1.
3.1.1.1. Giới thiệu về xử lý ảnh số
Xử lý ảnh số thường được biết đến với tên viết tắt là DIP (Digital Image Proccessing). DIP sử dụng các thuật toán máy tính để phân tích ảnh kỹ thuật số. Dưới đây là sơ đồ cơ bản của quá trình xử lý ảnh:
Hình 3-5: Sơ đồ xử lý ảnh số [17].
Các thiết bị thu nhận ảnh phổ biến là máy ảnh kỹ thuật số, máy quay phim, thiết bị scan, webcam…Nhìn chung các hệ thống thu nhận ảnh thực hiện 2 quá trình là biến đổi năng lượng quang học thành năng lượng điện (cảm biến) và tổng hợp năng lượng điện thành ảnh.
Có 2 loại cảm biến hình ảnh sử dụng phổ biến là loại CCD và CMOS.Loại cảm biến CCD có đặc điểm là độ nhạy sáng cao, cho độ phân giải lớn và thể hiện được các dải màu liên tục. Loại CMOS thì có độ nhạy sáng thấp hơn nên loại CCD được sử dụng phổ biến cho các loại máy ảnh kỹ thuật số và camera. Tuy nhiên, với sự
Trang 12
phát triển của khoa học kỹ thuật hiện đại, loại CMOS đang dần chiếm lại ưu thế bởi khả năng tích hợp cao (ADC, cân bằng sáng…) của loại cảm biến này.
Xử lý ảnh:
Gradient của ảnh:
Gradient là một véctơ có các thành phần biểu thị tốc độ thay đổi giá trị của điểm ảnh.
∇ = ,
Trong đó: = ∆ = ( , ) ( , ) ,
= ∆ = , ( , )
Với , : khoảng dịch chỉnh theo x và y; trong ảnh số = = 1
∆ = ( + 1, ) − ( , ) , ∆ = ( , + 1) − ( , )
Gradient của 1 điểm ảnh với hướng thay đổi về cường độ sáng:
Hướng của gradient được xác định bằng công thức:
= ∆
∆
Độ lớn của gradient điểm ảnh có thể được xác định bằng công thức:
‖∇ ‖ = + = (∆ ) + ∆
Gradient được tính thông qua việc trượt ma trận mặt nạ (nxn) lên ảnh được phân tích. Mặt nạ này được gọi là mặt nạ cuộn hay kernel.
Tính gradient trong ảnh thật sự hữu ích cho việc tách biên dạng vật, từ đó có thể khoanh vùng và phân đoạn ảnh phục vụ cho việc xử lý, phân tích.
∇ =[∆ ,0]
∇ =[0,∆ ]
Trang 13
Làm mượt ảnh và lọc nhiễu. Mặt nạ cuộn trong ảnh:
Xét ảnh = ( , )có kích thước ( )và mặt nạ có kích thước ( )
Giá trị ( , ) được xác định bằng cách trượt mặt nạ qua từng pixel của ảnh tại vị trí ( , ), có công thức tổng quát:
( , ) = ⨂ = ( , ) ∗ ( + , + )
VD: với mặt nạ cuộn có kích thước 3x3
⨂
( , ) = 0 ∗ 21 + 1 ∗ 22 + 0 ∗ 23 + 1 ∗ 31 + 0 ∗ 32 + 1 ∗ 33 + 0 ∗ 41 + 1 ∗ 42 + 0 ∗ 43 = 128
Lọc ảnh: có nhiều phương pháp lọc ảnh khác nhau như lọc trung vị (median), lọc tuyến tính (linear), lọc Gaussian… Trong đó, bộ lọc Gaussian được sử dụng phổ biến.Hàm gaussian cơ bản:
1 chiều 2 chiều
( ) = 1
√2
( )
( , ) =2 1 (( ) ( ) )
Với là trị trung bình hoặc vị trí đỉnh, là phương sai. Hàm gaussian tiêu chuẩn thì = 0 và = 1. 0 1 0 1 0 1 0 1 0 10 11 12 13 14 15 20 21 22 23 24 25 30 31 32 33 34 35 40 41 42 43 44 45 50 51 52 53 54 55 60 61 62 63 64 65
Trang 14
Hình 3-6: Biểu đồ Gauss.
Lọc gaussian sử dụng mặt nạ cuộn với kích thước 3x3, 5x5, 7x7…
( , ) = ( , ) ( + , + ) = ( ) ( + , + )
= ( + , + )
Thông thường lọc gaussian cho ảnh I với mặt nạ cuộn kích thước nxn sẽ được tiến hành theo 3 bước:
1- Tạo mặt nạ cuộn gaussian 1 chiều có kích thước n. 2- Trượt mặt nạ này qua từng cột của I được IN.
