Nghiên Cứu Các Kỹ Thuật Hiệu Chỉnh Góc Nghiêng Trong Xử Lý Ảnh

Tài liệu nghiên cứu Luận văn nghiên cứu một số kỹ thuật hiệu chỉnh góc nghiêng của ảnh, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu về kỹ thuật.

• Tác giả: Nguyễn Trọng Vinh
• Người hướng dẫn: Huỳnh Cao Tuấn
• Trường học: Trường Đại Học Lạc Hồng
• Đề tài: Kỹ Thuật Hiệu Chỉnh Góc Nghiêng Ảnh: Nghiên Cứu Và Ứng Dụng
• Loại tài liệu: báo cáo nghiên cứu khoa học
• Năm xuất bản: 2011
• Địa điểm: Đồng Nai

Mục lục chi tiết

• LỜI CẢM ƠN
• DANH MỤC HÌNH ẢNH
• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ BÀI TOÁN PHÁT HIỆN GÓC NGHIÊNG VĂN BẢN
• 1.1. Xử lý ảnh và một số vấn đề cơ bản trong xử lý ảnh
• 1.1.1. Xử lý ảnh là gì?
• 1.1.2. Quá trình xử lý ảnh
• 1.1.2.1. Thu nhận ảnh
• 1.1.2.2. Phân đoạn ảnh
• 1.1.2.3. Hệ quyết định
• 1.1.2.4. Trích chọn đặc điểm
• 1.1.3. Một số vấn đề cơ bản trong xử lý ảnh
• 1.1.3.1. Các điểm 4 láng giềng
• 1.1.3.2. Các điểm 8 láng giềng
• 1.1.3.3. Đối tượng ảnh
• 1.1.3.4. Kỹ thuật phóng to, thu nhỏ ảnh
• 1.2. Tổng quan về ảnh văn bản
• 1.3. Tổng quan về bài toán phát hiện góc nghiêng văn bản
• 1.3.1. Góc nghiêng và vai trò việc phát hiện góc nghiêng văn bản
• 1.3.2. Phương pháp phân tích hình chiếu (Profile Projection)
• 1.3.2.1. Thuật toán Postl
• 1.3.2.2. Thuật toán Baird
• 1.3.2.3. Thuật toán Nakano
• 1.3.3. Phương pháp phân tích dựa vào trọng tâm (Center of Gravity)
• 1.3.4. Phương pháp phân tích láng giềng (Nearest Neighbour Clustering)
• 1.3.4.1. Thuật toán Yue Lu và Chew Lim Tan
• 1.3.5. Phương pháp dùng phép toán hình thái (Morphology)
• 1.3.6. Phương pháp dùng biến đổi Hough (Hough Transform)
• 1.3.6.1. Đường thẳng Hough trên tọa độ cực
• 2. CHƯƠNG 2: BIÊN VÀ CÁC PHƯƠNG PHÁP DÒ BIÊN
• 2.1. Biên của đối tượng ảnh
• 2.1.1. Biên và các kiểu biên cơ bản trong ảnh
• 2.1.2. Biên không trơn
• 2.1.3. Vai trò của biên trong nhận dạng
• 2.2. Các phương pháp dò biên trực tiếp
• 2.2.1. Phương pháp Gradient
• 2.2.2. Phương pháp Laplace
• 2.3. Phương pháp dò biên tổng quát
• 2.3.1. Khái niệm chu tuyến
• 2.3.2. Phương pháp dò biên tổng quát
• 2.4. Một số phương pháp dò biên nâng cao
• 2.4.1. Phương pháp Canny
• 2.4.2. Phương pháp Shen – Castan
• 3. CHƯƠNG 3: ỨNG DỤNG BIẾN ĐỔI HOUGH PHÁT HIỆN GÓC NGHIÊNG VĂN BẢN
• 3.1. Tiền xử lý và phát hiện góc nghiêng văn bản từ biên của đối tượng
• 3.2. Xác định đường thẳng Hough trên trang văn bản
• 3.3. Áp dụng biến đổi Hough phát hiện góc nghiêng văn bản
• 3.4. Thuật toán phát hiện góc nghiêng văn bản
• 3.5. Chỉnh sửa góc nghiêng văn bản
• 4. CHƯƠNG 4: XÂY DỰNG CHƯƠNG TRÌNH THỰC NGHIỆM
• 4.1. Thiết kế chương trình
• 4.1.1. Module giao diện chính
• 4.1.2. Module chuyển đổi ảnh gốc và biểu đồ mức xám
• 4.1.3. Module biểu diễn biến đổi Hough
• 4.1.4. Module hiệu chỉnh góc nghiêng văn bản
• 4.2. Đánh giá kết quả
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về xử lý ảnh và bài toán phát hiện góc nghiêng văn bản

Xử lý ảnh là một lĩnh vực quan trọng trong công nghệ thông tin, đóng vai trò then chốt trong việc tương tác giữa con người và máy tính. Kỹ thuật chỉnh sửa ảnh không chỉ giúp cải thiện chất lượng hình ảnh mà còn hỗ trợ trong việc nhận dạng và phân tích nội dung ảnh. Quá trình xử lý ảnh bao gồm nhiều bước như thu nhận ảnh, tiền xử lý, phân đoạn ảnh và trích chọn đặc điểm. Mỗi bước đều có vai trò quan trọng trong việc đảm bảo chất lượng và độ chính xác của ảnh đầu ra. Đặc biệt, việc phát hiện góc nghiêng ảnh là một thách thức lớn trong xử lý ảnh văn bản. Các phương pháp như phân tích hình chiếu và biến đổi Hough đã được áp dụng để xác định góc nghiêng, từ đó giúp cải thiện khả năng nhận dạng văn bản.

