Giáo Trình Xử Lý Ảnh: Kiến Thức Cơ Bản và Ứng Dụng

Khám phá bài viết 'F6e9a f5ae 9dbc 549e b76f5ec9bd75 bai gi' để hiểu rõ hơn về nội dung và ý nghĩa của nó trong bối cảnh hiện tại.

• Tác giả: PGS. Đỗ Năng Toàn
• Trường học: Học viện Công nghệ Bưu chính Viễn thông
• Chuyên ngành: Xử lý ảnh
• Đề tài: Giáo Trình Xử Lý Ảnh: Kiến Thức Cơ Bản và Ứng Dụng
• Loại tài liệu: giáo trình
• Năm xuất bản: 2013
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI NÓI ĐẦU
• 1. Chương 1: NHẬP MÔN XỬ LÝ ẢNH
• 1.1. TỔNG QUAN VỀ HỆ THỐNG XỬ LÝ ẢNH
• 1.2. NHỮNG VẤN ĐỀ CƠ BẢN TRONG XỬ LÝ ẢNH
• 1.2.1. Một số khái niệm cơ bản
• 1.2.2. Nắn chỉnh biến dạng
• 1.2.3. Chỉnh số mức xám
• 1.2.4. Phân tích ảnh
• 1.2.5. Nhận dạng và phân loại ảnh
• 2. Chương 2: THU NHẬN ẢNH
• 2.1. CÁC THIẾT BỊ THU NHẬN ẢNH
• 2.2. LẤY MẪU VÀ LƯỢNG TỬ HOÁ
• 2.2.1. Giai đoạn lấy mẫu
• 2.3. MỘT SỐ PHƯƠNG PHÁP BIỂU DIỄN ẢNH
• 2.3.1. Mô hình Raster
• 2.3.2. Mô hình Vector
• 2.4. CÁC ĐỊNH DẠNG ẢNH CƠ BẢN
• 2.4.1. Định dạng ảnh IMG
• 2.4.2. Định dạng ảnh PCX
• 2.4.3. Định dạng ảnh TIFF
• 2.4.4. Định dạng file ảnh BITMAP
• 2.5. KỸ THUẬT TÁI NHẬN ẢNH
• 2.6. KHÁI NIỆM ẢNH ĐEN TRẮNG, ẢNH MÀU
• 2.7. Phân loại ảnh số
• 2.8. CÂU HỎI ÔN TẬP CHƯƠNG
• 3. Chương 3: XỬ LÝ NÂNG CAO CHẤT LƯỢNG ẢNH
• 3.1. CẢI THIỆN ẢNH SỬ DỤNG CÁC TOÁN TỬ ĐIỂM
• 3.1.1. Tăng giảm độ sáng
• 3.1.2. Tách ngưỡng
• 3.1.3. Cân bằng histogram
• 3.1.4. Kỹ thuật tìm tách ngưỡng tự động
• 3.1.5. Biến đổi cấp xám tổng thể
• 3.2. CẢI THIỆN ẢNH SỬ DỤNG CÁC TOÁN TỬ KHÔNG GIAN
• 3.2.1. Phép cửa sổ di chuyển
• 3.2.2. Phép nhân chập và mẫu
• 3.2.3. Lọc trung vị
• 3.2.4. Lọc trung bình
• 3.2.5. Lọc trung bình theo k giá trị gần nhất
• 3.3. KHÔI PHỤC ẢNH
• 3.4. CÂU HỎI ÔN TẬP CHƯƠNG
• 4. Chương 4: CÁC PHƯƠNG PHÁP PHÁT HIỆN BIÊN
• 4.1. KHÁI QUÁT VỀ BIÊN VÀ PHÂN LOẠI CÁC KỸ THUẬT DÒ BIÊN CƠ BẢN
• 4.2. PHƯƠNG PHÁP PHÁT HIỆN BIÊN CỤC BỘ
• 4.3. DÒ BIÊN THEO QUY HOẠCH ĐỘNG
• 4.4. CÁC PHƯƠNG PHÁP KHÁC
• 4.5. CÂU HỎI ÔN TẬP CHƯƠNG
• 5. Chương 5: PHÂN VÙNG ẢNH
• 5.1. PHÂN VÙNG ẢNH THEO NGƯỠNG BIÊN ĐỘ
• 5.2. PHÂN VÙNG THEO MIỀN ĐỒNG NHẤT
• 5.3. PHÂN VÙNG DỰA THEO ĐƯỜNG BIÊN
• 5.4. PHÂN VÙNG THEO KẾT CẤU BỀ MẶT
• 5.5. CÂU HỎI ÔN TẬP CHƯƠNG
• 6. Chương 6: NHẬN DẠNG ẢNH
• 6.1. NHẬN DẠNG DỰA THEO MIỀN KHÔNG GIAN
• 6.2. NHẬN DẠNG DỰA THEO CẤU TRÚC
• 6.3. NHẬN DẠNG DỰA THEO MẠNG NƠRON
• 7. Chương 7: NÉN DỮ LIỆU ẢNH
• 7.1. CÁC PHƯƠNG PHÁP NÉN THẾ HỆ THỨ NHẤT
• 7.2. CÁC PHƯƠNG PHÁP NÉN THẾ HỆ THỨ HAI
• 7.3. CÂU HỎI ÔN TẬP CHƯƠNG
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về Giáo Trình Xử Lý Ảnh Kiến Thức Cơ Bản

Giáo trình Xử lý ảnh cung cấp cái nhìn tổng quan về các khái niệm cơ bản trong lĩnh vực này. Với sự phát triển mạnh mẽ của công nghệ, việc xử lý ảnh đã trở thành một phần quan trọng trong nhiều ứng dụng thực tiễn. Tài liệu này không chỉ giúp sinh viên nắm vững lý thuyết mà còn áp dụng vào thực tế. Các chương trong giáo trình được thiết kế để hướng dẫn người đọc từ những khái niệm cơ bản đến các kỹ thuật nâng cao trong xử lý ảnh.

