Xử lý ảnh số

Giáo trình Xử lý ảnh số ngành Công nghệ thông tin - TS. Nguyễn Đăng Bình (ĐH Khoa học Huế)

• Tác giả: Nguyễn Đăng Bình
• Trường học: Trường Đại học Khoa học Huế
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Xử lý ảnh số
• Loại tài liệu: Giáo trình
• Năm xuất bản: 2011
• Địa điểm: Huế

Tóm tắt

I. Tổng quan về giáo trình Xử lý ảnh số của TS

Giáo trình Xử lý ảnh số do Tiến sĩ Nguyễn Đăng Bình biên soạn tại Khoa Công nghệ Thông tin trực thuộc Trường Đại học Khoa học Huế vào năm 2011. Tài liệu này được thiết kế theo chuẩn chương trình đào tạo cử nhân hệ thống tín chỉ. Tác phẩm cung cấp kiến thức nền tảng vững chắc cho người học. Tốc độ phát triển phần cứng máy tính tạo điều kiện mở rộng nghiên cứu thị giác số. Việc thu nhận hình ảnh qua thiết bị kỹ thuật số ngày nay diễn ra rất thuận lợi. Môn học giữ vị trí cốt lõi trong toàn bộ khung chương trình đào tạo kỹ sư công nghệ. Nội dung cuốn sách gồm sáu chương lý thuyết kèm hệ thống bài tập thực hành phong phú. Người học được trang bị đầy đủ công cụ phân tích từ mức cơ bản đến chuyên sâu. Giáo trình giúp người đọc tự xây dựng thư viện thuật toán độc lập. Các chương trình mô phỏng hỗ trợ kiểm chứng trực tiếp từng nguyên lý kỹ thuật. Hệ thống lý thuyết trình bày logic, mạch lạc và giàu tính ứng dụng thực tế. Đây là tài liệu giảng dạy tiêu chuẩn tại nhiều trường đại học hiện nay.

1.1. Bối cảnh ra đời và mục tiêu đào tạo

Sự phát triển mạnh mẽ của khoa học máy tính đòi hỏi nguồn nhân lực am hiểu xử lý tín hiệu trực quan. TS. Nguyễn Đăng Bình biên soạn tài liệu nhằm chuẩn hóa kiến thức chuyên ngành cho sinh viên đại học. Mục tiêu trọng tâm là trang bị tư duy giải thuật xử lý ảnh hiện đại. Người học nắm vững cơ sở toán học để tiếp cận các lĩnh vực thị giác máy tính và trí tuệ nhân tạo. Giáo trình tạo bệ phóng giúp sinh viên tự nghiên cứu các chuyên đề phức tạp. Tác phẩm đáp ứng đầy đủ yêu cầu đào tạo tín chỉ khắt khe. Từng nội dung bài giảng hướng tới việc phát triển kỹ năng lập trình độc lập. Sinh viên dễ dàng tiếp cận kiến thức học thuật một cách có hệ thống.

1.2. Bố cục sáu chương kiến thức cốt lõi

Cấu trúc giáo trình phân chia thành sáu chương theo lộ trình sư phạm chặt chẽ. Chương một giới thiệu tổng quan hệ thống và các khái niệm cơ bản. Chương hai đi sâu vào kỹ thuật thu nhận, số hóa và lưu trữ dữ liệu ảnh. Chương ba tập trung vào các giải thuật nâng cao chất lượng ảnh và phép lọc không gian. Chương bốn phân tích chi tiết cơ chế phục hồi hình ảnh bị suy thoái bởi nhiễu. Hai chương cuối tiếp tục mở rộng các kỹ thuật nén và phân vùng ảnh nâng cao. Cuối mỗi chương đều tích hợp bài tập rèn luyện tư duy thực tế. Cấu trúc bài giảng phân tầng rõ ràng giúp việc tiếp thu đạt hiệu quả tối ưu.

II. Phân tích các vấn đề số hóa trong giáo trình Xử lý ảnh số

Quá trình chuyển đổi tín hiệu thế giới thực thành dữ liệu số đối mặt với nhiều thách thức kỹ thuật. Ảnh tự nhiên mang bản chất liên tục về cả không gian lẫn biên độ sáng. Máy tính chỉ có khả năng lưu trữ và xử lý các giá trị rời rạc. Vấn đề cốt lõi nằm ở sự cân bằng giữa chất lượng thị giác và dung lượng bộ nhớ. Nếu độ phân giải không gian quá thấp, hình ảnh sẽ xuất hiện hiện tượng răng cưa và mất chi tiết biên cạnh. Ngược lại, số lượng điểm ảnh quá lớn sẽ gây áp lực nặng nề lên bộ nhớ máy tính. Tương tự, số mức lượng hóa quyết định độ mịn của dải màu xám. Mức lượng hóa thô tạo ra các đường viền giả dạng bậc thang rất rõ nét. Giáo trình phân tích tường tận nguyên nhân suy giảm chất lượng dữ liệu trong quá trình số hóa. Các hiện tượng méo dạng hình học cũng bắt nguồn từ sai số lấy mẫu. Việc hiểu rõ bản chất vật lý của cảm biến mảng giúp hạn chế tối đa suy hao thông tin. Đây là cơ sở then chốt để xây dựng giải pháp xử lý tối ưu.

