Giáo trình xử lý ảnh - Lê Thị Thủy (Chủ biên) - Trường Đại học Công nghiệp Hà Nội (NXB Thống kê 2019)

Giáo trình xử lý ảnh Đại học Công nghiệp Hà Nội cung cấp kiến thức về số hóa, nâng cao chất lượng ảnh, phát hiện biên, phân vùng và xử lý hình thái ảnh.

• Tác giả: Lê Thị Thủy
• Trường học: Trường Đại học Công nghiệp Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Giáo trình xử lý ảnh
• Loại tài liệu: Giáo trình
• Năm xuất bản: 2019

Tóm tắt

I. Tổng quan về giáo trình xử lý ảnh của Lê Thị Thủy

Giáo trình Xử lý ảnh do PGS.TS. Lê Thị Thủy chủ biên, cùng với Ngô Thị Bích Thúy và Trần Hùng Cường, được Nhà xuất bản Thống kê phát hành năm 2019. Đây là tài liệu học thuật chuẩn mực dành cho sinh viên ngành Công nghệ thông tin tại Trường Đại học Công nghiệp Hà Nội. Sự phát triển mạnh mẽ của phần cứng máy tính đã thúc đẩy nhu cầu xử lý ảnh số trong nhiều lĩnh vực đời sống. Ảnh số ngày càng được thu nhận dễ dàng qua thiết bị cá nhân và chuyên dụng. Việc đưa ảnh vào máy tính để xử lý đã trở thành quy trình phổ biến. Xử lý ảnh vì thế trở thành môn học chuyên ngành quan trọng. Cuốn giáo trình cung cấp hệ thống kiến thức từ cơ bản đến chuyên sâu. Nội dung bao gồm 5 chương, bắt đầu từ tổng quan, đi qua thu nhận và số hóa ảnh, nâng cao chất lượng ảnh, phát hiện biên, phân vùng ảnh, đến xử lý hình thái. Mỗi chương được trình bày theo logic học thuật chặt chẽ, kết hợp lý thuyết và bài tập thực hành. Đây là nguồn tài liệu tham khảo không thể thiếu cho sinh viên và giảng viên chuyên ngành.

1.1. Lý do ra đời của giáo trình xử lý ảnh

Nhu cầu học tập và nghiên cứu về xử lý ảnh tại Việt Nam ngày càng tăng cao. Các trường đại học kỹ thuật cần tài liệu chuẩn mực bằng tiếng Việt. Nhóm tác giả tại Khoa Công nghệ thông tin - Trường Đại học Công nghiệp Hà Nội đã biên soạn giáo trình này để đáp ứng yêu cầu đó. Tài liệu giúp sinh viên nắm vững khái niệm cơ bản, các giai đoạn xử lý ảnh và kỹ thuật áp dụng tại từng giai đoạn. Đây là bước đi quan trọng trong việc xây dựng nền tảng học thuật trong nước về lĩnh vực thị giác máy tính.

1.2. Cấu trúc tổng thể của giáo trình 5 chương

Giáo trình được tổ chức theo 5 chương liên kết chặt chẽ. Chương 1 giới thiệu tổng quan về xử lý ảnh. Chương 2 trình bày quá trình thu nhận, số hóa và biểu diễn ảnh số. Chương 3 tập trung vào các kỹ thuật nâng cao chất lượng ảnh bằng toán tử điểm và toán tử không gian. Chương 4 đề cập kỹ thuật phát hiện biên và phân vùng ảnh. Chương 5 trình bày xử lý hình thái ảnh bao gồm phép co, phép giãn và các ứng dụng. Cấu trúc này đảm bảo tính hệ thống và lô-gic học tập từ nền tảng đến nâng cao.

II. Phân tích nội dung kỹ thuật xử lý ảnh số trong giáo trình

Giáo trình phân tích sâu các vấn đề kỹ thuật cốt lõi trong xử lý ảnh số. Quá trình thu nhận ảnh bắt đầu từ ánh sáng phản chiếu từ vật thể. Bộ cảm biến ảnh chuyển đổi năng lượng quang học thành tín hiệu điện. Mỗi cảm biến tạo ra điện áp tỷ lệ thuận với cường độ ánh sáng nhận được. Khi không có ánh sáng, cảm biến tạo mức đen. Khi ánh sáng đạt cực đại, cảm biến tạo mức trắng. Các mức xám trung gian hình thành từ cường độ sáng giữa hai thái cực đó. Ảnh thu được có thể là ảnh tương tự hoặc ảnh số. Ảnh tương tự cần qua quá trình số hóa trước khi xử lý trên máy tính. Bộ số hóa thực hiện hai chức năng: rời rạc hóa (lấy mẫu) và lượng tử hóa. Histogram là công cụ phân tích quan trọng, phản ánh phân bố mức xám trong ảnh. Ảnh có histogram tập trung ở mức thấp thường quá tối. Ảnh có histogram tập trung ở mức cao thường quá sáng. Hiểu rõ histogram giúp lựa chọn kỹ thuật xử lý phù hợp cho từng trường hợp cụ thể.

2.1. Hệ thống thu nhận và số hóa ảnh trong giáo trình

Hệ thống thu nhận và số hóa ảnh có đầu vào là ánh sáng phản chiếu từ vật thể, đầu ra là dữ liệu ảnh số. Quá trình gồm hai giai đoạn chính. Thứ nhất, bộ cảm biến biến đổi năng lượng quang học thành năng lượng điện. Thứ hai, bộ tổng hợp chuyển năng lượng điện thành tín hiệu ảnh. Bộ cảm biến ảnh gồm nhiều điểm cảm biến nhạy cảm với ánh sáng, được sắp xếp trên bảng mạch nhỏ. Tín hiệu điện từ mỗi điểm cảm biến tương ứng với một pixel trong ảnh số cuối cùng.

