Nhận Diện Biển Số Xe Máy: Hệ Thống Tự Động Hiện Đại

Chuyên khảo phân tích Nhận diện biển số xe máy, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp theo., phục vụ nghiên cứu và ứng dụng thực tiễn

• Tác giả: Bùi Anh Tài
• Người hướng dẫn: ThS. Lê Anh Uyên Vũ
• Trường học: Trường Đại Học Giao Thông Vận Tải Tp. Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Điện Tử, Truyền Thông
• Đề tài: Nhận Diện Biển Số Xe Máy
• Loại tài liệu: luận văn tốt nghiệp
• Năm xuất bản: 2014
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• LỜI GIỚI THIỆU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ BÀI TOÁN NHẬN DIỆN BIỂN SỐ XE
• 1.1. Tổng quan về xử lý ảnh
• 1.2. Xử lý ảnh là gì?
• 1.3. Thu nhận ảnh
• 1.4. Phân đoạn (Segmentation) hay phân vùng ảnh
• 1.5. Nhận dạng ảnh
• 1.6. Cơ sở tri thức (Knowledge Base)
• 1.7. Một số khái niệm cơ bản trong hệ thống xử lý ảnh
• 1.7.1. Độ phân giải của ảnh
• 1.7.2. Phân loại ảnh
• 1.7.3. Quan hệ giữa các điểm ảnh
• 1.8. Nhiễu ảnh và phương pháp giảm thiểu nhiễu
• 1.9. Tổng quan phương pháp nhận diện biển số xe
• 2. CHƯƠNG 2: TRÍCH CHỌN VÙNG BIỂN SỐ
• 2.1. Tổng quan về trích chọn vùng biển số
• 2.2. Trích chọn vùng chứa biển số
• 2.3. Chuyển đổi ảnh xám
• 2.4. Tăng cường độ tương phản cho ảnh xám
• 2.5. Nhị phân hóa ảnh
• 2.6. Loại bỏ các đối tượng được xem là không phải biển số
• 2.7. Cắt biển số chính xác
• 2.8. Xử lý ảnh nghiêng và xoay ảnh
• 2.9. Phương pháp tách biên Canny
• 2.10. Xử lý ảnh nghiêng bằng phương pháp biến đổi Hough
• 2.10.1. Lý thuyết về biến đổi Hough
• 2.10.2. Áp dụng phương pháp biến đổi Hough để xử lý ảnh nghiêng
• 3. CHƯƠNG 3: PHÂN VÙNG TRÍCH CHỌN TỪNG KÝ TỰ
• 3.1. Phân vùng trích chọn ký tự theo ngưỡng biên độ
• 3.2. Lý thuyết về phương pháp phân vùng ảnh theo ngưỡng biên độ
• 3.3. Áp dụng phương pháp phân vùng ảnh dựa trên ngưỡng biên độ để phân vùng và trích chọn ký tự
• 3.4. Phân vùng trích chọn ký tự dựa trên đặc điểm hình thái
• 3.5. Các phép toán xử lý hình thái học
• 3.5.1. Phép co ảnh
• 3.5.2. Phép mở ảnh
• 3.5.3. Phép đóng ảnh
• 3.5.4. Phép làm đầy đối tượng
• 3.6. Trích chọn các thành phần liên thông
• 3.7. Áp dụng phương pháp hình thái học để trích chọn từng ký tự
• 4. CHƯƠNG 4: NHẬN DIỆN KÝ TỰ
• 4.1. Tổng quan về nhận dạng
• 4.2. Trích chọn đặc trưng sử dụng phương pháp PCA
• 4.3. Trích chọn đặc trưng bằng phương pháp LDA
• 4.4. Trích chọn đặc trưng bằng mạng neural nhân tạo
• 4.5. Nhận diện ký tự bằng phương pháp so khớp mẫu
• 5. CHƯƠNG 5: MÔ PHỎNG CHƯƠNG TRÌNH NHẬN DIỆN BIỂN SỐ XE
• 5.1. Phần mềm Matlab version 7
• 5.2. Giao diện chính của chương trình mô phỏng
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Hệ Thống Nhận Diện Biển Số Xe Máy Tự Động