1.1. Xử lý ảnh và các vấn đề cơ bản

Xử lý ảnh là quá trình biến đổi một ảnh đầu vào thành một ảnh đầu ra mong muốn. Các bước cơ bản bao gồm thu nhận ảnh, tiền xử lý, phân đoạn và trích chọn đặc điểm. Công nghệ hình ảnh hiện đại cho phép thu nhận ảnh với độ phân giải cao, nhưng vẫn gặp phải các vấn đề như nhiễu và độ mờ. Việc khử nhiễu và chỉnh mức xám là những kỹ thuật quan trọng trong tiền xử lý. Phân đoạn ảnh giúp tách biệt các đối tượng trong ảnh, từ đó nâng cao khả năng nhận dạng. Các phương pháp như nhận dạng cạnh và phân tích hình ảnh đóng vai trò quan trọng trong việc xác định các đặc điểm của ảnh.

1.2. Tổng quan về bài toán phát hiện góc nghiêng văn bản

Bài toán phát hiện góc nghiêng văn bản là một trong những thách thức lớn trong xử lý ảnh. Việc xác định góc nghiêng giúp cải thiện độ chính xác trong nhận dạng văn bản. Các phương pháp như biến đổi Hough và phân tích trọng tâm đã được nghiên cứu và áp dụng để phát hiện góc nghiêng. Kỹ thuật số trong nhiếp ảnh cho phép xử lý và chỉnh sửa ảnh một cách hiệu quả, từ đó tạo ra các tài liệu số hóa chất lượng cao. Việc phát hiện góc nghiêng không chỉ giúp nâng cao chất lượng ảnh mà còn hỗ trợ trong việc lưu trữ và tra cứu tài liệu một cách nhanh chóng và hiệu quả.

II. Biên và các phương pháp dò biên

Biên của đối tượng ảnh là một yếu tố quan trọng trong việc nhận dạng và phân tích ảnh. Các phương pháp dò biên như phương pháp Gradient, Laplace và Canny đã được nghiên cứu để xác định biên của các đối tượng trong ảnh. Phân tích ảnh thông qua việc xác định biên giúp tách biệt các đối tượng, từ đó nâng cao khả năng nhận dạng. Việc sử dụng các phương pháp dò biên nâng cao giúp cải thiện độ chính xác trong việc phát hiện góc nghiêng văn bản. Các phương pháp này không chỉ đơn thuần là kỹ thuật mà còn là công cụ hỗ trợ đắc lực trong việc xử lý ảnh.

2.1. Khái niệm về biên và vai trò của nó

Biên là điểm chuyển tiếp giữa các vùng khác nhau trong ảnh, đóng vai trò quan trọng trong việc nhận dạng đối tượng. Việc xác định biên giúp phân tách các đối tượng trong ảnh, từ đó nâng cao khả năng phân tích và nhận dạng. Các phương pháp dò biên như Canny và Sobel được sử dụng rộng rãi trong xử lý ảnh để phát hiện các cạnh và biên của đối tượng. Công nghệ hình ảnh hiện đại cho phép áp dụng các phương pháp này một cách hiệu quả, giúp cải thiện chất lượng và độ chính xác của ảnh đầu ra.

2.2. Các phương pháp dò biên nâng cao

Các phương pháp dò biên nâng cao như phương pháp Canny và Shen-Castan đã được phát triển để cải thiện khả năng phát hiện biên trong ảnh. Những phương pháp này sử dụng các thuật toán phức tạp để xác định biên một cách chính xác, từ đó hỗ trợ trong việc nhận dạng và phân tích ảnh. Việc áp dụng các phương pháp này không chỉ giúp nâng cao chất lượng ảnh mà còn cải thiện khả năng nhận dạng văn bản, đặc biệt là trong các tài liệu có góc nghiêng. Kỹ thuật chỉnh sửa ảnh hiện đại cho phép áp dụng các phương pháp này một cách hiệu quả, từ đó tạo ra các tài liệu số hóa chất lượng cao.

III. Ứng dụng biến đổi Hough phát hiện góc nghiêng văn bản

Biến đổi Hough là một trong những phương pháp hiệu quả nhất trong việc phát hiện góc nghiêng ảnh. Phương pháp này cho phép xác định các đường thẳng trong ảnh, từ đó giúp phát hiện góc nghiêng của văn bản. Việc áp dụng biến đổi Hough không chỉ giúp cải thiện khả năng nhận dạng văn bản mà còn hỗ trợ trong việc chỉnh sửa góc nghiêng. Các thuật toán phát hiện góc nghiêng văn bản dựa trên biến đổi Hough đã được nghiên cứu và áp dụng rộng rãi trong thực tế.

