnh mức xámNhằm khắc phục tính không đồng đều của hệ thống gây ra. Thông thường có hai hướng tiếp cận: Giảm số mức xám: Thực hiện bằng cách nhóm các mức xám gần nhau thành một bó. Trường hợp chỉ có 2 mức xám thì chính là chuyển về ảnh đen trắng. Ứng dụng: in ảnh màu ra máy in đen trắng. Tăng số mức xám: Thực hiện bằng cách nhóm các mức xám trung gian bằng kỹ thuật nội suy. Kỹ thuật này nhằm tăng cường độ mịn cho ảnh.1.2.2. Phân tích ảnhLà khâu quan trọng trong quá trình xử lý ảnh để tiến tới hiểu ảnh. Trong phân tích ảnh việc trích chọn đặc điểm là một bước quan trọng. Các đặc điểm của đối tượng được trích chọn tùy theo mục đích nhận dạng trong quá trình xử lý ảnh. Có thể nêu ra một số đặc điểm của ảnh sau đây:a) Đặc điểm không gian: Phân bố mức xám, phân bố xác suất, biên độ, điểm uốn,…b) Đặc điểm biến đổi: Các đặc điểm này được trích chọn bằng việc thực hiện lọc vùng (zonal filtering). Các bộ vùng được gọi là “mặt nạ đặc điểm” (feature mask) thường là các khe hẹp với hình dạng khác nhau (chữ nhật, tam giác, cung tròn,…)c) Đặc điểm biên và đường biên: Đặc trưng cho đường biên của đối tượng và do vậy rất hữu ích trong việc trích chọn các thuộc tính bất biến được dùng để nhận dạng đối tượng. Các đặc điểm này có thể được trích chọn nhờ toán tử Gradient, toán tử la bàn, toán tử Laplace, toán tử chéo không (zero crossing),…Việc trích chọn hiệu quả các đặc điểm giúp cho việc nhận dạng các đối tượng ảnh chính xác, với tốc độ tính toán cao và dung lượng nhớ lưu trữ giảm xuống.d) Nhận dạng ảnh:Nhận dạng tự động (Automatic Recognition), mô tả đồi tượng, phân loại và phân nhóm các mẫu là những vấn đề quan trọng trong thị giác máy, được ứng dụng trong nhiều ngành khoa học khác nhau. Tuy nhiên, một câu hỏi đặt ra là: mẫu (Pattern) là gì? Watanabe, một trong những người đi đắu trong lĩnh vực này đã định nghĩa: “Ngược lại với hỗn loạn (chaos), mẫu là một thực thể (entity), được xác định một cách ang áng (vaguely defined) và có thể gán cho nó một tên gọi nào đó”. Ví dụ mẫu có thể là ảnh của vân tay, ảnh của một vật nào đó được chụp, một chữ viết, khuôn mặt người hoặc một ký đồ tín hiệu tiếng nói. Khi biết một mẫu nào đó, để nhận dạng hoặc phân loại mẫu đó có thể□ Có hai cách nhận dạng sau: Phân loại có mẫu (Supervised Classification): trong đó mẫu đầu vào được định danh như một thành phần của một lớp đã xác định. Phân loại không có mẫu (Unsupervised Classification): Trong đó các mẫu được gán vào các lớp khác nhau dựa trên một tiêu chuẩn đồng dạng nào đó. Các lớp này cho đến thời điểm phân loại vẫn chưa biết hay chưa được định danh.