Trong các hệ thống nhận dạng ảnh nói chung, phân mảnh ảnh (image segmentation) là một bƣớc xử lý rất quan trọng. Nhiệm vụ của thuật toán phân mảnh ảnh là quyết định vùng ảnh nào thuộc vùng cần quan tâm, vùng ảnh nào thuộc vùng nền bao quanh và vùng ảnh nào thuộc vùng biên hay nhiễu của ảnh. Việc xác định vùng vân chính xác không chỉ đơn thuần là thu nhỏ kích thƣớc ảnh, giảm thiểu bộ nhớ mà còn góp phần vào việc đánh giá, sàng lọc các điểm đặc trƣng trích chọn đƣợc trên ảnh. Hầu hết các thuật toán trích chọn các điểm đặc trƣng đều trích chọn sai khi gặp vùng nhiễu và vùng biên của ảnh. Bởi vậy, các thuật toán phân mảnh hoạt động tốt sẽ góp phần loại bỏ đƣợc các sai sót đó. Trong giai đoạn đối sánh ảnh thông qua các bộ điểm đặc trƣng cũng vậy, nếu loại đƣợc các điểm đặc trƣng trích chọn sai thì hiệu quả đối sánh cũng sẽ tốt hơn.
Phân mảnh ảnh chỉ bản vân tay 10 ngón mà luận văn này đề cập là một ứng dụng của kỹ thuật phân mảnh ảnh cho trƣờng hợp cụ thể đang đặt ra đối với hệ C@FRIS. Nhiệm vụ đặt ra là phát hiện và tách vùng đƣờng vân của các đầu ngón tay ra khỏi vùng nền trên các ô của chỉ bản 10 ngón. Công việc này là cần thiết, một mặt nhằm thay thế thao tác thủ công trong khi quét ảnh, cắt ảnh, mặt khác nhằm thu hẹp vùng xử lý trên ảnh vân tay. Nhờ đó, vừa có thể giảm thiểu đƣợc thời gian nén, thời gian truyền ảnh cũng nhƣ dung lƣợng lƣu trữ trong cơ sở dữ liệu, vừa có cơ sở để đánh giá và tuyển chọn các đặc trƣng trích chọn trên vùng ảnh quan tâm. Vì vậy, việc phân mảnh ảnh góp phần nâng cao độ chính xác, tăng hiệu quả thuật toán trích chọn đặc trƣng và đối sánh. Hơn nữa, kỹ thuật phân mảnh khi đƣợc áp dụng để phân vùng chỉ bản giấy và chỉ bản lăn tay sống sẽ nâng cao trình độ tự động hóa, năng suất nhập liệu, và cuối cùng là đem lại hiệu quả chung cho toàn hệ thống.
Trong luận văn này ta sẽ chọn một cách tiếp cận mới để giải quyết bài toán phân mảnh chỉ bản vân tay 10 ngón. Phƣơng pháp đề xuất bao gồm hai công đoạn: Công đoạn phân mảnh thô chỉ bản vân tay 10 ngón thành các các ảnh con riêng rẽ và phân mảnh mịn hơn dựa trên kỹ thuật véc tơ hóa đƣờng biên, làm trơn đƣờng biên bằng phƣơng pháp xấp xỉ tuyến tính từng đoạn và gán giá trị phân loại vùng vân cho từng ô vuông trên ảnh. Phƣơng pháp đƣợc đề xuất dựa trên một số nhận xét dƣới đây:
- Ảnh các dòng đƣờng nét có tính xen kẽ giữa vân và rãnh nhƣ vân tay thƣờng tuân thủ luật cân bằng trắng đen, tức là nếu ta phân ngƣỡng địa phƣơng thích hợp thì tổng số điểm trên rãnh vân cũng gần xấp xỉ với số điểm trên đƣờng vân do tính xen kẽ
- 32 –
giữa các dòng vân và các dòng rãnh. Điều này cho phép tiến hành biến đổi ảnh vân tay đa cấp xám thành ảnh vân tay nhị phân dùng ngƣỡng địa phƣơng.
- Nếu tiến hành véc tơ hóa đƣờng biên ảnh nhị phân và xấp xỉ tuyến tính từng đoạn các đƣờng biên dò đƣợc ta sẽ thu đƣợc đƣờng cong dƣới dạng đa tuyến (polyline). Do các vùng nhiễu thƣờng thể hiện bằng các đoạn đƣờng biên phức tạp, có nhiều đoạn ngắn chạy ngoằn ngoèo, còn các vùng vân chất lƣợng tốt thƣờng có các đoạn biên dài, thẳng hoặc nhiều đoạn kế tiếp nhau đổi hƣớng đồng đều, nên nếu kết hợp vừa véc tơ hóa đƣờng biên, vừa xấp xỉ tuyến tính từng đoạn rồi sau đó tính hƣớng, tính góc đổi hƣớng cho từng đoạn đƣờng biên và chọn ra những đoạn biên đặc trƣng cho vùng vân chất lƣợng tốt. Các đoạn biên tốt là đoạn thẳng đủ dài (trên một ngƣỡng xác định, 3 bƣớc vân chẳng hạn) hoặc nhiều đoạn thẳng kế tiếp nhau đổi hƣớng đều.
- Bằng kỹ thuật tính vùng đệm cho các đoạn biên tốt theo một bán kính chừng 1 buớc vân ta có thể lần lƣợt phân loại và gán nhãn cho từng pixel trên ảnh vân tay thuộc vùng vân tốt hay không. Phƣơng pháp này còn giúp cập nhật đƣợc hƣớng vân cho ma trận hƣớng, một đầu ra rất hữu ích cho các bƣớc trích chọn đặc điểm chi tiết về sau.