Điều khiển mô hình bãi giữ xe thông minh - Nguyễn Minh Nhật, ĐH Sư Phạm Kỹ Thuật TPHCM

Dưới đây là thông tin meta tags cho bài viết: { "ai_description": "Điều khiển mô hình bãi giữ xe thông minh là giải pháp tối ưu cho quản lý bãi đỗ xe. Tìm

• Tác giả: Nguyễn Minh Nhật
• Người hướng dẫn: Ths. Nguyễn Trần Minh Nguyệt
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Công nghệ kỹ thuật điều khiển và tự động hoá
• Đề tài: Điều Khiển Mô Hình Bãi Giữ Xe Thông Minh
• Loại tài liệu: Báo cáo đề tài nghiên cứu khoa học của sinh viên
• Năm xuất bản: 2021
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Giải Mã Bí Ẩn Điều Khiển Mô Hình Bãi Giữ Xe Thông Minh Là Gì 58 ký tự

Trong bối cảnh đô thị hóa ngày càng tăng và lượng phương tiện giao thông cá nhân bùng nổ, điều khiển mô hình bãi giữ xe thông minh đã trở thành một giải pháp thiết yếu để giải quyết các thách thức về quản lý và tối ưu hóa không gian đỗ xe. Bài viết này sẽ đi sâu vào phân tích các khía cạnh của một hệ thống quản lý bãi đỗ xe hiện đại, từ định nghĩa cơ bản đến các công nghệ cốt lõi và ứng dụng thực tiễn. Mục tiêu là cung cấp cái nhìn toàn diện về cách bãi giữ xe tự động không chỉ nâng cao hiệu quả mà còn cải thiện trải nghiệm người dùng và an ninh.

1.1. Định nghĩa và Tầm quan trọng của bãi giữ xe tự động

Điều khiển mô hình bãi giữ xe thông minh là một lĩnh vực nghiên cứu và ứng dụng công nghệ nhằm tạo ra các hệ thống quản lý bãi đỗ xe hiệu quả, tự động hóa cao. Mô hình này không chỉ đơn thuần là việc kiểm soát xe ra vào mà còn tối ưu hóa toàn bộ quá trình đỗ xe, từ việc tìm kiếm chỗ trống, giám sát an ninh đến quản lý thanh toán. Với sự phát triển của đô thị và gia tăng phương tiện cá nhân, nhu cầu về một hệ thống quản lý bãi đỗ xe thông minh, có khả năng xử lý lượng lớn phương tiện và giảm thiểu tắc nghẽn, trở nên cấp thiết hơn bao giờ hết. Mục tiêu chính là giảm thiểu thời gian chờ đợi, nâng cao trải nghiệm người dùng và tối ưu hóa sử dụng không gian. Một bãi giữ xe tự động hiện đại thường tích hợp nhiều công nghệ khác nhau để đạt được các mục tiêu này.

1.2. Lợi ích vượt trội của hệ thống quản lý bãi đỗ xe hiện đại

Việc triển khai một giải pháp bãi xe thông minh mang lại hàng loạt lợi ích đáng kể cho cả người sử dụng và nhà quản lý. Đối với người dùng, thời gian tìm kiếm chỗ đỗ được rút ngắn đáng kể nhờ vào thông tin chỗ trống được cập nhật theo thời gian thực, giảm căng thẳng và tiết kiệm nhiên liệu. Đối với nhà quản lý, hệ thống quản lý bãi đỗ xe hiện đại giúp giảm thiểu chi phí vận hành thông qua việc tự động hóa các quy trình, giảm nhu cầu về nhân lực. Ngoài ra, khả năng quản lý xe ra vào một cách chính xác, cùng với hệ thống giám sát an ninh tiên tiến, hạn chế tối đa các rủi ro về mất cắp hay thiệt hại tài sản. Dữ liệu thu thập được cũng hỗ trợ việc phân tích hành vi người dùng, từ đó đưa ra các chiến lược tối ưu hóa không gian đỗ xe và dịch vụ.