2.1. Thách thức trong lấy mẫu và lượng hóa ảnh

Lấy mẫu không gian và lượng hóa biên độ là hai thao tác quyết định chất lượng số hóa. Quá trình lấy mẫu rời rạc hóa tọa độ liên tục trên mặt phẳng hai chiều. Mật độ điểm ảnh phụ thuộc trực tiếp vào số lượng cảm biến vật lý. Nếu chu kỳ lấy mẫu quá thưa, tín hiệu ảnh sẽ bị méo dạng nghiêm trọng. Ngược lại, lượng hóa phân chia mức sáng thành các giá trị số hữu hạn. Giáo trình chỉ rõ việc chia dải sáng thành các bậc rời rạc từ đen sang trắng. Sai số làm tròn trong lượng hóa gây mất mát thông tin sắc thái nguyên bản. Việc chọn số mẫu và cấp xám phù hợp luôn là bài toán khó.

2.2. Giới hạn độ phân giải và mã hóa điểm ảnh

Độ phân giải biểu thị mật độ phân bố điểm ảnh trên một đơn vị diện tích hiển thị. Mắt người chỉ cảm nhận hình ảnh mượt mà khi mật độ điểm ảnh đủ cao. Ví dụ cùng độ phân giải trên màn hình diện tích lớn hơn sẽ cho chất lượng kém mịn. Về mặt mã hóa, chuẩn 256 mức xám sử dụng một byte cho mỗi pixel rất phổ dụng. Trong biểu diễn màu sắc RGB, hệ thống cần ba byte để mô tả khoảng 16,7 triệu giá trị màu. Sự gia tăng kích thước ma trận kéo theo nhu cầu lưu trữ dữ liệu khổng lồ. Thiết bị phần cứng phải xử lý khối lượng phép tính ma trận rất nặng nề. Kỹ sư cần phân bổ tài nguyên hợp lý để duy trì hiệu năng.

III. Phương pháp nâng cao và phục hồi từ giáo trình Xử lý ảnh số

Để giải quyết các hạn chế của dữ liệu số hóa, giáo trình cung cấp hệ thống giải thuật can thiệp toàn diện. Phương pháp căn bản nhất dựa trên các phép biến đổi trực tiếp trên từng điểm ảnh độc lập. Kỹ thuật điều chỉnh lược đồ mức xám giúp tăng cường độ tương phản cho bức ảnh mờ tối. Bên cạnh xử lý điểm đơn lẻ, các phép toán trên vùng lân cận giữ vai trò trung tâm. Kỹ thuật lọc không gian làm trơn hỗ trợ loại bỏ nhiễu ngẫu nhiên hiệu quả. Ngược lại, kỹ thuật lọc làm nét giúp làm nổi bật các cạnh và chi tiết cấu trúc bị mờ. Trong lĩnh vực phục hồi ảnh, tài liệu xây dựng mô hình suy thoái toán học chính xác. Thuật toán ước lượng hàm truyền biến dạng hỗ trợ tái tạo tín hiệu gốc ban đầu. Bộ lọc nghịch đảo và bộ lọc tối ưu loại bỏ hiện tượng nhòe do chuyển động hoặc quang sai. Sự kết hợp giữa lý thuyết toán học và kỹ thuật lập trình đem lại hiệu năng xử lý rất cao. Người học có thể triển khai trực tiếp các thuật toán này trên máy tính cá nhân. Giải pháp mang tính hệ thống giúp ảnh đạt độ sắc nét và trung thực tối đa.

3.1. Kỹ thuật lọc không gian và làm sắc nét

Lọc không gian là kỹ thuật biến đổi giá trị điểm ảnh dựa vào ma trận mặt nạ lân cận. Mặt nạ làm trơn trung bình hoặc trung vị giúp triệt tiêu nhiễu hạt hiệu quả. Thao tác này làm mềm biên hạt nhưng vẫn giữ được đặc tính tổng thể của ảnh. Đối với ảnh mờ, giáo trình áp dụng toán tử đạo hàm bậc một và bậc hai. Các bộ lọc vi sai như Gradient hay Laplace làm nổi bật đường biên vật thể rõ ràng. Nhờ vậy, cấu trúc ranh giới hình học trở nên sắc sảo và dễ nhận diện hơn. Lập trình viên dễ dàng biến đổi ma trận tích chập để đạt mục tiêu xử lý cụ thể. Phương pháp lọc không gian đóng vai trò then chốt trong tiền xử lý ảnh.

