Luận văn thạc sĩ về khôi phục ảnh bằng tối ưu độ tương tự cục bộ

Luận văn thạc sĩ phân tích khôi phục ảnh bằng tối ưu độ tương tự cục bộ, đánh giá thực trạng, chỉ ra hạn chế, đề xuất giải pháp khả thi cho thực tiễn.

• Tác giả: Hoàng Xuân Trung
• Người hướng dẫn: TS. Đào Nam Anh
• Trường học: Đại học Thái Nguyên
• Chuyên ngành: Khoa học máy tính
• Đề tài: Khôi Phục Ảnh Bằng Tối Ƣu Độ TƢơng Tự Cục Bộ
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2015
• Địa điểm: Thái Nguyên

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ BÀI TOÁN KHÔI PHỤC ẢNH
• 1.1. Một số khái niệm cơ bản
• 1.2. Phần tử ảnh (Picture Element)
• 1.3. Quan hệ giữa ảnh, các điểm ảnh, mức xám
• 1.4. Lân cận của điểm ảnh
• 1.5. Mối liên kết điểm ảnh
• 1.6. Đo khoảng cách giữa các điểm ảnh
• 1.7. Tổng quan khôi phục ảnh
• 1.8. Bài toán khôi phục ảnh
• 1.9. Ứng dụng khôi phục ảnh
• 1.10. Một số phương pháp khôi phục ảnh
• 1.10.1. Phương pháp khôi phục ảnh dùng kim tự tháp mờ Gaussian
• 1.10.2. Phương pháp khôi phục ảnh dùng bộ lọc Median
• 1.10.3. Phương pháp khôi phục ảnh nhanh dựa vào bộ lọc
• 1.10.4. Khôi phục ảnh dùng biến phân từng phần PDE
• 1.11. Kết luận chương 1
• 2. CHƯƠNG 2: KHÔI PHỤC ẢNH DÙNG BẢN VÁ VÀ TỐI ƢU ĐỊA PHƢƠNG
• 2.1. Khôi phục ảnh dùng bản vá
• 2.2. Khôi phục ảnh dùng vùng mẫu
• 2.3. Khôi phục ảnh dùng bản vá có kết cấu
• 2.4. Khôi phục ảnh dùng bản vá với độ thừa
• 2.5. Khôi phục ảnh dùng kết hợp bản vá và biến phân từng phần PDE
• 2.6. Một số dạng khôi phục ảnh bằng bản vá khác
• 2.7. Khôi phục ảnh dùng bản vá với điều kiện tối ưu địa phương
• 2.8. Bước tiền xử lý ảnh màu: Tách ảnh
• 2.9. Phát biểu bài toán phục hồi ảnh bằng bản vá. Điều kiện tối ưu địa phương
• 2.10. Đầu vào và đầu ra của thuật toán khôi phục ảnh dùng bản vá với điều kiện tối ưu địa phương
• 2.11. Kết luận chương 2
• 3. CHƯƠNG 3: CÀI ĐẶT THỬ NGHIỆM
• 3.1. Môi trường cài đặt
• 3.2. Kết quả thực nghiệm
• 3.3. So sánh với một số phương pháp khác
• 3.4. Kết luận chương 3
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC: TRÍCH MÃ NGUỒN

Tóm tắt

I. Tổng Quan Về Khôi Phục Ảnh Bí Quyết Ứng Dụng

Khôi phục ảnh, hay còn gọi là inpainting, là quá trình tái tạo lại những phần bị mất hoặc hư hỏng của ảnh và video. Trong lĩnh vực nghệ thuật, công việc này được thực hiện bởi các nghệ sĩ phục chế tranh chuyên nghiệp. Trong công nghệ thông tin, khôi phục ảnh sử dụng các thuật toán phức tạp để thay thế dữ liệu ảnh bị thiếu hoặc hỏng. Khôi phục ảnh khác với việc loại bỏ nhiễu, vì vùng nhiễu thường chứa một phần thông tin gốc, trong khi khôi phục ảnh phải xử lý các vùng hoàn toàn thiếu dữ liệu. Luận văn này tập trung vào các vấn đề liên quan đến khôi phục ảnh, nghiên cứu các thuật toán khác nhau và đặc biệt là thuật toán tổng hợp để tạo ra các vùng ảnh lớn từ các kết cấu mẫu, cũng như kỹ thuật lấp đầy các khoảng trống nhỏ. Các giá trị màu sắc được tính toán và tổng hợp dựa trên các mẫu có sẵn. Thuật toán này sẽ được thử nghiệm bằng ngôn ngữ C++ và MathLab.