□ Hệ thống nhận dạng tự động gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau: Thu thập dữ liệu và tiền xử lý Biểu diễn dữ liệu Nhận dạng, ra quyết định□ Bốn cách tiếp cận khác nhau trong lý thuyết nhận dạng là: Đối sách mẫu dựa trên các đặc trưng được trích chọn Phân loại thống kê Đối sách cấu trúc Phân loại dựa trên mạng neuron nhân tạoTrong các ứng dựng rõ ràng là không thể chỉ dùng có một cách tiếp cận đơn lẻ đế phân loại “tối ưu” do vậy cẩn sử dụng cùng một lúc nhiều phương pháp và cách tiếp cận khác nhau. Do vậy, các phương thức phân loại tổ hợp hay được sử dụng khi nhận dạng và nay đã có những kết quả có triển vọng dựa trên thiết kê các hệ thống lai (hybrid system) bao gồm nhiều mô hình kết hợp.Việc giải quyết bài coán nhận dạng trong những ứng dụng mới, nảy sinh trong cuộc sống không chỉ tạo ra những thách thức về thuật giải, mà còn đặt ra những yêu cầu về tốc độ tính toán. Đặc điểm chung của tất cả những ứng dụng đó là những đặc điểm đặc trưng cần thiết thường là nhiều, không thể do chuyên gia đề xuất, mà phải được trích chọn dựa trên các thủ tục phân tích dữ liệu. CHƯƠNG 2: CÁC KỸ THUẬT NÂNG CAO CHẤT LƯỢNG ẢNH2.1. Các kỹ thuật xử lý nâng cao chất lượng ảnh2.1.1. Sử dụng toán tử điểmLà những phép toán không phụ thuộc vào vị trí điểm ảnha) Tăng giảm độ sángGiả sử ta có ảnh I kích thước m x n và số nguyên c, khi đó kỹ thuật tăng giảm độ sáng được thể hiện: I i, j = I i, j + c; ∀ (i, j)for (i = 0; i < m; i + +)for (j = 0; j < n; j + +)I i, j = Ii, j + c;Chú ý: nếu c > 0 : ảnh sáng lên nếu c < 0 : ảnh tối đib) Biến đổi tần suấtc) Thống kê tần suất2.1.2. Cân bằng HistogramẢnh I được gọi là cân bằng lý tưởng nếu với mọi mức xám g, g’ta có h(g) = h(g’)Giả sử ta có ảnh I ~ kích thước m x n new_level ~ số mức xám của ảnh cân bằng TB= (m x n)(new_level) ~ số điểm ảnh trung bình của mỗi mức xám của ảnh cân bằng t(g) = ∑_(i=0)g▒〖h(i)〗 ~ số điểm ảnh có mức xám ≤gXác định hàm f(g)Sao cho f(g)=max{0,round((t(g))TB)1}Ví dụ: Cân bằng ảnh I sau với new_level = 4 2.1.3. Tách ngưỡngGiả sử ta có ảnh I ~ kích thước m x n, hai số Min, Max và ngưỡng θkhi đó: Kỹ thuật tách ngưỡng được thể hiệnfor (i = 0; i < m; i + +)for (j = 0; j < n; j + +)I i, j = I i, j ≥ θ? Max : Min;Ứng dụng: Nếu Min = 0, Max = 1 kỹ thuật chuyển ảnh thành ảnh đen trắng được ứng dụng khi quét và nhận dạng văn bản có thể xảy ra sai sót nền thành ảnh hoặc ảnh thành nền dẫn đến ảnh bị đứt nét hoặc dính.2.1.4. Lọc trung vịCho dãy x1; x2...; xn„ đơn điệu tăng (giảm). Khi đó trung vị của dãy ký hiệu là Med({xn}), được định nghĩa:+ Nếu n lẻ: x n2+1+ Nếu n chẵn: xn2 hoặc x n2+1Kỹ thuật lọc trung vịGiả sử ta có ảnh I ngưỡng θ cửa sổ W(P) và điểm ảnh PKhi đó kỹ thuật lọc trung vị phụ thuộc không gian bao gồm các bước cơ bản sau:. bước 1: Tìm trung vị . bước 2: Gán giá trị Ví dụ: W=(3 x 3), θ = 2, Giá trị 16 sau phép lọc có giá trị 2, các giá trị còn lại không thay đổi giá trị.2.1.5. Bó cụmKỹ thuật nhằm giảm bớt số mức xám của ảnh bằng cách nhóm lại số mức xám gần nhau thành một nhóm.Nếu chỉ có hai nhóm thì chính là kỹ thuật tách ngưỡng. Thông thường có nhiều nhóm với kích thước khác nhau.Để tổng quát khi biến đổi người ta sẽ lấy cùng một kích thước bunch_size Ii, j = Ii, j bunch_sizebunch_size ∀(i, j)Ví dụ: Bó cụm ảnh sau với bunch_size = 3 , 2.2. Thực hành bằng phần mềm Matlab2.2.1. Đề bàiViết chương trình Matlab để thực hiện yêu cầu sau: “Sử dụng kỹ thuật bó cụm để làm giảm số mức xám của ảnh cho trước”