1.3. Tổng quan kiến trúc của mô hình bãi giữ xe thông minh

Kiến trúc của một mô hình bãi giữ xe thông minh thường bao gồm nhiều lớp thành phần kết nối và tương tác với nhau. Ở cấp độ thu thập dữ liệu, các cảm biến siêu âm bãi đỗ xe, camera giám sát và thiết bị RFID đóng vai trò cung cấp thông tin về trạng thái chỗ trống, thông tin biển số xe và thẻ định danh. Lớp xử lý trung tâm, thường là một bộ vi điều khiển hoặc máy tính công nghiệp, tiếp nhận và phân tích dữ liệu này, đưa ra quyết định điều khiển các thiết bị chấp hành như cổng barrier, đèn báo hiệu. Giao diện người dùng có thể là ứng dụng di động, màn hình hiển thị hoặc website, giúp người dùng dễ dàng truy cập thông tin và thực hiện các thao tác cần thiết. Sự phối hợp nhịp nhàng giữa các thành phần này tạo nên một hệ thống điều khiển bãi giữ xe thông minh hoạt động liền mạch và hiệu quả.

II. Vượt Qua Thách Thức Vì Sao Cần Điều Khiển Bãi Giữ Xe Thông Minh 60 ký tự

Sự phát triển không ngừng của các đô thị lớn kéo theo sự gia tăng chóng mặt của phương tiện cá nhân, tạo ra áp lực lớn lên hạ tầng giao thông và đặc biệt là hệ thống bãi đỗ xe. Các phương pháp quản lý truyền thống không còn đủ sức đáp ứng nhu cầu hiện tại, đặt ra yêu cầu cấp thiết về một giải pháp bãi xe thông minh hơn. Đây là lý do tại sao điều khiển mô hình bãi giữ xe thông minh trở thành một hướng đi không thể thiếu để giải quyết các vấn đề nan giải này, từ tắc nghẽn giao thông đến an ninh.

2.1. Hạn chế của phương pháp quản lý bãi xe truyền thống

Các phương pháp quản lý bãi giữ xe truyền thống đang đối mặt với nhiều thách thức lớn trong bối cảnh đô thị hóa nhanh chóng. Hệ thống thủ công thường dẫn đến tình trạng tắc nghẽn nghiêm trọng, đặc biệt vào giờ cao điểm, do việc kiểm soát xe ra vào chậm chạp và thiếu thông tin về chỗ trống. Người lái xe phải mất nhiều thời gian và công sức để tìm kiếm vị trí đỗ, gây lãng phí nhiên liệu và tăng cường ô nhiễm. Hơn nữa, việc ghi chép thông tin thủ công dễ xảy ra sai sót, khó kiểm soát doanh thu và tiềm ẩn rủi ro về an ninh. Thiếu sự giám sát tự động khiến việc quản lý xe ra vào trở nên kém hiệu quả, tạo cơ hội cho các hành vi gian lận hoặc trộm cắp. Sự kém linh hoạt này cho thấy nhu cầu cấp thiết về một giải pháp bãi xe thông minh hơn.

2.2. Áp lực từ nhu cầu tối ưu hóa không gian đỗ xe đô thị

Trong các thành phố lớn, quỹ đất hạn hẹp cùng với sự gia tăng không ngừng của số lượng phương tiện cá nhân tạo ra áp lực lớn trong việc tối ưu hóa không gian đỗ xe. Bãi đỗ xe truyền thống thường không tận dụng hết công suất do thiếu hệ thống chỉ dẫn và quản lý thông minh. Việc không thể biết chính xác số lượng chỗ trống và vị trí cụ thể làm giảm hiệu quả sử dụng diện tích. Một hệ thống quản lý bãi đỗ xe thông minh có khả năng giám sát trạng thái từng vị trí đỗ, cung cấp thông tin theo thời gian thực, từ đó giúp người lái dễ dàng tìm chỗ và nhà quản lý phân bổ không gian hợp lý. Điều này không chỉ giảm ùn tắc mà còn tăng khả năng phục vụ của bãi đỗ, biến nó thành một bãi giữ xe tự động thực sự hiệu quả.

