33
rõ nhƣ các vân ban đầu, vấn đề này do đặc tính sử dụng projector DLP tại các vân nhỏ màu trắng đƣợc ghép từ 3 mã mầu RGB (255, 255, 255 theo tuyệt đối, tôi sử dụng 150, 150, 150 do độ chói ảnh khi camera thu lại không có khả năng cân bằng trắng) thì với tần số quét thấp nên các vân càng nhỏ thì độ phân biệt giữa vân xám và vân tối không rõ ràng.
Mặt khác, do hệ quang của camera không cho phép zoom và lấy nét tốt cho vùng chiếu của projector nên phần viền ngoài không làm việc lớn ảnh hƣởng đến độ phân giải cần thiết cho vùng làm việc.
Xác định vùng chiếu sáng từ projector 2.6.
Vùng chiếu sáng đƣợc định nghĩa là vùng chứa toàn bộ vân chiếu từ projector tới hoạt cảnh bên ngoài. Nhƣ vậy, để giải mã gray code chính xác ta cần loại bỏ vùng không làm việc bằng một “mặt nạ” có kích thƣớc bằng với kích thƣớc ảnh thu đƣợc có dạng vùng làm việc giá trị 1, vùng không làm việc có giá trị 0.
Do sự không rõ ràng trong quá trình phân biệt giữa mức xám các bits, đặc biệt là các ảnh hƣởng từ nguồn sáng xung quanh, thông số phản xạ bề mặt và mà sắc vật thể mà ta không thể sử dụng một ngƣỡng cố định các ảnh thu nhận. Một giải pháp đƣa ra là chiếu ảnh phủ định của từng ảnh gray code lên bề mặt vật thể, giải pháp này cho phép xác định vùng tối và vùng đƣợc chiếu dựa trên 2 mức chiếu sáng khác nhau (on, off) trên cùng một điểm ảnh khi đem so sánh giá trị 2 của cùng một bit trên một pixel.
Theo bài báo của Yi Xu, Daniel G. Aliaga [3] năm 2007 đƣa ra thì phƣơng pháp xác định điểm thuộc cùng làm việc đƣợc xác định nhƣ sau:
Giả sử ta có S {I1, I2, …, Ik} là tập các ảnh có mã vân, với 1 điểm ảnh p trong vùng ảnh đƣợc xác định thành phần “trực tiếp” và “chung” tại p là Ld(p) và Lg(p) theo đó ta có công thức xác định nhƣ sau:
34
( ) ( ) (2-12)
Trong đó [ ] là giá trị mô hình hóa thông tin ánh sáng truyền đi bằng việc tắt các pixels của projector.
Để đánh giá ảnh hƣởng của giá trị b tới vùng trực tiếp, tôi làm thí nghiệm với giá trị b biến thiên từ 0.3 tới giá trị 0.5 theo bảng dƣới đây:
Stt b Kết quả ảnh trực tiếp Kết quả ảnh chung 1 0.3
2 0.35
3 0.40
35 5 0.50
Dựa theo kết quả thực nghiệm ta thấy rằng, ảnh toàn phần là ảnh do bản thân các vật thể phản xạ ánh sáng từ các nguồn xung quanh tạo ra, khi thay đổi tham số b theo chiều hƣớng tăng thì ảnh “chung” của vật thể sẽ tối đi (bảng chessboard) và ngƣợc lại, bên cạnh đó ảnh chiếu của ảnh trực tiếp sẽ bị blur sang các phần rìa xung quanh. Qua đó dựa theo giá trị đƣa ra từ tài liệu [3] và kết quả thực nghiệm tôi lựa chọn tham số b có giá trị 0.3.
Giải mã Gray code 2.7.