MỤC LỤC LỜI CẢM ƠN Kính gửi đến thầy TS Nguyễn Đắc Hải (khoa Điện Tử, trường Đại học Công Nghiệp Hà Nội) lời cảm ơn chân thành sâu sắc Cảm ơn thầy tận tình hướng dẫn, dạy chúng em môn “Xử lý ảnh số” suốt trình học thực tiểu luận Chúng em xin trình bày tiểu luận mơn học “Xử lý ảnh số” với đề tài “Nghiên cứu xử lý ảnh số, nâng cao chất lượng ảnh kỹ thuật bó cụm” Do cịn hạn chế thời gian kiến thức nên nghiên cứu, tìm hiểu mang tính tổng quan, định tính có nhiều kiến thức nên khơng tránh khỏi sai sót Chúng em mong góp ý, bảo thầy để tiểu luận đạt kết tốt Hà Nội, ngày 11 tháng 09 năm 2020 Học viên thực Nguyễn Anh Tuấn Phạm Văn Thành Nguyễn Thị Thu Hiền CHƯƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH 1.1 Xử lý ảnh gì? Con người thu nhận thơng tin qua giác quan, thị giác đóng vai trị quan trọng Những năm trở lại với phát triển phần cứng máy tính, xử lý ảnh đồ họa phát triển cách mạnh mẽ có nhiều ứng dụng sống Xử lý ảnh đồ họa đóng vai trò quan trọng tương tác người máy Quá trình xử lý ảnh xem trình thao tác ảnh đầu vào nhằm có kết mong muốn Kết đầu trình xử lý ảnh ảnh tốt kết luận Hình 1.1: Quá trình xử lý ảnh Ảnh xem tập hợp điểm ảnh điểm ảnh xem đặc trung cường độ sáng hay dấu hiệu vị trí đối tượng khơng gian xem hàm n biến P(c1, c2,…cn) Do đó, ảnh xử lý ảnh xem ảnh n chiều Sơ đồ tổng quát hệ thống xử lý ảnh: Hình 1.2: Sơ đồ tổng quát hệ thống xử lý ảnh 1.2 Các vấn đề xử lý ảnh 1.2.1 Một số khái niệm a) Pixel (Picture Element): Là phần tử ảnh số tọa độ (x, y) với độ xám màu định Kích thước khoảng cách 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 Hình 1.3: Hình ảnh Pixel b) Mức xám, màu Một điểm ảnh (pixel) có hai đặc trưng vị trí (x, y) điểm ảnh độ xám Dưới xem xét số khái niệm thuật ngữ thường dùng xử lý ảnh - Định nghĩa: Mức xám điểm ảnh cường độ sáng gán giá trị số điểm - 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 1byte biểu diễn: 28=256 mức, tức từ đến 255) - Ảnh đen trắng: ảnh có hai màu đen, trắng (khơng chứa màu khác) với mức xám điểm ảnh khác - Ảnh nhị phân: ảnh có mức đen trắng phân biệt tức dùng bit mô tả 21 mức khác Nói cách khác: điểm ảnh ảnh nhị phân - Ảnh màu: khuôn khổ lý thuyết ba màu (Red, Blue, Green) để tạo nên giới màu, người ta thường dùng byte để mô tả mức màu, giá trị màu: 28*3=224≈ 16,7 triệu màu c) Nắn chỉnh biến dạng Ảnh thu thường bị biến dạng thiết bị quang học điện tử Hình 1.4: Ảnh thu nhận ảnh mong muốn Để khắc phục người ta sử dụng phép chiếu, phép chiếu thường xây dựng tập điểm điều khiển c) Khử nhiễu Có loại nhiễu trình thu nhận ảnh - Nhiễu hệ thống: nhiễu có quy luật khử phép biến đổi - Nhiễu ngẫu nhiên: vết bẩn không rõ nguyên nhân → khắc phục phép lọc d) Chỉnh mức xám Nhằm khắc phục tính không đồng hệ thống gây Thông thường có hai hướng tiếp cận: - Giảm số mức xám: Thực cách nhóm mức xám gần thành bó Trường hợp có mức xám chuyển ảnh đen trắng Ứng dụng: in ảnh màu máy in đen trắng - Tăng số mức xám: Thực cách nhóm mức xám trung gian kỹ thuật nội suy Kỹ thuật nhằm tăng cường độ mịn cho ảnh 1.2.2 Phân tích ảnh Là khâu quan trọng q trình