2.2. Phân tích histogram và vấn đề chất lượng ảnh

Histogram ảnh là biểu đồ thể hiện tần suất xuất hiện của từng mức xám trong ảnh. Khi các giá trị xám không phân bố đều trên toàn dải động, ảnh sẽ có chất lượng kém. Ảnh quá tối có histogram tập trung gần giá trị 0. Ảnh quá sáng có histogram tập trung gần giá trị 255. Ảnh có độ tương phản kém khi histogram co cụm trong một vùng hẹp. Kỹ thuật giãn histogram giải quyết vấn đề này bằng cách ánh xạ lại toàn bộ giá trị xám sang dải động đầy đủ từ 0 đến 255. Đây là bước tiền xử lý quan trọng trong nhiều ứng dụng thực tế.

III. Phương pháp nâng cao chất lượng và xử lý hình thái ảnh

Giáo trình trình bày hệ thống các phương pháp nâng cao chất lượng ảnh theo hai nhóm chính. Nhóm thứ nhất sử dụng toán tử điểm, tác động lên từng pixel độc lập. Nhóm thứ hai sử dụng toán tử không gian, xem xét mối quan hệ giữa pixel và các điểm lân cận. Biến đổi tuyến tính là phương pháp đơn giản nhất trong nhóm toán tử điểm. Biến đổi phi tuyến bao gồm hàm logarithm và hàm mũ (biến đổi gamma). Hàm log nén dải sáng cao và kéo giãn dải tối, phù hợp với ảnh quá sáng. Biến đổi gamma dùng hằng số c và γ để điều chỉnh độ tương phản một cách linh hoạt. Kỹ thuật giãn histogram ánh xạ giá trị xám nhỏ nhất về 0 và lớn nhất về L. Phương pháp này cải thiện độ tương phản hiệu quả mà không cần tham số phức tạp. Xử lý hình thái ảnh dựa trên hai phép toán cơ bản là phép co và phép giãn. Từ hai phép toán này, nhiều ứng dụng được xây dựng như lọc nhiễu, tô đầy vùng và làm mảnh đối tượng. Các phép toán hình thái áp dụng được cho cả ảnh nhị phân và ảnh đa cấp xám.

3.1. Kỹ thuật biến đổi điểm và giãn histogram trong xử lý ảnh

Biến đổi điểm là phép biến đổi tác động lên từng giá trị pixel riêng lẻ. Biến đổi tuyến tính dùng hệ số nhân và cộng để thay đổi độ sáng và tương phản. Biến đổi logarithm dùng công thức v = c·log(1+u), phù hợp khi cần kéo giãn vùng tối. Biến đổi gamma dùng hàm mũ v = c·u^γ với các hằng số điều chỉnh c và γ. Khi γ nhỏ hơn 1, ảnh trở nên sáng hơn. Khi γ lớn hơn 1, ảnh tối hơn. Kỹ thuật giãn histogram là phép biến đổi tuyến tính từng đoạn, đưa dải mức xám của ảnh gốc về toàn bộ dải động từ 0 đến L.

3.2. Phép co và phép giãn trong xử lý hình thái ảnh

Xử lý hình thái ảnh là tập hợp các kỹ thuật dựa trên lý thuyết tập hợp và hình học. Phép co (erosion) thu nhỏ đối tượng trong ảnh bằng cách loại bỏ các điểm biên. Phép giãn (dilation) mở rộng đối tượng bằng cách thêm điểm vào vùng biên. Kết hợp hai phép toán này tạo ra phép mở và phép đóng. Phép mở loại bỏ nhiễu nhỏ và làm mịn biên đối tượng. Phép đóng lấp đầy các lỗ hổng nhỏ bên trong vùng đối tượng. Cả hai phép toán đều được mô tả chi tiết trong Chương 5 của giáo trình, bao gồm ví dụ minh họa cụ thể trên ảnh nhị phân và ảnh xám.

IV. Ứng dụng và giá trị học thuật của giáo trình xử lý ảnh

Giáo trình Xử lý ảnh của Lê Thị Thủy mang lại giá trị học thuật thiết thực cho nhiều đối tượng. Sinh viên ngành Công nghệ thông tin có được nền tảng lý thuyết vững chắc. Giảng viên có tài liệu giảng dạy hệ thống và đầy đủ bằng tiếng Việt. Kỹ thuật phát hiện biên được trình bày theo hai hướng tiếp cận rõ ràng. Phát hiện biên trực tiếp dựa vào xấp xỉ đạo hàm của ảnh. Phát hiện biên gián tiếp thực hiện thông qua bài toán phân vùng ảnh. Kỹ thuật phân vùng ảnh chia ảnh thành các vùng đồng nhất theo đặc tính nhất định. Ứng dụng thực tế của xử lý ảnh trải rộng trong nhiều lĩnh vực. Y tế sử dụng xử lý ảnh để phân tích hình ảnh chẩn đoán. Giao thông áp dụng để nhận diện biển số và kiểm soát luồng xe. Sản xuất dùng để kiểm tra chất lượng tự động trên dây chuyền. An ninh sử dụng trong hệ thống nhận diện khuôn mặt và giám sát. Nông nghiệp ứng dụng để phát hiện sâu bệnh qua hình ảnh cây trồng. Giáo trình này là bước khởi đầu vững chắc để tiếp cận các lĩnh vực nâng cao như thị giác máy tính và học sâu.

