Kết quả: giá trị MSE là 0.02, giá trị PSNR là 16.88 và giá trị SSIM là 0.81. Có thể thấy, hình ảnh kết quả thu được đã rõ hơn và loại bỏ các nhiễu trong ảnh.
3.5. Kết luận
Sau khi thử nghiệm với các phương pháp, ta có bảng kết quả đánh giá các chỉ số như sau:
Thử nghiệm MSE PSNR SSIM
Làm rõ ảnh 0.22 6.48 0.01
Khử nhiễu ảnh 0.04 13.87 0.84
Khử nhiễu ảnh OCR 0.02 16.88 0.81
Bảng 2. Kết quả thực nghiệm
Từ kết quả thử nghiệm trong bảng, ta thấy rằng nội dung chính của các ảnh sau khi nâng cao chất lượng ảnh gần như không thay đổi. Với các kết quả này, ta thấy rằng thử nghiệm khử nhiễu cho kết quả khá tốt trong việc nâng cao chất lượng ảnh.
KẾT LUẬN
Các phép toán hình thái là vấn đề cơ bản trong toán học đã và đang được ứng dụng trong lĩnh vực công nghệ thông tin, đặc biệt là trong lĩnh vực xử lý ảnh. Các phép toán hình thái là các phép toán liên quan đến cấu trúc hình học của đối tượng và thường được xây dựng trên 2 phép toán cơ bản là phép giãn nở (DILATION) và phép co (EROSION). Mục tiêu của luận văn là tìm hiểu các phép toán hình thái học trên cơ sở đó ứng dụng vào biểu diễn hình dạng của đối tượng. Trong quá trình tìm hiểu và xây dựng chương trình thử nghiệm, tôi đã đạt được một số kết quả nhất định như sau:
Kết quả đã đạt được
1. Nghiên cứu các khái niệm cơ bản về xử lý ảnh và phép toán hình thái: đưa ra các khái niệm xử lý ảnh, quá trình xử lý ảnh và các khái niệm về phép toán hình thái học; trình bày phép toán hình thái học trên ảnh nhị phân, ảnh xám và nêu ra tính chất nội suy của phép toán hình thái học và các phép lọc hình thái học cho ảnh OCR.
2. Xây dựng chương trình thử nghiệm phép lọc hình thái học ứng dụng cho ảnh tài liệu kém chất lượng: cài đặt thử nghiệm phép lọc hình thái và đánh giá. Chương trình thử nghiệm đã đưa ra việc cài đặt các phép toán hình thái cơ bản, sử dụng kết hợp các phép toán hình thái cơ bản trong việc khử nhiễu ảnh, làm rõ đối tượng ảnh. Tuy nhiên, vì quá trình nghiên cứu vẫn còn nhiều thiếu sót nên tác giả sẽ cố gắng tìm hiểu và cải thiện thêm trong tương lai để áp dụng được nhiều hơn trong thực tiễn.
Định hướng phát triển
✓ Tối ưu các thuật toán để cải thiện tốc độ cũng như chất lượng ảnh.
✓ Căn cứ vào đánh giá MSE, PSNR và SSIM để điều chỉnh các tham số cho các thuật toán.
TÀI LIỆU THAM KHẢO
Tiếng Việt
[1] Phạm Việt Bình (2006), “Một số tính chất của phép toán hình thái và ứng dụng trong phát hiện biên”, Tạp chí Tin học và Điều khiển học.
[2] PGS.TS Nguyễn Quang Hoan (2006) – Giáo trình môn học xử lý ảnh, học viện công nghệ bưu chính viễn thông.
[3] Ths. Hồ Đức Lĩnh (2013) - Khoa Công nghệ Thông tin – Đại học Đông Á - Bài viết “Xử lý hình thái học trên ảnh và ứng dụng”.