3.2. Mô hình toán học trong khôi phục hình ảnh

Khôi phục ảnh hướng đến việc tái tạo hình ảnh nguyên bản từ nguồn tín hiệu suy biến. Khác với việc nâng cao chất lượng mang tính cảm tính, khôi phục ảnh dựa trên mô hình toán khách quan. Quá trình làm suy thoái được mô hình hóa bằng phép nhân chập kèm nhiễu cộng. Giáo trình hướng dẫn phương pháp ước lượng hàm suy thoái thông qua thực nghiệm quan sát. Sau khi xác định tham số suy thoái, thuật toán áp dụng các bộ lọc chuyên biệt để giải chập. Bộ lọc Wiener giúp tối thiểu hóa sai số toàn phương trung bình giữa ảnh gốc và ảnh khôi phục. Thuật toán này hạn chế triệt để sự khuếch đại nhiễu tần số cao. Nhờ vậy, bức ảnh lấy lại độ chi tiết nguyên trạng.

IV. Kết luận và ứng dụng thực tiễn của giáo trình Xử lý ảnh số

Giáo trình Xử lý ảnh số của TS. Nguyễn Đăng Bình khẳng định giá trị học thuật xuất sắc qua thời gian. Cuốn sách không chỉ dừng lại ở các định lý toán học trừu tượng. Tác phẩm gắn kết chặt chẽ giữa nguyên lý nền tảng và bài toán kỹ thuật hiện đại. Các kiến thức này được ứng dụng rộng rãi trong hệ thống chẩn đoán hình ảnh y học như chụp cắt lớp CT và MRI. Trong lĩnh vực thị giác máy tính và chế tạo robot, giải thuật xử lý điểm ảnh hỗ trợ máy móc định vị không gian chính xác. Lĩnh vực an ninh sử dụng các thuật toán phân vùng để nhận diện khuôn mặt và biển số xe tự động. Công nghệ giải trí đa phương tiện áp dụng kỹ thuật số hóa màu sắc để nâng tầm chất lượng đồ họa. Sinh viên công nghệ thông tin tìm thấy ở cuốn sách nguồn tham khảo vững chắc cho các đề tài nghiên cứu. Tài liệu trang bị tư duy giải thuật độc lập và khả năng tự phát triển phần mềm xử lý chuyên sâu. Đây chính là hành trang quan trọng cho kỹ sư công nghệ trong kỷ nguyên trí tuệ nhân tạo.

4.1. Ứng dụng trong y tế và thị giác máy tính

Kỹ thuật xử lý ảnh y tế đóng góp vai trò sống còn trong việc hỗ trợ bác sĩ chẩn đoán bệnh. Các thuật toán nâng cao chất lượng ảnh giúp hiển thị rõ nét khối u và tổn thương nội tạng trên phim chụp X-quang hoặc MRI. Phép lọc khử nhiễu làm tăng độ tương phản của các mô bệnh học phức tạp. Trong ngành công nghiệp robot, thị giác máy tính đóng vai trò đôi mắt nhân tạo. Hệ thống nhận dạng biên giúp máy móc phân loại sản phẩm trên dây chuyền tự động. Khả năng phát hiện sai hỏng bề mặt sản phẩm đạt độ chuẩn xác cực cao. Giáo trình cung cấp cơ sở toán học vững chắc để người học tự tin triển khai các mô hình ứng dụng thông minh này.

4.2. Giá trị tham khảo và định hướng nghiên cứu

Đối với sinh viên và nhà nghiên cứu công nghệ thông tin, cuốn giáo trình giữ vị trí như tài liệu tham khảo gối đầu giường. Kiến thức từ cuốn sách rèn luyện tư duy lập trình cấu trúc dữ liệu hình ảnh trực quan. Sau khi nắm vững lý thuyết cốt lõi, người học dễ dàng tiếp cận các kiến trúc mạng nơ-ron tích chập (CNN) hiện đại. Tác phẩm đóng vai trò nhịp cầu kết nối giữa giải thuật xử lý tín hiệu cổ điển và công nghệ trí tuệ nhân tạo. Người nghiên cứu có thể mở rộng thuật toán để xử lý video thời gian thực hoặc tạo lập không gian ba chiều. Giá trị khoa học của tài liệu tiếp tục đồng hành cùng sự phát triển của công nghệ.

Nội dung chính

Tổng quan về giáo trình

Giáo trình Xử lý ảnh số do Tiến sĩ Nguyễn Đăng Bình biên soạn vào tháng 9 năm 2011, dưới sự quản lý học thuật của Bộ môn Khoa học Máy tính, Khoa Công nghệ Thông tin, Trường Đại học Khoa học – Đại học Huế. Tài liệu được xây dựng trong khuôn khổ Dự án đào tạo cán bộ tin học và đưa tin học vào nhà trường thuộc Chương trình mục tiêu quốc gia Giáo dục và Đào tạo năm 2011.