4.1. Kỹ thuật phát hiện biên và phân vùng ảnh trong thực tiễn

Phát hiện biên là kỹ thuật xác định ranh giới giữa các vùng có đặc tính khác nhau trong ảnh. Phương pháp trực tiếp sử dụng các toán tử gradient như Sobel, Prewitt để xấp xỉ đạo hàm bậc nhất hoặc bậc hai. Phương pháp gián tiếp phân vùng ảnh trước rồi xác định biên từ ranh giới vùng. Phân vùng ảnh nhóm các pixel có tính chất tương đồng vào cùng một vùng. Ứng dụng điển hình bao gồm nhận diện đối tượng trong ảnh y tế, xác định vùng quan tâm trong ảnh vệ tinh và phân tách nền đối tượng trong hệ thống thị giác robot.

4.2. Ý nghĩa giáo trình với đào tạo công nghệ thông tin tại Việt Nam

Giáo trình Xử lý ảnh của Trường Đại học Công nghiệp Hà Nội góp phần chuẩn hóa chương trình đào tạo ngành Công nghệ thông tin trong nước. Tài liệu được biên soạn bằng tiếng Việt, giảm rào cản ngôn ngữ cho sinh viên. Phương pháp trình bày kết hợp lý thuyết và bài tập thực hành giúp củng cố kiến thức hiệu quả. Khoa Công nghệ thông tin Trường Đại học Công nghiệp Hà Nội không ngừng cập nhật nội dung để theo kịp xu hướng công nghệ. Sinh viên sau khi học có thể tiếp tục nghiên cứu thị giác máy tính, học máy và trí tuệ nhân tạo một cách bài bản.

Nội dung chính

TỔNG QUAN HỌC THUẬT VÀ NỘI DUNG GIÁO TRÌNH XỬ LÝ ẢNH

Tổng quan về giáo trình (250-300 từ)

Giáo trình Xử lý ảnh do nhóm tác giả gồm TS. Lê Thị Thủy (Chủ biên), ThS. Ngô Thị Bích Thúy và ThS. Trần Hùng Cường thuộc Khoa Công nghệ thông tin – Trường Đại học Công nghiệp Hà Nội biên soạn, được Nhà xuất bản Thống kê ấn hành năm 2019. Cuốn sách được thiết kế làm tài liệu giảng dạy và học tập cho học phần chuyên ngành Xử lý ảnh trong chương trình đào tạo kỹ sư và cử nhân ngành Công nghệ thông tin.

Về mục tiêu học tập (learning outcomes), giáo trình cung cấp cho người học hệ thống khái niệm nền tảng về tín hiệu thị giác, nguyên lý hình thành và số hóa ảnh, cấu trúc dữ liệu biểu diễn ảnh trên máy tính. Người học nắm vững cơ chế toán học của các giai đoạn trong tiến trình xử lý ảnh: tiền xử lý khử nhiễu, cân chỉnh mức xám, biến đổi miền không gian và miền tần số, kỹ thuật phát hiện biên, phân vùng ảnh và các phép toán hình thái học.

Giáo trình có cấu trúc gồm 5 chương, tiếp cận theo tiến trình kỹ thuật tuyến tính từ thu nhận vật lý đến giải thuật bậc cao:

• Chương 1: Tổng quan về xử lý ảnh
• Chương 2: Thu nhận, số hóa và biểu diễn ảnh
• Chương 3: Xử lý nâng cao chất lượng ảnh
• Chương 4: Kỹ thuật phát hiện biên và phân vùng ảnh
• Chương 5: Xử lý hình thái ảnh

Điểm đặc thù của tài liệu là việc kết hợp chặt chẽ giữa mô hình toán học giải tích rời rạc với các cấu trúc dữ liệu lưu trữ và giải thuật cài đặt cụ thể. Mỗi phương pháp biến đổi đều được minh họa bằng ma trận số liệu thực nghiệm (như ma trận kích thước $8 \times 8$), bảng tra cứu (Look-Up Table - LUT) và các thuật toán phân đoạn chi tiết, phục vụ trực tiếp cho việc lập trình trên máy tính.

---

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

Các chương/chủ đề chính

Cấu trúc nội dung 5 chương phản ánh toàn bộ quy trình xử lý dữ liệu ảnh số:

• Chương 1: Tổng quan về xử lý ảnh: Giới thiệu định nghĩa ảnh liên tục $S(x,y)$ và ảnh số $S(m,n)$, khái niệm điểm ảnh (pixel), không gian màu RGB với công thức tổ hợp màu $\text{color} = R + G \times 2^8 + B \times 2^{16}$, và mức xám (khi $R = G = B$). Trình bày sơ đồ quy trình xử lý tổng thể gồm: thu nhận ảnh, tiền xử lý (xóa nhiễu, nắn chỉnh hình học, chỉnh mức xám), trích chọn đặc điểm, hậu xử lý, nhận dạng và phân lớp. Phân loại 2 dạng nhiễu (nhiễu hệ thống, nhiễu ngẫu nhiên); định nghĩa mẫu (pattern) của Watanabe; 4 cách tiếp cận trong nhận dạng (đối sánh mẫu, thống kê, cấu trúc, mạng nơ-ron); và 4 kỹ thuật nén ảnh (thống kê, không gian, biến đổi, fractal).
• Chương 2: Thu nhận, số hóa và biểu diễn ảnh: Mô tả cơ chế thị giác người qua dải sóng khả kiến (380 nm – 780 nm), chức năng tế bào hình que và hình nón, sự thích nghi ánh sáng trong phạm vi $10^{10}$ mức cường độ và hiệu ứng tương phản biên. Trình bày hệ thống cảm biến quang - điện, quá trình lấy mẫu bằng hàm răng lược $\text{comb}(x)$ và lượng tử hóa mức xám. Xác định cấu trúc ma trận 2 chiều lưu trữ ảnh xám 8-bit (dải giá trị 0–255), các khái niệm lân cận $N_4(p), N_D(p), N_8(p)$, liên kết-4, liên kết-8, liên kết-m, quan hệ liên thông và ba độ đo khoảng cách: khoảng cách Euclidean ($D_e$), khoảng cách City-Block ($D_4$), khoảng cách Chessboard ($D_8$). Trình bày cấu trúc tệp tin (Header, Data, Palette) cùng các phương pháp mã hóa rút gọn: mã xích (chain code 4 hướng và 8 hướng), mã loạt dài (run-length), mã tứ phân (quadtree).
• Chương 3: Xử lý nâng cao chất lượng ảnh: Khảo sát lược đồ xám (histogram $h(g)$) và các toán tử điểm thực hiện qua bảng tra LUT nhằm giảm độ phức tạp tính toán từ $M \times N$ xuống $L$ mức xám. Trình bày thuật toán tìm ngưỡng tách tự động dựa trên tối ưu phương sai giữa các lớp; biến đổi độ tương phản tuyến tính từng khúc và phi tuyến (hàm Log $s = c \log(1+r)$, hàm mũ Gamma $s = c r^\gamma$); kỹ thuật giãn lược đồ xám; toán tử không gian qua phép nhân chập mặt nạ; phân loại lọc tuyến tính và phi tuyến (lọc trung vị); biến đổi Fourier rời rạc (DFT) 1D, 2D và biến đổi Cosin rời rạc (DCT).
• Chương 4: Kỹ thuật phát hiện biên và phân vùng ảnh: Khái niệm biên là vị trí có biến thiên đột ngột mức xám; kỹ thuật phát hiện biên trực tiếp dùng đạo hàm bậc một (toán tử Gradient) và đạo hàm bậc hai (toán tử Laplace); giải thuật dò biên tổng quát; kỹ thuật phân vùng ảnh theo tính đồng nhất: tách cây tứ phân, phân vùng bằng hợp và tách - hợp vùng.
• Chương 5: Xử lý hình thái ảnh: Định nghĩa phép co (Erosion) và phép giãn (Dilation) trên ảnh nhị phân dựa trên phần tử cấu trúc; phép mở (Opening) và phép đóng (Closing); mở rộng sang ảnh xám; các ứng dụng hình thái học: trích lọc biên, tô đầy vùng, biến đổi Hit-or-Miss, làm mảnh (thinning), làm dày (thickening) và tìm xương đối tượng (skeletons).

Progression logic của giáo trình tuân thủ nghiêm ngặt tiến trình từ tín hiệu vật lý quang học $\rightarrow$ rời rạc hóa thành dữ liệu ma trận $\rightarrow$ xử lý điểm và không gian cục bộ $\rightarrow$ trích xuất đặc trưng cấu trúc $\rightarrow$ xử lý hình thái phục vụ nhận dạng.

Kiến thức nền tảng được xây dựng

• Lý thuyết tín hiệu và hệ thống rời rạc: Cơ chế lấy mẫu tín hiệu liên tục 2D bằng hàm răng lược, lượng tử hóa mức năng lượng, biểu diễn phổ qua biến đổi Fourier rời rạc (DFT) và biến đổi Cosin (DCT).
• Cấu trúc dữ liệu và giải thuật ma trận: Biểu diễn ảnh qua mảng 2 chiều kích thước $M \times N$, kỹ thuật tối ưu hóa tính toán qua mảng 1 chiều Look-Up Table (LUT), các phương pháp biểu diễn phân cấp như cây tứ phân (Quadtree), mã loạt dài và mã xích.
• Hình học topo rời rạc và đại số tập hợp: Các hệ thức liên kết lân cận không gian ($N_4, N_8$, liên kết-m), các tiên đề độ đo khoảng cách metric rời rạc ($D_4, D_8$), lý thuyết tập hợp Minkowski áp dụng trong hình thái học toán học.

Kỹ năng phát triển

• Technical skills: Cài đặt các giải thuật nhân chập ma trận (convolution mask); lập trình thuật toán co/giãn hình thái học nhị phân và ảnh xám; xây dựng bảng tra LUT để biến đổi hàm mũ, hàm logarit và tách ngưỡng tự động; chuyển đổi dữ liệu ảnh sang dạng mã xích và mã loạt dài.
• Analytical skills: Phân tích hình dạng lược đồ tần suất histogram để xác định chất lượng chiếu sáng của ảnh; đánh giá loại nhiễu (nhiễu hệ thống hoặc ngẫu nhiên) để lựa chọn giải pháp lọc tần số hay lọc không gian phù hợp; phân tích tính tối ưu của ngưỡng nhị phân dựa trên mômen quán tính trung bình.
• Practical competencies: Thực hiện phát hiện đường biên đối tượng qua các mặt nạ vi phân Gradient/Laplace; phân đoạn đối tượng trong ảnh bằng giải thuật phân vùng tách - hợp cây tứ phân; áp dụng các toán tử hình thái học để trích xuất xương và làm mảnh phục vụ hệ thống nhận dạng tự động.

---

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

Giáo trình áp dụng phương pháp sư phạm quy nạp kỹ thuật kết hợp diễn dịch toán học. Mỗi chủ đề bắt đầu từ cơ sở giải tích hoặc vật lý, mô tả chi tiết mô hình toán học, chuyển đổi sang cấu trúc dữ liệu rời rạc, sau đó cung cấp thuật toán xử lý dưới dạng mã giả hoặc cấu trúc điều khiển vòng lặp trong ngôn ngữ lập trình (như vòng lặp for lồng nhau để duyệt ma trận $M \times N$).