[4] Trần Đức Toàn – Luận văn thạc sỹ “Nghiên cứu một số kỹ thuật nâng cao chất
lượng ảnh nhị phân và ứng dụng”.
[5] Nguyễn Xuân Vinh (2010), Phép toán hình thái học, Luận văn khoa học Thạc sỹ công nghệ thông tin, Khoa Công nghệ thông tin – Đại học Thái Nguyên.
Tiếng Anh
[6] Alessandro Ledda (Oct. 2006), Mathematical Morphology in Image Processing, Doctor of Engineering Science, Department of Telecommunications, and Information Processing.
[7] Aditya Challa, Sravan Danda, B S Daya Sagar, Laurent Najman (2018), Some Properties of Interpolations Using Mathematical Morphology, IEEE
Transactions on Image Processing, vol. 27, no. 4, pp. 2038-2048.
[8] Álvar-Ginés Legaz-Aparicio, Rafael Verdu-Monedero, Jesus Angulo (2018), “Adaptive morphological filters based on a multiple orientation vector field dependent on image localfeatures”, Journal of Computational and Applied
Mathematics, pp. 965-981.
[9] Bernhard Burgeth, Andreas Kleefeld, Benoît Naegel, Nicolas Passat, Benjamin Perret (2019), Mathematical Morphology and Its Applications to Signal and
Image Processing, Springer Nature Switzerland AG, Gewerbestrasse 11, 6330
Cham, Switzerland
[10] Charles Jacobs, Patrice Y. Simard, Paul Viola, and James Rinker (2005), “Text Recognition of Low-resolution Document Images”, Eighth International
Conference on Document Analysis and Recognition (ICDAR'05), Seoul, South
Korea, pp. 695-699.
[12] Giulia Boato, (Member, IEEE), Duc-Tien Dang-Nguyen, (Member, IEEE), and Francesco G. B. De Natale, (Senior Member, IEEE) (2020), "Morphological Filter Detector for Image Forensics Applications", Morphological Filter Detector
for Image Forensics Applications, Vol.8, pp. 13549-13560.
[13] Khairul Anuar Mat Said, Asral Bahari Jambek (2016), A Study on Image
Processing Using Mathematical Morphological, School of Microelectronic
Engineering, Universiti Malaysia Perlis, Perlis, Malaysia
[14] Laurent Najman, Hugues Talbot (2010), Mathematical Morphology From Theory
to Applications, Wiley-ISTE
[15] Dr. Pierre Soille (2004), Morphological Image Analysis - Principles and
Applications, Springer-Verlag Berlin Heidelberg
[16] Rafael C. Gonzalez, Richard E. Woods, Steven L. Eddins (2008), Digital Image Processing using Matlab, Gatesmark.
[17] Shi-Yuan Ma, Ashraf Khalil, Hassan Hajjdiab and Hichem Eleuch (2020),
Quantum Dilation and Erosion, Licensee MDPI, Basel, Switzerland.
[18] Xaro Benavent, Esther Dura, Francisco Vegara, and Juan Domingo (2012), “Mathematical Morphology for Color Images: An ImageDependent Approach”,
Mathematical Problems in Engineering, pp. 1-18.
[19] Wilhelm Burger, Mark J. Burge (2009), Principles of Digital Image Processing:
Fundamental Techniques, Sprigner.
[20] Morphological Operations in Image Processing (Jan. 2020), https://himnickson.medium.com/morphological-operations-in-image- processing-cb8045b98fcc [21] https://en.wikipedia.org/wiki/Structural_similarity [22] https://viblo.asia/p/cac-chi-so-danh-gia-duoc-su-dung-cho-bai-toan-image- generation-is-fid-psnr-ssim-XL6lA0zDZek [23] https://www.imatest.com/docs/ssim/ [24] https://en.wikipedia.org/wiki/Unsharp_masking [25] http://www.dfstudios.co.uk/articles/programming/image-programming- algorithms/image-processing-algorithms-part-6-gamma-correction/