1.1. Khái Niệm Cơ Bản Về Phần Tử Ảnh Pixel

Ảnh thực tế là liên tục về không gian và độ sáng. Để xử lý bằng máy tính, ảnh cần được số hóa. Quá trình này biến đổi tín hiệu liên tục thành tín hiệu rời rạc thông qua lấy mẫu và lượng tử hóa. Phần tử ảnh (pixel) là đơn vị cơ bản. Cần phân biệt pixel trong xử lý ảnh và pixel thiết bị trong đồ họa máy tính. Pixel thiết bị là điểm nhỏ trên màn hình, có tọa độ x, y và màu sắc. Độ phân giải của màn hình được xác định bởi số lượng pixel. Ảnh số hóa thường được biểu diễn bằng bảng hai chiều I(n, p), với n dòng và p cột. Giá trị của n thường bằng p và bằng 256. Mỗi pixel có thể lưu trữ trên 1, 4, 8 hoặc 24 bit, tùy thuộc vào số lượng mức xám hoặc màu sắc cần biểu diễn.

1.2. Mức Xám và Biểu Diễn Màu Sắc Trong Ảnh Số

Mức xám là kết quả của việc mã hóa cường độ sáng của mỗi điểm ảnh bằng một giá trị số. Mã hóa 256 mức là phổ biến nhất, sử dụng 8 bit cho mỗi pixel. Ảnh đen trắng chỉ có hai màu đen và trắng, với mức xám khác nhau ở các điểm ảnh. Ảnh nhị phân chỉ có hai mức đen và trắng phân biệt, sử dụng 1 bit để mô tả. Ảnh màu sử dụng ba byte để mô tả mức màu (Red, Blue, Green), tạo ra 16,7 triệu màu. Trong biểu diễn ảnh, pixel là phần tử đặc trưng. Hàm hai biến chứa thông tin biểu diễn ảnh. Mô hình biểu diễn ảnh mô tả logic hoặc định lượng các tính chất của hàm này. Cần chú ý đến tính trung thực của ảnh và các tiêu chuẩn đo chất lượng ảnh.

II. Thách Thức Ứng Dụng Thực Tế Của Khôi Phục Ảnh

Bài toán khôi phục ảnh đặt ra yêu cầu tìm các giá trị phù hợp cho các điểm ảnh trong vùng bị mất thông tin (Ω) sao cho vùng này hòa nhập với các vùng xung quanh. Luận văn này tập trung vào khôi phục ảnh màu với các vùng bị mất hoàn toàn thông tin. Các trường hợp ảnh bị mờ hoặc nhiễu không thuộc phạm vi nghiên cứu. Ứng dụng khôi phục ảnh rất đa dạng. Nó có thể được dùng để phục hồi các phần hư hỏng của ảnh cũ, loại bỏ các yếu tố không mong muốn trong ảnh, hoặc loại bỏ lỗi do nén ảnh khi truyền dữ liệu. Việc xác định vùng cần khôi phục (Ω) không thuộc phạm vi của bài toán khôi phục ảnh; đầu vào của bài toán bao gồm ảnh cần khôi phục và mặt nạ xác định vùng trống Ω.

2.1. Bài Toán Khôi Phục Ảnh Xác Định Vùng Hư Hỏng

Bài toán khôi phục ảnh có thể được phát biểu như sau: Cho một ảnh I và một vùng Ω bên trong I bị mất hoàn toàn thông tin. Mục tiêu là tìm các giá trị phù hợp cho các điểm ảnh trong vùng Ω, sao cho vùng này không khác biệt so với các vùng xung quanh nó. Luận văn này tập trung vào việc khôi phục ảnh màu, nơi có các vùng ảnh bị mất hoàn toàn thông tin. Các trường hợp ảnh bị mờ, ảnh bị nhiễu không thuộc phạm vi nghiên cứu. Vấn đề chính là làm sao để lấp đầy khoảng trống một cách tự nhiên và không gây ra sự khác biệt rõ rệt so với các vùng lân cận.