Hệ thống bài tập và nghiên cứu tình huống được bố trí ở cuối mỗi chương với các ma trận số học cụ thể, yêu cầu người học tự tính toán thủ công từng bước trước khi viết chương trình kiểm chứng. Điển hình:

• Bài tập biểu diễn vùng ảnh ma trận nhị phân kích thước $8 \times 8$ bằng phương pháp mã loạt dài hoặc mã xích 8 hướng (Chương 2).
• Bài toán tìm ngưỡng tự động $\theta$ từ bảng phân bố tần suất $h(g)$, tính toán các giá trị tích lũy $t(g)$ và mômen quán tính trung bình $m(g)$ trên ma trận cụ thể kích thước $5 \times 6$ để tìm giá trị cực đại của hàm mục tiêu $f(\theta)$ (Chương 3).
• Bài toán biến đổi độ tương phản tuyến tính từng khúc với các tham số độ dốc $\alpha, \beta, \gamma$ cho trước và lập bảng giá trị tra cứu LUT (Chương 3).
• Cài đặt thuật toán co (Erosion) và giãn (Dilation) với phần tử cấu trúc xác định trên lưới điểm ảnh nhị phân (Chương 5).

Phương pháp đánh giá học phần tương ứng với cấu trúc giáo trình bao gồm:

1. Đánh giá lý thuyết: Kiểm tra khả năng giải thích các khái niệm quan hệ lân cận ($N_4, N_8$, liên kết-m), bản chất các bộ lọc không gian, phổ tần số Fourier và tính chất đại số của phép mở/đóng.
2. Đánh giá tính toán giải thuật: Làm bài tập tính toán trên các ma trận ảnh mẫu (tính histogram, giãn lược đồ xám, tính đạo hàm vi phân).
3. Đánh giá thực hành lập trình: Xây dựng các mô-đun phần mềm tiền xử lý, phân vùng và trích chọn đặc trưng ảnh trên máy tính.

Về hướng dẫn tự học: Sinh viên cần tuần tự đọc nội dung lý thuyết, giải chi tiết các ví dụ tính toán số học mẫu trong văn bản, sau đó hoàn thành bài tập cuối chương. Người học cần thực nghiệm cài đặt các thuật toán bằng các ngôn ngữ lập trình như C/C++ để so sánh kết quả ma trận tính tay với kết quả xử lý của chương trình.

---

Điểm nổi bật và cập nhật (250-300 từ)

Giáo trình Xử lý ảnh (2019) được biên soạn trong bối cảnh năng lực phần cứng máy tính, bộ nhớ đệm và các thiết bị thu nhận ảnh số phát triển nhanh chóng, kéo theo nhu cầu chuẩn hóa kiến thức cơ sở ngành Công nghệ thông tin. Các cập nhật và đặc điểm kỹ thuật nổi bật trong giáo trình gồm:

• Hệ thống hóa toàn diện các cấu trúc dữ liệu nén và lưu trữ: Thay vì chỉ trình bày thuật toán xử lý ma trận thô, giáo trình phân tích chi tiết cấu trúc tệp ảnh chuẩn công nghiệp gồm phần đầu (Header), dữ liệu nén (Data Compression) và bảng màu (Palette Color) áp dụng trên các định dạng IMG, BMP, GIF, PNG, JPG, JPEG. Tích hợp các giải thuật nén mô tả biên và vùng như mã xích 4 hướng/8 hướng, mã loạt dài và mã cây tứ phân.
• Tiếp cận tối ưu hóa hiệu năng tính toán: Giới thiệu phương pháp sử dụng bảng tra LUT (Look-Up Table) cho các phép toán điểm ảnh, chứng minh toán học về việc giảm thiểu số lượng phép tính từ $M \times N$ xuống 256 phép tính đối với ảnh 8-bit, giải quyết vấn đề nghẽn tài nguyên xử lý khi thực thi thuật toán.
• Cập nhật các hướng tiếp cận nhận dạng hiện đại: Tại Chương 1, giáo trình tích hợp 4 trường phái lý thuyết nhận dạng mẫu (Pattern Recognition) theo tiếp cận của Watanabe: đối sánh mẫu đặc trưng, phân loại thống kê, đối sánh cấu trúc và mạng nơ-ron nhân tạo, đồng thời đề cập đến xu hướng thiết kế các hệ thống lai (hybrid systems).
• Gắn kết ứng dụng công nghiệp và khoa học: Nội dung giáo trình đối chiếu trực tiếp các thuật toán với các bài toán ứng dụng thực tế: hệ thống thị giác máy nhân tạo (computer vision), người máy tự động hóa, xử lý ảnh viễn thám và vệ tinh, chẩn đoán ảnh y tế, nhận dạng chữ viết và in ấn tài liệu đen trắng qua thuật toán tách ngưỡng.