2.3. Yêu cầu về an ninh và hiệu quả quản lý xe ra vào

An ninh là một trong những mối quan tâm hàng đầu của người sử dụng và nhà quản lý bãi đỗ xe. Các bãi xe truyền thống thường có lỗ hổng về an ninh do phụ thuộc nhiều vào yếu tố con người. Việc kiểm soát thủ công không thể đảm bảo giám sát liên tục và chính xác. Một hệ thống điều khiển bãi giữ xe thông minh giải quyết vấn đề này bằng cách tích hợp các công nghệ như nhận diện biển số xe, nhận diện khuôn mặt và camera giám sát 24/7. Điều này không chỉ giúp theo dõi chặt chẽ mọi phương tiện và người ra vào mà còn cung cấp bằng chứng rõ ràng trong trường hợp xảy ra sự cố. Hiệu quả quản lý xe ra vào được nâng cao đáng kể, giảm thiểu rủi ro mất cắp và tăng cường niềm tin cho người sử dụng dịch vụ.

III. Cách Vận Hành Công Nghệ Cốt Lõi Nào Điều Khiển Bãi Giữ Xe Thông Minh 60 ký tự

Để hiện thực hóa mô hình bãi giữ xe thông minh, sự kết hợp của nhiều công nghệ tiên tiến là không thể thiếu. Từ các thiết bị nhận dạng tần số vô tuyến đến các cảm biến vật lý và hệ thống điều khiển điện tử, mỗi thành phần đóng vai trò quan trọng trong việc tạo nên một hệ thống quản lý bãi đỗ xe tự động và hiệu quả. Việc hiểu rõ cách các công nghệ này vận hành sẽ giúp đánh giá đúng giá trị và tiềm năng của điều khiển mô hình bãi giữ xe thông minh.

3.1. Ứng dụng đột phá của công nghệ RFID trong bãi xe

Công nghệ RFID trong bãi xe là một trong những yếu tố then chốt tạo nên sự thông minh và hiệu quả. RFID (Radio Frequency Identification) sử dụng sóng vô tuyến để nhận dạng và theo dõi các đối tượng được gắn thẻ. Trong bãi giữ xe, thẻ RFID thường được dán trên kính xe hoặc gắn vào thẻ gửi xe. Khi phương tiện đi qua cổng vào/ra, đầu đọc RFID sẽ tự động quét thông tin từ thẻ, xác định quyền truy cập và lưu trữ dữ liệu thời gian. Điều này giúp quá trình quản lý xe ra vào diễn ra nhanh chóng, không cần dừng xe hoặc thao tác thủ công, giảm thiểu tắc nghẽn và tăng cường tốc độ lưu thông. Sự chính xác và khả năng tự động hóa cao của RFID là nền tảng cho một hệ thống quản lý bãi đỗ xe hiện đại.

3.2. Vai trò của cảm biến siêu âm bãi đỗ xe trong giám sát vị trí

Để tối ưu hóa không gian đỗ xe và hướng dẫn người lái tìm chỗ trống hiệu quả, cảm biến siêu âm bãi đỗ xe đóng vai trò vô cùng quan trọng. Các cảm biến này (ví dụ: HC-SR04 như đề tài nghiên cứu đã đề cập) được lắp đặt trên trần hoặc phía trước mỗi vị trí đỗ. Chúng phát ra sóng siêu âm và đo thời gian sóng phản xạ lại để xác định có xe đang đỗ hay không. Dữ liệu từ các cảm biến này được gửi về bộ điều khiển trung tâm, tổng hợp và hiển thị lên bảng điện tử hoặc ứng dụng di động, chỉ dẫn cho người lái về các khu vực có chỗ trống. Việc này giúp giảm đáng kể thời gian tìm chỗ, cải thiện lưu thông nội bộ bãi xe và nâng cao trải nghiệm tổng thể cho người dùng bãi giữ xe tự động.

3.3. Tích hợp hệ thống phần cứng và vi điều khiển hiệu quả

Một mô hình bãi giữ xe thông minh không thể hoạt động hiệu quả nếu thiếu sự tích hợp chặt chẽ giữa các thành phần phần cứng và bộ vi điều khiển. Các module như RFID RC522 (từ tài liệu nghiên cứu), cảm biến siêu âm HC-SR04, camera, và các thiết bị chấp hành như barrier, đèn LED hiển thị đều được kết nối với một bộ vi điều khiển trung tâm (ví dụ như Arduino hoặc Raspberry Pi). Bộ vi điều khiển này chịu trách nhiệm thu thập dữ liệu từ cảm biến, xử lý thông tin, và gửi lệnh điều khiển. Việc lập trình tối ưu hóa trên vi điều khiển đảm bảo các quy trình như nhận diện biển số xe, xác định vị trí trống và quản lý xe ra vào diễn ra mượt mà, chính xác và đáng tin cậy.

