Đang tải... (xem toàn văn)
Báo cáo về môn xử lý ảnh bao gồm các phần làm đẹp, khữ nhiễu ảnh, phát hiện biên, phát hiện đường và phân vùng ảnh o Bộ lọc trung vị o Bộ lọc Gaussian PHÁT HIỆN ĐƯỜNGCẠNHĐIỂM Phương pháp Canny có tế Sobel bộ lọc Sobel và Hough Transform phương pháp Kmeans
ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA KHOA ĐIỆN TỬ VIỂN THÔNG BÁO CÁO KẾT THÚC HỌC PHẦN MÔN: XỬ LÝ ẢNH Giáo viên hướng dẫn: Trần Thị Minh Hạnh Sinh viên thực hiện: Phan Quy Lớp: 17DTCLC Đà Nẵng, 07/05/2021 MỤC LỤC MỤC LỤC ii CÂU 1: THỰC HIỆN TĂNG CƯỜNG/CẢI THIỆN CHẤT LƯỢNG ẢNH TRONG MIỀN TẦN SỐ .1 1.1 Phương pháp thực 1.2 Kết 1.3 Mã nguồn CÂU 2: PHÁT HIỆN ĐƯỜNG/CẠNH/ĐIỂM 2.1 Phương pháp thực 2.2 Kết 12 2.3 Mã nguồn 16 CÂU 3: PHÂN VÙNG ẢNH .18 3.1 Phương pháp thực 18 3.2 Kết 20 3.3 Mã nguồn 21 TÀI LIỆU THAM KHẢO 23 CÂU 1: THỰC HIỆN TĂNG CƯỜNG/CẢI THIỆN CHẤT LƯỢNG ẢNH TRONG MIỀN TẦN SỐ Phương pháp thực 1.1 • Tên phương pháp Đối với ảnh xám: Sử dụng lọc trung vị (Median filter) lọc thông thấp để cải thiện chất lượng ảnh Đối với ảnh màu RGB: Sử dụng lọc trung vị chiều để cải thiện chất lượng ảnh • Nội dung phương pháp thực o Bộ lọc trung vị Lọc Trung vị kĩ thuật lọc phi tuyến (non-linear), hiệu hai loại nhiễu: nhiễu đốm (speckle noise) nhiễu muối tiêu (salt-pepper noise) Kĩ thuật bước phổ biến xử lý ảnh Chức thiết lập giá trị điểm với mức xám khác thành giá trị gần giống với điểm lân cận Phan Quy - 17DTCLC GV: Trần Thị Minh Hạnh Ý tưởng thuật tốn lọc Trung vị sau: ta sử dụng cửa sổ lọc (ma trận 3×3, 5x5,7x7) quét qua điểm ảnh ảnh đầu vào input Tại vị trí điểm ảnh lấy giá trị điểm ảnh tương ứng vùng 3×3 ảnh gốc “lấp” vào ma trận lọc Sau xếp điểm ảnh cửa sổ theo thứ tự (tăng dần giảm dần tùy ý) Cuối cùng, gán điểm ảnh nằm (Trung vị) dãy giá trị điểm ảnh xếp cho giá trị điểm ảnh xét ảnh đầu output Trung vị dãy ký hiệu Med([Xn]), định nghĩa: Nếu n lẻ: x[n/2 +1] Nếu n chẳn: x[n/2] x[n/2 +1] Sơ lược bước giải thuật: Quét cửa sổ lọc sử dụng ma trận (3x3) lên thành phần ảnh gốc; đi400); %(type, M,N, D0); Fsf = Fs.*H; fim = ifft2(fftshift(Fsf)); % 2-D inverse fast Fourier transform imr = uint8(real(fim)); %Real part of complex number subplot(2,3,1); imshow(im); title('Anh goc'); Phan Quy - 17DTCLC GV: Trần Thị Minh Hạnh 16 subplot(2,3,2); imshow(imr); title('Bo loc gaussian'); BW = edge(imr,'sobel'); subplot(2,3,3); imshow(BW); title('Loc sobel'); % Line detection using Hough Transform (PAGE 393 Book: Digital Image Prosesing) [H,T,R] = hough(BW); subplot(2,3,4); imshow(H,[],'XData',T,'YData',R, 'InitialMagnification','fit'); xlabel('\theta'); ylabel('\rho'); axis on; axis normal; hold on P = houghpeaks(H,'threshold',ceil(0.9*max(H(:)))); %funtion houghpeak and houghlines matlab had define dont need write it x = T(P(:,2)); y = R(P(:,1)); plot(x,y,'s','color','green'); lines = houghlines(BW,T,R,P); subplot(2,3,5); imshow(imr); title('Hough Transform'); hold on for imr = 1:length(lines) xy = [lines(imr).point1; lines(imr).point2]; plot(xy(:,1),xy(:,2),'LineWidth',3,'Color','red'); end Phan Quy - 17DTCLC GV: Trần Thị Minh Hạnh 17 CÂU 3: PHÂN VÙNG ẢNH 3.1 Phương pháp thực • Tên phương pháp Sử dụng phương pháp K-means • Nội