---

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

Giáo trình được thiết kế chuẩn hóa cho các nhóm đối tượng học thuật và kỹ thuật sau:

• Sinh viên đại học: Sinh viên năm thứ ba hoặc năm thứ tư thuộc các ngành Công nghệ thông tin, Khoa học máy tính, Kỹ thuật phần mềm, Hệ thống thông tin và Kỹ thuật điều khiển - Tự động hóa. Giáo trình phục vụ trực tiếp cho học phần Xử lý ảnh cơ bản hoặc môn học chuyên đề về Thị giác máy tính.
• Điều kiện tiên quyết (Prerequisites): Người học cần hoàn thành các học phần nền tảng:
  • Toán học: Toán giải tích (đạo hàm riêng, tích phân, biến đổi chuỗi), Đại số tuyến tính (ma trận, các phép toán véc-tơ, định thức).
  • Khoa học máy tính: Cơ sở lập trình (ngôn ngữ C/C++ hoặc tương đương), Cấu trúc dữ liệu và giải thuật (mảng 2 chiều, cấu trúc cây, đệ quy).
• Giảng viên đại học: Sử dụng làm đề cương bài giảng và tài liệu chuẩn để thiết kế bài giảng lý thuyết (30–45 tiết), xây dựng bài tập lớn (assignments), đề tài tiểu luận môn học và ngân hàng đề thi học phần Xử lý ảnh.
• Kỹ sư và học viên tự học: Học viên cao học và kỹ sư phát triển phần mềm xử lý dữ liệu đa phương tiện, lập trình robot công nghiệp có thể sử dụng sách như một tài liệu tham chiếu kỹ thuật về giải thuật toán học và phương pháp số hóa tín hiệu ảnh 2D.

---

Câu hỏi thường gặp (250-300 từ)

1. Giáo trình này phù hợp với ai?

Giáo trình phù hợp với sinh viên đại học ngành Công nghệ thông tin, Kỹ thuật máy tính; giảng viên cần giáo trình giảng dạy học phần Xử lý ảnh; và các lập trình viên cần tài liệu tham chiếu toán học về các phép toán ma trận điểm ảnh, phát hiện biên và xử lý hình thái học.

2. Cần kiến thức nền nào để học?

Người học cần trang bị kiến thức về Đại số tuyến tính (phép toán ma trận), Giải tích vi tích phân (đạo hàm bậc một Gradient, đạo hàm bậc hai Laplace), Cấu trúc dữ liệu và kỹ năng lập trình thao tác trên mảng dữ liệu 2 chiều bằng các ngôn ngữ như C/C++.

3. Điểm khác biệt với giáo trình khác?

Tài liệu không thuần túy mô tả lý thuyết trừu tượng mà trình bày tường minh các thuật toán ma trận số học (như thuật toán tìm ngưỡng tự động theo mômen quán tính, biến đổi tương phản từng khúc), cung cấp các ví dụ số học $8 \times 8$ và hướng dẫn giải pháp tối ưu mã nguồn thông qua bảng tra Look-Up Table (LUT).

4. Làm sao để tự học hiệu quả?

Người học nên đọc kỹ lý thuyết từng chương, tự giải lại các bài toán tính toán mẫu bằng tay (tính phân bố $h(g)$, giải thuật mã xích, ma trận co/giãn), sau đó cài đặt mã nguồn cho các thuật toán đó trên máy tính để kiểm tra tính chính xác của thuật toán với dữ liệu ảnh thực tế.

5. Có tài liệu bổ trợ nào kèm theo?

Cuối sách có danh mục Tài liệu tham khảo (trang 122) cung cấp các nguồn trích dẫn chuyên sâu; cuối mỗi chương đều có phần tóm tắt các định lý, công thức trọng tâm và hệ thống câu hỏi, bài tập tự luận và tính toán ma trận.

---

Kết luận (150 từ)

Giáo trình Xử lý ảnh của Trường Đại học Công nghiệp Hà Nội là tài liệu học thuật có cấu trúc hoàn chỉnh, chuẩn hóa hệ thống kiến thức từ tín hiệu thị giác, mô hình số hóa đến các thuật toán biến đổi ảnh số. Giá trị cốt lõi của tài liệu nằm ở sự kết hợp chặt chẽ giữa các công thức toán học giải tích vi phân, mô hình ma trận rời rạc và các giải thuật tối ưu hóa phục vụ lập trình ứng dụng.

Lộ trình học tập được thiết kế tuần tự: tiếp cận bản chất thu nhận và số hóa ảnh (Chương 1, 2) $\rightarrow$ thành thạo các kỹ thuật xử lý nâng cao chất lượng ảnh trong miền không gian và miền tần số (Chương 3) $\rightarrow$ triển khai các phương pháp phát hiện biên, phân vùng ảnh (Chương 4) $\rightarrow$ làm chủ các phép toán hình thái học để trích chọn đặc trưng đối tượng (Chương 5). Người học khai thác triệt để hệ thống bài tập tính toán ma trận cuối mỗi chương và danh mục tài liệu tham khảo tại trang 122 để củng cố năng lực thực hành giải thuật.

Trích đoạn nội dung tài liệu

Chương 1 TỎNG QUAN VÈ x ử LÝ ẢNH Nội dung chương này trình bày về khái niệm ảnh, điềm ảnh, quy trình xử lý ảnh và các vắn đề liên quan như: khử nhiễu, nhận dạng. Đồng thời trình bày một sổ ứng dụng của xử lý ảnh. M ột số khái niệm 1. Khái niệm ảnh Ảnh là thông tin về vật thể hay quang cảnh được chiếu sáng mà con người quan sát và cảm nhận được bằng mắt và hệ thống thần kinh thị giác.

Ảnh được tạo thành từ ba yếu tố: - Vật thể, không gian quan sát được chiếu sáng; - Nguồn sáng; - Cảm nhận (mắt). Ảnh trong tự nhiên (ảnh liên tục) là những tín hiệu liên tục về không gian và giá trị độ sáng. Tín hiệu ảnh thuộc loại tín hiệu đa chiều: tọa độ (x,y,z), độ sáng (A,), thời gian (t). Ảnh được lưu trữ trong máy tính như một mảng hai chiều chứa giá trị số.