Hệ thống nhận diện biển số xe máy tự động (Automatic License Plate Recognition - ALPR) đang ngày càng trở nên quan trọng trong bối cảnh giao thông đô thị ngày càng phức tạp. Hệ thống này sử dụng các kỹ thuật xử lý ảnh và trí tuệ nhân tạo (AI) để tự động trích xuất và nhận dạng thông tin từ biển số xe. Ứng dụng của nó rất đa dạng, từ quản lý bãi đỗ xe, kiểm soát giao thông đến hỗ trợ các hoạt động an ninh. Theo tài liệu nghiên cứu, hệ thống ALPR bao gồm cả phần cứng (camera) và phần mềm (xử lý ảnh). Phần mềm đóng vai trò then chốt, quyết định tính hiệu quả của toàn bộ hệ thống. Bài toán đặt ra là làm sao xử lý ảnh một cách chính xác để đưa ra kết quả nhận diện biển số xe máy đúng nhất. Luận văn này tập trung vào việc giải quyết các vấn đề liên quan đến xử lý ảnh để xác định chính xác biển số xe đăng ký.

1.1. Các Thành Phần Cơ Bản Của Hệ Thống ALPR

Một hệ thống nhận dạng biển số xe hoàn chỉnh thường bao gồm các thành phần chính sau: camera để thu thập hình ảnh, module tiền xử lý ảnh để cải thiện chất lượng ảnh đầu vào, module trích chọn vùng biển số để xác định vị trí biển số trong ảnh, module phân đoạn ký tự để tách rời từng ký tự trên biển số, module nhận diện ký tự sử dụng các thuật toán OCR biển số xe máy và cuối cùng là module xử lý hậu kỳ để kiểm tra và hiệu chỉnh kết quả. Mỗi thành phần đều đóng vai trò quan trọng trong việc đảm bảo độ chính xác và hiệu quả của hệ thống.

1.2. Ứng Dụng Thực Tế Của Hệ Thống Nhận Diện Biển Số Xe

Hệ thống nhận diện biển số xe máy tự động có rất nhiều ứng dụng thực tế. Trong lĩnh vực giao thông, nó được sử dụng để kiểm soát tốc độ, quản lý thu phí tự động, và giám sát các phương tiện vi phạm luật giao thông. Trong lĩnh vực an ninh, nó được sử dụng để theo dõi các phương tiện nghi vấn, hỗ trợ điều tra tội phạm, và kiểm soát ra vào các khu vực quan trọng. Ngoài ra, nó còn được ứng dụng trong quản lý bãi đỗ xe thông minh, giúp tự động hóa quá trình gửi và lấy xe, giảm thiểu thời gian chờ đợi và tăng cường an ninh.

II. Thách Thức Giải Pháp Trong Nhận Diện Biển Số Xe Máy

Việc xây dựng một hệ thống nhận diện biển số xe máy hiệu quả đối mặt với nhiều thách thức. Các yếu tố như điều kiện ánh sáng thay đổi, góc chụp không chuẩn, biển số bị mờ hoặc bẩn, và sự đa dạng về font chữ và kích thước ký tự đều có thể ảnh hưởng đến độ chính xác của hệ thống. Để vượt qua những thách thức này, cần áp dụng các kỹ thuật xử lý ảnh tiên tiến, kết hợp với các thuật toán AI nhận diện biển số xe máy mạnh mẽ. Theo nghiên cứu, việc xử lý ảnh nghiêng và xoay ảnh là một trong những bước quan trọng để đảm bảo độ chính xác của hệ thống.

2.1. Các Yếu Tố Ảnh Hưởng Đến Độ Chính Xác Nhận Diện

Độ chính xác của hệ thống nhận diện biển số xe máy chịu ảnh hưởng bởi nhiều yếu tố. Ánh sáng yếu hoặc quá mạnh có thể làm giảm độ tương phản của ảnh, gây khó khăn cho việc trích xuất biển số. Góc chụp không chuẩn có thể làm biến dạng hình ảnh biển số, ảnh hưởng đến quá trình phân đoạn ký tự. Biển số bị mờ hoặc bẩn có thể làm mất thông tin quan trọng, khiến hệ thống không thể nhận diện chính xác. Sự đa dạng về font chữ và kích thước ký tự cũng đòi hỏi hệ thống phải có khả năng thích ứng cao.