Về vị trí trong chương trình đào tạo, môn học Xử lý ảnh số là học phần chuyên ngành cốt lõi dành cho sinh viên ngành Công nghệ thông tin theo hệ thống đào tạo tín chỉ. Môn học đóng vai trò cầu nối giữa các khối kiến thức toán học cơ sở (Đại số tuyến tính, Xác suất thống kê), Xử lý tín hiệu số và các phân ngành ứng dụng nâng cao như Thị giác máy tính, Rô-bốt học và Trí tuệ nhân tạo.

Mục tiêu học tập của giáo trình nhằm trang bị cho người học hệ thống phương pháp luận khoa học và kỹ thuật thuật toán từ cơ bản đến nâng cao. Sau khi hoàn thành học phần, người học nắm vững bản chất toán học của các phép biến đổi ảnh, có khả năng phân tích sự xuống cấp của dữ liệu ảnh, đồng thời tự thiết kế và lập trình xây dựng các thư viện chức năng độc lập để phục vụ các bài toán tiền xử lý, phân đoạn và nhận dạng đối tượng hình ảnh.

Cấu trúc giáo trình gồm 6 chương, tiếp cận theo mô hình xử lý tuần tự của một hệ thống thị giác máy: từ các khâu thu nhận, số hóa, mô hình hóa dữ liệu quang học đến các thuật toán cải thiện chất lượng, khôi phục tín hiệu, trích chọn đặc trưng và nén dữ liệu. Điểm đặc thù của tài liệu là việc kết hợp chặt chẽ giữa các nguyên lý giải phẫu thị giác người, hiện tượng quang học vật lý với các thuật toán rời rạc hóa trên hệ thống máy tính điện tử.

---

Nội dung kiến thức cốt lõi

Các chương/chủ đề chính

Giáo trình phân bổ dung lượng qua 6 chương với logic phát triển từ mức xử lý tín hiệu điểm ảnh bậc thấp đến trích xuất thông tin bậc cao:

• Chương 1 - Tổng quan về xử lý ảnh số: Trình bày khái niệm cơ bản về ảnh số, mô hình toán học ma trận $M \times N$ với hàm cường độ sáng hai chiều $X(n, m)$ hoặc $f(x, y)$, phần tử ảnh (pixel), độ phân giải và các thang giá trị mức xám chuẩn ($16, 32, 64, 128, 256$). Chương này phân tích lịch sử xử lý ảnh từ hệ thống cáp Bartlane thập niên 1920 (mã hóa truyền ảnh từ 5 đến 15 mức xám) đến sứ mệnh thám hiểm không gian Ranger 7 của NASA năm 1964. Tiếp đó, chương thiết lập các quan hệ không gian cơ bản: tập lân cận 4 hướng ngang dọc $N_4(p)$, lân cận chéo $N_D(p)$, tập 8 lân cận $N_8(p)$; định nghĩa tính 4-liền kề, 8-liền kề, m-liền kề (loại trừ tính nhập nhằng); khái niệm đường đi, tính liên thông và thuật toán hai lượt quét để gán nhãn các thành phần liên thông; cùng hệ thống các hàm khoảng cách Metric gồm khoảng cách Euclide $D_e$, khoảng cách khối đồ thị $D_4$ (City-Block), khoảng cách $D_8$ và khoảng cách hỗn hợp $D_m$.
• Chương 2 - Thu nhận, số hóa, biểu diễn, lưu trữ ảnh: Khảo sát cơ chế thị giác thông qua cấu trúc giải phẫu mắt người gồm củng mạc, giác mạc, mạch mạc, thể mi, mống mắt, đồng tử, thủy tinh thể và võng mạc (chứa 6–7 triệu tế bào nón cảm nhận màu sắc tập trung tại hố võng mạc và 75–150 triệu tế bào que nhạy cảm cường độ sáng ở vùng ngoại biên). Chương mô tả dải phổ điện từ liên hệ qua công thức $\lambda = c/f$ ($c = 2.998 \times 10^8\text{ m/s}$), trong đó ánh sáng nhìn thấy nằm trong bước sóng từ $0.4\ \mu\text{m}$ đến $0.7\ \mu\text{m}$. Về mặt kỹ thuật, chương trình bày cấu trúc các bộ cảm biến (cảm biến đơn, cảm biến dải, mảng cảm biến CCD lên đến $4000 \times 4000$ phần tử); mô hình toán học tạo ảnh đơn sắc $f(x, y) = i(x, y) \cdot r(x, y)$ (với độ sáng $0 < i(x, y) < \infty$ và độ phản xạ $0 \le r(x, y) \le 1$); định lý lấy mẫu Shannon ($f_x \ge 2f_{xmax}$, $f_y \ge 2f_{ymax}$) nhằm tránh chồng phổ; nguyên lý lượng tử hóa cấp xám; các không gian màu, mô hình hiển thị Raster, Vector và cấu trúc tệp ảnh.
• Chương 3 - Nâng cao chất lượng ảnh: Giới thiệu các toán tử biến đổi điểm ảnh độc lập: biến đổi âm bản, biến đổi Logarit, biến đổi hàm mũ lũy thừa, các hàm tuyến tính từng phần; kỹ thuật xử lý lược đồ mức xám (histogram) và thuật toán cân bằng lược đồ (histogram equalization). Về xử lý không gian lân cận, chương phân tích các bộ lọc làm trơn tuyến tính, lọc thống kê thứ tự (lọc trung vị); các bộ lọc tăng cường độ nét dựa trên đạo hàm bậc nhất và đạo hàm bậc hai (toán tử Laplace); cùng các phép toán số học như trừ ảnh và lấy trung bình ảnh để triệt tiêu nhiễu ngẫu nhiên.
• Chương 4 - Khôi phục ảnh: Phân biệt ranh giới giữa khôi phục ảnh (mô hình hóa sự xuống cấp để hoàn nguyên ảnh gần với ảnh gốc) và cải thiện ảnh (tăng độ tương phản trực quan). Chương giới thiệu các phương pháp ước lượng sự suy giảm tín hiệu; giảm nhiễu cộng ngẫu nhiên; bộ lọc tối ưu bình phương trung bình tối thiểu Wiener và các biến thể; các bộ lọc thích nghi gồm lọc Wiener thích nghi, khôi phục thích nghi dựa trên hàm rõ nhiễu và lọc thích nghi nhạy biên nhằm giảm độ nhòe.
• Chương 5 - Phân tích ảnh: Trình bày các kỹ thuật trích chọn dấu hiệu đặc trưng Topology, lược đồ phân bố mức xám, đặc trưng hình học; kỹ thuật tìm xương (skeleton) theo hướng trục trung vị dựa trên làm mảnh song song, gián tiếp hoặc sử dụng lược đồ Voronoi rời rạc. Về tách biên, chương phân chia thành hai khuynh hướng: phát hiện biên trực tiếp (toán tử Gradient, Prewitt, Sobel, toán tử la bàn Compass, Laplace, thuật toán Canny) và phát hiện biên gián tiếp (dò biên chu tuyến, trung bình cục bộ, toán tử hình thái học xấp xỉ trên/dưới). Về phân vùng ảnh, chương khảo sát các phương pháp: phân ngưỡng biên độ, phân vùng theo miền đồng nhất, phát triển vùng cục bộ, hợp và tách vùng, phân tích kết cấu, phân lớp điểm ảnh, mô hình phân vùng dựa trên lý thuyết đồ thị và xử lý đa phân giải.
• Chương 6 - Nén ảnh: Phân tích các dạng dư thừa dữ liệu (dư thừa mã hóa, dư thừa liên điểm ảnh, dư thừa tâm lý thị giác); phân loại phương pháp nén có tổn hao (lossy) và không tổn hao (lossless). Chương mô tả quy trình nén ảnh dựa trên biến đổi (tiêu biểu là chuẩn nén JPEG); các thuật toán nén mã độ dài thay đổi RLC, nén thống kê Huffman (cách xây dựng và giải mã qua cây Huffman); thuật toán nén từ điển LZW; cùng các kỹ thuật nén ảnh không gian (.PCX), nén thống kê (.TIF) và nén Fractal dựa trên tính tự đồng dạng.