Các số tương ứng với các thông tin khác nhau như màu hay cường độ mức xám, độ chói, thành phần màu. Để có thể lưu trữ và biểu diễn ảnh trên máy tính (ành số) con người phái tiến hành biến đồi các tín hiệu liên tục đó thành một số hữu hạn các tín hiệu rời rạc thông qua quá trình lượng tứ hóa và lấy mẫu thành phần giá trị độ sáng. Ành trong không gian 2 chiều được định nghĩa là một hàm 2 biến S(x,y), với s là giá trị độ sáng tại vị trí tọa độ (x,y). 9 Với ành liên tục S(x,y)\ Miền xác định (x,y) liên tục, miền giá trị 5 liên tục.

Với ảnh số S(m.n): Là ảnh liên tục được số hóa, miền xác định (m,n) rời rạc, miền giá trị 5 rời rạc. Ành số: Tín hiệu số 2D p iX í Hình 1. Ánh số và tin hiệu số 1. Điểm ảnh - Điếm ánh: Điềm ảnh được xem như là dấu hiệu hay cường độ sáng tại ] toạ độ trong không gian của đối tượng.

Ành được xem như là 1 tập hợp các điểm ành được tổ chức dưới dạng ma trận các điểm ảnh gồm M đòng và N cột. Giao giữa dòng và cột là điểm ánh (pixel). Mỗi điểm ảnh gồm có 2 thông số: tọa độ (x,y) và giá trị màu/mức xám. Trong không gian màu RGB, một màu đuợc tổ hợp từ ba thành phàn R, G, B theo công thức: color = R + G*2* + B*216.

Nếu ba thành phần này không đồng thời bằng nhau thì giá tri tả hợp trên sỗ có sắc thái màu, khi đó ta gọi là ảnh màu. - Mức xám (Gray level): Màu xám là màu có ba thành phần R = G = B. Ánh xám hay ảnh đa cấp xám là ảnh chi chứa toàn màu xám. X ử lý ảnh Quá trinh xử lý ảnh gồm một dãy thao tác trên ảnh đầu vào nhằm cho ra kết quả mong muốn.

Đầu ra của quá trình xử lý ảnh có thể là một ảnh “tốt hơn” hoặc một kết luận. X ử lý ảnh Xử lý ảnh là một tiến trình gồm nhiều công đoạn nhỏ, các công đoạn đó bao gồm: H ình 1. Các giai đoạn cùa quá trình xử lý ảnh - Thu nhận ảnh: Việc thu nhận có thể thực hiện thông qua các thiết bị như máy ảnh, ảnh chụp từ vệ tinh qua các bộ cám biến (Sensors), qua máy quét (Scaners). - Tiền xử lý: Nhằm nâng cao chất lượng ảnh đầu vào đế làm nổi bật một số đặc điểm của ảnh hay làm cho ảnh giống nhất với trạng thái gốc cùa nó.

Có nhiều công cụ khác nhau để thực hiện tùy thuộc vào trạng thái của ảnh đầu vào như: • Xóa nhiễu: Loại bỏ các đối tượng dư thừa trong ảnh (có thế do chất lượng cùa thiết bị thu nhận, do nguồn sáng). 11 • Nắn chinh hình học: Khắc phục các biến dạng do các thiết bị điện tử và quang học gây nên, có thề khắc phục bẳng các phép chiếu. • Chinh mức xám: Khắc phục tính không đồng đều của mức xám, thường dùng để tăng hoặc giảm số mức xám cùa anh. - Trích chọn đặc điềm: Nhằm tiến tới hiểu ảnh.

Có thể sử dụng các công cụ như: Dò biên để xác định biên, phân vùng, làm mảnh đê trích xương,. - Hậu xử lý: Nhằm hiệu chinh lại đặc điểm của những đặc trưng đã trích được từ bước trên sao cho bước thực hiện tiếp theo được thuận tiện và nhanh chóng nhưng vẫn không làm ánh hường đến kết quả. - Tùy mục đích cùa ứng dụng mà chuyển sang giai đoạn khác là lưu trữ, nhận dạng, phân lớp để rút ra kết luận. Các vấn dề cơ bàn của xử lý ảnh 1.

K hừ nhiễu Có 2 loại nhiễu cơ bàn trong quá trinh thu nhận ảnh: Nhiễu hệ thống: Là nhiễu có quy luật có thể khử bằng các phép biến đồi trên miền tần so. Nhiễu ngẫu nhiên: Là dạng nhiễu xuất hiện ngẫu nhiên và có thể theo một phân bố nào đó. Chúng có thể được loại bò bằng các phép lọc. Anh nhiễu và ánh sau khi lọc nhiễu 12 1.

Chinh mức xám Chinh số mức xám nhằm khắc phục tính không đồng đều mức xám do hệ thống gây ra. Thông thường cỏ 2 hướng tiếp cận: Giảm số mức xám: Thực hiện bằng cách nhóm các mức xám gần nhau thành một bó. Trường hợp chi có 2 mửc xám thì chính là chuyển về ảnh đen trang, ứ n g dụng: In ảnh màu ra máy in đen trắng. Tăng số mức xám: Thực hiện nội suy ra các mức xám trung gian bằng kỹ thuật nội suy.