2.2. Giải Pháp Xử Lý Ảnh Nâng Cao Độ Chính Xác

Để nâng cao độ chính xác của hệ thống nhận diện biển số xe máy, cần áp dụng các giải pháp xử lý ảnh tiên tiến. Các kỹ thuật như cân bằng histogram, lọc nhiễu, và tăng cường độ tương phản có thể cải thiện chất lượng ảnh đầu vào. Các thuật toán tách biên Canny và biến đổi Hough có thể được sử dụng để xử lý ảnh nghiêng và xoay ảnh. Ngoài ra, việc sử dụng các mô hình AI được huấn luyện trên một lượng lớn dữ liệu cũng giúp hệ thống có khả năng nhận diện chính xác hơn trong các điều kiện khác nhau.

III. Phương Pháp Trích Chọn Vùng Biển Số Xe Máy Hiệu Quả

Trích chọn vùng biển số là một bước quan trọng trong hệ thống nhận diện biển số xe máy. Mục tiêu là xác định và cắt ra vùng chứa biển số từ ảnh gốc, loại bỏ các phần không liên quan. Có nhiều phương pháp trích chọn vùng biển số khác nhau, mỗi phương pháp có ưu và nhược điểm riêng. Một phương pháp phổ biến là sử dụng các đặc trưng hình thái của biển số, chẳng hạn như tỷ lệ khung hình, màu sắc, và độ tương phản. Theo tài liệu, việc trích chọn vùng biển số chính xác là tiền đề quan trọng để các bước xử lý tiếp theo đạt hiệu quả cao.

3.1. Sử Dụng Đặc Trưng Hình Thái Để Trích Chọn Biển Số

Phương pháp này dựa trên các đặc trưng hình thái của biển số, chẳng hạn như tỷ lệ khung hình, màu sắc, và độ tương phản. Biển số xe máy thường có tỷ lệ chiều dài và chiều rộng nhất định, và có màu sắc đặc trưng (ví dụ: nền trắng chữ đen). Bằng cách tìm kiếm các vùng trong ảnh có các đặc trưng này, có thể xác định được vị trí của biển số. Tuy nhiên, phương pháp này có thể gặp khó khăn trong các điều kiện ánh sáng yếu hoặc khi biển số bị che khuất một phần.

3.2. Kết Hợp Xử Lý Ảnh Và Học Sâu Để Trích Chọn Biển Số

Một phương pháp khác là kết hợp các kỹ thuật xử lý ảnh truyền thống với các mô hình học sâu (Deep Learning). Các mô hình học sâu, chẳng hạn như mạng nơ-ron tích chập (Convolutional Neural Networks - CNNs), có thể được huấn luyện để nhận diện biển số trong ảnh. Phương pháp này có ưu điểm là có thể xử lý được các trường hợp phức tạp, chẳng hạn như biển số bị nghiêng, mờ, hoặc bị che khuất một phần. Tuy nhiên, nó đòi hỏi một lượng lớn dữ liệu huấn luyện và tài nguyên tính toán.

IV. Phân Đoạn Và Nhận Diện Ký Tự Trên Biển Số Xe Máy

Sau khi trích chọn được vùng biển số, bước tiếp theo là phân đoạn và nhận diện ký tự. Phân đoạn ký tự là quá trình tách rời từng ký tự trên biển số, tạo thành các ảnh riêng biệt. Nhận diện ký tự là quá trình xác định ký tự tương ứng với mỗi ảnh đã phân đoạn. Các phương pháp OCR (Optical Character Recognition) thường được sử dụng để nhận diện ký tự. Theo tài liệu, việc sử dụng phương pháp so khớp mẫu là một trong những cách tiếp cận hiệu quả để nhận diện ký tự trên biển số xe.

4.1. Các Phương Pháp Phân Đoạn Ký Tự Phổ Biến

Có nhiều phương pháp phân đoạn ký tự khác nhau, mỗi phương pháp có ưu và nhược điểm riêng. Một phương pháp phổ biến là sử dụng ngưỡng biên độ, dựa trên sự khác biệt về độ sáng giữa các ký tự và nền. Một phương pháp khác là sử dụng các phép toán xử lý hình thái học, chẳng hạn như co ảnh, mở ảnh, và đóng ảnh, để tách rời các ký tự. Việc lựa chọn phương pháp phù hợp phụ thuộc vào chất lượng ảnh và đặc điểm của biển số.