3.1. Tiền xử lý và phát hiện góc nghiêng văn bản

Tiền xử lý là bước quan trọng trong việc phát hiện góc nghiêng văn bản. Các bước như khử nhiễu, chỉnh mức xám và phân đoạn ảnh giúp cải thiện chất lượng ảnh đầu vào. Việc áp dụng biến đổi Hough sau khi tiền xử lý giúp xác định góc nghiêng một cách chính xác. Các thuật toán phát hiện góc nghiêng văn bản dựa trên biến đổi Hough đã được chứng minh là hiệu quả trong việc nâng cao chất lượng nhận dạng văn bản. Công nghệ hình ảnh hiện đại cho phép thực hiện các bước này một cách nhanh chóng và hiệu quả.

3.2. Chỉnh sửa góc nghiêng văn bản

Chỉnh sửa góc nghiêng văn bản là bước quan trọng trong quá trình xử lý ảnh. Việc áp dụng các thuật toán chỉnh sửa góc nghiêng giúp cải thiện khả năng nhận dạng văn bản. Các phương pháp như biến đổi Hough không chỉ giúp phát hiện góc nghiêng mà còn hỗ trợ trong việc chỉnh sửa ảnh. Việc chỉnh sửa góc nghiêng không chỉ nâng cao chất lượng ảnh mà còn giúp tạo ra các tài liệu số hóa chất lượng cao, đáp ứng nhu cầu lưu trữ và tra cứu tài liệu trong thời đại số.

IV. Xây dựng chương trình thực nghiệm

Xây dựng chương trình thực nghiệm là bước cuối cùng trong quá trình nghiên cứu và ứng dụng kỹ thuật chỉnh sửa ảnh. Chương trình này được thiết kế để phát hiện và chỉnh sửa góc nghiêng văn bản dựa trên các lý thuyết đã nghiên cứu. Việc xây dựng chương trình không chỉ giúp kiểm tra tính khả thi của các phương pháp đã nghiên cứu mà còn hỗ trợ trong việc ứng dụng thực tế. Chương trình thực nghiệm cho phép người dùng dễ dàng thực hiện các thao tác chỉnh sửa ảnh, từ đó nâng cao hiệu quả trong việc xử lý và nhận dạng văn bản.

4.1. Thiết kế chương trình

Thiết kế chương trình thực nghiệm bao gồm việc xác định các module cần thiết để thực hiện các chức năng như thu nhận ảnh, tiền xử lý, phát hiện góc nghiêng và chỉnh sửa ảnh. Các module này được xây dựng dựa trên các lý thuyết và phương pháp đã nghiên cứu, từ đó tạo ra một chương trình hoàn chỉnh và hiệu quả. Công nghệ hình ảnh hiện đại cho phép xây dựng các chương trình này một cách nhanh chóng và dễ dàng, đáp ứng nhu cầu thực tế trong việc xử lý ảnh.

4.2. Đánh giá kết quả

Đánh giá kết quả là bước quan trọng trong quá trình xây dựng chương trình thực nghiệm. Việc đánh giá giúp xác định tính hiệu quả của các phương pháp đã áp dụng trong chương trình. Các kết quả thu được từ chương trình thực nghiệm sẽ được so sánh với các phương pháp truyền thống để xác định ưu điểm và nhược điểm. Kỹ thuật số trong nhiếp ảnh cho phép thực hiện các đánh giá này một cách chính xác và nhanh chóng, từ đó nâng cao chất lượng và độ tin cậy của chương trình.

Nội dung chính

KỸ THUẬT HIỆU CHỈNH GÓC NGHIÊNG ẢNH: NGHIÊN CỨU VÀ ỨNG DỤNG THỰC TIỄN TRONG SỐ HÓA TÀI LIỆU

---

Tóm tắt nghiên cứu (200-250 từ)

• Câu hỏi nghiên cứu chính (Research Question): Làm thế nào để tự động phát hiện và hiệu chỉnh góc nghiêng (skew detection and correction) của ảnh tài liệu số hóa một cách chính xác, nhanh chóng, có khả năng xử lý linh hoạt trên các dạng ảnh phức tạp (ảnh màu, ảnh đa cấp xám, tài liệu chứa bảng biểu, biểu đồ, phông chữ đa ngôn ngữ) mà không bị giới hạn bởi góc nghiêng nhỏ hay chi phí tính toán cao?
• Phương pháp luận (Methodology Snapshot): Đề tài xây dựng giải pháp kết hợp giữa kỹ thuật dò biên chu tuyến (contour tracing), chọn lọc các đối tượng ảnh có kích thước chủ đạo, trích xuất điểm đại diện (trung điểm cạnh đáy hình chữ nhật ngoại tiếp) và áp dụng phép biến đổi Hough (Hough Transform) trong không gian tọa độ cực để ước lượng góc lệch chính xác.
• Phát hiện chính (Key Findings): Thuật toán cải tiến giúp cắt giảm đáng kể số lượng điểm ảnh cần xử lý trong không gian Hough so với phương pháp truyền thống; triệt tiêu ảnh hưởng của nhiễu và các đối tượng phi văn bản; xử lý thành công các góc nghiêng lớn ($7^\circ, 9^\circ, 10^\circ, 11^\circ, 12^\circ, 17^\circ$) trên nhiều định dạng tài liệu thực tế (bảng điểm thi, phiếu đánh giá, văn bản tiếng Nhật, tài liệu màu).
• Ý nghĩa thực tiễn (Implications): Cung cấp công cụ tiền xử lý cốt lõi, nâng cao độ chính xác của các hệ thống Nhận dạng ký tự quang học (OCR) và thúc đẩy quá trình chuyển đổi số, xây dựng mô hình "văn phòng không giấy" tại các cơ quan, trường học và trung tâm lưu trữ.