1.1. Ảnh và Điểm Ảnh Khái Niệm Cơ Bản

Ảnh được xem như là tập hợp các điểm ảnh, mỗi điểm ảnh thể hiện cường độ sáng tại một vị trí cụ thể. Việc hiểu rõ về ảnh và điểm ảnh là nền tảng cho việc áp dụng các kỹ thuật xử lý ảnh.

1.2. Hệ Thống Xử Lý Ảnh Các Thành Phần Chính

Hệ thống xử lý ảnh bao gồm các khối như thu nhận ảnh, tiền xử lý, trích chọn đặc điểm và quyết định. Mỗi khối có vai trò quan trọng trong việc cải thiện chất lượng ảnh và đưa ra kết luận chính xác.

II. Những Vấn Đề Cơ Bản Trong Xử Lý Ảnh Thách Thức và Giải Pháp

Trong quá trình xử lý ảnh, nhiều vấn đề phát sinh như biến dạng ảnh, nhiễu và độ sáng không đồng đều. Những thách thức này cần được giải quyết để đảm bảo chất lượng ảnh đầu ra. Việc nắm vững các vấn đề cơ bản sẽ giúp người học có cái nhìn sâu sắc hơn về lĩnh vực này.

2.1. Biến Dạng Ảnh Nguyên Nhân và Giải Pháp

Biến dạng ảnh thường xảy ra do thiết bị quang học và điện tử. Các phép chiếu và điều chỉnh biến dạng là những giải pháp hiệu quả để khắc phục vấn đề này.

2.2. Nhiễu Trong Ảnh Phân Loại và Khắc Phục

Nhiễu có thể được phân loại thành nhiễu hệ thống và nhiễu ngẫu nhiên. Việc áp dụng các kỹ thuật lọc nhiễu là cần thiết để cải thiện chất lượng ảnh.

III. Phương Pháp Nâng Cao Chất Lượng Ảnh Kỹ Thuật và Ứng Dụng

Các phương pháp nâng cao chất lượng ảnh bao gồm việc sử dụng các toán tử điểm và không gian. Những kỹ thuật này giúp cải thiện độ sáng, giảm nhiễu và tăng cường độ chi tiết của ảnh. Việc áp dụng đúng các phương pháp này sẽ mang lại kết quả tốt trong xử lý ảnh.

3.1. Kỹ Thuật Tăng Giảm Độ Sáng Cách Thực Hiện

Kỹ thuật tăng giảm độ sáng giúp điều chỉnh cường độ sáng của ảnh, từ đó cải thiện khả năng hiển thị và nhận diện đối tượng trong ảnh.

3.2. Lọc Nhiễu Các Kỹ Thuật Thông Dụng

Lọc nhiễu là một bước quan trọng trong xử lý ảnh. Các kỹ thuật như lọc trung bình và lọc trung vị thường được sử dụng để loại bỏ nhiễu mà không làm mất đi các chi tiết quan trọng.

IV. Ứng Dụng Thực Tiễn Của Xử Lý Ảnh Kết Quả Nghiên Cứu

Xử lý ảnh có nhiều ứng dụng trong các lĩnh vực như y tế, an ninh, và truyền thông. Các nghiên cứu đã chỉ ra rằng việc áp dụng các kỹ thuật xử lý ảnh có thể cải thiện đáng kể hiệu quả công việc và độ chính xác trong nhận diện đối tượng.

4.1. Ứng Dụng Trong Y Tế Chẩn Đoán Hình Ảnh

Xử lý ảnh giúp cải thiện chất lượng hình ảnh y tế, từ đó hỗ trợ bác sĩ trong việc chẩn đoán và điều trị bệnh.

4.2. Ứng Dụng Trong An Ninh Nhận Diện Khuôn Mặt

Các hệ thống nhận diện khuôn mặt sử dụng kỹ thuật xử lý ảnh để xác định danh tính, góp phần nâng cao an ninh công cộng.

V. Kết Luận Tương Lai Của Xử Lý Ảnh Trong Công Nghệ

Xử lý ảnh đang ngày càng trở nên quan trọng trong thời đại công nghệ số. Với sự phát triển của trí tuệ nhân tạo và học máy, tương lai của xử lý ảnh hứa hẹn sẽ mang lại nhiều đột phá mới. Việc nghiên cứu và phát triển các kỹ thuật mới sẽ mở ra nhiều cơ hội ứng dụng trong thực tiễn.

5.1. Xu Hướng Phát Triển Trong Xử Lý Ảnh

Các xu hướng mới như học sâu và mạng nơron đang được áp dụng rộng rãi trong xử lý ảnh, giúp cải thiện độ chính xác và hiệu quả.

5.2. Thách Thức Cần Đối Mặt Trong Tương Lai

Mặc dù có nhiều tiềm năng, nhưng việc xử lý ảnh cũng đối mặt với các thách thức như bảo mật dữ liệu và tính chính xác trong nhận diện.