4.2. Ứng Dụng OCR Và So Khớp Mẫu Để Nhận Diện Ký Tự

Sau khi phân đoạn ký tự, các ảnh ký tự riêng biệt được đưa vào module nhận diện ký tự. Các phương pháp OCR (Optical Character Recognition) thường được sử dụng để nhận diện ký tự. Một phương pháp đơn giản và hiệu quả là so khớp mẫu, trong đó mỗi ký tự được so sánh với một tập hợp các mẫu ký tự đã biết. Ký tự nào có độ tương đồng cao nhất với một mẫu nào đó sẽ được xác định là ký tự đó. Tuy nhiên, phương pháp này có thể gặp khó khăn khi ký tự bị biến dạng hoặc có nhiễu.

V. Ứng Dụng Thực Tế Kết Quả Nghiên Cứu Nhận Diện Biển Số

Hệ thống nhận diện biển số xe máy tự động đã được ứng dụng rộng rãi trong nhiều lĩnh vực, mang lại nhiều lợi ích thiết thực. Các kết quả nghiên cứu cho thấy hệ thống có thể đạt được độ chính xác cao trong các điều kiện khác nhau. Tuy nhiên, vẫn còn nhiều thách thức cần vượt qua để hệ thống có thể hoạt động hiệu quả trong mọi tình huống. Theo tài liệu, luận văn đã xây dựng các bài toán mô phỏng ứng dụng công cụ MATLAB để làm sáng tỏ hơn phần lý luận đã nêu.

5.1. Ứng Dụng Trong Quản Lý Giao Thông Thông Minh

Trong lĩnh vực quản lý giao thông, hệ thống nhận diện biển số xe máy được sử dụng để kiểm soát tốc độ, quản lý thu phí tự động, và giám sát các phương tiện vi phạm luật giao thông. Hệ thống có thể tự động phát hiện và ghi lại các phương tiện vượt đèn đỏ, đi sai làn đường, hoặc đỗ xe trái phép. Thông tin này có thể được sử dụng để xử phạt vi phạm và cải thiện trật tự an toàn giao thông.

5.2. Ứng Dụng Trong An Ninh Và Quản Lý Bãi Đỗ Xe

Trong lĩnh vực an ninh, hệ thống nhận diện biển số xe máy được sử dụng để theo dõi các phương tiện nghi vấn, hỗ trợ điều tra tội phạm, và kiểm soát ra vào các khu vực quan trọng. Trong quản lý bãi đỗ xe, hệ thống giúp tự động hóa quá trình gửi và lấy xe, giảm thiểu thời gian chờ đợi và tăng cường an ninh. Hệ thống có thể tự động nhận diện biển số xe khi vào và ra khỏi bãi đỗ, tính phí tự động, và ngăn chặn các hành vi gian lận.

VI. Triển Vọng Hướng Phát Triển Của Hệ Thống Nhận Diện Biển Số

Hệ thống nhận diện biển số xe máy tự động có nhiều triển vọng phát triển trong tương lai. Với sự tiến bộ của công nghệ AI và học sâu, hệ thống sẽ ngày càng trở nên thông minh và chính xác hơn. Các hướng phát triển tiềm năng bao gồm việc tích hợp hệ thống với các nền tảng khác, chẳng hạn như hệ thống định vị toàn cầu (GPS) và hệ thống thông tin địa lý (GIS), để cung cấp các dịch vụ giá trị gia tăng. Ngoài ra, việc phát triển các hệ thống nhận diện biển số xe máy có khả năng hoạt động trong các điều kiện thời tiết khắc nghiệt và môi trường phức tạp cũng là một hướng đi quan trọng.

6.1. Tích Hợp AI Để Nâng Cao Độ Chính Xác Và Khả Năng Thích Ứng

Việc tích hợp AI và học sâu là một trong những hướng phát triển quan trọng của hệ thống nhận diện biển số xe máy. Các mô hình AI có thể được huấn luyện để nhận diện biển số trong các điều kiện khác nhau, chẳng hạn như ánh sáng yếu, thời tiết xấu, hoặc biển số bị mờ hoặc bẩn. Ngoài ra, AI cũng có thể được sử dụng để cải thiện khả năng thích ứng của hệ thống với các loại biển số khác nhau và các quy định giao thông khác nhau.