IV. Nâng Cao Trí Tuệ Xử Lý Ảnh và Nhận Diện trong Bãi Giữ Xe Thông Minh 60 ký tự

Ngoài các công nghệ cảm biến và RFID, khả năng xử lý thông tin thông minh, đặc biệt là thông qua xử lý ảnh và các thuật toán học máy, là yếu tố then chốt tạo nên sự tinh vi của điều khiển mô hình bãi giữ xe thông minh. Các phương pháp này giúp hệ thống không chỉ thu thập dữ liệu thô mà còn 'hiểu' được thông tin từ hình ảnh, từ đó thực hiện các tác vụ phức tạp như nhận diện biển số xe và tăng cường an ninh vượt trội.

4.1. Phương pháp nhận diện biển số xe tự động chính xác

Nhận diện biển số xe tự động là một tính năng cốt lõi của hệ thống điều khiển bãi giữ xe thông minh, giúp tăng cường an ninh và tự động hóa quản lý xe ra vào. Quá trình này bao gồm nhiều bước phức tạp: đầu tiên là thu nhận ảnh từ camera, sau đó là xử lý ảnh để cải thiện chất lượng (cân bằng biểu đồ, lọc mịn). Kế tiếp là phát hiện vị trí biển số xe trong ảnh, thường sử dụng các thuật toán xử lý ảnh truyền thống hoặc mạng thần kinh như YOLO (You Only Look Once), đã được đề cập trong tài liệu nghiên cứu. Cuối cùng, các ký tự trên biển số được trích xuất và nhận diện. Sự chính xác của bước này quyết định hiệu quả toàn bộ hệ thống, loại bỏ sự cần thiết của con người trong việc ghi nhận thông tin xe.

4.2. Khai thác thuật toán SVM và mạng YOLO trong nhận diện ký tự

Để đạt được độ chính xác cao trong nhận diện biển số xe, các thuật toán học máy và học sâu đóng vai trò quan trọng. Tài liệu nghiên cứu đã chỉ ra việc sử dụng thuật toán SVM (Support Vector Machine) cho bước nhận diện ký tự sau khi đã trích xuất chúng. SVM là một thuật toán phân loại kinh điển, hoạt động bằng cách tạo ra một siêu phẳng để phân chia các lớp dữ liệu, kể cả trong không gian phi tuyến tính bằng cách tăng chiều không gian (tức tăng kích thước dữ liệu để dễ phân loại hơn) [trích dẫn từ tài liệu: Hình 25: Mô tả trực quan thuật toán SVM]. Bên cạnh đó, mạng thần kinh YOLO được ứng dụng để phát hiện biển số xe trong ảnh một cách hiệu quả, nhận diện vật thể và vị trí của chúng. Sự kết hợp này tạo nên một hệ thống giám sát bãi giữ xe thông minh bằng xử lý ảnh mạnh mẽ.

4.3. Công nghệ nhận diện khuôn mặt tăng cường an ninh bãi đỗ

Ngoài nhận diện biển số xe, một số mô hình bãi giữ xe thông minh tiên tiến còn tích hợp công nghệ nhận diện khuôn mặt để tăng cường lớp bảo mật. Điều này đặc biệt hữu ích cho việc xác minh người lái, ngăn chặn các trường hợp giả mạo hoặc truy cập trái phép. Công nghệ này sử dụng các thuật toán như Haar Cascade (được định nghĩa trong tài liệu nghiên cứu) để phát hiện khuôn mặt trong ảnh hoặc video. Sau đó, các đặc trưng khuôn mặt được trích xuất và so sánh với cơ sở dữ liệu để xác định danh tính. Việc này cung cấp một lớp an ninh bổ sung, giúp hệ thống quản lý bãi đỗ xe không chỉ kiểm soát phương tiện mà còn giám sát được cả con người, từ đó nâng cao mức độ an toàn tổng thể.