Khi chiếu vân mã hóa gray lên vật lấy mẫu, khi đó mỗi điểm ảnh sẽ đƣợc mã hóa là một số thập phân, tƣơng đƣơng nhƣ khi chiếu vân lên một bề mặt phẳng, tuy nhiên nếu vật có độ cao h nhất định sẽ làm cho số thập phân này dịch đi, sau khi giải mã Gray code của từng điểm ảnh trong ảnh vân thu đƣợc ta sẽ dễ dàng có đƣợc độ dịch này. Từ giá trị này ta tính đƣợc khoảng cách từ các điểm trên bề mặt vật thể lấy mẫu tới tâm của thiết bị thu thập. kết hợp với giá trị x, y thông tin 3D đầy đủ của điểm đối tƣợng có đƣợc trong tọa độ đề các là x, y, z.
Phƣơng pháp giải m Gray thực chất là tách m Gray từ các ảnh thu thập và chuyển sang m Binary để biết đƣợc pixel ảnh đang ở cột nào. Phần quan trọng nhất trong quá trình xử lý giải m Gray code là phân loại pixels nhằm mục đích biết đƣợc pixels nào là 1 và pixel nào là 0. Đây gọi là bƣớc tiền xử lý trong quá trình giải m ảnh. Do ảnh hƣởng của bóng (shadow) vật cần lấy mẫu cũng nhƣ màu của vật cần lấy mẫu nên quá trình tiền xử lý này rất phức tạp, nó quyết định chất lƣợng đám mây điểm thu nhận đƣợc.
Hình 2-6 là kết quả của ảnh sau khi phân loại pixel [4] gồm có ba mức phân biệt: ON là pixel của vân sáng, OFF là pixel của vân tối, và Uncertain là thành phần
36
không chắc chắn là pixel ON hay OFF, thành phần này có thể là bóng của vật hoặc một đối tƣợng tối màu ….
Hình 2-9 Ảnh m Gray sau khi phân loại pixel.
Một ví dụ mình họa một ảnh chiếu vân lên đối tƣợng lấy mẫu nhƣ hình 2-10 cho ta thấy có nhiều điểm rất khó phân biệt khi lấy mẫu trong môi trƣờng bất kỳ.
Hình 2-10. Hình ảnh vân chiếu lên hoạt cảnh lấy mẫu.
Ta có mức mật độ xám của điểm ảnh có giá trị từ 0-255, cần tìm một phƣơng pháp đặt ngƣỡng để phân biệt các khoảng trên toàn dải mức xám này.Có một số phƣơng pháp thƣờng hay dùng phân loại pixel gồm có :
Phƣơng pháp ngƣỡng đơn
37
Phƣơng pháp chiếu vân kép
Phƣơng pháp kết hợp thành phần ánh sáng nền. (adsbygoogle = window.adsbygoogle || []).push({});
Hình 2-11 Phƣơng pháp ngƣỡng đơn
Trong đó phƣơng pháp kết hợp thành phần ánh sáng nền là phƣơng pháp tốt nhất hiện nay, cho kết quả phân loại chính xác, rõ ràng nhất, mà không bị chồng lấp tại các vị trí biên hoặc cạnh.
Giả sử một pixel đƣợc chiếu sáng trực tiếp nhƣ hình 2-11. Mật độ xám của điểm anh thu nhận sẽ gồm hai thành phần: Thành phần chiếu sáng trực tiếp d và thành phần chiếu sáng gián tiếp ion. Thành phần chiếu sáng trực tiếp tƣơng ứng với ánh sáng trực tiếp chiếu từ máy chiếu, nên giá trị của d là không đổi. Thành phần gián tiếp phụ thuộc nhiều yếu tố nhƣ ánh sáng môi trƣờng, độ phản chiếu bề mặt vật…, phụ thuộc hàm phân bố phản chiếu gián tiếp tại điểm trên bề mặt vật thể. Với các điểm ảnh không đƣợc chiếu sáng, mật độ xám p của nó chỉ chứa thành phần ánh sáng không trực tiếp ioff và p đƣợc biểu diễn bằng hàm dƣới đây:
, ́
́ (2-13)
Trong đó:
+ Thành phần ánh sáng gián tiếp tổng : itotal = ion + ioff
+ Thành phần ánh sáng d và itotal tính đƣợc sử dụng phƣơng pháp tách của Nayar. Để phân loại pixel ngƣời ta dựa vào quy luật sau:
d < m pixel là loại UNCERTAIN
p < min(d, itotal) - pixel là loại OFF
p > max(d,itotal) - pixel là loại ON
38
Trong đó m là ngƣỡng nhỏ nhất đƣợc định nghĩa trƣớc để phân biệt các pixel là bóng của đối tƣợng lấy mẫu.