---

Bối cảnh và tầm quan trọng (300-350 từ)

Trong kỷ nguyên số hóa, nhu cầu chuyển đổi khối lượng khổng lồ tài liệu giấy (sách báo, công văn, hợp đồng, hồ sơ lưu trữ) thành tài liệu điện tử là nhiệm vụ cấp thiết nhằm tối ưu hóa không gian lưu trữ và cho phép tra cứu thông tin tức thời. Mặc dù các thiết bị quét (scanner) và chụp ảnh kỹ thuật số tốc độ cao đã phát triển mạnh mẽ, quá trình thu nhận ảnh thực tế luôn gặp phải các yếu tố khách quan khiến trang tài liệu bị xoay nghiêng, mờ nhòe hoặc lệch trục quang học.

Đối với máy tính, mọi điểm ảnh (pixel) đều được xử lý bình đẳng thông qua ma trận mức xám, không thể tự nhận biết văn bản ngay ngắn hay nghiêng lệch như mắt người. Sự nghiêng lệch này là nguyên nhân hàng đầu gây phá vỡ cấu trúc phân đoạn dòng/chữ, làm suy giảm nghiêm trọng độ chính xác của hệ thống nhận dạng ký tự quang học (OCR). Do đó, phát hiện và hiệu chỉnh góc nghiêng văn bản là bài toán kinh điển, mang tính tiên quyết trong toàn bộ quy trình phân tích và xử lý ảnh tài liệu.

Tuy nhiên, các phương pháp truyền thống bộc lộ nhiều điểm nghẽn kỹ thuật:

• Phương pháp phân tích hình chiếu (Profile Projection) của Postl, Baird, Nakano phụ thuộc chặt chẽ vào khoảng cách dòng và bị giới hạn hiệu quả trong góc lệch nhỏ ($\pm 15^\circ$), dễ sai sót khi gặp tài liệu chứa bảng biểu, hình ảnh.
• Phương pháp trọng tâm (Center of Gravity) và phân tích láng giềng gần nhất (Nearest Neighbour Clustering) của Yue Lu và Chew Lim Tan dễ bị ảnh hưởng khi ảnh có độ phân giải thấp hoặc ký tự bị đứt nét.
• Phương pháp hình thái học (Morphology) của L. Najman yêu cầu duyệt phép đóng nhiều lần, dẫn đến chi phí tính toán bùng nổ trên ảnh kích thước lớn.
• Biến đổi Hough nguyên bản (Srihari, Govindaraju) nếu áp dụng cho toàn bộ điểm đen sẽ gây quá tải bộ nhớ và tính toán chậm.

Nghiên cứu này giải quyết trực tiếp khoảng trống trên bằng cách tối ưu hóa việc chọn lọc điểm đại diện trước khi biến đổi Hough, mang lại giải pháp cân bằng hoàn hảo giữa độ chính xác, tốc độ và khả năng thích nghi đa dạng mẫu tài liệu.

---

Methodology và approach (350-400 từ)

Nghiên cứu áp dụng thiết kế thực nghiệm kết hợp mô hình hóa thuật toán toán học, triển khai qua 4 giai đoạn chính:

[Ảnh đầu vào (Màu/Xám/Nhị phân)] 
[Tiền xử lý & Lược đồ Histogram] 
[Dò biên chu tuyến & Trích xuất Bounding Box] 
[Lọc đối tượng chủ đạo & Lấy trung điểm đáy] 
[Biến đổi Hough trên tọa độ cực (r, θ)] 
[Xác định góc cực đại & Xoay hiệu chỉnh ảnh]

1. Tiền xử lý và phân đoạn ảnh

Ảnh đầu vào (dạng màu, đa cấp xám hoặc nhị phân với các định dạng JPG, TIF, BMP) được phân tích biểu đồ mức xám (Histogram), thực hiện khử nhiễu ngẫu nhiên và chuẩn hóa phân ngưỡng để tách biệt rõ ràng giữa tập điểm vùng ($F$ - điểm đen) và tập điểm nền ($\overline{F}$ - điểm trắng).

2. Dò biên và phân tích chu tuyến đối tượng

Nghiên cứu khảo sát chuyên sâu các kỹ thuật dò biên trực tiếp (Gradient, toán tử PreWitt, Sobel, Laplace) và các phương pháp nâng cao (Canny, Shen – Castan). Để xác định chính xác đường bao ngoài của từng thành phần liên thông, thuật toán dò biên tổng quát dựa trên khái niệm chu tuyến đối ngẫu và ma trận 8-láng giềng được áp dụng:

• Thiết lập cặp nền - vùng xuất phát.
• Xoay quét theo chiều kim đồng hồ quanh điểm vùng hiện tại để xác định điểm vùng 8-láng giềng kế tiếp.
• Tạo lập đường bao chu tuyến khép kín bao quanh từng ký tự/đối tượng ảnh.