V. Thành Công Thực Tiễn Ứng Dụng Mô Hình Điều Khiển Bãi Giữ Xe Thông Minh 60 ký tự

Việc nghiên cứu và phát triển điều khiển mô hình bãi giữ xe thông minh không chỉ dừng lại ở lý thuyết mà đã được chứng minh qua các ứng dụng thực tiễn và kết quả thử nghiệm khả quan. Những thành công này mở ra cánh cửa cho việc triển khai rộng rãi các giải pháp bãi xe thông minh trong tương lai, góp phần giải quyết các vấn đề giao thông đô thị và nâng cao chất lượng cuộc sống. Tương lai của bãi giữ xe tự động hứa hẹn nhiều tiềm năng phát triển đột phá.

5.1. Kết quả thử nghiệm và đánh giá hiệu suất của mô hình

Các nghiên cứu và triển khai mô hình bãi giữ xe thông minh đã cho thấy những kết quả tích cực trong việc cải thiện hiệu suất quản lý. Từ tài liệu nghiên cứu, việc áp dụng các thuật toán như SVM cho nhận diện ký tự và mạng YOLO cho phát hiện biển số đã chứng minh được khả năng hoạt động chính xác cao trong môi trường thực tế. Mô hình thử nghiệm đã thể hiện khả năng quản lý xe ra vào nhanh chóng, cung cấp thông tin chỗ trống chính xác nhờ cảm biến siêu âm bãi đỗ xe và ghi nhận thông tin phương tiện hiệu quả thông qua nhận diện biển số xe kết hợp với công nghệ RFID trong bãi xe. Những đánh giá này là cơ sở để khẳng định tiềm năng ứng dụng rộng rãi của giải pháp bãi xe thông minh trong các đô thị hiện đại.

5.2. Tiềm năng triển khai giải pháp bãi xe thông minh rộng rãi

Với những lợi ích vượt trội về hiệu quả, an ninh và trải nghiệm người dùng, giải pháp bãi xe thông minh có tiềm năng triển khai rộng rãi ở nhiều quy mô và loại hình bãi đỗ khác nhau. Từ các bãi đỗ xe công cộng lớn, trung tâm thương mại, khu chung cư cho đến các doanh nghiệp, việc áp dụng hệ thống điều khiển bãi giữ xe thông minh sẽ giúp giải quyết bài toán ùn tắc và thiếu chỗ đỗ. Khả năng tùy biến và tích hợp các công nghệ khác nhau như thanh toán tự động, đặt chỗ trước qua ứng dụng di động sẽ mở rộng tiện ích của hệ thống. Sự đầu tư vào một hệ thống quản lý bãi đỗ xe thông minh là một khoản đầu tư chiến lược cho sự phát triển bền vững của hạ tầng giao thông đô thị.

5.3. Hướng phát triển và tương lai của điều khiển bãi giữ xe tự động

Tương lai của điều khiển mô hình bãi giữ xe thông minh hứa hẹn nhiều cải tiến đột phá hơn nữa. Các hướng phát triển tiềm năng bao gồm tích hợp sâu hơn với hệ thống giao thông thông minh (ITS) của thành phố, cho phép chia sẻ dữ liệu chỗ trống theo thời gian thực trên quy mô lớn. Việc áp dụng trí tuệ nhân tạo (AI) và học sâu (Deep Learning) sẽ tiếp tục nâng cao độ chính xác của nhận diện biển số xe và khả năng dự đoán nhu cầu đỗ xe. Công nghệ thanh toán không tiếp xúc hoàn toàn tự động, sử dụng blockchain để tăng cường bảo mật dữ liệu, và các giải pháp tối ưu hóa không gian đỗ xe đa tầng sẽ là những xu hướng chính. Sự phát triển này sẽ định hình một tương lai nơi bãi giữ xe tự động trở thành một phần không thể thiếu của hạ tầng đô thị hiện đại.

Trích đoạn nội dung tài liệu

Chương 1: Cơ sở lý thuyết 1. Tổng quát xử lý ảnh Trong lĩnh vực thị giác máy tính, nhóm kiến thức sau về cấu tạo ảnh cũng như tiền xử lý ảnh là vô cùng quan trọng để phát triển thuật toán. Trong đó, các phép toán được chia thành từng cấp độ, từ việc cơ bản như lọc nhiễu, làm sắc nét, cân bằng sáng cho đến việc phân đoạn ảnh giúp nắm bắt được cái bên ngoài, cái vỏ bọc của vật thể, và cuối cùng là nắm bắt được cái bên trong, phần nội dùng của vật thể. Hình 1: So sánh các mức của xử lý ảnh 1.