Kiến thức nền tảng được xây dựng

Giáo trình định hình ba trụ cột lý thuyết cơ bản:

• Lý thuyết biểu diễn tín hiệu hai chiều rời rạc: Xây dựng mô hình ảnh số dưới dạng hàm số học hai biến hoặc ma trận các giá trị cường độ sáng hữu hạn, gắn liền với các phép đo khoảng cách trong không gian rời rạc.
• Mô hình vật lý và quang trắc: Kết hợp quy luật truyền sáng, quang phổ điện từ với hàm truyền đạt năng lượng qua vật chất trung gian (như nguyên lý tán xạ, độ phản xạ bề mặt và độ suy giảm năng lượng của tia X, tia gamma).
• Hệ thống giải tích và hình học tính toán: Ứng dụng biến đổi tích chập không gian, đạo hàm rời rạc bậc một và bậc hai, cấu trúc phân đoạn Voronoi rời rạc, lý thuyết đồ thị trong phân đoạn vùng ảnh và đại số Boole trong các phép toán hình thái học.

Kỹ năng phát triển

Nội dung giáo trình trang bị cho người học các năng lực kỹ thuật:

• Kỹ năng tính toán và lập trình thuật toán: Triển khai các thuật toán xử lý ma trận ảnh trên ngôn ngữ lập trình, thao tác với mặt nạ chập (kernel), lập trình các bộ lọc không gian, viết mã nguồn cho giải thuật gán nhãn thành phần liên thông hai lượt quét, thuật toán nén Huffman và LZW.
• Kỹ năng phân tích tín hiệu: Khảo sát và đánh giá lược đồ phân bố mức xám để xác định mức độ tương phản; ước lượng hàm suy giảm để lựa chọn tham số tối ưu cho bộ lọc Wiener.
• Năng lực thiết kế hệ thống: Tích hợp các khối chức năng từ khâu tiền xử lý, khử nhiễu, tách biên đến phân vùng đối tượng để giải quyết các bài toán kỹ thuật như nhận dạng chữ in/chữ viết tay, phân loại bưu phẩm qua mã vạch, và trích xuất cấu trúc mạch máu từ ảnh y tế.