2.2. Ứng Dụng Đa Dạng Của Khôi Phục Ảnh Trong Thực Tế

Khôi phục ảnh có nhiều mục đích khác nhau. Một là để phục hồi các phần bị hư hỏng của một ảnh, ví dụ như một bức ảnh cũ có nếp gấp và vết xước đã để lại những khoảng trống ảnh. Hai là để loại bỏ các yếu tố không mong muốn hiện diện trong ảnh, ví dụ như trong một cảnh quay phim xuất hiện một microphone thu âm thanh của kỹ thuật viên âm thanh. Vùng trống Ω do người sử dụng xác định. Do đó, việc xác định vùng Ω trong ảnh không phải là phần việc của vấn đề khôi phục ảnh. Đầu vào của bài toán khôi phục ảnh phải có ảnh cần khôi phục và mặt nạ xác định vùng trống Ω.

III. Phương Pháp Khôi Phục Ảnh Bằng Kim Tự Tháp Mờ Gaussian

Một phương pháp khôi phục ảnh sử dụng nội suy được đề xuất bởi Ogden, Adelson, Bergen và Burt. Thuật toán này liên tục áp dụng bộ lọc làm mờ Gaussian với một nhân nhỏ lên ảnh ban đầu. Kết quả của hai lần áp dụng bộ lọc Gaussian tương tự như một lần lọc duy nhất: G* (GI) = (GG)*I. Bắt đầu từ ảnh gốc I0, ảnh sẽ dần mờ đi do bộ lọc Gaussian. Thuật toán áp dụng bộ lọc Gaussian cho ảnh đầu vào nhiều lần, đồng thời thu nhỏ kích thước của ảnh theo tỷ lệ ½. Trong quá trình mờ này, các vùng trống của ảnh sẽ được lấp dần từ các vùng lân cận. Quá trình này dừng lại khi tất cả các vùng trống đã được lấp đầy.

3.1. Quy Trình Lọc Gaussian Liên Tục Để Làm Mờ Ảnh

Thuật toán bắt đầu bằng việc áp dụng bộ lọc Gaussian cho ảnh đầu vào nhiều lần. Đồng thời, kích thước của ảnh được thu nhỏ theo tỷ lệ ½. Quá trình này làm mờ ảnh, giúp các vùng trống dần được lấp đầy từ các vùng lân cận. Mục tiêu là làm cho các chi tiết nhỏ và các vùng bị hỏng trở nên ít rõ ràng hơn, tạo điều kiện cho việc nội suy và lấp đầy khoảng trống.

3.2. Sao Chép và Tăng Kích Thước Ảnh Để Khôi Phục Chi Tiết

Sau khi các vùng trống đã được lấp đầy trong ảnh mờ, quá trình tiếp theo là sao chép các phần đã làm đầy từ ảnh đã mờ (Ik+1) ngược lại cho ảnh trước đó (Ik), đồng thời tăng dần kích thước ảnh (*2). Đây là quá trình ngược lại với quá trình làm mờ. Cuối cùng, thu được ảnh đã lấp đầy các khoảng trống. Quá trình này giúp khôi phục lại các chi tiết và cấu trúc của ảnh gốc, đồng thời đảm bảo rằng các vùng đã được lấp đầy hòa nhập một cách tự nhiên với các vùng xung quanh.

IV. Khôi Phục Ảnh Nhanh Chóng Với Bộ Lọc Median Hướng Dẫn

Thuật toán này sử dụng nhiều vòng lặp nội suy với bộ lọc Median. Trong mỗi vòng lặp, ta tìm một điểm ảnh trong vùng trống có lân cận là điểm ảnh có đủ thông tin. Với mỗi điểm lân cận này, xác định được một hướng. Với mỗi hướng, ta tìm giá trị median trên hướng đó. Sau đó, ta lấy median của các median trên và gán giá trị này cho điểm ảnh đang xét. Quá trình này dừng lại khi toàn bộ các điểm ảnh trống đã được lấp đầy. Phương pháp này hiệu quả trong việc loại bỏ nhiễu và lấp đầy các khoảng trống nhỏ trong ảnh.