Không gian màu Đối với phương pháp xử lý ảnh, người lập trình cần có kiến thức về các thành phần cơ bản cấu thành điểm ảnh cũng như không gian màu – được hiểu như một cách số hóa màu sắc. Như ta đã biết, hình ảnh mà các thiết bị kỹ thuật số hiển thị cho chúng ta thấy được là do sự kết hợp giữa các kênh màu. Trong đó, chúng ta không thể không kể đến một hệ màu thông dụng là RGB (Red, Green, và Blue) với mỗi kênh màu có cường độ từ 0 bit đến 8 bit (giá trị từ 0 đến 255) tạo thành một ma trận 3 chiều. Hình 1 cho thấy một bức ảnh màu được cấu tạo từ 3 ma trận 5x5 tương ứng với màu đỏ, màu xanh lá, và màu xanh dương.

Sự kết hợp này tạo ra độ đa dạng cho màu sắc trong kỹ thuật số khi một điểm ảnh sẽ mang dải giá trị từ 0 đến 2563-1 ứng với 16.216 màu có thể hiển thị. Tuy nhiên, không phải lúc nào sự đa dạng cũng mang đến tính tiện lợi cho con người. Đối với các màn hình bị giới hạn về độ sâu của màu sắc, chúng chỉ có thể hiển thị 216 màu RGB tương ứng với 6 giá trị màu cho mỗi kênh theo hệ thập lục phân: #00, #33, #66, #99, 18 #CC, và #FF. Hình 2 bên dưới trình bày cách kết hợp màu sắc giữa kênh xanh dương với kênh đỏ (trục tung) và kênh xanh lá (trục hoành) theo mô hình Netscape Color Cube.

Hình 2: Minh họa hệ màu RGB Hình 3: Mô hình Netscape Color Cube hiển thị qua kênh xanh dương 19 Tuy nhiên, với sự phát triển vượt bậc về công nghệ hiển thị, giờ đây việc hiển thị đầy đủ giá trị màu của kênh RGB với 24 bit mỗi điểm ảnh (24bpp) không còn là vấn đề quá lớn. Thậm chí, các màn hình với công nghệ tiên tiến hiện nay có thể hiển thị với độ sâu lên đến 48bpp (16bit mỗi kênh), mang đến khả năng hiển thị hơn 68 tỷ màu. Thế nhưng, hệ màu RGB không đóng vai trò quá trọng tâm trong các bài toán về thị giác máy tính, ngay cả với các bài toán có liên quan đến việc nhận diện vật thể dựa trên màu sắc. Việc này đến từ tính phức tạp trong cách tính toán cũng như việc hệ RGB chú trọng việc diễn đạt màu sắc kỹ thuật số cho con người, điều này thiếu sự đồng nhất và bị ảnh hưởng bởi những thứ không thể điều khiển như cấu trúc vật thể hay ánh sáng.

Cùng một bức ảnh với hệ màu RGB, hình ảnh con người nhìn thấy đôi khi lại rất khác so với thứ mà các bộ vi xử lý có khả năng nhìn thấy và hiểu được. Thay vào đó, một số hệ màu khác có cấu tạo tách biệt phần ánh sáng và được định nghĩa gần gũi hơn với thường thức của con người sẽ được sử dụng, tiêu biểu là các hệ màu như LAB, HSV, YCbCr,. Lấy ví dụ, màu sắc trong hệ HSV có thể được nhận biết qua “hình 4”. Hình 4: Vùng màu trong hệ HSV Trục hoành tương ứng với giá trị H-Hue–Màu sắc.

Khi Hue tăng dần từ 0 đến 180, màu sắc hiển thị sẽ tương ứng với sự giảm dần của bước sóng từ màu đỏ cho đến màu tím. Vùng (1) trong “hình 4” (phía trên trục hoành) là khu vực mà giá trị S-Saturation - Bão hòa chưa đạt ngưỡng tối đa. Độ bão hòa đặc trưng cho độ đậm nhạt của màu sắc, S càng thấp sẽ cho ra màu sắc càng nhạt và ngược lại. Vùng (2) trong “hình 4” (phía dưới 20 trục hoành) là khu vực mà giá trị bão hòa đã đạt ngưỡng, màu sắc không thay đổi khi chúng ta tiếp tục tăng giá trị bão hòa.