---

Phương pháp giảng dạy và học tập

Phương pháp tiếp cận sư phạm của giáo trình được thiết kế theo cấu trúc diễn dịch chặt chẽ: mở đầu từ cơ chế cảm nhận thị giác tự nhiên và bản chất vật lý của ánh sáng, tiến đến các mô hình toán học giải tích, sau đó rời rạc hóa thành các thuật toán xử lý dữ liệu số trên máy tính.

Hệ thống ví dụ minh họa và bài tập gắn liền với các mốc lịch sử kỹ thuật và bài toán thực tế đã kiểm chứng:

• Bài toán khôi phục ảnh bề mặt Mặt Trăng gửi về từ tàu Ranger 7 (1964) nhằm giải thích cơ chế hiệu chỉnh méo hình học do góc nghiêng camera.
• Cơ chế quét và hiển thị của chuẩn tín hiệu truyền hình CCIR (tần số quét $1/25$ giây, 25 dòng quét) và màn hình CGA độ phân giải $320 \times 200$ điểm ảnh nhằm minh họa mật độ điểm ảnh.
• Ứng dụng y học của chụp cắt lớp vi tính (CT), chụp xạ hình cắt lớp Positron (PET) sử dụng nguồn phát positron tạo hai tia gamma đối hướng, và chụp cộng hưởng từ (MRI) dựa trên sự lệch hướng proton dưới từ trường mạnh gấp 30.000 lần từ trường Trái Đất.
• Ứng dụng phân tích ảnh hồng ngoại vệ tinh khí tượng trong quan sát bão nhiệt đới và theo dõi phân bố nhiệt độ.

Hệ thống đánh giá kết quả học tập được xác lập thông qua bộ câu hỏi ôn tập cuối mỗi chương. Sinh viên được yêu cầu:

1. Chứng minh các tính chất toán học của các hệ metric khoảng cách ($D_e, D_4, D_8, D_m$).
2. Trình bày lưu đồ xử lý thông tin tổng quát giữa các khối chức năng.
3. Thực hiện thủ công các bước thuật toán (như tính toán cân bằng lược đồ mức xám, từng bước gán nhãn liên thông, xây dựng cây mã Huffman từ bảng xác suất ký tự).
4. Viết mã nguồn hoàn chỉnh để kiểm chứng thuật toán trên máy tính.

Về quy trình tự học, tài liệu định hướng sinh viên tự nghiên cứu qua chu trình: Nắm vững định nghĩa toán học -> Phân tích thuật toán trên dữ liệu giả định -> Tự lập trình cài đặt thư viện hàm xử lý -> Thực nghiệm kiểm tra trên các tệp ảnh thực tế (.TIF, .PCX, .JPG).

---

Điểm nổi bật và cập nhật

Giáo trình do TS. Nguyễn Đăng Bình biên soạn năm 2011 bám sát sự phát triển của công nghệ phần cứng máy tính và cảm biến quang điện tử trong giai đoạn chuyển đổi đào tạo theo học chế tín chỉ:

• Hệ thống hóa toàn diện các kỹ thuật phân tích ảnh tiên tiến: Bổ sung các kỹ thuật phân vùng dựa trên lý thuyết đồ thị, xử lý đa phân giải, các phương pháp trích xuất xương không dựa trên làm mảnh (sử dụng trục trung vị Voronoi rời rạc) và kỹ thuật phát hiện biên đa tỉ lệ Canny bên cạnh các toán tử kinh điển Prewitt, Sobel, Laplace.
• Tích hợp các phương pháp luận liên ngành: Giáo trình liên kết chặt chẽ với các mô hình Trí tuệ nhân tạo và Nhận dạng mẫu. Cụ thể, tài liệu đề cập đến hai hướng phân lớp mẫu: phân lớp dựa trên ranh giới phân biệt (Mạng nơ-ron nhân tạo, Máy véc-tơ tựa SVM, thuật toán Boosting, trường ngẫu nhiên có điều kiện CRF) và phân lớp dựa trên phân bố xác suất thống kê (Mô hình Markov ẩn HMM, phân loại thống kê Bayes).
• Phân tích chi tiết bài toán tối ưu hóa băng thông truyền thông: Đưa ra dữ kiện kỹ thuật cụ thể: việc truyền trực tiếp chương trình video chất lượng quảng bá đòi hỏi tốc độ truyền lên tới 100 triệu bit/giây (100 Mbps); nếu áp dụng các sơ đồ mã hóa nén ảnh số hợp lý, hệ thống có thể duy trì chất lượng hiển thị chấp nhận được ở tốc độ truyền dưới 100 nghìn bit/giây (100 kbps), đáp ứng yêu cầu cho các hệ thống hội nghị truyền hình số và truyền hình độ nét cao (HDTV).