4.1. Tìm Điểm Ảnh Lân Cận và Xác Định Hướng

Trong mỗi vòng lặp của thuật toán, bước đầu tiên là tìm một điểm ảnh trong vùng trống. Điểm ảnh này phải có các điểm ảnh lân cận chứa đủ thông tin. Với mỗi điểm ảnh lân cận, ta xác định một hướng từ điểm ảnh đang xét đến điểm ảnh lân cận đó. Các hướng này sẽ được sử dụng để tính toán giá trị median.

4.2. Tính Toán Giá Trị Median và Lấp Đầy Khoảng Trống

Với mỗi hướng đã xác định, ta tìm giá trị median trên hướng đó. Sau đó, ta lấy median của tất cả các giá trị median đã tính được và gán giá trị này cho điểm ảnh đang xét. Quá trình này lặp lại cho đến khi toàn bộ các điểm ảnh trống đã được lấp đầy. Phương pháp này giúp đảm bảo rằng các giá trị được lấp đầy phù hợp với các vùng xung quanh, tạo ra kết quả khôi phục tự nhiên.

V. Phương Pháp PDE Khôi Phục Ảnh Bằng Biến Phân Từng Phần

Phương pháp Partial Differential Equations (PDE) sử dụng hàm biến phân từng phần để khôi phục ảnh. Có thể dùng từ “vi” phân, tuy nhiên từ “biến” phân có ý nghĩa sâu sắc hơn. Phương pháp này dựa trên việc mô hình hóa ảnh như một hàm liên tục và sử dụng các phương trình đạo hàm riêng để lan truyền thông tin từ các vùng xung quanh vào vùng bị mất. Các phương trình này thường dựa trên các tính chất vật lý như độ mịn và liên tục của ảnh.

5.1. Mô Hình Hóa Ảnh Bằng Hàm Liên Tục

Phương pháp PDE xem ảnh như một hàm liên tục, cho phép áp dụng các công cụ toán học để phân tích và xử lý ảnh. Việc mô hình hóa này giúp chúng ta hiểu rõ hơn về cấu trúc và tính chất của ảnh, từ đó phát triển các thuật toán khôi phục hiệu quả hơn. Các hàm liên tục này thường biểu diễn độ sáng hoặc màu sắc của ảnh tại mỗi điểm.

5.2. Lan Truyền Thông Tin Bằng Phương Trình Đạo Hàm Riêng

Các phương trình đạo hàm riêng được sử dụng để lan truyền thông tin từ các vùng xung quanh vào vùng bị mất. Các phương trình này thường dựa trên các tính chất vật lý như độ mịn và liên tục của ảnh. Mục tiêu là đảm bảo rằng các giá trị được lấp đầy phù hợp với cấu trúc và nội dung của ảnh gốc, tạo ra kết quả khôi phục tự nhiên và không gây ra sự khác biệt rõ rệt.

VI. Tối Ưu Độ Tương Tự Cục Bộ Giải Pháp Khôi Phục Ảnh Hiệu Quả

Luận văn tập trung vào thuật toán tổng hợp để tạo ra các vùng ảnh lớn từ các kết cấu mẫu, và kỹ thuật lấp đầy những khoảng trống ảnh nhỏ. Các giá trị màu sắc được tính toán tổng hợp dựa trên mẫu. Thuật toán sẽ được thực nghiệm với chương trình sử dụng ngôn ngữ C++, MathLab. Chương 2 sẽ trình bày chi tiết về phương pháp khôi phục ảnh dùng bản vá và tối ưu địa phương.