Nội dung chính

GIÁO TRÌNH XỬ LÝ ẢNH – HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

Tổng quan về giáo trình (250-300 từ)

Bài giảng Môn học Xử lý ảnh do PGS. Đỗ Năng Toàn (Viện Công nghệ thông tin) biên soạn và chỉnh sửa lần 1 vào tháng 11 năm 2013, phục vụ công tác giảng dạy cho sinh viên đại học và học viên cao học ngành Công nghệ Thông tin tại Học viện Công nghệ Bưu chính Viễn thông cùng các cơ sở đào tạo liên kết như Đại học Công nghệ – ĐHQG Hà Nội, Đại học Khoa học Tự nhiên – ĐHQG Hà Nội và Đại học Thái Nguyên. Môn học giữ vị trí chuyên ngành cốt lõi trong khối kiến thức công nghệ thông tin và thị giác máy tính.

Mục tiêu học tập của giáo trình là cung cấp nền tảng lý thuyết có chọn lọc về biểu diễn ảnh số, các phép biến đổi toán học không gian và tần số, kỹ thuật phát hiện biên, phân vùng, khôi phục ảnh, cũng như các tiếp cận nhận dạng và nén dữ liệu ảnh số. Sau khi hoàn thành môn học, người học có đủ kiến thức để tự xây dựng các chương trình ứng dụng xử lý ảnh độc lập.

Cấu trúc giáo trình gồm 7 chương được tổ chức theo tiến trình kỹ thuật của một hệ thống xử lý ảnh chuẩn: từ thu nhận tín hiệu quang học, số hóa dữ liệu, tiền xử lý cải thiện chất lượng, trích chọn đặc trưng biên, phân vùng hình ảnh đến nhận dạng mẫu và nén dữ liệu.

Điểm đặc sắc của giáo trình nằm ở tính hệ thống và tính thực nghiệm: các mô hình toán học giải tích rời rạc (chứng minh tối ưu hóa toán tử trung vị, trung bình, toán tử vi phân Laplace, Gradient) được trình bày song song với cấu trúc nhị phân cụ thể của các định dạng ảnh thực tế (IMG, PCX, TIFF, DIB/BMP) và các thuật toán có mã giả (pseudocode) chuyển đổi không gian màu chi tiết.

---

Nội dung kiến thức cốt lõi (500-600 từ)

Các chương/chủ đề chính

• Chương 1: Nhập môn xử lý ảnh: Trình bày sơ đồ tổng quát 6 khối chức năng của hệ thống xử lý ảnh (Khối thu nhận $\to$ Tiền xử lý $\to$ Trích chọn đặc điểm $\to$ Hậu xử lý $\to$ Hệ quyết định/lưu trữ $\to$ Kết luận). Giới thiệu các khái niệm hàm ảnh $n$ chiều $P(c_1, c_2, \dots)$, nắn chỉnh biến dạng bằng hàm cực tiểu hóa sai số bình phương trên tập điểm điều khiển $\sum [f(P_i) - P'_i]^2 \to \min$, phân biệt nhiễu hệ thống và nhiễu ngẫu nhiên, định nghĩa mẫu (pattern) theo quan điểm của Watanabe cùng hai tiếp cận phân loại có mẫu (supervised) và không mẫu (unsupervised/clustering).
• Chương 2: Thu nhận ảnh: Phân tích quá trình chuyển đổi năng lượng quang học sang tín hiệu điện (lấy mẫu theo định lý Shanon $f_x \ge 2f_{x\max}, f_y \ge 2f_{y\max}$) và chuyển đổi giá trị vật lý sang thang đo rời rạc (lượng tử hóa với $L=256$ hoặc $L=2^{24}$). Trình bày hai mô hình biểu diễn dữ liệu Raster và Vector, cơ chế hiển thị Device Independent Bitmap (DIB), cấu trúc nhị phân của các định dạng tệp IMG, PCX (nén RLE), TIFF (IFH, IFD, Directory Entry - DE), BITMAP (BITMAPFILEHEADER, BITMAPINFOHEADER, RGBQUAD). Chương này cũng mô tả các kỹ thuật nửa cường độ kỹ thuật số (Digital Halftoning) gồm phân ngưỡng 2 màu/4 màu, kỹ thuật ma trận mẫu Rylander cấp 4, Dithering, khuếch tán lỗi 1 chiều và 2 chiều (ma trận Floyd-Steinberg và Bell Labs), cùng các không gian màu RGB, CMY ($C=1-R, M=1-G, Y=1-B$), HSV và HSL kèm thuật toán chuyển đổi mã giả.
• Chương 3: Xử lý nâng cao chất lượng ảnh: Trình bày các toán tử điểm (tăng giảm độ sáng, tách ngưỡng, cân bằng lược đồ tần suất histogram, tách ngưỡng tự động dựa trên độ lệch cực tiểu, biến đổi cấp xám tổng thể) và các toán tử không gian (phép cửa sổ di chuyển, nhân chập với mẫu $T_1, T_2$, lọc trung vị $Med(x_n)$, lọc trung bình $AV(x_n)$, lọc trung bình theo $k$ giá trị gần nhất). Phần khôi phục ảnh thiết lập mô hình nhiễu rời rạc $g'[m,n] = h[m,n]*g[m,n] + \eta[m,n]$ và phân tích các bộ lọc tuyến tính: lọc đảo (Inverse filter $G[u,v]=G'[u,v]/H[u,v]$), lọc giả đảo (Pseudoinverse filter $H_T[u,v]$), lọc nhiễu lốm đốm bằng trung bình thống kê và lọc đồng cầu (Homomorphic filter).
• Chương 4: Các phương pháp phát hiện biên: Phân loại hai khuynh hướng phát hiện biên trực tiếp (ảnh biên) và gián tiếp (đường biên). Cung cấp các kỹ thuật xấp xỉ đạo hàm bậc 1 Gradient (toán tử vi phân cơ bản, Prewitt, Sobel, mặt nạ La bàn 8 hướng $H_1 \dots H_8$), đạo hàm bậc hai Laplace ($\nabla^2 f$ và các mặt nạ xấp xỉ $3\times 3$), thuật toán Canny 5 bước (làm trơn Gaussian $5\times 5$, tính gradient qua hàm atan2, triệt tiêu không cực đại non-maximum suppression, phân ngưỡng kép). Đồng thời giới thiệu phương pháp phát hiện biên cục bộ dựa vào trung bình nền, dò biên quy hoạch động và toán tử hình thái học (Morphology).
• Chương 5: Phân vùng ảnh: Khảo sát phân vùng theo ngưỡng biên độ (thuật toán đẳng liệu, đối xứng nền, tam giác, ngưỡng cho Bimodal Histogram), phân vùng theo miền đồng nhất (tách cây tứ phân Quadtree, phân vùng bởi hợp, tách hợp Split-Merge), phân vùng dựa theo đường biên (làm mảnh biên, nhị phân hóa và miêu tả đường biên) và phân vùng theo kết cấu bề mặt (thống kê, cấu trúc).
• Chương 6: Nhận dạng ảnh: Nghiên cứu các phương pháp phân loại mẫu theo tiếp cận không gian (phân hoạch không gian, hàm phân lớp, nhận dạng thống kê, thuật toán tự học), tiếp cận cấu trúc (biểu diễn định tính, cây cú pháp) và tiếp cận mạng nơ-ron nhân tạo.
• Chương 7: Nén dữ liệu ảnh: Phân tích kỹ thuật nén thế hệ thứ nhất (mã hóa loạt dài RLE, Huffman, LZW, mã hóa khối, mã hóa thích nghi, biến đổi Cosin rời rạc DCT trong chuẩn JPEG) và nén thế hệ thứ hai (kim tự tháp Laplace Pyramide, mã hóa dựa trên mô hình biểu diễn).

