Đồ án Xây dựng ứng dụng phát hiện phần khác biệt giữa hai ảnh

Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp MỤC LỤC LỜI CẢM ƠN MỞ ĐẦU CHƯƠNG 1: TỔNG QUAN VỀ ĐỐI SÁNH ẢNH 1.1 Ảnh số 1.2 Một số kỹ thuật tiền xử lý ảnh 1.2.1 Biến đổi ảnh 1.2.2 Nhị phân hóa 1.2.3 Lọc nhiễu 1.2.4 Kỹ thuật tìm biên 13 1.2.5 Kỹ thuật trừ ảnh 16 CHƯƠNG 2: TRƯNG CĂN CHỈNH ẢNH DỰA TRÊN ĐỐI SÁNH ĐẶC 26 2.1 Giới thiệu chỉnh ảnh 26 2.2 Các phép biến đổi đồ họa 27 2.2.1 Các phép biến đổi hình học chiều 27 2.2.2 Phép biến đổi hình học 3D 35 2.3 Căn chỉnh ảnh dựa đối sánh đặc trưng 40 2.3.1 Thuật toán ORB 40 2.3.2 Tìm ma trận tương đồng 50 CHƯƠNG 3: defined CHƯƠNG TRÌNH THỬ NGHIỆMError! Bookmark not 3.1 Giới thiệu OpenCV 55 3.2 Phát triển ứng dụng phát phần ảnh sai khác 57 3.2.1 Phát biểu toán 57 3.2.2 Triển khai sử dụng hàm OpenCV 57 Nguyễn Tiến Dũng _ CT1901C Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp 3.2.3 Một số kết 67 KẾT LUẬN 71 TÀI LIỆU THAM KHẢO 72 Nguyễn Tiến Dũng _ CT1901C Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp DANH SÁCH CÁC HÌNH ẢNH Hình 1.1 Một số kiểu đường biên thông dụng 13 Hình 1.2 Tốn tử Sobel 15 Hình 1.3 Tốn tử Prewitt 15 Hình 1.4 Tốn tử Robert 16 Hình 1.5 Các ảnh có biểu đồ màu nội dung khác 23 Hình 2.1 Phép biến đổi vị trí 29 Hình 2.2 Các phép đối xứng 2D 30 Hình 2.3 Phép biến dạng theo trục oy 31 Hình 2.4 Phép biến dạng theo trục ox 31 Hình 2.5 Phép quay 2D 32 Hình 2.6 Phép tịnh tiến 34 Hình 2.7 Phép tỷ lệ 34 Hình 2.8 Phép xoay 35 Hình 2.9 Phép tịnh tiến 3D 37 Hình 2.10 Phép tỷ lệ 37 Hình 2.11 Các phép biến dạng 3D 38 Hình 2.12 Xác định góc quay dương trục toạ độ 38 Hình 2.13 Quay quanh trục ox 39 Hình 2.14 Ví dụ kết đối sánh ảnh sử dụng thuật tốn ORB 41 Hình 2.15 Đồ thị cường độ nhiễu ảnh 44 Hình 2.16 Sự phân phối cân vector thuộc tính 46 Hình 2.17 Xác định tập điểm kiểm tra nhị phân 47 Hình 2.18 Hiệu suất đối sánh SIFT, SURF, BRIEF với FAST ORB 48 Hình 2.19 Thao tác đối sánh có nhiễu cho SIFT rBRIEF 49 Hình 2.20 Ví dụ thực tế đối sánh ảnh ORB 49 Hình 2.21 Phép chiếu Homography 51 Hình 3.1 Ảnh gốc bên trái ảnh cần chỉnh bên phải (vùng khoanh đỏ phần khác biệt ảnh) 57 Hình 3.2 Ảnh thứ chỉnh xám 59 Hình 3.3 Ảnh chứa đặc trưng tương đồng ( match feature) 60 Hình 3.4 Ảnh chỉnh ánh xạ gần tọa độ ảnh gốc 61 Hình 3.5 Ảnh sau dùng hàm diff 62 Hình 3.6 Ảnh sau sử dụng hàm diff, phân ngưỡng, lọc nhiễu để highlight phần khác biệt (bằng màu trắng đen) 64 Nguyễn Tiến Dũng _ CT1901C Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp Hình 3.7 Đây hai ảnh sau tìm khác biệt khoanh vùng hình chữ nhật màu đỏ 67 Hình 3.8 Ảnh gốc 67 Hình 3.9 Ảnh cần kiểm tra 68 Hình 3.10 Ảnh cần kiểm tra chỉnh ánh xạ gần tọa độ ảnh gốc 68 Hình 3.11 Ảnh chứa đặc trưng tương đồng ( match feature) 69 Hình 3.12 Ảnh sau sử dụng hàm diff, phân ngưỡng, lọc nhiễu để highlight phần khác biệt ảnh 69 Hình 3.13 Đây hai ảnh sau tìm khác biệt khoanh vùng hình