6.2. Phát Triển Các Ứng Dụng Mới Dựa Trên Dữ Liệu Biển Số Xe

Dữ liệu biển số xe có thể được sử dụng để phát triển nhiều ứng dụng mới, chẳng hạn như hệ thống cảnh báo giao thông, hệ thống quản lý đội xe, và hệ thống phân tích hành vi lái xe. Hệ thống cảnh báo giao thông có thể sử dụng dữ liệu biển số xe để cảnh báo người lái xe về các nguy cơ tiềm ẩn, chẳng hạn như ùn tắc giao thông, tai nạn, hoặc công trình đang thi công. Hệ thống quản lý đội xe có thể sử dụng dữ liệu biển số xe để theo dõi vị trí và tình trạng của các phương tiện trong đội xe. Hệ thống phân tích hành vi lái xe có thể sử dụng dữ liệu biển số xe để phân tích thói quen lái xe của người lái xe và đưa ra các khuyến nghị để cải thiện an toàn giao thông.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ BÀI TOÁN NHẬN DIỆN BIỂN SỐ XE 1. Tổng quan về xử lý ảnh 1. Xử lý ảnh là gì? Con người thu nhận thông tin qua các giác quan, trong đó thị giác đóng vai trò quan trọng nhất. Những năm trở lại đây với sự phát triển của phần cứng máy tính, xử lý ảnh và đồ hoạ đó phát triển một cách mạnh mẽ và có nhiều ứng dụng trong cuộc sống.

Xử lý ảnh và đồ hoạ đóng một vai trò quan trọng trong tương tác người máy. Quá trình xử lý ảnh được xem như là quá trình thao tác ảnh đầu vào nhằm cho ra kết quả mong muốn. Kết quả đầu ra của một quá trình xử lý ảnh có thể là một ảnh “tốt hơn” hoặc một kết luận. Ảnh XỬ LÝ ẢNH “Tốt hơn” Ảnh Kết luận Hình 1.

Quá trình xử lý ảnh Ảnh có thể xem là tập hợp các điểm ảnh và mỗi điểm ảnh được xem như là đặc trưng cường độ sáng hay một dấu hiệu nào đó tại một vị trí nào đó của đối tượng trong không gian và nó có thể xem như một hàm n biến P(c 1, c2,. Do đó, ảnh trong xử lý ảnh có thể xem như ảnh n chiều. Để hình dung được cấu hình quá trình hệ thống xử lý ảnh diễn ra như thế nào? Ta xét các bước cơ bản trong xử lý ảnh: Trang NHẬN DIỆN BIỂN SỐ XE MÁY Hình 1.2: Các bước cơ bản trong xử lý ảnh 1. Thu nhận ảnh Thu nhận ảnh là quá trình chuyển đổi các tín hiệu từ các nguồn ảnh khác nhau như Camera tương tự, Camera số, dữ liệu ảnh được lưu trữ dưới dạng ma trận, mỗi phần tử của ma trận đại diện cho một pixel của ảnh.

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 đoạn (Segmentation) hay phân vùng ảnh Phân vùng ảnh là tách một ảnh đầu vào thành các vùng thành phần để biểu diễn phân tích, nhận dạng ảnh. Ví dụ: để nhận dạng chữ (hoặc mã vạch) trên phong bì thư cho mục đích phân loại bưu phẩm, cần chia các câu, chữ về địa chỉ hoặc tên người thành các từ, các chữ, các số (hoặc các vạch) riêng biệt để nhận dạng.

Đây là phần phức tạp khó khăn trong xử lý ảnh và cũng dễ gây lỗi, làm mất độ chính xác của ảnh. Kết quả nhận dạng ảnh phụ thuộc rất nhiều vào công đoạn này. Trang NHẬN DIỆN BIỂN SỐ XE MÁY Phân vùng ảnh là bước then chốt trong xử lý ảnh. Giai đoạn này nhằm phân tích ảnh thành những thành phần có cùng tính chất nào đó dựa theo biên hay các vùng liên thông.

Tiêu chuẩn để xác định các vùng liên thông có thể là cùng mức xám, cùng màu hay cùng độ nhám. Trước hết cần làm rõ khái niệm "vùng ảnh" (Segment) và đặc điểm vật lý của vùng. Vùng ảnh là một chi tiết, một thực thể trông toàn cảnh. Nó là một tập hợp các điểm có cùng hoặc gần cùng một tính chất nào đó : mức xám, mức màu, độ nhám… Vùng ảnh là một trong hai thuộc tính của ảnh.