3- Sau đó trượt mặt nạ qua từng hàng của IN, ta thu được kết quả.
Hình 3-7: Mặt nạ cuộn gaussian 1 chiều.
Chuyển ảnh màu sang ảnh xám, nhị phân.
Chuyển sang ảnh xám: có 3 cách sau có thể áp dụng để chuyển từ ảnh màu sang ảnh xám:
Lightness: Lấy trung bình giá trị màu cao nhất và màu thấp nhất ( , ) = [max( , , ) + min ( , , )]/2
Trang 15
Average: Lấy giá trị màu trung bình ( , ) = ( , , )/3
Luminosity: Nhân theo hệ số
( , ) = ( , ) ∗ 30% + ( , ) ∗ 59% + ( , ) ∗ 11%hoặc
( , ) = ( , ) ∗ 21% + ( , ) ∗ 71% + ( , ) ∗ 7%
Ảnh gốc Trung bình max-min
Trung bình RGB Nhân hệ số
Hình 3-8: Chuyển từ ảnh màu sang ảnh xám [18].
Chuyển sang ảnh nhị phân:Chuyển sang ảnh nhị phân được thực hiện thông qua việc đặt ngưỡng (Thresholding T). Ví dụ với ảnh xám 8 bit:
( , ) = 0 ,1 , ( , ) >( , ) ≤
Với là ảnh gốc, là ảnh nhị phân sau khi chuyển đổi.
Ảnh gốc Ảnh nhị phân
Trang 16
Histogram.
Histogram là một biểu đồ thể hiện số lượng và cường độ màu của các pixel trong toàn bộ ảnh.
Hình 3-10: Giản đồ histogram ảnh xám.
Thay đổi độ sáng, độ tương phản.
Độ sáng và độ tương phản của ảnh có thể được thay đổi bằng cách thay đổi giá trị và tại mỗi pixel của ảnh gốc.
( , ) = ( , ) +
Với > 0 là hệ số thay đổi độ tương phản, hệ số thay đổi độ sáng của ảnh.
Trong đó, là ảnh ban đầu, là ảnh sau khi hiệu chỉnh.
Độ sáng cao Histogram
Hình 3-11: Tăng độ sáng và giản đồ histogram.
0 Cường độ
Số l
ượ
Trang 17
Độ sáng thấp Histogram
Hình 3-12: Giảm độ sáng và giản đồ histogram.
Độ tương phản cao Histogram
Hình 3-13: Tăng độ tương phản và giản đồ histogram.
Độ tương phản thấp Histogram
Hình 3-14: Giảm độ tương phản và giản đồ histogram.
Dựa vào biểu đồ histogram, ta có thể nhận thấy khi thay đổi độ sáng giá trị biểu đồ histogram sẽ dịch sang trái hoặc sang phải, khi thay đổi độ tương phản giá trị biểu đồ sẽ giản ra 2 biên hoặc co về giữa.
Trang 18
Phát hiện biên: Biên trong ảnh là một đường biên giới hay một đường bao (contour) mà ở đó xuất hiện sự thay đổi đáng kể một vài tính chất vật lý của ảnh.Thay đổi tính chất vật lý biểu hiện bằng nhiều cách, bao gồm thay đổi cường độ, màu sắc, kết cấu bề mặt. Phát hiện biên rất có ít trong việc nhận dạng, phân vùng ảnh…
Có một số phương pháp phát hiện biên cơ bản như phương pháp Gradient, Roberts, Sobel, Canny… Trong đó, phương pháp sobel và canny được sử dụng phổ biến.
Ảnh gốc Sobel Canny
Hình 3-15: Tách biên bằng phương pháp Sobel và Canny.
Phương pháp Canny được thực hiện qua 5 bước:
1- Tìm gradient: Làm mờ ảnh để loại nhiễu. Sử dụng bộ lọc Gaussian để loại bỏ nhiễu tần số cao cùng mặt nạ cuộn 5x5.
= 1591 ⎣ ⎢ ⎢ ⎢ ⎡2 44 9 12 9 45 4 2 5 12 15 12 5 4 9 12 9 4 2 4 5 4 2⎦⎥ ⎥ ⎥ ⎤ = ∗ ( , ) = ∗ = ∗ ( , ) = ∗ Với = − ( , ) , = − ( , )
Trong đó, là ảnh đang xét, ( , ) là hàm gaussian với mặt nạ cuộn .
2- Tính độ lớn gradient: Biên được phát hiện thông qua sự thay đổi lớn gradient.
Trang 19
∇ = , = , , ‖∇ ‖ = ( ) +
3- Xác định hướng của các điểm biên: =
4- Phát hiện các điểm cực đại địa phương. 5- Liên kết các điểm biên.