Progression logic của giáo trình đi từ việc hiểu cấu trúc tín hiệu rời rạc tầng thấp, chuyển sang xử lý điểm ảnh/khử nhiễu cục bộ, tiếp tục trích xuất đặc trưng hình học/biên, phân đoạn ngữ nghĩa ảnh và kết thúc ở các bài toán cấp cao (nhận dạng mô hình và tối ưu hóa không gian lưu trữ).

[Thu nhận & Biểu diễn ảnh (Chương 1, 2)]
[Tiền xử lý & Nâng cao chất lượng (Chương 3)]
[Phát hiện biên & Phân vùng (Chương 4, 5)]
[Nhận dạng mẫu & Nén dữ liệu (Chương 6, 7)]

Kiến thức nền tảng được xây dựng

• Fundamental theories: Định lý lấy mẫu Nyquist-Shannon áp dụng cho xử lý ảnh 2 chiều; cơ sở toán học của phép nhân chập ma trận rời rạc; lý thuyết tối ưu hóa chứng minh cực trị của hàm trung vị (tối thiểu hóa tổng khoảng cách tuyệt đối $\sum |x_i - x|$) và hàm trung bình (tối thiểu hóa tổng bình phương sai số $\sum (x_i - x)^2$).
• Core principles: Nguyên lý phối màu cộng và trừ; không gian màu hình trụ và nón kép (HSV/HSL); lý thuyết biến đổi Fourier và hàm truyền đáp ứng tần số trong lọc đảo/lọc đồng cầu; nguyên lý xấp xỉ vi phân bậc 1 và bậc 2 rời rạc.
• Essential frameworks: Kiến trúc chuẩn 6 khối của hệ thống xử lý ảnh số; mô hình cây tứ phân Quadtree trong phân đoạn miền ảnh; mô hình cấu trúc tệp nhị phân đồ họa chuẩn công nghiệp (TIFF, BMP).

Kỹ năng phát triển

• Technical skills: Cài đặt mã nguồn các thuật toán xử lý ảnh trên ma trận số; hiện thực hóa các giải thuật biến đổi hệ màu (RGB sang HSV/HSL và ngược lại); lập trình các bộ lọc không gian (Gaussian, Sobel, Prewitt, Canny, Laplace); giải mã cấu trúc file nhị phân (Bitmap, PCX).
• Analytical skills: Phân tích lược đồ tần suất histogram; tính toán sai số lượng tử hóa; nhận diện và phân loại mô hình nhiễu (nhiễu hệ thống, nhiễu ngẫu nhiên, nhiễu lốm đốm); đánh giá hiệu năng giữa nén bảo toàn và nén không bảo toàn thông tin.
• Practical competencies: Thiết kế mô-đun tiền xử lý dữ liệu cho hệ thống thị giác máy tính; ứng dụng các thuật toán Digital Halftoning trong công nghệ in ấn; xây dựng hệ thống nhận dạng mẫu đơn giản dựa trên đặc trưng không gian và cấu trúc.