Nói đến vùng ảnh là nói đến tính chất bề mặt. Đường bao quanh một vùng ảnh (Boundary) là biên ảnh. Các điểm trong một vùng ảnh có độ biến thiên giá trị mức xám tương đối đồng đều hay tính kết cấu tương đồng. Dựa vào đặc tính vật lý của ảnh, người ta có nhiều kỹ thuật phân vùng: phân vùng dựa theo miền liên thông gọi là phân vùng dựa theo miền đồng nhất hay miền kề; phân vùng dựa vào biên gọi là phân vùng biên.

Ngoài ra còn có các kỹ thuật phân vùng khác dựa vào biên độ, phân vùng dựa theo kết cấu. Nhận dạng ảnh Nhận dạng ảnh là quá trình xác định ảnh. Quá trình này thường thu được bằng cách so sánh với mẫu chuẩn đã được học (hoặc lưu) từ trước. Nội suy là phán đoán theo ý nghĩa trên cơ sở nhận dạng.

Ví dụ: một loạt chữ số và nét gạch ngang trên phong bì thư có thể được nội suy thành mã điện thoại. Có nhiều cách phân loai ảnh khác nhau về ảnh. Theo lý thuyết về nhận dạng, các mô hình toán học về ảnh được phân theo hai loại nhận dạng ảnh cơ bản: Trang NHẬN DIỆN BIỂN SỐ XE MÁY - Nhận dạng theo tham số. - Nhận dạng theo cấu trúc.

Một số đối tượng nhận dạng khá phổ biến hiện nay đang được áp dụng trong khoa học và công nghệ là: nhận dạng ký tự (chữ in, chữ viết tay, chữ ký điện tử), nhận dạng (Text), nhận dạng vân tay, nhận dạng mã vạch, nhận dạng mặt người… 1. Cơ sở tri thức (Knowledge Base) Như đã nói ở trên, ảnh là một đối tượng khá phức tạp về đường nét, độ sáng tối, dung lượng điểm ảnh, môi trường để thu ảnh phong phú kéo theo nhiễu. Trong nhiều khâu xử lý và phân tích ảnh ngoài việc đơn giản hóa các phương pháp toán học đảm bảo tiện lợi cho xử lý, người ta mong muốn bắt chước quy trình tiếp nhận và xử lý ảnh theo cách của con người. Trong các bước xử lý đó, nhiều khâu hiện nay đã xử lý theo các phương pháp trí tuệ con người.

Vì vậy,ở đây các cơ sở tri thức được phát huy. Một số khái niệm cơ bản trong hệ thống xử lý ảnh 1. Điểm ảnh (Picture Element) Gốc của ảnh (ảnh tự nhiên) là ảnh liên tục về không gian và độ sáng. Để xử lý bằng máy tính (số), ảnh cần phải được số hoá.

Số hoá ảnh là sự biến đổi gần đúng một ảnh liên tục thành một tập điểm phù hợp với ảnh thật về vị trí (không gian) và độ sáng (mức xám). Khoảng cách giữa các điểm ảnh đó được thiết lập sao cho mắt người không phân biệt được ranh giới giữa chúng. Mỗi một điểm như vậy gọi là điểm ảnh (PEL: Picture Element) hay gọi tắt là Pixel. Trong khuôn khổ ảnh hai chiều, mỗi pixel ứng với cặp tọa độ (x, y).

Trang NHẬN DIỆN BIỂN SỐ XE MÁY Điểm ảnh (Pixel) là một phần tử của ảnh số tại toạ độ (x, y) với độ xám hoặc màu nhất định. Kích thước và khoảng cách giữa các điểm ảnh đó được chọn thích hợp sao cho mắt người cảm nhận sự liên tục về không gian và mức xám (hoặc màu) của ảnh số gần như ảnh thật. Mỗi phần tử trong ma trận được gọi là một phần tử ảnh. Ảnh là tập hợp hữu hạn các điểm ảnh thường được biểu diễn bằng 1 mảng 2 chiều I(n,m) với n là số hàng, m là số cột.

