CHƯƠNG 1 TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU
2.5 Phương pháp đánh giá chất lượng ảnh thích hợp với điều kiện của Việt Nam
2.5.4 Phương pháp chiết tách cạnh Canny
Sự phát triển của công nghệ thông tin đã giúp cho dữ liệu viễn thám ngày càng cung cấp thông tin chi tiết hơn về đối tượng qua dữ liệu ảnh, trong xử lý ảnh số, điều này được thể hiện rõ ràng trong độ phân giải bức xạ với mức lượng tử ngày càng cao. Đối với các dữ liệu ảnh viễn thám trước đây, độ phân giải bức xạ thường ở mức thấp ( 8bits), do vậy các thuật tốn tuyến tính có thể áp dụng được. Tuy nhiên, khi giá trị lượng tử hóa tăng lên (12-16bits) thì độ chính xác khi sử dụng phương pháp này khơng cịn đảm bảo, do đó cần phải có phương pháp thích hợp hơn. Đã có các nghiên cứu sử dụng thuật toán mờ Fuzzy hay học máy,… nhưng khả năng ứng dụng còn khá hạn chế vì tập mẫu khơng nhiều hay chưa đáp ứng được độ chính xác cần thiết. Với ưu điểm của ảnh gradient là làm nổi bật cạnh, gờ ảnh, nghiên cứu sinh thử nghiệm áp dụng dạng ảnh này để chiết tách cạnh theo phương pháp Canny [75,45], phục vụ cho công tác xác định ESF để tính tốn MTF thay cho các thuật tốn đã và đang được sử dụng.
Phương pháp Canny được thực hiện theo 4 bước như sau [75,45]:
- Lọc nhiễu: Do quá trình chiết tách cạnh dễ bị ảnh hưởng bởi nhiễu trong ảnh nên
cần tiến hành lọc nhiễu. Bước này sẽ làm mịn ảnh bằng cách sử dụng bộ lọc Gauss kích thước 5x5 để lọc nhiễu trên ảnh.
- Tính Gradient và hướng gradient: dùng bộ lọc Sobel X và Sobel Y (3x3) để tính
được ảnh đạo hàm Gx (theo hàng) và Gy (theo cột). Sau đó, tiếp tục tính ảnh Gradient và góc của Gradient theo cơng thức. Ảnh đạo hàm Gx và Gy là ma trận, thì kết quả tính ảnh đạo hàm Gradient cạnh cũng là một ma trận cùng kích thước, mỗi điểm ảnh trên ma trận này thể hiện độ lớn của biến đổi mức sáng ở vị trí tương ứng trên ảnh gốc. Tương tự, ma trận góc cũng có cùng kích thước, mỗi điểm ảnh trên ma trận góc thể hiện góc, hay nói cách khác là hướng của cạnh.
- Loại bỏ giá trị không phải cực đại (Non-maximum Suppression, NMS): loại bỏ
các điểm ảnh ở vị trí khơng phải cực đại tồn cục. Ở bước này, dùng một ma trận lọc kích thước 3x3 lần lượt chạy qua các điểm ảnh trên ảnh gradient. Trong quá trình lọc, xem xét xem độ lớn gradient của điểm ảnh trung tâm có phải là cực đại (lớn nhất trong cục bộ - local maximum) so với các gradient ở các điểm ảnh xung quanh. Nếu là cực đại, sẽ ghi nhận sẽ giữ điểm ảnh đó lại. Cịn nếu điểm ảnh đó khơng phải là cực đại lân cận, sẽ đặt độ lớn gradient của nó về giá trị 0. Chỉ thực hiện so sánh điểm ảnh trung tâm với 2 điểm ảnh lân cận theo hướng gradient (ví dụ hình 2.21). Ví dụ: nếu hướng gradient đang là 0 độ, ta sẽ so điểm ảnh trung tâm với điểm ảnh liền trái và liền phải nó. Trường hợp khác nếu hướng gradient là 45 độ, ta sẽ so sánh với 2 điểm ảnh hàng xóm là góc trên bên phải và góc dưới bên trái của điểm ảnh trung tâm. Tương tự cho 2 trường hợp hướng gradient còn lại. Kết thúc bước này ta được một mặt nạ nhị phân.
Hình 2.21. Ví dụ lọc bỏ giá trị khơng phải cực đại
- Lọc ngưỡng: xét các điểm ảnh dương trên mặt nạ nhị phân kết quả của bước trước.
Nếu giá trị gradient vượt ngưỡng max_val thì điểm ảnh đó chắc chắn là cạnh. Các điểm ảnh có độ lớn gradient nhỏ hơn ngưỡng min_val sẽ bị loại bỏ. Còn các điểm ảnh nằm trong khoảng 2 ngưỡng trên sẽ được xem xét rằng nó có nằm liên kề với những điểm ảnh được cho là "chắc chắn là cạnh" hay khơng. Nếu liền kề thì giữ, cịn khơng liền kề bất cứ điểm ảnh cạnh nào thì loại (xem hình 2.22)
Hình 2.22. Ví dụ minh họa về ngưỡng lọc