---

Phương pháp giảng dạy và học tập (300-350 từ)

Giáo trình áp dụng phương pháp sư phạm kết hợp chặt chẽ giữa diễn dịch toán học hình thức và quy nạp giải thuật thực nghiệm. Mỗi kỹ thuật xử lý đều bắt đầu từ việc thiết lập mô hình toán rời rạc, phân tích công thức giải tích, chứng minh mệnh đề tối ưu (như chứng minh giá trị cực tiểu của phép lọc trung vị và trung bình), sau đó cụ thể hóa thành ma trận nhân chập hoặc cấu trúc mã giả (pseudocode).

Hệ thống câu hỏi ôn tập cuối mỗi chương được thiết kế dưới dạng các ma trận số thực nghiệm cụ thể (ví dụ: ma trận điểm ảnh cấp $3\times 3, 5\times 6, 7\times 7$), đòi hỏi người học phải thực hiện tính toán từng bước bằng tay. Các bài tập tiêu biểu bao gồm:

• Thực hiện phân bố khuếch tán lỗi một chiều và hai chiều (theo ma trận Floyd-Steinberg) trên ma trận số cho trước với ngưỡng $\theta = 127$.
• Tính toán cân bằng lược đồ tần suất histogram và biến đổi mức xám trên mảng số liệu.
• Thực hiện phép nhân chập ma trận điểm ảnh với các mặt nạ lọc nhiễu, mặt nạ làm nét hoặc mặt nạ vi phân Prewitt, Sobel, Laplace.
• Áp dụng các phép lọc trung vị, lọc trung bình và lọc theo $k$-lân cận trên cửa sổ $3\times 3$.

Về mặt thực hành, giáo trình yêu cầu người học dựa trên các giải thuật mã giả được cung cấp (như hàm RGB_HSV_Conversion, HSV_RGB_Conversion, RGB_HLS_Conversion, HLS_RGB_Conversion) để viết các chương trình phần mềm chuyển đổi định dạng và không gian màu hoàn chỉnh.

Phương pháp tự học hiệu quả được định hướng là: người học tự giải các bài tập số học trên ma trận ở cuối chương để nắm vững cơ chế tác động của từng toán tử, sau đó chuyển hóa các bước tính toán thành mã nguồn phần mềm trên máy tính để kiểm chứng kết quả trực quan trên ảnh số thực tế.

---

Điểm nổi bật và cập nhật (250-300 từ)

Bài giảng Môn học Xử lý ảnh (bản chỉnh sửa tháng 11/2013 từ bản gốc tháng 6/2010 của PGS. Đỗ Năng Toàn) mang các điểm đặc thù sau:

• Chuẩn hóa cấu trúc tệp nhị phân: Tài liệu mô tả cấu trúc trường dữ liệu ở cấp độ byte của các định dạng ảnh lưu trữ thực tế: 16 byte header của định dạng IMG; cấu trúc 128 byte header của tệp PCX mã hóa loạt dài RLE; chi tiết 3 phần của tệp TIFF (Image File Header - IFH 8 byte, Image File Directory - IFD và Directory Entry - DE 12 byte); cấu trúc struct C/C++ chuẩn của tệp BITMAP trên Windows (BITMAPFILEHEADER, BITMAPINFOHEADER, RGBQUAD).
• Chi tiết hóa thuật toán Canny: Khác với các tài liệu chỉ nêu lý thuyết chung, giáo trình phân tách rõ ràng 5 bước tính toán của thuật toán Canny: ma trận lọc Gaussian kích thước $5\times 5$ với hệ số chuẩn hóa $1/159$, công thức xác định góc định hướng véc-tơ gradient bằng hàm atan2 làm tròn về 4 hướng ($0^\circ, 45^\circ, 90^\circ, 135^\circ$), quy tắc triệt tiêu điểm không cực đại và kỹ thuật phân ngưỡng kép (ngưỡng cao/ngưỡng thấp) để nối biên.
• Kết nối ứng dụng thực tiễn: Tích hợp các giải thuật nửa cường độ kỹ thuật số (Digital Halftoning) trực tiếp phục vụ công nghệ in ấn xuất bản (ma trận Rylander, khuếch tán lỗi Floyd-Steinberg và phòng thí nghiệm Bell); kỹ thuật nắn chỉnh biến dạng quang học thiết bị thu nhận dựa trên ma trận điểm điều khiển lưới; kỹ thuật khôi phục ảnh chuyển động mờ nhòe bằng lọc giả đảo.

---

Đối tượng sử dụng giáo trình (200-250 từ)

• Sinh viên đại học và học viên cao học: Tài liệu được thiết kế cho sinh viên năm thứ 3 và năm thứ 4 chuyên ngành Công nghệ Thông tin, Kỹ thuật Máy tính, Điện tử Viễn thông và Toán – Tin ứng dụng. Đồng thời, giáo trình là tài liệu học tập phù hợp cho học viên cao học nghiên cứu sâu về Thị giác máy tính và Nhận dạng mẫu.
• Yêu cầu tiên quyết (Prerequisites): Người học cần hoàn thành các học phần: Giải tích (đạo hàm vi phân, tích phân, biến đổi chuỗi Fourier), Đại số tuyến tính (ma trận, định thức, không gian vector), Xử lý tín hiệu số cơ bản, Cấu trúc dữ liệu và giải thuật, cùng kỹ năng lập trình hướng đối tượng (C/C++).
• Giảng viên: Giảng viên có thể sử dụng giáo trình làm đề cương giảng dạy chi tiết, khai thác hệ thống bài tập ma trận số và câu hỏi ôn tập định lượng cuối mỗi chương để xây dựng ngân hàng đề thi và đề bài thực hành phòng lab.
• Kỹ sư và nhà nghiên cứu tự học: Tài liệu phục vụ cho các kỹ sư phần mềm cần tài liệu tiếng Việt mô tả chi tiết giải thuật toán học và cấu trúc dữ liệu tệp nhị phân để phát triển các module đồ họa và xử lý ảnh độc lập.