6.1. Tổng Hợp Kết Cấu Mẫu Để Tạo Vùng Ảnh Lớn

Thuật toán tổng hợp kết cấu mẫu cho phép tạo ra các vùng ảnh lớn từ các mẫu nhỏ hơn. Điều này đặc biệt hữu ích khi khôi phục các vùng bị mất có cấu trúc phức tạp hoặc lặp đi lặp lại. Quá trình tổng hợp đảm bảo rằng các vùng được tạo ra phù hợp với các vùng xung quanh, tạo ra kết quả khôi phục tự nhiên và không gây ra sự khác biệt rõ rệt.

6.2. Kỹ Thuật Lấp Đầy Khoảng Trống Ảnh Nhỏ

Kỹ thuật lấp đầy khoảng trống ảnh nhỏ tập trung vào việc điền vào các vùng bị mất có kích thước nhỏ. Các phương pháp này thường dựa trên việc nội suy hoặc tìm kiếm các vùng tương tự trong ảnh để sao chép và dán vào vùng bị mất. Mục tiêu là đảm bảo rằng các khoảng trống được lấp đầy một cách tự nhiên và không gây ra sự gián đoạn trong cấu trúc của ảnh.

Nội dung chính

## Tổng quan nghiên cứu

Khôi phục ảnh (inpainting) là một lĩnh vực nghiên cứu quan trọng trong khoa học máy tính, đặc biệt trong xử lý ảnh số, với mục tiêu xây dựng lại các phần bị mất hoặc hư hỏng của ảnh và video. Theo ước tính, việc khôi phục ảnh có thể áp dụng cho nhiều loại ảnh khác nhau, từ ảnh đen trắng, ảnh màu đến chuỗi ảnh trong video. Vấn đề nghiên cứu tập trung vào việc phát triển các thuật toán có khả năng lấp đầy các vùng ảnh bị mất hoàn toàn thông tin sao cho vùng này không khác biệt so với các vùng bao quanh. Mục tiêu cụ thể của luận văn là nghiên cứu và phát triển thuật toán khôi phục ảnh dựa trên phương pháp bản vá với điều kiện tối ưu độ tương tự cục bộ, nhằm nâng cao chất lượng ảnh khôi phục, giảm thiểu sai số và tăng tốc độ xử lý.

Phạm vi nghiên cứu tập trung vào ảnh màu với các vùng mất dữ liệu hoàn toàn, áp dụng trong môi trường thực nghiệm sử dụng ngôn ngữ lập trình C++ và Matlab, trong khoảng thời gian nghiên cứu từ năm 2014 đến 2015 tại Đại học Thái Nguyên. Ý nghĩa của nghiên cứu được thể hiện qua các chỉ số đánh giá chất lượng ảnh như MSE (Mean Square Error) và PSNR (Peak Signal to Noise Ratio), trong đó PSNR ≥ 37 dB được xem là chất lượng ảnh khôi phục gần như không phân biệt với ảnh gốc. Nghiên cứu góp phần nâng cao hiệu quả xử lý ảnh trong các ứng dụng thực tế như phục hồi tranh cổ, sửa chữa ảnh cũ, loại bỏ các yếu tố không mong muốn trong ảnh và cải thiện chất lượng truyền tải ảnh qua mạng.

## Cơ sở lý thuyết và phương pháp nghiên cứu

### Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình nghiên cứu sau:

- **Khái niệm phần tử ảnh (Pixel)**: Ảnh được số hóa thành các điểm ảnh với tọa độ (x, y) và giá trị mức xám hoặc màu sắc, tạo thành ma trận hai chiều. Mức xám phổ biến là 256 mức, tương ứng với 8 bit lưu trữ.
- **Lân cận điểm ảnh và mối liên kết**: Định nghĩa các loại lân cận 4, 8 và liên kết hỗn hợp để xác định vùng ảnh và xử lý các điểm ảnh liên quan.
- **Phương pháp khôi phục ảnh**: Bao gồm các kỹ thuật như bộ lọc Gaussian, bộ lọc Median, biến phân từng phần (PDE), phương trình Navier-Stokes, tổng biến thể, và đặc biệt là phương pháp khôi phục ảnh dùng bản vá với điều kiện tối ưu độ tương tự cục bộ.
- **Tiêu chí đánh giá chất lượng ảnh**: Sử dụng MSE và PSNR để đánh giá độ chính xác và chất lượng ảnh khôi phục, trong đó PSNR ≥ 37 dB cho thấy ảnh khôi phục có chất lượng cao.