Ta ký hiệu P(x,y) là 1 điểm tại vị trí (x,y) số lượng điểm ảnh trên mỗi hàng hoặc các hàng xác định độ phân giải của ảnh. Độ phân giải của ảnh Độ phân giải (Resolution) của ảnh là mật độ điểm ảnh được ấn định trên một ảnh số được hiển thị.Theo định nghĩa, khoảng cách giữa các điểm ảnh phải được chọn sao cho mắt người vẫn thấy được sự liên tục của ảnh. Việc lựa chọn khoảng cách thích hợp tạo nên một mật độ phân bổ, đó chính là độ phân giải và được phân bố theo trục x và y trong không gian hai chiều. Ví dụ: Độ phân giải của ảnh trên màn hình CGA (Color Graphic Adaptor) là một lưới điểm theo chiều ngang màn hình: 320 điểm chiều dọc * 200 điểm ảnh (320*200).

Rõ ràng, cùng màn hình CGA 12” ta nhận thấy mịn hơn màn hình CGA 17” độ phân giải 320*200. Lý do: cùng một mật độ (độ phân giải) nhưng diện tích màn hình rộng hơn thì độ mịn (liên tục của các điểm) kém hơn. Ký hiệu hàm số f tại tọa độ x,y là f(x,y) là mức xám L của ảnh tại điểm đó: Lmin <= L <=Lmax - Ảnh nhị phân: 0<=L<=1 Trang NHẬN DIỆN BIỂN SỐ XE MÁY - Ảnh biểu diễn dạng 8 bit: 0<= L <=255 -Ảnh biểu diễn dạng 16 bit: 0<= L <=216-1 1. Phân loại ảnh  Ảnh được định chỉ số ( Indexed Images ) Một ảnh chỉ số bao gồm một ma trận dữ liệu X và ma trận bản đồ màu.

Ma trận dữ liệu có thể có kiểu thuộc lớp uint8, uint16 hoặc kiểu double. Ma trận bản đồ màu là một mảng mx3 kiểu double bao gồm các giá trị dấu phẩy động nằm giữa 0 và 1. Mỗi hàng của bản đồ chỉ ra các giá trị mà : red , green và blue của một màu đơn. Một ảnh chỉ số sử dụng ánh xạ trực tiếp giữa giá trị của pixel ảnh tới giá trị trong bản đồ màu.

Màu sắc của mỗi pixel ảnh được tính toán bằng cách sử dụng giá trị tương ứng của X ánh xạ tới một giá trị chỉ số của bản đò màu. Giá trị 1 chỉ ra hàng đầu tiên , giá trị 2 chỉ ra hàng thứ hai trong bản đồ màu… Một bản đồ màu thường được chứa cùng với ảnh chỉ số và được tự động nạp cùng với ảnh khi sử dụng hàm imread để đọc ảnh .Tuy nhiên, ta không bị giới hạn khi sử dụng bản đồ màu mặc định, ta có thể sử dụng mất kì bản đồ màu nào.  Ảnh cường độ ( Intensity Images ) Một ảnh cường độ là một ma trận dữ liệu ảnh I mà giá trị của nó đại diện cho cường độ trong một số vùng nào đó của ảnh. Matlab chứa một ảnh cường độ như một ma trận trơn, với mỗi phần tử của ma trận tương ứng với một pixel của ảnh.

Ma trận có thể thuộc lớp double, uint8 hay uint16. Trong khi ảnh cường độ hiếm khi được lưu với bản đồ màu, Matlab sử dụng Trang NHẬN DIỆN BIỂN SỐ XE MÁY bản đồ màu để hiển thị chúng.  Ảnh nhị phân (Binary Images ) Trong một ảnh nhị phân , mỗi pixel chỉ có thể chứa một trong hai giá trị nhị phân 0 hoặc 1. Hai giá trị này tương ứng với bật hoặc tắt (on hoặc off).

Một ảnh nhị phân được lưu trữ như một mảng lôgíc của 0 và 1. Ví dụ về ảnh nhị phân với tập hợp 8x8=64 điểm ảnh.3 : Ảnh nhị phân có kích thước 8x8  Ảnh đa mức xám Là ảnh có mức màu thay đổi từ đen đến trắng (không chứa màu khác) với mức xám ở các điểm ảnh có thể khác nhau. Giá trị xám nằm trong khoảng từ 0 đến 255. Như vậy, mỗi điểm ảnh trong ảnh nhị phân được biểu diễn với 1 byte.

Trang NHẬN DIỆN BIỂN SỐ XE MÁY Ứng với cấp xám L bằng 2 là ảnh nhị phân. Còn với L lớn hơn 2 ta có ảnh đa cấp xám.