CHƯƠNG 2: PHÁT HIỆN MẶT NGƯỜI DỰA TRÊN MÀU DA
2.2.1.3. Kết hợp 2 tiêu chí
Một điểm trong ảnh vào sẽ được coi là màu da nếu thỏa mãn cả 2 tiêu chí trên: thỏa mãn công thức màu da và thỏa mãn histogram. Một số ảnh minh họa việc phát hiện màu da:
Hình 2.6: Một số kết quả minh họa trong phát hiện màu da
Tại sao lại phải kết hợp 2 tiêu chí. Vì qua thực nghiệm thấy rằng: khi áp dụng công thức màu da cũng như histogram thì đều có những phát hiện nhầm (điểm không phải là màu da lại bị phát hiện là màu da), nhưng sự nhầm lẫn này không giống nhau, tức là những điểm mà dùng công thức phát hiện nhầm thì dùng histogram lại không phát hiện nhầm và ngược lại những điểm mà dùng histogram phát hiện nhầm thì dùng công thức lại không phát hiện nhầm. Đồng thời những điểm đúng là màu da thì cả 2 cùng phát hiện đúng. Do đó việc kết hợp chúng lại sẽ giảm thiểu sai xót trong phát hiện màu da và không làm triệt tiêu sự phát hiện đúng của mỗi phương pháp.
Hình 2.7:Minh họa phát hiện màu da theo từng tiêu chí. Từ trái sang phải: ảnh vào, ảnh màu da theo công thức, ảnh màu da theo histogram
2.2.2. Lọc nhiễu
Vị trí của khâu này trong hệ thống xử lý:
Hình 2.8: Vị trí của khâu lọc nhiễu trong phương pháp
Đầu vào của khâu này là ảnh nhị phân, và đầu ra là ảnh nhị phân đã được lọc nhiễu. Trong quá trình phát hiện màu da ta có thể phát hiện nhầm các điểm gây ra các nhiễu điểm trắng trên ảnh nhị phân. Do đó ta cần loại bỏ các nhiễu điểm này, sẽ tốt cho bước sau: xác định vùng trắng, vì nếu không loại bỏ các điểm này thì mỗi nhiễu điểm sẽ bị phát hiện là 1 vùng trắng và như vậy sẽ làm tăng số lượng vùng trắng lên rất nhiều gây, tốn kém trong lưu trữ và xử lý.
Như ta đã biết, để loại bỏ nhiễu thì có thể dùng bộ lọc trung bình hoặc trung vị. Dùng bộ lọc trung bình làm xuất hiện các giá trị mới (ngoài 0 (đen) và 255 (trắng)) và không hoàn toàn đưa giá trị của điểm nhiễu trắng đó về 0 mà chỉ làm nhỏ đi. Do
đó, nếu sau đó ta duyệt lại ảnh sau khi lọc nhiễu mà chỉ kiểm tra điều kiện khác 0 thì điểm đó vẫn bị coi là trắng. Nếu không muốn bị nhầm lẫn này thì ta phải đặt ra giá trị ngưỡng thích hợp. Như vậy dùng bộ lọc trung bình trong trường hợp này không phù hợp. Do đó, ta dùng bộ lọc trung vị. Dùng bộ lọc này vừa không làm xuất hiện giá trị mới, lại vừa làm giá trị của điểm nhiễu trắng về 0 hoàn toàn.
Kích thước của bộ lọc trung vị là bao nhiêu? Nếu dùng bộ lọc trung vị kích thước lớn thì khả năng loại nhiễu cũng sẽ tăng, không chỉ loại những nhiễu điểm mà còn loại những nhiễu to (nhiễu vùng), nhưng thời gian thực hiện sẽ lâu hơn rất nhiều. Do đó, để cân đối về mặt thời gian thực hiện, hướng tới phương pháp phát hiện mặt nhanh, nên ta sẽ sử dụng bộ lọc trung vị kích thước 3 x 3. Lý thuyết về bọ lọc trung vị sẽ không trình bày ở đây.
Sau đây là một số kết quả lọc nhiễu.
Hình 2.9: Minh họa kết quả lọc nhiễu
Qua hình trên ta thấy, lọc nhiễu là 1 mũi tên trúng 2 đích. Nó không chỉ loại bỏ các nhiễu do phát hiện nhầm (những điểm trắng lác đác trên nền ảnh) mà còn loại bỏ các nhiễu do không phát hiện ra màu da (loại bỏ các điểm đen trên nền trắng). Tức là trên cánh tay hoặc trên mặt (nói chung là trên những vùng da) có những điểm không được phát hiện là màu da (nó trở thành điểm đen). Cũng có thể là do các điểm đó bị nhiễu giá trị, nên mặc dù nó nằm trên vùng da nhưng không có giá trị phù hợp là màu da. Nhưng nhờ lọc nhiễu mà ta đã biến nó thành trắng, nhờ đó tạo thành 1 vùng trắng nhất quán.