---

Đối tượng sử dụng giáo trình

Giáo trình được thiết kế phục vụ các nhóm bạn đọc sau:

• Sinh viên đại học: Dành cho sinh viên năm thứ ba và năm thứ tư chuyên ngành Công nghệ thông tin, Khoa học máy tính, Kỹ thuật phần mềm đang theo học học phần Xử lý ảnh số thuộc chương trình đào tạo cử nhân.
• Yêu cầu kiến thức tiên quyết (Prerequisites):
  • Toán học: Nắm vững Đại số tuyến tính (phép nhân ma trận, định thức, không gian véc-tơ, hàm cơ sở trực giao), Giải tích hàm và Xác suất thống kê toán học.
  • Xử lý tín hiệu: Hoàn thành môn học Xử lý tín hiệu số (khái niệm tích chập, biến đổi Fourier, biến đổi Laplace, các bộ lọc hữu hạn).
  • Khoa học máy tính: Kỹ năng lập trình cấu trúc dữ liệu và giải thuật (mảng hai chiều, cấu trúc cây, danh sách liên kết, thuật toán duyệt đồ thị).
• Học viên cao học và nghiên cứu sinh: Sử dụng làm tài liệu ôn tập kiến thức nền tảng về xử lý mức thấp (low-level vision) trước khi thực hiện các đề tài chuyên sâu về Thị giác máy tính (Computer Vision), Xử lý ngôn ngữ tự nhiên hoặc Nhận dạng đối tượng tự động.
• Giảng viên đại học: Sử dụng làm đề cương chuẩn để thiết kế bài giảng lý thuyết 45 tiết trên lớp, đồng thời sử dụng hệ thống bài tập cuối chương để biên soạn các bài thực hành phòng máy và đề tài bài tập lớn (project).
• Kỹ sư phần mềm: Làm tài liệu tham khảo kỹ thuật để xây dựng thuật toán nhúng cho các thiết bị quét công nghiệp, kiểm tra sản phẩm tự động, hoặc xử lý ảnh tài liệu văn bản.

---

Câu hỏi thường gặp

1. Giáo trình này phù hợp với ai?

Tài liệu được biên soạn phục vụ chính thức cho sinh viên đại học ngành Công nghệ thông tin theo hệ thống tín chỉ, học viên sau đại học ngành Khoa học máy tính, và các kỹ sư phát triển phần mềm cần nắm vững nguyên lý thuật toán xử lý hình ảnh số.

2. Cần kiến thức nền nào để học giáo trình này?

Người học cần tích lũy trước kiến thức về Đại số tuyến tính, Xác suất thống kê, môn học Xử lý tín hiệu số (biến đổi Fourier, biến đổi Laplace, tích chập, bộ lọc hữu hạn), kỹ năng lập trình thao tác với mảng ma trận hai chiều và cấu trúc dữ liệu cơ bản.

3. Điểm khác biệt của giáo trình này so với các tài liệu khác là gì?

Giáo trình kết hợp chặt chẽ giữa mô hình vật lý quang học (nguồn sáng, mắt người, cơ chế mảng cảm biến CCD) và thuật toán máy tính rời rạc. Tài liệu phân tích song song cả hai khuynh hướng kỹ thuật cho cùng một bài toán (như phát hiện biên trực tiếp bằng gradient/đạo hàm với biên gián tiếp qua hình thái học; tìm xương qua làm mảnh với tìm xương qua trục trung vị Voronoi).

4. Làm sao để tự học hiệu quả bằng tài liệu này?

Người học nên đọc kỹ cơ sở toán học của từng thuật toán, vẽ sơ đồ khối tiến trình xử lý, làm đầy đủ các bài tập tính toán trên ma trận nhỏ bằng tay ở cuối chương, sau đó tự viết mã nguồn hiện thực hóa các thuật toán (như biến đổi histogram, lọc Wiener, nén Huffman) mà không sử dụng các hàm dựng sẵn từ thư viện ngoài.

5. Có tài liệu bổ trợ nào kèm theo giáo trình?

Sau mỗi chương, giáo trình cung cấp danh mục câu hỏi ôn tập lý thuyết và bài toán lập trình. Cuối sách có hệ thống thư mục tài liệu tham khảo chuyên ngành tại trang 241 để người học tra cứu mở rộng sang các chuyên đề Nhận dạng mẫu và Thị giác máy tính.

---

Kết luận

Giáo trình Xử lý ảnh số của Tiến sĩ Nguyễn Đăng Bình là tài liệu học thuật chuẩn hóa, cung cấp nền tảng kiến thức hoàn chỉnh từ thu nhận, tiền xử lý, khôi phục, phân tích đặc trưng đến nén dữ liệu ảnh số.