chữ nhật màu đỏ 70 Nguyễn Tiến Dũng _ CT1901C Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp MỞ ĐẦU Trong ngành sản xuất, hình ảnh thường sử dụng cho mục đích kiểm sốt chất lượng Trong ứng dụng vậy, chất lượng sản phẩm tốt, hình ảnh sản phẩm hồn tồn giống với hình ảnh sản phẩm có chất lượng tốt Do đó, so sánh hình ảnh nhiệm vụ kiểm soát chất lượng dựa hình ảnh Tuy nhiên, vấn đề phức tạp theo nghĩa hình ảnh quan sát thường có nhiễu hình ảnh xử lý cần phải khớp với mặt hình học hình ảnh sản phẩm khơng khớp mặt hình học, thực tế sản phẩm để cập nhập lên có nhiều góc chụp khác hình ảnh sản phẩm thường khơng hồn tồn giống Vấn đề gọi chỉnh hình ảnh vấn đề thứ hai gọi trừ ảnh Để giải vấn đề em trình bày ứng dụng phát phần khác biệt hai ảnh ứng dụng kiểm tra tự động sản phẩm lỗi Nội dung đề tài bao gồm ba chương:  Chương 1: Tổng quan đổi sánh ảnh  Chương 2: Căn chỉnh ảnh dựa đối sánh thuộc tính  Chương 3: Chương trình thử nghiệm Nguyễn Tiến Dũng _ CT1901C Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp CHƯƠNG 1: TỔNG QUAN VỀ ĐỐI SÁNH ẢNH 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 Số điểm ảnh xác định độ phân giải ảnh Ảnh có độ phân giải cao thể rõ nét đặc điểm hình làm cho ảnh trở nên thực sắc nét Ảnh biểu diễn theo hai mơ hình: mơ hình Vector mơ hình Raster  Mơ hình Vector: Ngồi mục đích tiết kiệm không gian lưu trữ, dễ dàng hiển thị in ấn, ảnh biểu diễn theo mơ hình vector cịn có ưu điểm cho phép dễ dàng lựa chọn, chép, di chuyển, tìm kiếm…Theo yêu cầu kỹ thuật biểu diễn vector tỏ ưu việt Trong mơ hình này, người ta sử dụng hướng vector điểm ảnh lân cận để mã hóa tái tạo lại hình ảnh ban đầu Các ảnh vector thu nhận trực tiếp từ thiết bị số hóa Digitalize chuyển đổi từ ảnh Raster thơng qua chương trình vector hóa  Mơ hình Raster: mơ hình biểu diễn ảnh thơng dụng Ảnh biểu diễn dạng ma trận điểm ảnh Tùy theo nhu cầu thực tế mà điểm ảnh biểu diễn hay nhiều bit Mơ hình Raster thuận lợi cho việc thu nhận, hiển thị in ấn Các ảnh sử dụng phạm vi đề tài ảnh biểu diễn theo mơ hình Raster 1.2 Một số kỹ thuật tiền xử lý ảnh 1.2.1 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 Cũng tín hiệu Nguyễn Tiến Dũng _ CT1901C Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp chiều biểu diễn chuỗi hàm sở, ảnh biểu diễn số chuỗi rời rạc ma trận sở gọi ảnh sở Phương trình ảnh sở có dạng: A*ₖ,ₗ = aₖ*aₗ*T (1-1) Với ak cột thứ k cửa ma trận A A ma trận đơn vị Có nghĩa AA*T=1 Các A*k,l định nghĩa với k,l = 0, 1, 2, …, N-1 ảnh sở Có nhiều loại biến đổi dùng như:  Biến đổi Fourier, Sin, Cosin, Hadamard…  Tích Kronecker  Biến đổi KL (Krhumen loeve) Do phải xử lý nhiều thông tin, phép toán nhân cộng khai triển lớn Do phép biến đổi nhằm giảm thứ nguyên ảnh để việc xử lý ảnh hiệu 1.2.2 Nhị phân hóa Là trình biến đổi ảnh xám thành ảnh nhị phân  Ta gọi giá trị cường độ sáng điểm ảnh I(x,y)  INP(x,y) cường độ sáng điểm ảnh ảnh nhị phân  (Với < x < image.width) (0 < y < image.height) Để biến đổi ảnh xám thành ảnh nhị phân Ta so sánh giá trị cường độ sáng điểm ảnh với ngưỡng nhị phân T  Nếu I(x,y) > T INP(x, y) = (0)  Nếu I(x,y) > T INP(x, y) = 255 (1) Nguyễn Tiến Dũng _ CT1901C Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp Chú ý  Bạn hồn tồn chọn giá trị T từ đến 255, thông thường nhiều người hay chọn giá trị 128 tức giá trị trung bình max(255) min(0) cường độ sáng (Intensity) điểm ảnh  Bạn dễ dàng nhận thấy với T có ảnh nhị phân khác (Khác cường độ sáng ảnh nhị phân với giá trị T) 1.2.3 Lọc nhiễu Thơng thường ảnh thu nhận có nhiễu cần phải loại bỏ nhiễu hay ảnh không sắc nét bị mờ cần làm rõ chi tiết đường biên ảnh Các tốn tử khơng gian dùng kỹ thuật tăng cường ảnh phân nhóm theo công dụng: làm trơn nhiễu, biên Để làm trơn nhiễu hay tách nhiễu, người ta sử dụng lọc tuyến tính (lọc trung bình, thơng thấp) hay lọc phi tuyến (trung vị, giả trung vị, lọc đồng hình).Từ chất nhiễu (thường tương ứng với tần số cao) từ sở lý thuyết lọc là: lọc cho tín hiệu có tần số thơng qua đó, để lọc nhiễu người ta thường dùng lọc thông thấp (theo quan điểm tần số khơng gian) hay lấy tổ hợp tuyến tính để san (lọc trung bình) Để làm biên (ứng với tần số cao), người ta dùng lọc thông cao, lọc Laplace Để hiểu rõ kỹ thuật áp dụng, cần phải phân biệt loại nhiễu can thiệp trình xử lý ảnh Trên thực tế tồn nhiều loại nhiễu thay đổi độ nhạy cảm biến, biến đổi môi trường, sai số q trình lượng tử hóa, sai số kênh truyền…; nhiên người ta thường xem xét loại nhiễu phổ biến là: nhiễu cộng, nhiễu nhân nhiễu xung: Nguyễn Tiến Dũng _ CT1901C Ứng dụng phát phần ảnh sai khác  Đồ án tốt nghiệp Nhiễu cộng (Additive noise): thường phân bố khắp ảnh biểu diễn bởi: Y=X+n  (1-2) Nhiễu nhân: thường phân bố khắp ảnh biểu diễn bởi: Y= X∗n (1-3)  Chú ý: với Y: ảnh quan sát, X: ảnh gốc n nhiễu  Nhiễu xung (Impulse noise): loại nhiễu đặc biệt sinh nhiều lý khác chẳng hạn: lỗi truyền tín hiệu, lỗi nhớ, hay lỗi định thời trình lượng tử hóa Nhiễu thường gây đột biến số điểm ảnh 1.2.3.1 Lọc trung bình khơng gian Với lọc trung bình, điểm ảnh thay trung bình trọng số điểm lân cận định nghĩa sau: v(m, n) = ∑ a(k, l)y(m − k, n − l) (1-4) (k,1)∈W Nếu kỹ thuật lọc trên, ta chọn trọng số nhau, phương trình có dạng: Với: v(m, n) = ∑ a(k, l)y(m − k, n − l) N  y(m,n): ảnh đầu vào  V(m,n):ảnh đầu Nguyễn Tiến Dũng _ CT1901C (1-5) (k,1)∈W 10 Ứng dụng phát phần ảnh sai khác   Đồ án tốt nghiệp A(k,l):là trọng số lọc ak.l = N Nw số điểm ảnh cửa sổ lọc W Lọc trung bình có trọng số thực chập ảnh đầu vào với nhân chập H Nhân chập H trường hợp có dạng: 1 1 H = [ 1 1] 1 (1-6) Trong lọc trung bình, thường người ta ưu tiên cho hướng để bảo vệ biên ảnh khỏi bị mờ làm trơn ảnh Các kiểu mặt nạ sử dụng tùy theo trường hợp khác Các lọc lọc tuyến tính theo nghĩa điểm ảnh tâm cửa số thay tổ hợp điểm lân cận chập với mặt nạ Giả sử ảnh đầu vào biểu diễn ma