Trong hình, con số V-Value–Giá trị (vì không được chuẩn hóa nên đôi khi còn được gọi là I-Intensity-Độ sâu, L-Lightness-Độ sáng hay B-Brightness-Độ chói tạo thành hệ màu HIS hay HSB với cùng ý nghĩa). Trong hình trên, giá trị luôn được đặt ở mức ngưỡng là 255 tại mọi điểm để mang lại cái nhìn chân thực nhất về màu sắc, nếu giá trị quá thấp, màu sắc sẽ hoàn toàn bị phủ đen. Một cách hiểu khác, giá trị là sự kết hợp giữa màu sắc với màu trắng, khi được thay đổi, giá trị càng thấp thì ảnh hiển thị ra càng tối. Ngoài tính dễ hiểu, việc tách biệt các giá trị về màu sắc, sắc độ cũng như cường độ sáng còn mang lại lợi ích trong các thuật toán tiền xử lý ảnh.

Lấy ví dụ, trong phép cân bằng biểu đồ, nếu không tách biệt màu sắc khỏi cường độ sáng, việc cân bằng sẽ mang lại kết quả rất khác so với mong đợi. Một ví dụ thực tế khác, trong việc nhận diện biển báo giao thông, điều kiện ánh sáng như chói sáng hoặc nhiễu đổ bóng dễ làm phần mềm không nhận diện được các biển báo do phần cạnh cần thiết để nhận diện bị chìm trong nhiễu. Như vậy, việc tách biệt bóng hay các phần ảnh bị chói sẽ gia tăng độ chính xác và tính hiệu quả của mô hình nhận diện liên quan đến màu sắc. Tạo ảnh xám Đây là một trong những phương pháp được sử dụng phổ biến trong quá trình tiền xử lý.

Tương tự với giá trị Brightness, Lightness, hay Value trong các hệ màu HSB, HSL, hay HSV, giá trị của hệ màu xám trình bày đặc điểm về cường độ sáng của điểm ảnh. Giá trị của các điểm ảnh trong hệ màu xám được xác định từ 0 (màu đen) đến 255 (màu trắng), từ 1 đến 254 là các sắc độ từ xám đậm đến xám nhạt. “Hình 5” minh họa quá trình chuyển đổi từ ảnh màu sang ảnh xám. Hình 5: Phép chuyển đổi ảnh xám 21 Như chúng ta thấy, phép chuyển đổi từ ảnh màu sang ảnh xám giữ nguyên tính chất ảnh về các cấu trúc, chiều sâu, và ánh sáng, trừ yếu tố màu sắc.

Việc chuyển đổi hình ảnh thành hệ màu xám để sử dụng trong quá trình xử lý giúp giảm dùng lượng bộ nhớ và tăng tốc độ xử lý của hệ thống một cách đáng kể do ảnh xám chỉ yêu cầu 8 bits dữ liệu cho mỗi điểm ảnh thay vì ít nhất 24 bits như trong các hệ màu khác (lưu ý rằng với mỗi điểm ảnh RGB, hệ thống luôn cấp đủ 24 bits cho dù tất cả các giá trị của hệ màu là 0). Vì vậy, phần lớn các thuật toán xử lý ảnh đều yêu cầu ảnh đầu vào là một ảnh xám vì chúng giúp đơn giản hóa thuật toán cũng như giảm số lượng phép tính cần phải thực hiện, nhờ đó bộ nhớ máy tính có thể lưu trữ nhiều dữ liệu hơn, khả năng xử lý đa nhiệm cũng được cải thiện một cách đáng kể. Nói đến phép tính chuyển đổi ảnh màu thành ảnh xám, như được đề cập trong bài báo khoa học của Christopher Kanan và Garrison W. Cottrell trên tập san PLOS One, có ít nhất 13 cách chuyển đổi ảnh màu thành ảnh xám, lựa chọn dựa trên yêu cầu về việc loại bỏ nhiễu sáng.