Lộ trình học tập đề xuất:

1. Nắm vững mô hình toán học điểm ảnh, không gian màu và định lý lấy mẫu Shannon (Chương 1, 2).
2. Làm chủ các phép biến đổi không gian, lọc khử nhiễu và khôi phục thích nghi (Chương 3, 4).
3. Triển khai các thuật toán trích chọn đặc trưng, phân vùng hình học và phân đoạn đối tượng (Chương 5).
4. Ứng dụng các giải thuật mã hóa nén dữ liệu để tối ưu hóa lưu trữ và truyền thông (Chương 6).

Để mở rộng kiến thức, người học được khuyến nghị tiếp tục nghiên cứu sâu vào các tài liệu chuyên ngành về Thị giác máy tính, Xử lý ảnh y tế nâng cao và các mô hình Học sâu (Deep Learning) phục vụ bài toán nhận dạng đối tượng quang học.

Trích đoạn nội dung tài liệu

Chương 1 – Tổng quan về xử lý ảnh số Trang 12 Giáo trình xử lý ảnh số cơ thể người chứa rất nhiều “nam châm” sinh học (lưỡng cực điện: thay vì từ tính, ở đây là điện tích). MRI tận dụng phân bố ngẫu nhiên của các proton, có từ tính cơ bản. Khi bệnh nhân được đặt vào khung tròn từ tính, quá trình phân tích diễn ra theo 3 bước. Đầu tiên, MRI tạo một trạng thái bình thường (steady state) trong cơ thể người bệnh bằng cách đưa người bệnh vào một từ trường đều mạnh khoảng 30.000 lần so với từ trường trái đất.

Sau đó MRI kích thích cơ thể người bệnh bởi sóng radio để thay đổi hướng của các photon đang ở trong trạng thái bình thường (steady- state orientation of photons). Sau một thời gian nó sẽ ngừng phát sóng radio và bắt đầu “lắng nghe” sự phát sóng điện từ của cơ thể người bệnh tại một tần số nào đó (được chọn trước). Tín hiện phát ra này được sử dụng để tạo ra hình ảnh của cơ thể người theo nguyên lý tương tự như chụp cắt lớp CT.3 Các bước cơ bản trong xử lý ảnh Để dễ hình dung, xét các bước cần thiết trong xử lý ảnh. Đầu tiên, ảnh tự nhiên từ thế giới ngoài được thu nhận qua các thiết bị thu (như Camera, máy chụp ảnh).

Trước đây, ảnh thu qua Camera là các ảnh tương tự (loại Camera ống kiểu CCIR). Gần đây, với sự phát triển của công nghệ, ảnh màu hoặc đen trắng được lấy ra từ Camera, sau đó nó được chuyển trực tiếp thành ảnh số tạo thuận lợi cho xử lý tiếp theo. Mặt khác, ảnh cũng có thể tiếp nhận từ vệ tinh; có thể quét từảnh chụp bằng máy quét ảnh.1 dưới đây mô tả các bước cơ bản trong xử lý ảnh. Tổng quan các giai đoạn cơ bản trong xử lý ảnh Chương 1 – Tổng quan về xử lý ảnh số Trang 13 Giáo trình xử lý ảnh số Sơ đồ này bao gồm các thành phần như sau: Thu nhận ảnh: Ảnh có thể được thu nhận trong thế giới thực qua máy chụp hình, từ tranh ảnh thông qua máy quét hoặc từ vệ tinh qua các bộ cảm biến bằng tín hiệu số hoặc tín hiệu tương tự.

Ảnh có thể nhận qua camera màu hoặc đen trắng. Thường ảnh nhận qua camera là ảnh tương tự (loại camera ống chuẩn CCIR với tần số 1/25, mỗi ảnh 25 dòng), cũng có loại camera đã số hoá (như loại CCD – Change Coupled Device) là loại photodiot tạo cường độ sáng tại mỗi điểm ảnh. Số hoá ảnh: Tất cả các thông tin được lưu trong máy tính đều ở dạng số. Vì vậy, ảnh sau khi thu nhận được từ các thiết bị khác cần phải được số hoá để lưu trữ hoặc có thể dùng để xử lý tiếp.

Tiền xử lý: Sau bộ thu nhận, ảnh có thể nhiễu độ tương phản thấp nên cần đưa vào bộ tiền xử lý để nâng cao chất lượng. Chức năng chính của bộ tiền xử lý là lọc nhiễu, nâng độ tương phản để làm ảnh rõ hơn, nét hơn. Phân tích ảnh: Phân tích ảnh là một quá trình gồm nhiều giai đoạn nhỏ hơn: tăng cường ảnh để nâng cao chất lượng ảnh và khắc phục những thiếu sót trong quá trình thu nhận ảnh và số hoá ảnh như nhiễu, méo. làm nổi bật các đặc trưng chính của ảnh đảm bảo cho ảnh gần giống với hình ảnh thật nhất.

Tiếp theo là phát hiện và trích chọn các đặc trưng như biên, màu, kết cấu,. Phân vùng ảnh là tách một ảnh đầu vào thành các vùng thành phần để biểu diễn phân tích, nhận dạng ảnh.