Hình 2-12 Luật phân loại điểm ảnh
Kết quả của phƣơng pháp phân loại pixels này cho độ chính xác cao hơn so với các phƣơng pháp khác do nó loại bỏ đƣợc các điểm pixel nhiễu do bóng của vật, và ảnh hƣởng của bề mặt các vật trong hoạt cảnh chiếu.
Hình 2-13 Minh họa kết quả của quá trình phân loại pixel gián tiếp
a) Ảnh hoạt cảnh với bóng của vật và bề mặt vật trong hoạt cảnh chiếu b) và c)Phân loại pixel sử dụng phƣơng pháp ở trên. d) và e) Phân loại pixel sử dụng phƣơng pháp kết hợp thành phần gián tiếp.
Sau khi phân loại pixel ta thực hiện quá trình giải m Gray ngƣợc lại so với quá trình m hóa. Từ các m Gray nhận đƣợc sau khi phân loại pixel bằng các
39
phƣơng pháp ở trên ta chuyển sang m binary, và đánh dấu chỉ số cột và hàng tƣơng ứng với cột và hàng từ projector.
Thuật toán giải m Gray tƣơng tự nhƣ thuật toán chuyển m Gray sang Binary trong kỹ thuật số. Ta có một m Gray gồm có 5 bit, trong đó g(1) là bít có trọng số cao nhất, g(5) là bít có trọng số thấp nhất, và b(1) là bit có trọng số cao nhất của m Binary, b(5) là bits có trọng số thấp nhất của m Binary. Thuật toán thực hiện từ bit có trọng số cao nhất đến bit có trọng số thấp nhất. B(1) = G(1) B(2) = B(1) xor G(2) B(3) = (B2) xor G(3) (2-14) B(4) = (B3) xor G(4) B(5) = (B4) xor G(5)
Các ảnh Gray chiếu lên đối tƣợng đƣợc tạo lần lƣợt từ các bit có trọng số cao nhất đến bit có trọng số thấp nhất nên khi phân loại pixel ta cũng thu đƣợc các plane bit ảnh từ trọng số cao nhất đến trọng số thấp nhất. Vì thế để chuyển các plane bit ảnh sang m Binary ta thực hiện phép XOR các pixel trong các plane bit ảnh nhƣ thuật toán trên.
Từ m Binary nhận đƣợc ta sẽ biết đƣợc các chỉ số hàng và cột tƣơng xứng của pixel ảnh camera với hàng cột tƣơng ứng của pixel ảnh chiếu từ máy chiếu. Cùng với dữ liệu hiệu chuẩn camera ta sẽ dựng lại đƣợc hình ảnh 3D của vật thể.
40
Theo Wikipedia [3] nhóm thực hiện đề tài sử dụng code chuyển đổi từ gray code sang binary:
for (unsigned shift = 1; shift < numBits; shift <<= 1)
{
num ^= num >> shift; }
return num;
Nhằm xác định tham số m tối ƣu tôi thay đổi giá trị m từ 10 đến 100 nhằm đánh giá mức độ ảnh hƣởng của tham số tới kết quả phân loại điểm ảnh. (adsbygoogle = window.adsbygoogle || []).push({});
Stt m Kết quả ảnh mã hóa theo hàng Kết quả ảnh mã hóa theo cột
1 10
2 20
3 30
41 5 50 60 70 80 90 100 Bảng 2-5 Thực nghiệm xác định ngƣỡng chênh lệch