c. điểm ảnh lớn SLIC với i=200 d điểm ảnh lớn SLIC với i=
2.4 Ứng dụng của thuật tốn phân vùng ảnh với điểm ảnh lớn SLIC
SLIC
Phân vùng ảnh với điểm ảnh lớn SLIC cĩ thể được áp dụng trong nhiều lĩnh vực khác nhau, ví dụ như xác định cơ chấn thương, nén ảnh JPEG.
2.4.1 Xác định cơ chấn thương
Hình 21: Ảnh siêu âm của (a) sợi cơ khỏe mạnh và (b) sợi cơ yếu.
Trong ứng dụng này, ảnh siêu âm của cơ khỏe mạnh và cơ yếu được thể
hiện trong hình 8, sức khỏe của cơ được xác định bởi mức độ xơ hĩa: xơ hĩa cơ mức độ thấp hơn, cơ khỏe mạnh hơn. Sử dụng thuật tốn quét nhanh để
phân vùng ảnh ảnh siêu âm của sợi cơ, bởi để biết mức xơ hĩa cần biết hình dạng của cơ. Theo kết quả phân vùng, phương pháp xác định tổn thương cơ cĩ thể dễ dàng phân biệt sức khỏe của cơ.
Thuật tốn Xác định cơ chấn thương bằng phân vùng
Bước 1. Tăng cường cường độ tương phản của ảnh cơ, thể hiện trong hình dưới.
Hình 22: Ảnh ban đầu của cơ khỏe mạnh và ảnh nâng cao cấp độ màu xám.
Bước 2. Áp dụng các thuật tốn quét nhanh để phân vùng ảnh cơ xám nâng cao.
Các kết quả phân vùng được thể hiện.
Hình 23: Kết quả phân vùng của hình 22.
Bước 3. Vùng giống như sợi dây từ kết quả phân vùng của bước 2, được hiển thị trong hình 23 và tìm ra các sợi cơ khỏe mạnh. Các sợi cơ khỏe mạnh được quyết định bởi độ dài của sợi, phải vượt quá 80% độ rộng của ảnh.
38
Hình 24: Các vùng sợi cơ từ hình 22
Bước 4. Tìm các sợi cơ yếu dựa trên khoảng cách giữa hai sợi. Khoảng cách giữa hai sợi: xem xét cả khoảng cách theo chiều ngang và theo chiều dọc. Các sợi cơ
khỏe mạnh và yếu được hiển thị trong hình 22.
Hình 25: Tìm các sợi lành mạnh hoặc bị hỏng từ hình 22.
Bước 5. Tính tốn số điểm chấn thương bởi tổng số các sợi, tổng chiều dài bị
hỏng, và tổng chiều dài của sợi. Theo số điểm chấn thương, ta cĩ thểước tính mức độ
2.4.2 Nén ảnh JPEG
Theo truyền thống, JPEG sử dụng mã hĩa ảnh dựa trên hình khối vào nén, cĩ thể tạo ra đáng kể ngăn chặn và bĩp méo hình khối. Trong những năm gần đây, mã hĩa của vùng ảnh tùy ý đĩng vai trị quan trọng trong nhiều ứng dụng mã hĩa ảnh. Lý do là nĩ sử dụng các thơng tin của vùng hình tùy ý để khai thác các mối tương quan cao các giá trị màu trong phân vùng ảnh giống nhau để đạt được một tỉ lệ nén cao hơn. Tuy nhiên, mã hĩa ảnh thích nghi hình dáng truyền thống dựa trên quá trình Gram-Schmidt thu được cơ sở trực giao cơ sở cho phân vùng ảnh ảnh hình dáng tùy ý, trong đĩ cần độ phức tạp tính tốn cao. Vì vậy, một phương pháp tiếp cận của mã hĩa đối tượng dựa trên hai chiều mở rộng DCT trực giao trong vùng hình tam giác và hình thang
Tiền xử lý của việc nén ảnh này là để áp dụng các thuật tốn quét nhanh để
phân vùng ảnh một ảnh. Các thuật tốn phân vùng ảnh theo vùng với điểm ảnh lớn SLIC cĩ thể được áp dụng ở đây, tùy theo sở thích của người sử dụng
Từ đĩ lấy được một số tương quan cao của giá trị màu trong cùng phân vùng. Sau đĩ, các phân vùng ảnh này là phân vùng ảnh một số khu vực hình tam giác và hình thang theo phương pháp phân chia hình tam giác và hình thang. Hình 15 cho thấy kết quả phân chia hình thang của một vùng đồng nhất. Đối với mỗi khu vực hình tam giác và hình thang đồng nhất, ta thấy cơ sở đầy đủ và DCT trực giao của nĩ. Cơ sở này cĩ thể được áp dụng để thực hiện mã hĩa DCT và đạt được mục đích giảm dư thừa khơng gian.
(a) (b)
Hình 26: (a) Một ví dụ về một người đàn ơng và (b) là kết quả phân chia hình thang chiếc mũ của ơng.
40
2.5 Kết luận chương 2
Điểm ảnh lớn là nhĩm các điểm ảnh cĩ cùng đặc điểm, hoặc cùng khác biệt với xung quanh, kết quả của phân vùng quá (over-segmentation). Điểm ảnh lớn mang nhiều thơng tin hơn điểm ảnh và gắn kết tốt hơn với các cạnh trong. Điểm ảnh lớn cĩ thể giúp tăng tốc độ cho các thao tác ảnh bới giảm số đáng kể số điểm ảnh.
Điểm ảnh lớn đang trở nên ngày càng phổ biến trong nhiều ứng dụng thị giác máy tính: nhận dạng đối tượng, phân vùng.
Nhược điểm của việc sử dụng phân tách điểm ảnh lớn như thời gian tính tốn cho bước tiền xử lý và quan trọng hơn là nguy cơ mất cạnh khi đặt chúng trong một điểm ảnh lớn. Vì vậy, sự lựa chọn cẩn thận của thuật tốn điểm ảnh lớn và các thơng số cho các ứng dụng cụ thể là rất quan trọng.