Để tính được ma trận H, ta cần vận dụng ít nhất 9 điểm tương ứng đã biết ở hai bức ảnh. Bằng cách sử dụng các điểm đặc trưng với thuật toán ORB trước đó, ta có thể tính toán ra các hệ số của ma trận. Tuy nhiên một vấn đề nảy sinh khi sử dụng trực tiếp các cặp điểm này, đó là bên cạnh những cặp điểm được tìm chính xác ăn khớp với nhau thì có những cặp điểm bị matching sai. Khi sử dụng những điểm matching sai này có thể dẫn đến việc tính toán ra sai ma trận.
quay và gây ra kết quả không như mong muốn. Do đó để khắc phục vấn đề do những điểm ngoại lai này gây ra, thuật toán RANSAC[2] được sử dụng.
Thuật toán RANSAC dựa trên việc lấy mẫu dữ liệu và đánh giá để tìm ra một hàm tối ưu trên bộ dữ liệu. Tối ưu ở đây có nghĩa là tổng sai số giữa các điểm dữ liệu và hàm số đạt giá trị nhỏ nhất. Gỉa sử với n điểm dữ liệu trước , ta mong muốn tìm được một mô hình biểu diễn bởi m điểm (nhỏ nhất có thể) sao cho
. Để ước lượng được hàm f thuật toán được thực hiện qua các bước như sau: Thiết lập số vòng lặp tìm kiếm K, khởi tạo giá trị k = 1.
Chọn ngẫu nhiên m cặp điểm từ tập X và tính toán hàm ước lượng cho mô hình. Lựa chọn giá trị khoảng sai số , xác định xem có bao nhiêu điểm dữ liệu thuộc tập X khớp với mô hình với sai số trong khoảng . Nếu số lượng điểm không thỏa mãn lớn hơn ngưỡng T thì thuật toán sẽ dừng lại.
Tiếp tục lặp lại vòng lặp với k = k+1. Nếu k < K mà thuật toán tìm được hàm tối ưu thì dừng lại, còn không thuật toán sẽ tiếp tục chạy và lấy bộ số tối ưu nhất.
Áp dụng trong trường hợp ở đây, thuật toán RANSAC được sử dụng để tìm ra ma trận tối ưu H sao cho loại bỏ được các điểm matching lỗi gây nhiễu. Do hàm ma trận H bao gồm có 9 tham số, do đó cần lựa chọn ngẫu nhiên 9 cặp điểm. Với 9 cặp điểm đó, ta tính ra được bộ tham số cho H và áp dụng vào công thức (1) để xoay ảnh tham chiếu về vị trí ảnh gốc. Sau đó sai số giữa vị trí của các cặp điểm đưuọc tính để tính ra tổng sai số, hàm tính tổng sai số được tính như sau:
Sau khi lặp lại thuật toán 100 lần với 100 bộ điểm khác nhau, bộ điểm nào cho ra sai số nhỏ nhất sẽ được áp dụng để tính ra ma trận H hoàn chỉnh cho thuật toán.
D. Thuât toán trừ ảnh và môt số kĩ thuật lọc nhiễu ảnh.
Không gian màu YUV
Mô hình YUV quy định một không gian màu được tạo bởi một độ sáng và hai thành phần màu (chrominance). Mô hình YUV giúp tạo ra màu đúng với nhận thức của con người hơn chuẩn RGB, là loại được dùng trong các thiết bị đồ hoạ máy tính, nhưng không chuẩn bằng không gian màu HSB. Y đại diện cho thành phần độ sáng, U và V là đại diện cho các thành phần màu. Các tín hiệu YUV đều xuất phát từ các nguồn RGB. Các giá trị trọng số của R, G và B được cộng lại với nhau để tạo ra một tín hiệu Y đơn, để biểu diễn độ sáng chung tại một điểm đó. Tín hiệu U sau đó được tạo ra bằng các trừ Y khỏi tín hiệu lam (B của RGB), và được nhân với một tỉ lệ có sẵn; còn V được tính bằng cách trừ Y khỏi màu đỏ (R của RGB), và nhân tỉ lệ với một hệ số khác.
Các công thức sau có thể dùng để tính toán Y, U và V từ R, G và B:
(3-36) (3-37) (3-38) Thuật toán trừ ảnh
43