Tuy nhiên, trong bài báo cáo này, nhóm chỉ sử dụng phép chuyển đổi Luminance. Đây là phép toán được sử dụng trong các mã nguồn xử lý ảnh phổ biến như OpenCV và MATLAB. Trong đó, giá trị xám của điểm ảnh khi chuyển đổi từ ảnh màu hệ RGB sang ảnh xám là: 𝐺𝐿𝑢𝑚𝑖𝑛𝑎𝑛𝑐𝑒 = 0.11𝐵 (1) Công thức (1) cũng chỉ ra khả năng nhận diện màu sắc về khía cạnh sinh lý của con người: nhạy cảm nhất với ánh sáng xanh lá, ít hơn là màu đỏ, và ít nhất là màu xanh dương. Cân bằng biểu đồ Bước cân bằng biểu đồ được ứng dụng để lọc bớt nhiễu sáng trong ảnh.

Trong phép cân bằng biểu đồ, những thông số sau cần được xác định cho việc tính toán: 𝑟𝑘 : mức xám của điểm ảnh. 𝑛𝑘 : số lần xuất hiện của điểm ảnh có giá trị 𝑟𝑘 trong ảnh. 𝑛𝑘 𝑝𝑟 = : tỉ lệ xuất hiện của điểm ảnh có giá trị 𝑟𝑘 trong ảnh, với MN là tích chiều 𝑀𝑁 dài và chiều rộng của ảnh. 22 𝑠𝑘 : giá trị xác suất mật độ của từng cường độ sáng trong ảnh Giá trị 𝑠𝑘 được tính toán bằng công thức sau: 𝑠𝑘 = (𝐿 − 1) ∑𝑘𝑗=0 𝑝𝑟 (𝑟𝑗 ) (2) Với 𝐿 là giá trị cao nhất của mức xám trong ảnh (2𝑠ố 𝑏𝑖𝑡 ả𝑛ℎ − 1) và 𝑘 ∈ [0, 𝐿 − 1] Sau khi tính toán, giá trị 𝑠𝑘 được làm tròn để gán vào giá trị các điểm ảnh.

Hình 6 minh họa sự khác biệt về biểu đồ xám giữa hình được cân bằng biểu đồ và hình chưa qua xử lý. Hình 6: Kết quả phép cân bằng biểu đồ xám Với ảnh chưa được cân bằng biểu đồ xám, cường độ các điểm ảnh chỉ nằm ở một phía biểu đồ, hoặc nằm giữa biểu đồ. Sau bước cân bằng, cường độ các điểm ảnh được san bằng xuyên suốt biểu đồ, mang lại độ tương phản cao cho ảnh. Phép phân ngưỡng Phép phân ngưỡng được sử dụng để chuyển đổi ảnh đa cấp xám (mỗi điểm ảnh có giá trị cường độ xám từ 0 đến 255) thành ảnh nhị phân (mỗi điểm ảnh chỉ mang giá trị 0 hoặc 255).

Việc phân ngưỡng được ứng dụng nhiều trong các bài toán về phát hiện vật thể, phân lớp, và giúp tăng tốc các bài toán liên quan đến vùng ảnh. Đối với một ảnh xám, nếu độ đậm G của điểm ảnh lớn hơn giá trị ngưỡng đặt trước, điểm ảnh sẽ được gán một giá trị ở đầu ra của phép phân ngưỡng. Trường hợp độ đậm G của điểm ảnh nhỏ hơn hoặc bằng giá trị ngưỡng, điểm ảnh sẽ được gán một giá trị khác. Các giá trị 23 đầu ra được quyết định dựa trên sự lựa chọn về phương pháp phân ngưỡng.

Một số phương pháp phân ngưỡng cơ bản có thể được kể đến như: - Phân ngưỡng nhị phân: Nếu G lớn hơn ngưỡng, điểm ảnh được gán giá trị 255 (hoặc giá trị bất kỳ được đặt trước), ngược lại, điểm ảnh được gán giá trị là 0. - Phân ngưỡng nhị phân đảo: Nếu G lớn hơn ngưỡng, điểm ảnh được gán giá trị 0. Ngược lại, điểm ảnh được gán giá trị là 255 (hoặc giá trị bất kỳ đặt trước).