---

Câu hỏi thường gặp (250-300 từ)

1. Giáo trình này phù hợp với ai?

Giáo trình phù hợp với sinh viên hệ cử nhân, kỹ sư, học viên cao học ngành Công nghệ Thông tin, Điện tử Viễn thông, cũng như các kỹ sư phát triển phần mềm đang nghiên cứu về thị giác máy tính và xử lý ảnh số.

2. Cần kiến thức nền nào để học?

Người học cần nắm vững Toán cao cấp (Đại số tuyến tính với ma trận, Giải tích vi phân), kiến thức cơ bản về Tín hiệu số, và kỹ năng lập trình thao tác với cấu trúc dữ liệu nhị phân/mảng ma trận điểm ảnh.

3. Điểm khác biệt với giáo trình khác là gì?

Giáo trình cung cấp chi tiết cấu trúc byte nhị phân của các định dạng ảnh thực tế (IMG, PCX, TIFF, BMP), chứng minh toán học cụ thể tính tối ưu của các toán tử không gian (lọc trung vị, lọc trung bình), và cung cấp mã giả hoàn chỉnh cho các thuật toán chuyển đổi không gian màu (RGB $\leftrightarrow$ HSV, RGB $\leftrightarrow$ HSL).

4. Làm sao để tự học hiệu quả?

Người học nên thực hiện tính toán thủ công các bài tập ma trận số ở phần "Câu hỏi ôn tập chương" để hiểu rõ cơ chế biến đổi giá trị pixel, sau đó chuyển hóa các bước giải thuật và mã giả trong sách thành các đoạn mã thực thi trên máy tính.

5. Có tài liệu bổ trợ nào kèm theo?

Giáo trình tích hợp sẵn hệ thống câu hỏi lý thuyết, bài tập ma trận số học thực nghiệm, bảng mã màu, các ma trận khuếch tán lỗi/lọc không gian mẫu và danh mục tài liệu tham khảo chuyên khảo ở cuối sách.

---

Kết luận (150 từ)

Bài giảng Môn học Xử lý ảnh của PGS. Đỗ Năng Toàn cung cấp hệ thống tri thức hoàn chỉnh và chuẩn mực về xử lý ảnh số, liên kết từ nền tảng toán học rời rạc đến kỹ thuật phần mềm ứng dụng.

Lộ trình học tập đề xuất:

1. Tiếp cận lý thuyết số hóa và cấu trúc định dạng tệp (Chương 1, 2).
2. Xây dựng thuật toán nâng cao chất lượng và phát hiện biên trên ma trận (Chương 3, 4).
3. Triển khai phân vùng miền ảnh và nhận dạng mô hình (Chương 5, 6).
4. Nghiên cứu giải thuật nén dữ liệu tối ưu hóa lưu trữ (Chương 7).

Tài liệu là tài nguyên học thuật nền tảng cho công tác đào tạo và nghiên cứu chuyên sâu trong lĩnh vực công nghệ thông tin và thị giác máy tính tại Việt Nam.

Trích đoạn nội dung tài liệu

Chương 1: Nhập môn xử lý ảnh Có nhiều cách tiếp cận khác nhau trong lý thuyết nhận dạng trong đó có: Đối sánh mẫu dựa trên các đặc trưng được trích chọn, phân loại thống kê, đối sánh cấu trúc, phân loại dựa trên mạng nơ-ron nhân tạo. Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau đây: 1. Thu nhận dữ liệu và tiền xử lý. Biểu diễn dữ liệu.

Nhận dạng, ra quyết định. Trong ứng dụng thực tiễn, không thể chỉ dùng có một cách tiếp cận đơn lẻ để phân loại “tối ưu” vì vậy các phương thức phân loại tổ hợp thường được sử dụng khi nhận dạng. Cho đến nay các hệ thống lai (hybrid system) sử dụng nhiều phương pháp và cách tiếp cận khác nhau đã cho những kết quả nhiều triển vọng. Nén ảnh Nén ảnh là kỹ thuật nhằm giảm thiểu không gian lưu trữ.

Có hai hướng tiếp cận chính là nén có bảo toàn và không bảo toàn thông tin. Nén không bảo toàn thì thường có khả năng nén cao hơn nhưng không phục hồi được ảnh gốc, ngược lại nén có bảo toàn cho phép khôi phục hoàn toàn ảnh gốc. Nén ảnh nói chung có 4 cách tiếp cận cơ bản:  Nén ảnh thống kê: Kỹ thuật nén này dựa vào việc thống kê tần xuất xuất hiện của giá trị các điểm ảnh, trên cơ sở đó mà có chiến lược mã hóa thích hợp. Một ví dụ điển hình cho kỹ thuật mã hóa này là *.TIF  Nén ảnh không gian: Kỹ thuật này dựa vào vị trí không gian của các điểm ảnh để tiến hành mã hóa.