3. Trích chọn đặc trưng và điểm đại diện chủ đạo

Từ các chu tuyến thu được, thuật toán xác định hình chữ nhật ngoại tiếp (Bounding Box) cho từng đối tượng $C_i$ với các thông số tọa độ, chiều cao $h_{ci}$ và chiều rộng $w_{ci}$. Sau đó, một bộ lọc kích thước tự động được áp dụng để loại bỏ:

• Các đối tượng quá nhỏ (nhiễu hạt bụi, đốm bẩn).
• Các đối tượng quá lớn không phải chữ (khung viền trang, ảnh lớn, khối đồ họa).

Điểm đại diện được trích xuất là trung điểm của cạnh đáy hình chữ nhật ngoại tiếp các đối tượng có kích thước chủ đạo còn lại.

4. Ước lượng góc nghiêng bằng Biến đổi Hough

Phương trình đường thẳng trong hệ tọa độ cực được biểu diễn qua cặp tham số $(r, \theta)$: $$r = x \cdot \cos\theta + y \cdot \sin\theta$$

Mỗi điểm đại diện $(x_i, y_i)$ được ánh xạ thành một đường hình sin trong không gian Hough. Thuật toán sử dụng mảng tích lũy hai chiều $A[\theta, r]$ để đếm số điểm thẳng hàng. Góc nghiêng của văn bản $\theta_{\text{skew}}$ chính là góc có tổng giá trị tích lũy cực đại: $$\theta_{\text{skew}} = \arg\max_\theta \sum_r A[\theta, r]$$

Cuối cùng, ảnh được xoay ngược chiều kim đồng hồ quanh gốc tọa độ theo góc $\theta_{\text{skew}}$ tìm được để khôi phục trạng thái chuẩn ngay ngắn.

---

Phát hiện chính (400-450 từ)

Nghiên cứu đã tiến hành thử nghiệm toàn diện trên phần mềm thực nghiệm tự xây dựng và ghi nhận các kết quả khoa học nổi bật:

• Tối ưu hóa vượt bậc về hiệu năng tính toán không gian Hough: Thay vì đưa toàn bộ điểm đen vào biến đổi Hough (như phương pháp của Srihari & Govindaraju) gây tiêu tốn bộ nhớ và thời gian, việc chỉ lấy trung điểm cạnh đáy của các đối tượng chủ đạo đã giúp cắt giảm từ 85% đến 92% số lượng điểm cần tính toán. Điều này cho phép thuật toán chạy với tốc độ tức thì, đáp ứng yêu cầu xử lý thời gian thực của máy quét tài liệu.
• Xóa bỏ giới hạn góc lệch nhỏ: Các thuật toán hình chiếu truyền thống (Baird, Postl) thường mất độ chính xác khi góc lệch vượt quá $\pm 15^\circ$. Phương pháp đề xuất trong nghiên cứu chứng minh khả năng phát hiện chuẩn xác tuyệt đối trên dải góc rộng, hiệu chỉnh thành công các tài liệu thử nghiệm có độ nghiêng lớn từ $7^\circ$ đến $17^\circ$.
• Xử lý vững chắc trên các bố cục phi văn bản và cấu trúc lồng nhau: Thuật toán chứng minh tính bền vững cao trước các tài liệu chứa thành phần phức tạp:
  • Tài liệu bảng biểu, bảng điểm: Hiệu chỉnh chuẩn xác bảng điểm thi bị nghiêng $7^\circ$ và phiếu khảo sát đánh giá giảng dạy nghiêng $9^\circ$, bất chấp sự can thiệp của các đường kẻ lưới và ô trắc nghiệm.
  • Tài liệu đa ngôn ngữ: Phát hiện và xoay ngay ngắn trang văn bản tiếng Nhật nghiêng $11^\circ$ chứa nhiều ký tự Kanji/Kana rời rạc xen lẫn hình ảnh.
  • Tài liệu hỗn hợp chứa biểu đồ và ảnh màu: Hiệu chỉnh thành công các trang tài liệu màu chứa biểu đồ phân tích nghiêng $10^\circ$ và $17^\circ$.
• Loại bỏ hiện tượng nhận diện sai do nhiễu đứt nét: Việc kết hợp dò biên chu tuyến theo quan hệ 8-láng giềng cùng bộ lọc kích thước chủ đạo giúp khắc phục triệt để điểm yếu của phương pháp phân tích láng giềng gần nhất (K-NN), ngăn ngừa việc tạo ra các vector chỉ phương sai lệch khi ký tự bị phân mảnh do chất lượng quét thấp.

---

Đóng góp khoa học (250-300 từ)

Nghiên cứu mang lại những đóng góp rõ nét trên cả ba phương diện lý thuyết, phương pháp và ứng dụng thực tiễn:

1. Đóng góp về mặt học thuật và lý thuyết: Hệ thống hóa toàn diện cơ sở toán học và lý thuyết xử lý ảnh văn bản; so sánh định tính và định lượng ưu nhược điểm của 5 trường phái phát hiện góc nghiêng phổ biến (Hình chiếu, Trọng tâm, Phân tích láng giềng, Hình thái học và Biến đổi Hough); làm rõ bản chất của các toán tử dò biên từ bậc một (Gradient, Sobel, PreWitt) đến bậc hai (Laplace) và tối ưu biên (Canny, Shen-Castan).
2. Cải tiến phương pháp luận: Đề xuất quy trình kết hợp sáng tạo giữa nhận dạng chu tuyến đối ngẫu và biến đổi Hough trên tập điểm đáy chủ đạo, khắc phục đồng thời hai nhược điểm cốt tử của các nghiên cứu trước: chi phí tính toán cao và sự nhạy cảm với đối tượng phi văn bản lồng nhau.
3. Giá trị ứng dụng thực tiễn: Xây dựng hoàn chỉnh chương trình phần mềm với đầy đủ các module chức năng: chuyển đổi ảnh đa cấp xám/nhị phân, trực quan hóa biểu đồ Histogram, dò biên đa toán tử, mô phỏng không gian Hough và tự động xoay ảnh. Sản phẩm đã được áp dụng thử nghiệm thành công tại Ban Khảo thí và Trung tâm Thông tin Tư liệu – Trường Đại học Lạc Hồng.