Kỹ thuật này nhằm tăng cường độ mịn cho ảnh. Phăn tích ảnh Là khâu quan trọng trong quá trinh xử lý ảnh để tiến tới hiểu ảnh. Trong phân tích ảnh, việc trích chọn đặc điểm là một bước quan trọng. Các đặc điểm của đối tượng được trích chọn tuỳ theo mục đích nhận dạng trong quá trinh xử lý ảnh.

c ỏ thể nêu ra một số đặc điểm cùa ảnh sau đây: - Đặc điểm không gian: Phân bố mức xám, phân bố xác suất, biên độ, điểm uốn v. - Đặc điểm biến đổi: Các đặc điểm loại này được trích chọn bằng việc thực hiện lọc vùng (zonal íĩltering). Các bộ vùng được gọi là “mặt nạ đặc điểm” (feature mask) thường là các khe hẹp với hỉnh dạng khác nhau (chữ nhật, tam giác, cung tròn v. - Đặc điểm biên và đường biên: Đặc trưng cho đường biên của đổi tượng rất hữu ích trong việc trích chọn các thuộc tính bất biến được dùng khi nhặn dạng đối tượng.

Các đặc điểm này có thề được trích chọn nhờ toán tử gradient, toán từ la bàn, toán từ laplace, toán tử “chéo không” (z ero Crossing) v. Việc trích chọn hiệu quả các đặc điềm giúp cho việc nhận dạng các đối tượng ảnh chính xác, với tốc độ tính toán cao và dung lượng nhớ lưu trữ nhỏ. Nhận dạng Nhặn dạng tự động (automatic recognition), mô tả đối tượng, phân loại và phân nhóm các mẫu là những vấn đề quan trọng trong thị giác máy được ứng dụng trong nhiều ngành khoa học khác nhau. Tuy nhiên, một câu hói đặt ra là: mẫu (pattem) là gỉ? Watanabe, một trong những người đi đầu trong lĩnh vực này đã định nghĩa: “Ngược lại với hỗn loạn (chaos), mẫu là một thực thể (entity), được xác định một cách ang áng (vaguely deíined) và có thế gán cho nó một tên gọi nào đó”.

Ví dụ mẫu có thề là ảnh của vân tay, ảnh của một vật nào đó được chụp, một chữ viết, khuôn mặt người hoặc một ký đồ tín hiệu tiếng nói. Khi biết một mẫu nào đó, để nhận dạng hoặc phân loại mẫu đó có thể sử dụng các phương pháp sau: - Phân loại có mẫu (phân lớp): Trong đó mẫu đầu vào được định danh như một thảnh phần của một lớp đã xác định. - Phân loại không có mẫu (phân cụm): Trong đó các mẫu được gán vào các lớp khác nhau dựa trên một tiêu chuẩn đồng dạng nào đó. Các lớp này cho đến thời điểm phân loại vẫn chưa biết hay chưa được định danh.

Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau đây: - Thu nhận dữ liệu và tiền xử lý. - Biểu diễn dữ liệu. - Nhận dạng, ra quyết định. Bốn cách tiếp cận khác nhau trong lý thuyết nhận dạng là: - Đối sánh mẫu dựa trên các đặc trưng được trích chọn.

- Phân loại thống kê. - Đối sánh cấu trúc. - Phản loại dựa trên mạng nơron nhân tạo. 14 Trong các ứng dụng, không thể chi dùng có một cách tiếp cận đom lẻ để phân loại “tối ưu”.

Thay vào đó, ta cần sử dụng cùng một lúc nhiều phương pháp và cách tiếp cận khác nhau. Các phương thức phân loại tổ hợp hay được sử dụng khi nhận dạng và nay đã có những kết quà có triển vọng dựa ừên thiết kế các hệ thống lai (hybrid system) bao gồm nhiều mô hình kết hợp. Việc giải quyết bài toán nhận dạng trong những ứng dụng mới nảy sinh trong cuộc sống không chi tạo ra những thách thức về thuật giải, mà còn đặt ra những yêu cầu về tốc độ tính toán. Đặc điểm chung của tất cả những ứng dụng đó là những đặc điểm đặc trưng cần thiết thường là nhiều, phải được ưích chọn dựa trên các thù tục phân tích dữ liệu.

Nén ảnh Nhằm giảm thiếu không gian lưu trữ. Thường được tiến hành theo cả hai khuynh hướng là nén có bảo toàn và không bảo toàn thông tin. Nén không bào toàn thì thường cố khả năng nén cao hơn nhưng khả năng phục hồi thi kém hom. Trên cơ sờ hai khuynh hướng, có 4 cách tiếp cận cơ bản trong nén ảnh: - Nén ảnh thống kê: Kỹ thuật nén này dựa vào việc thống kê tần xuất xuất hiện cùa giá trị các điểm ảnh, trên cơ sờ đó mà cỏ chiến lược mã hóa thích hợp.

- Nén ảnh không gian: Kỹ thuật này dựa vào vị trí không gian của các điểm ảnh để tiến hành mã hóa. Cụ thể là lợi dụng sự giống nhau của các điểm ảnh trong các vùng gần nhau để tiến hành mã hóa. - Nén ảnh sứ dụng phép biến đổi: Đây là kỹ thuật tiếp cận theo hướng nén không bảo toàn dựa trên các phép biến đổi trên miền tần số. - Nén ảnh Fractal: Sừ dụng tính chất Fractal của các đối tượng ảnh, thể hiện sự lặp lại của các chi tiết.

Kỹ thuật nén sẽ tính toán đế chi cần lưu trữ phần gốc ảnh và quy luật sinh ra ảnh theo nguyên lý Fractal. ứng dụng cùa xử lý ảnh • Thông tin ành, truyền thông ảnh. ^ - Cải thiện thông tin hình ảnh cho sự nhận biết của con người. • Xử lý ánh vệ tinh, viễn thám.

Cải thiện và phục hồi ảnh. • Thiên vãn, nghiên cứu không - Dữ liệu vào và ra đều là ảnh. • Địa chất thăm dò.