xử lý ảnh để tiến tới hiểu ảnh Trong phân tích ảnh việc trích chọn đặc điểm bước quan trọng Các đặc điểm đối tượng trích chọn tùy theo mục đích nhận dạng q trình xử lý ảnh Có thể nêu số đặc điểm ảnh sau đây: a) Đặc điểm không gian: Phân bố mức xám, phân bố xác suất, biên độ, điểm uốn,… b) Đặc điểm biến đổi: Các đặc điểm trích chọn việc thực lọc vùng (zonal filtering) Các vùng gọi “mặt nạ đặc điểm” (feature mask) thường khe hẹp với hình dạng khác (chữ nhật, tam giác, cung trịn,…) c) Đặc điểm biên đường biên: Đặc trưng cho đường biên đối tượng hữu ích việc trích chọn thuộc tính bất biến dùng để nhận dạng đối tượng Các đặc điểm trích chọn nhờ tốn tử Gradient, toán tử la bàn, toán tử Laplace, toán tử chéo khơng (zero crossing),… Việc trích chọn hiệu đặc điểm giúp cho việc nhận dạng đối tượng ảnh xác, với tốc độ tính tốn cao dung lượng nhớ lưu trữ giảm xuống d) Nhận dạng ảnh: Nhận dạng tự động (Automatic Recognition), mô tả đồi tượng, phân loại phân nhóm mẫu vấn đề quan trọng thị giác máy, ứng dụng nhiều ngành khoa học khác Tuy nhiên, câu hỏi đặt là: mẫu (Pattern) gì? Watanabe, người đắu lĩnh vực định nghĩa: “Ngược lại với hỗn loạn (chaos), mẫu thực thể (entity), xác định cách ang (vaguely defined) gán cho tên gọi đó” Ví dụ mẫu ảnh vân tay, ảnh vật chụp, chữ viết, khn mặt người ký đồ tín hiệu tiếng nói Khi biết mẫu đó, để nhận dạng phân loại mẫu □ Có hai cách nhận dạng sau: - Phân loại có mẫu (Supervised Classification): mẫu đầu vào định danh thành phần lớp xác định - Phân loại mẫu (Unsupervised Classification): Trong mẫu gán vào lớp khác dựa tiêu chuẩn đồng dạng Các lớp thời điểm phân loại chưa biết hay chưa định danh □ Hệ thống nhận dạng tự động gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau: - Thu thập liệu tiền xử lý - Biểu diễn liệu - Nhận dạng, định □ Bốn cách tiếp cận khác lý thuyết nhận dạng là: - Đối sách mẫu dựa đặc trưng trích chọn - Phân loại thống kê - Đối sách cấu trúc - Phân loại dựa mạng neuron nhân tạo Trong ứng dựng rõ ràng khơng thể dùng có cách tiếp cận đơn lẻ đế phân loại “tối ưu” cẩn sử dụng lúc nhiều phương pháp cách tiếp cận khác Do vậy, phương thức phân loại tổ hợp hay sử dụng nhận dạng có kết có triển vọng dựa thiết kê hệ thống lai (hybrid system) bao gồm nhiều mơ hình kết hợp Việc giải coán nhận dạng ứng dụng mới, nảy sinh sống không tạo thách thức thuật giải, mà đặt yêu cầu tốc độ tính tốn Đặc điểm chung tất ứng dụng đặc điểm đặc trưng cần thiết thường nhiều, chuyên gia đề xuất, mà phải trích chọn dựa thủ tục phân tích liệu CHƯƠNG 2: CÁC KỸ THUẬT NÂNG CAO CHẤT LƯỢNG ẢNH 2.1 Các kỹ thuật xử lý nâng cao chất lượng ảnh 2.1.1 Sử dụng toán tử điểm Là phép toán khơng phụ thuộc vào vị trí điểm ảnh a) Tăng giảm độ sáng Giả sử ta có ảnh I kích thước m x n số nguyên c, kỹ thuật tăng giảm độ sáng thể hiện: I [i, j] = I [i, j] + c; ∀ (i, j) for (i = 0; i < m; i + +) for (j = 0; j < n; j + +) I [i, j] = I[i, j] + c; Chú ý: c > : ảnh sáng lên c < : ảnh tối b) Biến đổi tần suất c) Thống kê tần suất 2.1.2 Cân Histogram Ảnh I gọi cân lý