---

Đối tượng quan tâm (200-250 từ)

Báo cáo nghiên cứu khoa học này mang lại giá trị thiết thực cho nhiều nhóm đối tượng:

• Nhà nghiên cứu học thuật (Academic Researchers): Các nhà khoa học, giảng viên và học viên cao học trong ngành Công nghệ thông tin, Khoa học dữ liệu, Thị giác máy tính (Computer Vision) và Xử lý ngôn ngữ/ảnh tài liệu, sử dụng làm tài liệu tham khảo chuyên sâu về kỹ thuật xử lý hình học ảnh.
• Kỹ sư và nhà phát triển phần mềm (Software Engineers): Các nhóm kỹ sư phát triển giải pháp OCR, hệ thống quản lý văn bản điện tử (Document Management Systems - DMS), hệ thống chấm thi trắc nghiệm tự động cần module tiền xử lý ảnh đầu vào ổn định.
• Cơ quan quản lý, Thư viện và Trung tâm Lưu trữ: Cán bộ phụ trách số hóa dữ liệu, văn thư lưu trữ, trung tâm khảo thí các trường đại học nhằm tự động hóa quy trình quét tài liệu, tiết kiệm nhân lực chỉnh sửa thủ công và nâng cao chất lượng kho tài liệu điện tử.

---

FAQ (250-300 từ)

1. Điểm cốt lõi giúp thuật toán phát hiện góc nghiêng chính xác là gì?
Đó là việc sử dụng trung điểm cạnh đáy của hình chữ nhật ngoại tiếp các đối tượng ký tự chủ đạo làm điểm đại diện cho biến đổi Hough, giúp phản ánh đúng đường cơ sở (baseline) của dòng văn bản mà không bị nhiễu bởi các thành phần đồ họa khác.

2. Phương pháp này có bị giới hạn ở góc nghiêng $\pm 15^\circ$ như phương pháp hình chiếu không?
Không. Bằng cách quét toàn diện không gian góc trong biến đổi Hough, thuật toán có thể phát hiện chính xác mọi góc lệch từ nhỏ đến lớn (đã thử nghiệm thành công lên đến $17^\circ$ và có thể mở rộng ra mọi góc xoay).

3. Thuật toán có áp dụng được cho ảnh màu và ảnh có bảng biểu phức tạp không?
Có. Thông qua bước tiền xử lý chuẩn hóa lược đồ mức xám, phân ngưỡng nhị phân và lọc kích thước chu tuyến, thuật toán hoạt động ổn định trên cả ảnh màu lẫn tài liệu chứa bảng biểu, lưới điểm thi.

4. Vì sao nghiên cứu không áp dụng Hough Transform cho toàn bộ điểm ảnh đen?
Vì việc biến đổi toàn bộ điểm đen sẽ tạo ra lượng tính toán khổng lồ, làm chậm hệ thống và dễ dẫn đến xác định sai hướng do ảnh hưởng của các nét chữ dọc, khung viền hoặc hình ảnh minh họa.

5. Hướng phát triển tiếp theo của đề tài là gì?
Mở rộng giải thuật để xử lý các tài liệu bị biến dạng phi tuyến tính (uốn cong, gập nếp dạng trang sách dày) và tối ưu hóa tốc độ xử lý song song trên phần cứng GPU.

---

Kết luận (150 từ)

Báo cáo nghiên cứu khoa học "Nghiên cứu một số kỹ thuật hiệu chỉnh góc nghiêng của ảnh" đã giải quyết triệt để bài toán tiền xử lý góc nghiêng – mắt xích quan trọng hàng đầu trong chuỗi công nghệ số hóa tài liệu. Bằng cách kết hợp linh hoạt giữa dò biên chu tuyến và biến đổi Hough trên các điểm đặc trưng chủ đạo, nghiên cứu đã mở ra hướng tiếp cận tối ưu về cả tốc độ lẫn độ chính xác. Kết quả thử nghiệm thực tế trên nhiều loại tài liệu phức tạp khẳng định tính khả thi cao của giải pháp. Đây là tiền đề vững chắc để các đơn vị lưu trữ, giáo dục và doanh nghiệp đẩy nhanh lộ trình tự động hóa quy trình xử lý dữ liệu và hiện thực hóa mục tiêu "văn phòng không giấy".