Kỹ thuật lợi dụng sự giống nhau của các điểm ảnh trong các vùng gần nhau. Ví dụ cho kỹ thuật này là mã nén *.PCX  Nén ảnh sử dụng phép biến đổi: Đây là kỹ thuật tiếp cận theo hướng nén không bảo toàn và do vậy tỉ lệ nén tương đối cao.JPG chính là tiếp cận theo kỹ thuật nén này.  Nén ảnh Fractal: Sử dụng tính chất Fractal của các đối tượng ảnh. Tính chất Fractal của ảnh thể hiện sự lặp lại của các chi tiết tại nhiều vị trí khác nhau với kích thước và hướng khác nhau.

Kỹ thuật nén sẽ tính toán để chỉ cần lưu trữ phần gốc ảnh và quy luật sinh ra ảnh theo nguyên lý Fractal. 10 Chương 2: THU NHẬN ẢNH 2. CÁC THIẾT BỊ THU NHẬN ẢNH Các thiết bị thu nhận ảnh có hai loại chính ứng với hai loại ảnh thông dụng Raster, Vector và có thể cho ảnh đen trắng hoặc ảnh màu. Các thiết bị thu nhận ảnh Raster thông thường là camera, scanner.

Còn các thiết bị thu nhận ảnh Vector thông thường là sensor hoặc bàn số hoá digitalizer hoặc được chuyển đổi từ ảnh Raster. Các hệ thống thu nhận ảnh sử dụng chung một quá trình thu nhận:  Cảm biến: biến đổi năng lượng quang học thành năng lượng điện (giai đoạn lấy mẫu)  Tổng hợp năng lượng điện thành ảnh (giai đoạn lượng tử hóa) 2. LẤY MẪU VÀ LƯỢNG TỬ HOÁ 2. Giai đoạn lấy mẫu Người ta sử dụng bộ cảm biến hoặc máy quét để biến tín hiệu quang của ảnh thành tín hiệu điện liên tục.

Phương pháp sử dụng máy quét phổ biến hơn. Máy quét sẽ quét theo chiều ngang để tạo ra tín hiệu điện của ảnh, kết quả cho ra một tín hiệu điện hai chiều I(x,y) liên tục. Ảnh chứa tín hiệu quang học Dạng tín hiệu ảnh Xét ảnh liên tục được biểu diễn bởi hàm I(x, y), gọi x là khoảng cách giữa hai điểm được giữ lại theo trục x, gọi y là khoảng cách giữa hai điểm được giữ lại theo trục y. y , x được gọi là chu kỳ lấy mẫu theo trục x và y.

Giai đoạn lấy mẫu sẽ biến hàm liên tục I(x,y) thành hàm rời rạc I(n x , m y ). Với m,n là nguyên. Theo SHANON để đảm bảo không xảy ra hiện tượng chồng phổ, cho phép tái tạo lại ảnh gốc từ ảnh đã số hóa thì tần số lấy mẫu phải ít nhất phải lớn hơn hoặc bằng hai tần số cao nhất của tín hiệu ảnh. Gọi fxmax, fymax là tần số cao nhất của tín hiệu theo trục x, y thì:  fx  2fxmax với fx = 1 x là tần số lấy mẫu theo trục x.

 fy  2fymax với fy = 1 y là tần số lấy mẫu theo trục y. 11 Chương 2: Thu nhận ảnh 2. Lượng tử hóa Ảnh sau khi lấy mẫu sẽ có dạng I(m,n) với m, n là nguyên nhưng giá trị I(m, n) vẫn là giá trị vật lý liên tục. Quá trình biến đổi giá trị I(m,n) thành một số nguyên thích hợp để lưu trữ gọi là lượng tử hoá.

Đây là quá trình ánh xạ một biến liên tục u vào biến rời rạc u* thuộc tập hữu hạn [u1, u2,.uL] xác định trước, L là mức lượng tử hoá được tạo ra. Với ảnh đa cấp xám thì L=256, f(m,n) = g  0, 255 Ví dụ:    Với ảnh 24 bit thì L=224, f(m, n) = g  0, 2 24  1 2. MỘT SỐ PHƯƠNG PHÁP BIỂU DIỄN ẢNH Ảnh trên máy tính là kết quả thu nhận theo các phương pháp số hoá được nhúng trong các thiết bị kỹ thuật khác nhau. Cấu trúc dữ liệu để lưu trữ thông tin ảnh trong bộ nhớ có ảnh hưởng rất lớn đến việc hiển thị, in ấn và xử lý.

Quá trình lưu trữ ảnh nhằm biểu diễn ảnh dưới dạng lưu trữ được với hai tiêu chí chính:  Tiết kiệm bộ nhớ  Giảm thời gian xử lý Ảnh được biểu diễn theo hai mô hình cơ bản, ảnh Raster và ảnh Vector. Mô hình Raster Đây là cách biểu diễn ảnh thông dụng nhất hiện nay, ảnh được biểu diễn dưới dạng ma trận các điểm (điểm ảnh). Thường thu nhận qua các thiết bị như camera, scanner. Tuỳ theo yêu cầu thực thế mà mỗi điểm ảnh được biểu diễn qua 1 hay nhiều bít.

Mật độ điểm ảnh trên một đơn vị kích thước vật lý được gọi là độ phân giải. Ảnh có độ phân giải cao thì càng đẹp, càng mịn và càng thể hiện rõ chi tiết. Việc lựa chọn độ phân giải thích hợp tuỳ thuộc vào nhu cầu sử dụng và đặc trưng của mỗi ảnh cụ thể. Mô hình Raster thuận lợi cho hiển thị và in ấn.