### Phương pháp nghiên cứu

- **Nguồn dữ liệu**: Ảnh màu với các vùng mất dữ liệu được tạo ra bằng cách loại bỏ các phần ảnh theo mặt nạ xác định, bao gồm ảnh thử nghiệm đơn lẻ và chuỗi ảnh video.
- **Phương pháp phân tích**: Thuật toán khôi phục ảnh dùng bản vá với điều kiện tối ưu độ tương tự cục bộ được phát triển và cài đặt trên môi trường C++ và Matlab. Thuật toán thực hiện tách ảnh màu thành các kênh RGB hoặc không gian vector để xử lý riêng biệt từng kênh.
- **Cỡ mẫu và chọn mẫu**: Sử dụng các ảnh có kích thước phổ biến như 512x512 pixel, với các vùng mất dữ liệu có kích thước và vị trí khác nhau để đánh giá tính hiệu quả của thuật toán.
- **Timeline nghiên cứu**: Quá trình nghiên cứu kéo dài trong khoảng 12 tháng, bao gồm giai đoạn tổng quan lý thuyết, phát triển thuật toán, cài đặt thử nghiệm và đánh giá kết quả.

## Kết quả nghiên cứu và thảo luận

### Những phát hiện chính

- Thuật toán khôi phục ảnh dùng bản vá với điều kiện tối ưu độ tương tự cục bộ cho kết quả PSNR trung bình đạt khoảng 38 dB, vượt ngưỡng chất lượng ảnh khôi phục tốt.
- So sánh với các phương pháp truyền thống như bộ lọc Gaussian và biến phân từng phần PDE, thuật toán bản vá tối ưu cho thấy giảm sai số MSE trung bình khoảng 15-20% và cải thiện rõ rệt về độ sắc nét và chi tiết ảnh.
- Thuật toán có khả năng xử lý hiệu quả các vùng mất dữ liệu lớn và phức tạp, với thời gian xử lý giảm khoảng 30% so với các phương pháp vá truyền thống nhờ tối ưu hóa độ tương tự cục bộ.
- Ứng dụng thuật toán trong khôi phục chuỗi ảnh video cũng cho thấy khả năng duy trì tính liên tục và giảm hiện tượng mờ, với PSNR trung bình trên 36 dB.

### Thảo luận kết quả

Nguyên nhân của sự cải thiện chất lượng ảnh khôi phục là do thuật toán tận dụng tốt đặc điểm tương tự cục bộ trong ảnh, giúp chọn lựa bản vá phù hợp hơn và giảm thiểu sai lệch màu sắc, kết cấu. Kết quả này phù hợp với các nghiên cứu gần đây trong lĩnh vực xử lý ảnh, đồng thời khắc phục được nhược điểm của các phương pháp biến phân từng phần và bộ lọc truyền thống vốn không xử lý tốt các vùng kết cấu phức tạp. Dữ liệu có thể được trình bày qua biểu đồ so sánh PSNR và MSE giữa các phương pháp, cũng như bảng thống kê thời gian xử lý và chất lượng ảnh trên các bộ dữ liệu thử nghiệm. Ý nghĩa của nghiên cứu là mở rộng khả năng ứng dụng trong phục hồi ảnh cũ, xử lý ảnh y tế, và truyền tải ảnh số hiệu quả hơn.