dung phương pháp K-means thuật toán phân cụm đơn giản thuộc loại học không giám sát(tức liệu khơng có nhãn) sử dụng để giải toán phân cụm Ý tưởng thuật toán phân cụm k-means phân chia liệu thành cụm khác Trong số lượng cụm cho trước k Công việc phân cụm xác lập dựa nguyên lý: Các điểm liệu cụm phải có số tính chất định Tức điểm cụm phải có liên quan lẫn Đối với máy tính điểm cụm điểm liệu gần Phan Quy - 17DTCLC GV: Trần Thị Minh Hạnh 18 Thuật toán phân cụm k-means thường sử dụng ứng dụng cỗ máy tìm kiếm, phân đoạn khách hàng, thống kê liệu, … Thuật toán phân cụm k-means phương pháp sử dụng phân tích tính chất cụm liệu Nó đặc biệt sử dụng nhiều khai phá liệu thống kê Nó phân vùng liệu thành k cụm khác Giải thuật giúp xác định liệu thực sử thuộc nhóm Và mục tiêu thuật tốn phân cụm từ tập liệu khổng lồ Làm biết có nhóm liệu đặc trưng đó? Từng liệu thuộc vào nhóm nào? Đó mà thuật tốn phân cụm cần tìm câu trả lời Trong Thuật toán K-Means thực qua bước sau: Chọn ngẫu nhiên K tâm (centroid) cho K cụm (cluster) Mỗi cụm đại diện tâm cụm Tính khoảng cách đối tượng (objects) đến K tâm (thường dùng khoảng cách Euclidean) Nhóm đối tượng vào nhóm gần Xác định lại tâm cho nhóm Thực lại bước khơng có thay đổi nhóm đối tượng Chỉ việc lựa chọn số cụm K tách thành tốn riêng Khơng có số k hợp lý cho tất toán Cos thể đọc hiểu tập liệu để xác định xem có cụm? Nhưng khơng phải lúc Phan Quy - 17DTCLC GV: Trần Thị Minh Hạnh 19 làm Cách làm thử với giá trị K=1,2,3,4,5, … để xem kết phân cụm thay đổi Một số nghiên cứu cho thấy việc thay đổi k có hiệu dừng lại số Như hồn tồn thử xem liệu tốt với giá trị k 3.2 Kết • Kết đạt Phan Quy - 17DTCLC GV: Trần Thị Minh Hạnh 20 • So sánh phân tích kết Sau phân vùng ảnh, chọn giá trị K = vùng phân biệt rõ ràng, hình ta thấy phân biệt vùng mây, dừa, bãi đất cát tản đá • Đề xuất phương pháp cải thiện chất lượng phân vùng ảnh Để cải thiện chất lượng phân vùng ảnh chọn giá trị K cho phù hợp, tăng K cao thuật tốn Kmeans xử lý phân nhiều vùng hơn, chi tiết lên nhiều 3.3 Mã nguồn (code: Cau3.m) clc clear all close all Im=imread('bai3.jpg'); RedColor=Im(:, :, 1); GreenColor=Im(:, :, 2); BlueColor=Im(:, :, 3); data=double([RedColor(:), GreenColor(:), BlueColor(:)]); numClasses=7; [m n]=kmeans(data,numClasses); m=reshape(m,size(Im,1),size(Im,2)); n=n/255; clustered=label2rgb(m,n); Phan Quy - 17DTCLC GV: Trần Thị Minh Hạnh 21 subplot(1,2,1); imshow(Im); title('Anh goc'); subplot(1,2,2); imshow(clustered); title('Anh sau phan vung'); Phan Quy - 17DTCLC GV: Trần Thị Minh Hạnh 22 Phan Quy - 17DTCLC GV: Trần Thị Minh Hạnh 24 ... sánh phân tích kết Sau phân vùng ảnh, chọn giá trị K = vùng phân biệt rõ ràng, hình ta thấy phân biệt vùng mây, dừa, bãi đất cát tản đá • Đề xuất phương pháp cải thiện chất lượng phân vùng ảnh. .. pháp cải thiện chất lượng phân vùng ảnh Để cải thiện chất lượng phân vùng ảnh chọn giá trị K cho phù hợp, tăng K cao thuật tốn Kmeans xử lý phân nhiều vùng hơn, chi tiết lên nhiều 3.3 Mã nguồn (code:... trận 3×3, 5x5,7x7) quét qua điểm ảnh ảnh đầu vào input Tại vị trí điểm ảnh lấy giá trị điểm ảnh tương ứng vùng 3×3 ảnh gốc “lấp” vào ma trận lọc Sau xếp điểm ảnh cửa sổ theo thứ tự (tăng dần