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan về xử lý ảnh và bài toán góc nghiêng văn bản: Chương này đề cập đến các khái niệm cơ bản về xử lý ảnh số, quá trình xử lý ảnh. Bên cạnh đó là sự phân tích, đánh giá đối với một số phương pháp phát hiện góc nghiêng văn bản. - Chương 2: Biên và các phương pháp dò biên: Chương này gồm các khái niệm cơ bản về biên của đối tượng ảnh và vai trò của việc dò biên trong xác định góc nghiêng văn bản. Toàn bộ chương tập trung vào việc làm rõ các khái niệm cơ bản cũng như đi sâu vào phân tích các phương pháp dò biên như: phương pháp trực tiếp (Gradient, Laplace), phương pháp dò biên tổng quát dựa vào chu tuyến, phương pháp dò biên nâng cao (Canny, Shen – Castan).

3 - Chương 3: Ứng dụng biến đổi Hough phát hiện góc nghiêng văn bản: Trên cơ sở các thuật toán đã tìm hiểu, toàn bộ chương này nêu rõ từng bước thực hiện việc áp dụng biến đổi Hough vào xác định góc nghiêng và tiến hành hiệu chỉnh góc nghiêng văn bản. - Chương 4: Xây dựng chương trình thực nghiệm: Tiến hành xây dựng chương trình thực nghiệm để phát hiện và hiệu chỉnh góc nghiêng văn bản dựa trên cơ sở lý thuyết đã tìm hiểu được về việc áp dụng biến đổi Hough. TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ BÀI TOÁN PHÁT HIỆN GÓC NGHIÊNG VĂN BẢN. Xử lý ảnh và một số vấn đề cơ bản trong xử lý ảnh.

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 vì 80% thông tin được thu nhận bằng mắt tức là ở dạng ảnh. Mặc khác với sự phát triển mạnh mẽ của phần cứng máy tính, xử lý ảnh, đồ hoạ ngày càng có nhiều ứng dụng thực tiễn phục vụ cuộc sống. Như vậy, xử lý ảnh đóng một vai trò rất quan trọng trong sự tương tác giữa người và máy. Cũng như xử lý dữ liệu bằng đồ hoạ, xử lý ảnh số là một lĩnh vực của tin học ứng dụng.

Xử lý dữ liệu bằng đồ hoạ đề cập đến những ảnh nhân tạo, các ảnh này được xem xét như là một cấu trúc dữ liệu và được tạo ra bởi các chương trình. Xử lý ảnh số [20] bao gồm các phương pháp và kĩ thuật để biến đổi, để truyền tải hoặc mã hoá các ảnh tự nhiên. Quá trình xử lý ảnh Quá trình xử lý ảnh là một quá trình thao tác nhằm biến đổi một ảnh đầu vào để cho ra một ảnh kết quả như mong muốn. Kết quả đầu ra của một quá trình xử lý ảnh có thể là một ảnh "tốt hơn" hoặc một kết luận.

Mục đích của xử lý ảnh gồm:  Biến đổi ảnh, làm tăng chất lượng ảnh.  Tự động nhận dạng ảnh, đoán nhận ảnh, đánh giá các nội dung của ảnh. 5 Nhận biết và đánh giá các nội dung của ảnh là sự phân tích một hình ảnh thành những phần có ý nghĩa, để phân biệt đối tượng này với đối tượng khác. Dựa vào đó ta có thể mô tả cấu trúc của hình ảnh ban đầu.

Có thể liệt kê một số phương pháp nhận dạng cơ bản như nhận dạng cạnh của các đối tượng trên ảnh, tách cạnh, phân đoạn hình ảnh v. Kỹ thuật này được dùng nhiều trong y học (xử lý tế bào, nhiễm sắc thể), nhận dạng chữ trong văn bản. Lưu trữ Lưu trữ Camera Thu nhận Số hoá Phân tích Nhận ảnh ảnh dạng Sensor Hệ quyết định Hình 1. Sơ đồ quá trình xử lý ảnh 1.

Thu nhận ảnh: Đây là bước đầu tiên trong quá trình xử lý ảnh. Để thực hiện điều này, ta cần có bộ thu ảnh và khả năng số hoá những tín hiệu liên tục được sinh ra bởi bộ thu ảnh đó. Bộ thu ảnh ở đây có thể là máy chụp ảnh đơn sắc hay màu, máy quét ảnh,. Trong trường hợp bộ thu ảnh cung cấp chưa phải là dạng số hoá ta còn phải chuyển đổi hay số hoá ảnh.

Quá trình chuyển đổi ADC [17] (Analog to Digital Converter) để thu nhận dạng số hoá của ảnh. Các thông số quan trọng ở bước này là độ phân giải, chất lượng màu, dung lượng bộ nhớ và tốc độ thu nhận ảnh của các thiết bị. Mặc dù đây chỉ là công đoạn đầu tiên song kết quả của nó có ảnh hưởng rất nhiều đến công đoạn kế tiếp. Tiền xử lý: Ở bước này, ảnh sẽ được cải thiện về độ tương phản, khử nhiễu, khử bóng, khử độ lệch,v.v… với mục đích làm cho chất lượng ảnh trở lên tốt hơn nữa, chuẩn bị cho các bước xử lý phức tạp hơn về sau trong quá trình xử lý ảnh.

Quá trình này thường được thực hiện bởi các bộ lọc. + Khử nhiễu: Nhiễu được chia thành hai loại: nhiễu hệ thống và nhiễu ngẫu nhiên. Đặc trưng của nhiễu hệ thống là tính tuần hoàn. Do vậy, có thể khử nhiễu này bằng việc sử dụng phép biến đổi Fourier và loại bỏ các đỉnh điểm.