tưởng với mức xám g, g’ ta có h(g) = h(g’) Giả sử ta có ảnh I ~ kích thước m x n new_level ~ số mức xám ảnh cân ~ số điểm ảnh trung bình mức xám ảnh cân t(g) = ~ số điểm ảnh có mức xám ≤g Xác định hàm f(g) Sao cho f(g)=max{0,round( Ví dụ: Cân ảnh I sau với new_level = 2.1.3 Tách ngưỡng Giả sử ta có ảnh I ~ kích thước m x n, hai số Min, Max ngưỡng θ đó: Kỹ thuật tách ngưỡng thể for (i = 0; i < m; i + +) for (j = 0; j < n; j + +) I [i, j] = I [i, j] ≥ θ? Max : Min; Ứng dụng: Nếu Min = 0, Max = kỹ thuật chuyển ảnh thành ảnh đen trắng ứng dụng quét nhận dạng văn xảy sai sót thành ảnh ảnh thành dẫn đến ảnh bị đứt nét dính 2.1.4 Lọc trung vị Cho dãy x1; x2 ; xn„ đơn điệu tăng (giảm) Khi trung vị dãy ký hiệu Med({xn}), định nghĩa: + Nếu n lẻ: x + Nếu n chẵn: x[ x Kỹ thuật lọc trung vị Giả sử ta có ảnh I ngưỡng θ cửa sổ W(P) điểm ảnh P Khi kỹ thuật lọc trung vị phụ thuộc không gian bao gồm bước sau: bước 1: Tìm trung vị bước 2: Gán giá trị Ví dụ: W=(3 x 3), θ = 2, Giá trị 16 sau phép lọc có giá trị 2, giá trị cịn lại khơng thay đổi giá trị 2.1.5 Bó cụm Kỹ thuật nhằm giảm bớt số mức xám ảnh cách nhóm lại số mức xám gần thành nhóm Nếu có hai nhóm kỹ thuật tách ngưỡng Thơng thường có nhiều nhóm với kích thước khác 10 Để tổng quát biến đổi người ta lấy kích thước bunch_size I[i, j] = I[i, j] / bunch_size*bunch_size ∀(i, j) Ví dụ: Bó cụm ảnh sau với bunch_size = , 2.2 Thực hành phần mềm Matlab 2.2.1 Đề Viết chương trình Matlab để thực yêu cầu sau: “Sử dụng kỹ thuật bó cụm để làm giảm số mức xám ảnh cho trước” Cho đầu vào ảnh Input “bocum.jpg” hình Ảnh đầu vào chuyển sang gray “Input”: 11 Ảnh kết sau sử dụng kỹ thuật bó cụm “Output”: 2.2.2 Code chương trình: function [ out ] = Bocum( iminput,bunch_size ) bunch_size = 3; iminput= imread('bocum.jpg'); gray = rgb2gray(iminput); subplot(121); %vi tri anh Input imshow(gray); title('Input'); a=size(iminput); out=iminput; for i=1:a(1) %chay tu hang i 12 for j=1:a(2) %chay tu cot j out(i,j)=floor(out(i,j)/bunch_size); out(i,j)=out(i,j)*bunch_size; end end %in anh subplot(122); %vi tri xuat anh Output imshow(out); title('Output'); %ten hien thi cua anh Output end 13 TÀI LIỆU THAM KHẢO [1] Đỗ Năng Tồn, Giáo trình Xử lý ảnh, Học viện CNBCVT, 2010 [2] Lương Mạnh Bá, Nguyễn Thanh Thuỷ, Nhập môn xử lý ảnh số Nhà xuất Khoa học Kỹ thuật, 1999 [3] Nguyễn Kim Sách Xử lý ảnh Video số Nhà xuất Khoa học Kỹ thuật, 1997 [4] Matlab & Simulink 14 ... em mơn ? ?Xử lý ảnh số? ?? suốt q trình học thực tiểu luận Chúng em xin trình bày tiểu luận mơn học ? ?Xử lý ảnh số? ?? với đề tài ? ?Nghiên cứu xử lý ảnh số, nâng cao chất lượng ảnh kỹ thuật bó cụm? ?? Do... CÁC KỸ THUẬT NÂNG CAO CHẤT LƯỢNG ẢNH 2.1 Các kỹ thuật xử lý nâng cao chất lượng ảnh 2.1.1 Sử dụng tốn tử điểm Là phép tốn khơng phụ thuộc vào vị trí điểm ảnh a) Tăng giảm độ sáng Giả sử ta có ảnh. .. trình Xử lý ảnh, Học viện CNBCVT, 2010 [2] Lương Mạnh Bá, Nguyễn Thanh Thuỷ, Nhập môn xử lý ảnh số Nhà xuất Khoa học Kỹ thuật, 1999 [3] Nguyễn Kim Sách Xử lý ảnh Video số Nhà xuất Khoa học Kỹ thuật,