trận: I= [5 7 7 1 7 1 2] (1-7) Ảnh số thu lọc trung bình Y=H⊗I có dạng: 23 35 Y = 36 36 [24 26 39 43 48 35 31 46 49 48 33 19 31 34 34 22 16 27 27 22 11] (1-8) Lọc trung bình trọng số trường hợp riêng lọc thông thấp Nguyễn Tiến Dũng _ CT1901C 11 Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp Đọc hình ảnh Đọc ảnh ảnh mẫu ảnh cần chỉnh có sẵn thư viện OpenCV Chỉnh xám Trong OpenCV sử dụng hàm CvtColor để thực chuyển ảnh đầu vào từ ảnh màu qua ảnh xám Cấu trúc hàm CvtColor OpenCV trình bày sau: Trong đó: - im1 đối số đầu vào - im1Gray đối số đầu - CV_BGR2GRAY code quy định chuyển đổi từ mã màu sang mã màu Ở ta thực việc chuyển đổi từ mã ảnh màu sang ảnh xám Nguyễn Tiến Dũng _ CT1901C 58 Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp Hình 3.2 Ảnh thứ chỉnh xám Bước 2: Phát đặc trưng (Dectect feature) Chúng ta cần phải tìm keypoints (feature points) hình ảnh Ở sử dụng ORB detect feature SIFT hay SUFT muốn dùng phải trả phí Lí phải chuyển ảnh ảnh xám bước đầu Mặc dù cần đặc trưng để tính tốn đồng nhất, thông thường hàng trăm đặc trưng phát hai hình ảnh Vậy nên cần kiểm sốt số lượng tính cách sử dụng tham số MAX_FEATURE Bước 3: Đối sánh đặc trưng (Matching Feature) Dựa vào mô tả điểm thuộc tính ảnh thứ thứ hai, ta tiến hành đối sánh hai ảnh dựa tập điểm Cuối hiển thị kết Nguyễn Tiến Dũng _ CT1901C 59 Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp khớp hình ảnh hình 3.3 ghi tệp vào đĩa để kiểm tra trực quan Sau sử dụng thuật tốn đo khoảng cách hamming tương tự thước đo hai thuộc tính mơ tả Các đặc trưng phù hợp hiển thị hình bên cách vẽ đường nối chúng Hình 3.3 Ảnh chứa đặc trưng tương đồng ( match feature) Lưu ý, có nhiều kết khớp khơng xác cần sử dụng phương pháp để tính tốn homography bước Nguyễn Tiến Dũng _ CT1901C 60 Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp Bước 4: Tính tốn ma trận Homography Một homography tính có điểm tương ứng trở lên hai hình ảnh Kết hợp thuộc tính tự động giải thích phần trước lúc tạo kết khớp xác 100% Khơng có lạ 20-30% khơng xác May mắn thay, phương pháp findHomography sử dụng kỹ thuật ước lượng mạnh mẽ gọi Đồng thuận mẫu ngẫu nhiên (RANSAC) tạo kết có số lượng lớn kết khớp xấu Bước 5: Khi tìm ma trận homography dùng warpPerspective để ánh xạ gần với tọa độ ảnh gốc Hình 3.4 Ảnh chỉnh ánh xạ gần tọa độ ảnh gốc Nguyễn Tiến Dũng _ CT1901C 61 Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp Tuy ảnh không giống 100% ảnh gốc với kết đạt so với ảnh ban đầu góp phần tăng độ xác lên 3.2.2.2 Trừ ảnh Bước Trừ ảnh Thao tác cần thực trừ ảnh Sẽ cần lấy ảnh đầu vào hay gọi ảnh thứ trừ ảnh gốc để ảnh có phần khác biệt ảnh (giá trị tuyệt đối) Ở hàm abdiff openCV sử dụng Cấu trúc hàm sau: Trong đó:  im1 ảnh thứ hay ảnh gốc  im2 ảnh thứ  error Image ảnh lấy từ ảnh trừ ảnh gốc để phần khác ảnh Hình 3.5 Ảnh sau dùng hàm diff Bước 2:Phân ngưỡng Nguyễn Tiến Dũng _ CT1901C 62 Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp Tiếp theo xác định đường viền sử dụng ngưỡng, thao tác chuyển qua ảnh nhị phân, hay cịn gọi phân ngưỡng Mục đích thao tác phân ngưỡng ảnh dùng để phục vụ cho việc tách đối tượng thuật toán Để thực việc phân ngưỡng, hàm threshold OpenCV sử dụng, hàm trình bày sau: Trong đó:  errorImage ảnh (sau sử dụng hàm diff) xám đầu vào  thresh ảnh đầu  giá trị ngưỡng gán pixel giá trị nhỏ giá trị ngưỡng  255 giá trị gán pixel giá trị lớn giá trị ngưỡng  THRESH_BINARY số xác định cách phân ngưỡng Tùy theo loại phân ngưỡng mà pixel gán giá trị khác nhau, ví dụ:  THRESH_BINARY: Nếu giá trị pixel lớn ngưỡng gán  maxval Ngược lại gán Phân đoạn ảnh dựa thuật toán nở vùng  THRESH_BINARY_INV: Nếu giá trị pixel lớn ngưỡng gán Ngược lại gán maxval  THRESH_TRUNC: Nếu giá trị pixel lớn ngưỡng gán giá trị ngưỡng Ngược lại giữ nguyên giá trị Bước 3:Lọc nhiễu Nguyễn Tiến Dũng _ CT1901C 63 Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp Tiếp theo lọc nhiễu cho ảnh Để lọc nhiễu cho ảnh này, hàm sử dụng lọc làm mờ Blur sử dụng (cụ thể median blur) Trong OpenCV hàm lọc trình bày sau: Trong đó:  thresh ảnh đầu vào ( ảnh sau phân ngưỡng)  Imdiff ảnh sau thực phép lọc  kích thước ma trận lọc chắn phải số lẻ Hình 3.6 Ảnh sau sử dụng hàm diff, phân ngưỡng, lọc nhiễu để highlight phần khác biệt (bằng màu trắng đen) Bước 4: Xác định Contours Nguyễn Tiến Dũng _ CT1901C 64 Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp Contours đường bao kết nối tất điểm liền kề có màu sắc độ tương phản Chính đặc tính này, contours thường dùng xác định vật thể, nhận dạng, Trong trường hợp dùng thuật tốn để tìm đường viền chúng vào xung quanh hình chữ nhật khu vực xác định khác lưu chúng vào vectơ contour hiearchy Để thực việc tìm biên đối tượng sử dụng hàm findContours Trong OpenCV hàm tìm biên trình bày sau: Trong đó:  Imdiff ảnh (sau thực phép lọc) cần tìm biên  Contour lưu trữ đường biên tìm được, đường biên, lưu trữ dạng vector điểm  Hiearchy: chứa thơng tin hình ảnh số đường viền, xếp hạng đường viên theo kích thước, ngồi…  CV_RETR_TREE: sử dung cờ lấy tất đường biên tạo hệ thống phân cấp đầy đủ đường lồng  CV_CHAIN_APPROX_SIMPLE: nén đường viên trước lưu trữ, nén phân đoạn theo chiều ngang, chiều dọc chéo Sau đếm số biên hàm findContours có số lượng biên tương ứng với số đối tượng Bước 5: Vẽ hình Nguyễn Tiến Dũng _ CT1901C 65 Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp Trước vẽ hình chữ nhật cần phải tìm đường biên hình ảnh Ở đây, chương trình sử dụng hàm xấp xỉ hình chữ nhật với độ xác +-3 đường cong phải đường cong kín Khi tìm boundingRect cho hình chữ nhật lưu vào boundingRect (boundingRect hàm viêt sẵn OpenCV để tạo hình chữ nhật bao quanh contour) Rồi sau sử dụng giá trị có để vẽ hình chữ nhật màu đỏ hình ảnh với hàm rectangle Trong đó:  ImReference imReg ảnh đầu vào  boundRect[i].tl điểm góc bên trái hình chữ nhật thứ i  