Đối với nhiễu ngẫu nhiên, trường hợp đơn giản là các vết bẩn tương ứng với các điểm sáng hay tối, có thể khử bằng phương pháp nội suy, lọc trung vị và trung bình. + Chỉnh mức xám: Đây là kỹ thuật nhằm chỉnh sửa tính không đồng đều của thiết bị thu nhận hoặc độ tương phản giữa các vùng ảnh. + Chỉnh tán xạ: Ảnh thu nhận được từ các thiết bị quang học hay điện tử có thể bị mờ, nhoè. Phương pháp biến đổi Fourier dựa trên tích chập của ảnh với hàm tán xạ cho phép giải quyết việc hiệu chỉnh này.

Phân đoạn ảnh: Phân đoạn ảnh có nghĩa là chia một ảnh đầu vào thành nhiều phần khác nhau hay còn gọi là các đối tượng 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 nhất 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.

Mục đích của phân đoạn ảnh là để có một miêu tả tổng hợp về nhiều phần tử khác nhau cấu tạo lên ảnh thô. Vì lượng thông tin chứa trong ảnh rất 7 lớn, trong khi đa số các ứng dụng chúng ta chỉ cần trích một vài đặc trưng nào đó, do vậy cần có một quá trình để giảm lượng thông tin khổng lồ đó. Quá trình này bao gồm phân vùng ảnh và trích chọn đặc tính chủ yếu. Hệ quyết định: 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. Trích chọn đặc điểm: Việc giải quyết bài toán nhận dạng trong những ứng dụng mới nảy sinh trong cuộc sống không chỉ tạo ra những thách thức về giải thuật, mà còn đặt ra những yêu cầu về tốc độ tính toán.

Đặc điểm chung của tất cả ứng dụng đó là những đặc điểm đặc trưng cần thiết thường là nhiều, không thể do chuyên gia đề xuất, mà phải được trích chọn dựa trên các thủ tục phân tích dữ liệu. Việc trích chọn hiệu quả các đặc điểm giúp cho việc nhận dạng các đối tượng ảnh chính xác, với tốc độ tính toán cao và dung lượng nhớ lưu trữ giảm xuống. Các đặc điểm của đối tượng được trích chọn tuỳ theo mục đích nhận dạng trong quá trình xử lý ảnh. Có thể nêu ra một số đặc điểm của ảnh sau đây: - Đặc điểm không gian: phân bố mức xám, phân bố xác suất, biên độ, điểm uốn v.

8 - Đặc điểm biến đổi: các đặc điểm loại này được trích chọn bằng việc thực hiện lọc vùng (zonal filtering). Các bộ vùng được gọi là “mặt nạ đặc điểm” (feature mask) thường là các khe hẹp với hình dạng khác nhau (chữ nhật, tam giác, cung tròn v.) - Đặc điểm biên và đường biên: Đặc trưng cho đường biên của đối tượng và do vậy rất hữu ích trong việc trích chọn các thuộc tính bất biến được dùng khi nhận dạng đối tượng. Các đặc điểm này có thể được trích chọn nhờ toán tử Gradient, toán tử la bàn, toán tử Laplace, toán tử “chéo không” (zero crossing). Nhận dạng: Nhận dạng ảnh là quá trình xác định nội dung ảnh.

Quá trình này thường thu được bằng cách so sánh với mẫu chuẩn đã được lọc (hoặc lưu) từ trước. Đây là bước cuối cùng trong quá trình xử lý ảnh. Nhận dạng ảnh có thể được nhìn nhận một cách đơn giản là việc gán nhãn cho các đối tượng trong ảnh. Ví dụ như khi nhận dạng chữ viết, các đối tượng trong ảnh cần nhận dạng là các mẫu chữ, ta cần tách riêng các mẫu chữ đó ra và tìm cách gán đúng các ký tự của bảng chữ cái tương ứng cho các mẫu chữ thu được trong ảnh.

Giải thích là công đoạn gán nghĩa cho một tập các đối tượng đã được nhận biết. Chúng ta cũng có thể thấy rằng, không phải bất kỳ một ứng dụng xử lý ảnh nào cũng bắt buộc phải tuân theo tất cả các bước xử lý đã nêu ở trên, ví dụ như các ứng dụng chỉnh sửa ảnh nghệ thuật chỉ dừng lại ở bước tiền xử lý. Một cách tổng quát thì những chức năng xử lý bao gồm cả nhận dạng và giải thích thường chỉ có mặt trong hệ thống phân tích ảnh tự động hoặc bán tự động, được dùng để rút trích ra những thông tin quan trọng từ ảnh, ví dụ như các ứng dụng nhận dạng ký tự quang học, nhận dạng chữ viết tay v. Một số vấn đề cơ bản trong xử lý ảnh.

Ảnh : Ảnh là một mảng số thực hai chiều (Ii j) có kích thước (m*n), trong đó mỗi phần tử Ii j (i=1.n) biểu thị mức xám của ảnh tại vị trí (i, j) tương ứng. Điểm ảnh: Gốc của ảnh là ảnh liên tục về không gian và độ sáng. Để xử lý bằng máy tính, 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).