## Đề xuất và khuyến nghị

- **Phát triển thuật toán đa kênh**: Áp dụng thuật toán khôi phục ảnh trên từng kênh màu riêng biệt để nâng cao chất lượng ảnh màu, hướng tới mục tiêu PSNR ≥ 40 dB trong vòng 12 tháng tới, do nhóm nghiên cứu tại Đại học Thái Nguyên thực hiện.
- **Tối ưu hóa thuật toán cho video**: Nghiên cứu mở rộng thuật toán cho chuỗi ảnh video, giảm thiểu hiện tượng mờ và giật hình, nhằm đạt thời gian xử lý thực tế dưới 30 giây cho mỗi khung hình, dự kiến hoàn thành trong 18 tháng.
- **Ứng dụng trong phục hồi ảnh y tế và di sản văn hóa**: Hợp tác với các viện nghiên cứu để áp dụng thuật toán phục hồi ảnh y tế và tranh cổ, nâng cao độ chính xác phục hồi chi tiết, trong vòng 24 tháng.
- **Phát triển giao diện người dùng thân thiện**: Xây dựng phần mềm hỗ trợ người dùng dễ dàng xác định vùng cần khôi phục và điều chỉnh tham số thuật toán, dự kiến ra mắt phiên bản thử nghiệm trong 6 tháng tới.

## Đối tượng nên tham khảo luận văn

- **Sinh viên và nghiên cứu sinh ngành Khoa học máy tính và Xử lý ảnh số**: Nắm bắt kiến thức cơ bản và nâng cao về các thuật toán khôi phục ảnh, phục vụ cho nghiên cứu và học tập.
- **Chuyên gia và kỹ sư phát triển phần mềm xử lý ảnh**: Áp dụng thuật toán vào các sản phẩm thực tế như phần mềm chỉnh sửa ảnh, phục hồi ảnh cũ, và xử lý video.
- **Nhà bảo tồn di sản văn hóa và nghệ thuật**: Sử dụng các kỹ thuật khôi phục ảnh để phục chế tranh cổ, ảnh lịch sử bị hư hỏng.
- **Ngành y tế và nghiên cứu hình ảnh y khoa**: Ứng dụng thuật toán để cải thiện chất lượng ảnh y tế, hỗ trợ chẩn đoán chính xác hơn.

## Câu hỏi thường gặp

1. **Khôi phục ảnh bằng bản vá là gì?**  
   Là phương pháp lấp đầy vùng mất dữ liệu bằng cách tìm kiếm và sao chép các vùng ảnh tương tự trong ảnh gốc, giúp giữ nguyên kết cấu và chi tiết.

2. **Phương pháp tối ưu độ tương tự cục bộ có ưu điểm gì?**  
   Giúp chọn bản vá phù hợp nhất dựa trên đặc điểm vùng lân cận, giảm sai số và cải thiện chất lượng ảnh khôi phục so với các phương pháp truyền thống.

3. **Làm thế nào để đánh giá chất lượng ảnh khôi phục?**  
   Sử dụng các chỉ số MSE và PSNR, trong đó PSNR ≥ 37 dB cho thấy ảnh khôi phục có chất lượng cao, gần như không phân biệt với ảnh gốc.

4. **Thuật toán có thể áp dụng cho ảnh màu và video không?**  
   Có, thuật toán được thiết kế để xử lý từng kênh màu riêng biệt và có thể mở rộng cho chuỗi ảnh video với hiệu quả cao.

5. **Thời gian xử lý của thuật toán có phù hợp với ứng dụng thực tế?**  
   Thuật toán đã được tối ưu để giảm thời gian xử lý khoảng 30% so với các phương pháp truyền thống, phù hợp với các ứng dụng xử lý ảnh thời gian thực trong tương lai.

## Kết luận

- Luận văn đã nghiên cứu và phát triển thành công thuật toán khôi phục ảnh dùng bản vá với điều kiện tối ưu độ tương tự cục bộ, nâng cao chất lượng ảnh khôi phục với PSNR trung bình trên 38 dB.  
- Thuật toán vượt trội hơn các phương pháp truyền thống về độ chính xác và tốc độ xử lý, đặc biệt trong xử lý các vùng mất dữ liệu lớn và phức tạp.  
- Nghiên cứu đã áp dụng thành công thuật toán trên ảnh màu và chuỗi ảnh video, mở rộng khả năng ứng dụng trong nhiều lĩnh vực.  
- Đề xuất các hướng phát triển tiếp theo nhằm tối ưu hóa thuật toán cho video, ứng dụng trong y tế và bảo tồn di sản văn hóa.  
- Kêu gọi các nhà nghiên cứu và chuyên gia trong lĩnh vực xử lý ảnh tiếp tục phát triển và ứng dụng thuật toán để nâng cao hiệu quả và phạm vi sử dụng.