boundRect[i].br điểm góc bên phải hình chữ nhật thứ i  color màu hình chữ nhật  độ dày  loại dòng kẻ Nguyễn Tiến Dũng _ CT1901C 66 Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp Hình 3.7 Đây hai ảnh sau tìm khác biệt khoanh vùng hình chữ nhật màu đỏ 3.2.3 Một số kết Ví dụ ảnh khác: Hình 3.8 Ảnh gốc Nguyễn Tiến Dũng _ CT1901C 67 Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp Hình 3.9 Ảnh cần kiểm tra Hình 3.10 Ảnh cần kiểm tra chỉnh ánh xạ gần tọa độ ảnh gốc Nguyễn Tiến Dũng _ CT1901C 68 Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp Hình 3.11 Ảnh chứa đặc trưng tương đồng ( match feature) Hình 3.12 Ảnh sau sử dụng hàm diff, phân ngưỡng, lọc nhiễu để highlight phần khác biệt ảnh Nguyễn Tiến Dũng _ CT1901C 69 Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp Hình 3.13 Đây hai ảnh sau tìm khác biệt khoanh vùng hình chữ nhật màu đỏ Nguyễn Tiến Dũng _ CT1901C 70 Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp KẾT LUẬN Trong tìm hiểu tài liệu thực đồ án định hướng thầy hướng dẫn em đạt số kết sau:  Tìm hiểu cách tổng quan vấn đề đối sánh ảnh Đưa nhận xét, đánh giá số kỹ thuật tiền xử lý ảnh có lựa chọn phù hợp kỹ thuật  Đặc biệt phần hiểu rõ chỉnh ảnh áp dụng thuật toán phù hợp cho tập  Đối với số fornt chữ mà có đặc tính giống gây nhầm lẫn việc ánh xạ đặc tính hai ảnh chữ Nhật hay Trung Quốc  Bị hạn chế xoay góc độ ảnh, làm cho ảnh bị lỗi không, phần sai khác không  Đối với ảnh có nhiều chi tiết xảy trường hợp chương trình khó tìm thấy phần khác ảnh, sai lệch  Xây dựng ứng dụng phát phần khác biệt hai ảnh dựa theo phương pháp chỉnh ảnh trừ ảnh trình bày  Ngồi ra, q trình tìm hiểu em tự tích lũy thêm cho kiến thức tốn học, kỹ thuật lập trình,…Tuy bước đầu, kết giúp ích cho em tìm hiểu sau để thu kết tốt Dựa kết đạt được, em tiếp tục tìm hiểu đề xuất số cải tiến phương pháp chình ảnh trừ ảnh hiệu tương lai Nguyễn Tiến Dũng _ CT1901C 71 Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp TÀI LIỆU THAM KHẢO [1.] [1] Richard Szeliski, “ Image Alignment and Stitching”,Last update December 10,2006 [2.] [2]Satya Mallick, “Image Aligment (Feature Based)using OpenCV(C++/Python)”,March 11, 2008 [3.] [3]Adrian Rosebrock, “Image Difference with OpenCV and Python”, June 19,2007 [4.] [4]Deepanshu Tyagi, “Introduction to ORB(Oriented FAST and Rotated BRRIEF”, Jan Nguyễn Tiến Dũng _ CT1901C 72 ... highlight phần khác biệt ảnh 69 Hình 3.13 Đây hai ảnh sau tìm khác biệt khoanh vùng hình chữ nhật màu đỏ 70 Nguyễn Tiến Dũng _ CT1901C Ứng dụng phát phần ảnh sai khác Đồ án tốt... góc chụp khác hình ảnh sản phẩm thường khơng hồn tồn giống Vấn đề gọi chỉnh hình ảnh vấn đề thứ hai gọi trừ ảnh Để giải vấn đề em trình bày ứng dụng phát phần khác biệt hai ảnh ứng dụng kiểm.. .Ứng dụng phát phần ảnh sai khác Đồ án tốt nghiệp 3.2.3 Một số kết 67 KẾT LUẬN 71 TÀI LIỆU THAM KHẢO 72 Nguyễn Tiến Dũng _ CT1901C Ứng dụng phát phần ảnh sai khác