Ngày nay công nghệ phần cứng cung cấp những thiết bị thu nhận ảnh Raster phù hợp với tốc độ nhanh và chất lượng cao cho cả đầu vào và đầu ra. Một thuận lợi cho việc hiển thị trong môi trường Windows là Microsoft đưa ra khuôn dạng ảnh DIB (Device Independent Bitmap) làm trung gian.1 thể hình quy trình chung để hiển thị ảnh Raster thông qua DIB. Một trong những hướng nghiên cứu cơ bản trên mô hình biểu diễn này là kỹ thuật nén ảnh bao gồm cả nén bảo toàn và không bảo toàn. Hiện nay trên thế giới có trên 50 khuôn dạng ảnh thông dụng (BMP, TIF, GIF, PCX v.) bao gồm cả trong đó các kỹ thuật nén có khả năng phục hồi dữ liệu 100% và nén có khả năng phục hồi với độ sai số nhất định.

BMP Paint PCC. DIB Cửa sổ Thay đổi Hình 2. Quá trình hiển thị và chỉnh sửa, lưu trữ ảnh thông qua DIB 12 Chương 2: Thu nhận ảnh 2. Mô hình Vector Biểu diễn ảnh ngoài tiêu chí tiết kiệm không gian lưu trữ, dễ dàng cho hiển thị và in ấn còn cần đảm bảo dễ dàng trong lựa chọn, sao chép, di chuyển và tìm kiếm v.

Theo những yêu cầu này kỹ thuật biểu diễn Vector tỏ ra ưu việt hơn. Trong mô hình vector người ta sử dụng hướng giữa các vector của điểm ảnh lân cận để mã hoá và tái tạo hình ảnh ban đầu ảnh vector được thu nhận trực tiếp từ các thiết bị số hoá như Digital hoặc được chuyển đổi từ ảnh Raster thông qua các chương trình số hoá Công nghệ phần cứng cung cấp những thiết bị xử lý với tốc độ nhanh và chất lượng cho cả đầu vào và ra nhưng lại chỉ hỗ trợ cho ảnh Raster. Do vậy, những nghiên cứu về biểu diễn Vector đều tập trung vào việc chuyển đổi ảnh từ mô hình Raster. Vector Raster RASTER VECTOR RASTER hóa hóa Hình 2.

Sự chuyển đổi giữa các mô hình biểu diễn ảnh 2. CÁC ĐỊNH DẠNG ẢNH CƠ BẢN Hiện nay trên thế giới có trên 50 khuôn dạng ảnh thông dụng. Sau đây là một số định dạng ảnh hay dùng trong quá trình xử lý ảnh hiện nay. Định dạng ảnh IMG Ảnh IMG là ảnh đen trắng, phần đầu của ảnh IMG có 16 byte chứa các thông tin:  6 byte đầu: dùng để đánh dấu định dạng ảnh.

Giá trị của 6 byte này viết dưới dạng Hexa: 0x0001 0x0008 0x0001  2 byte tiếp theo: chứa độ dài mẫu tin. Đó là độ dài của dãy các byte kề liền nhau mà dóy này sẽ được lặp lại một số lần nào đó. Số lần lặp này sẽ được lưu trong byte đếm. Nhiều dãy giống nhau được lưu trong một byte.

 4 byte tiếp: mô tả kích cỡ pixel.  2 byte tiếp: số pixel trên một dòng ảnh.  2 byte cuối: số dòng ảnh trong ảnh. Ảnh IMG được nén theo từng dòng, mỗi dòng bao gồm các gói (pack).

Các dòng giống nhau cũng được nén thành một gói. Có 4 loại gói sau:  Loại 1: Gói các dòng giống nhau. Quy cách gói tin này như sau: 0x00 0x00 0xFF Count. Ba byte đầu tiên cho biết số các dãy giống nhau, byte cuối cho biết số các dòng giống nhau.

 Loại 2: Gói các dãy giống nhau. Quy cách gói tin này như sau: 0x00 Count. Byte thứ hai cho biết số các dãy giống nhau được nén trong gói. Độ dài của dãy ghi ở đầu tệp.

 Loại 3: Dãy các Pixel không giống nhau, không lặp lại và không nén được. Quy cách gói tin này như sau: 0x80 Count. Byte thứ hai cho biết độ dài dãy các pixel không giống nhau không nén được. 13 Chương 2: Thu nhận ảnh  Loại 4: Dãy các Pixel giống nhau.

Tuỳ theo các bít cao của byte đầu tiên được bật hay tắt. Nếu bít cao được bật (giá trị 1) thì đây là gói nén các byte chỉ gồm bít 0, số các byte được nén được tính bởi 7 bít thấp còn lại. Nếu bớt cao tắt (giá trị 0) thì đây là gói nén các byte gồm toán bít 1. Số các byte được nén được tính bởi 7 bít còn lại.

Các gói tin của file IMG rất đa dạng do ảnh IMG là ảnh đen trắng, do vậy chỉ cần 1 bít cho 1 pixel thay vì 4 hoặc 8 như đã nói ở trên. Toàn bộ ảnh chỉ có những điểm sáng và tối tương ứng với giá trị 1 hoặc 0. Tỷ lệ nén của kiểu định dạng này là khá cao.