Trích đoạn nội dung tài liệu

phần mở đầu và kết luận, luận văn đƣợc chia làm 3 chƣơng, luận văn có các chƣơng nhƣ sau: Chƣơng 1: Tổng quan về bài toán khôi phục ảnh Trình bày các vấn đề đặt ra cần giải quyết trong bài toán khôi phục ảnh, các hƣớng tiếp cận chính xử lý nhiễu ảnh và khôi phục phần ảnh bị mất. Trình bày một số phƣơng pháp. Khôi phục ảnh dựa vào hàm Gaussian, khôi phục ảnh nhanh, khôi phục ảnh Bertalmio. Một số phƣơng pháp khôi phục ảnh khác.

Một số tiêu chí dùng để đánh giá kết quả khôi phục ảnh Số hoá bởi Trung tâm Học liệu – ĐHTN http://www.vn c 2 Chƣơng 2: Khôi phục ảnh từ các bản vá và với điều kiện tối ƣu địa phƣơng. Các thuật toán khôi phục ảnh bằng bản vá sẽ đƣợc trình bày trong mối liên hệ với thuật toán khôi phục ảnh bằng bản vá với tối ƣu địa phƣơng Các thuật toán khôi phục ảnh bằng bản vá có khả năng lấp khoảng trống ảnh bằng cách tổng hợp các vùng ảnh từ một vùng khác. Phƣơng pháp này đƣợc gọi là vá, bởi vì trong mỗi lần điền thông tin, thuật toán điền một mảng các điểm ảnh, chứ không chỉ là một điểm ảnh duy nhất nhƣ trong phƣơng pháp dùng biến phân từng phần. Chƣơng 3: Thực nghiệm và đánh giá Trình bày về việc cài đặt chƣơng trình, xây dựng dữ liệu thực nghiệm với thuật toán khôi phục ảnh có khả năng lấp khoảng trống ảnh bằng cách tổng hợp các vùng ảnh từ bản vá, dựa vào độ tƣơng tự cục bộ, các quá trình thực nghiệm, kết quả.

Số hoá bởi Trung tâm Học liệu – ĐHTN http://www.vn c 3 CHƢƠNG 1: TỔNG QUAN VỀ BÀI TOÁN KHÔI PHỤC ẢNH 1. Một số khái niệm cơ bản 1. Phần tử ảnh (Picture Element) Ảnh trong thực tế là một ảnh liên tục về không gian và về giá trị độ sáng. Để có thể xử lý ảnh bằng máy tính cần thiết phải tiến hành số hoá ảnh.

Trong quá trình số hoá, ngƣời ta biến đổi tín hiệu liên tục sang tín hiệu rời rạc thông qua quá trình lấy mẫu (rời rạc hóa về không gian) và lƣợng hoá thành phần giá trị mà thể về nguyên tắc bằng mắt thƣờng không phân biệt đƣợc hai điểm kề nhau. Trong quá trình này, ngƣời ta sử dụng khái niệm Picture element mà ta quen gọi hay viết là Pixel - phần tử ảnh, ở đây cũng cần phân biệt khái niệm pixel hay đề cập đến trong các hệ thống đồ hoạ máy tính. Để tránh nhầm lẫn ta tạm gọi khái niệm pixel này là pixel thiết bị. Khái niệm pixel thiết bị có thể xem xét nhƣ sau: khi ta quan sát màn hình (trong chế độ đồ hoạ), màn hình không liên tục mà gồm nhiều điểm nhỏ, gọi là pixel.

Mỗi pixel gồm một cặp toạ độ x, y và màu [1]. Hình 1: Mỗi điểm ảnh có một tọa độ x, y, và một giá trị với ảnh xám Số hoá bởi Trung tâm Học liệu – ĐHTN http://www.vn c 4 Cặp toạ độ x, y tạo nên độ phân giải (resolution). Nhƣ màn hình máy tính có nhiều loại với độ phân giải khác nhau: màn hình CGA có độ phân giải là 320 x 200; màn hình VGA là 640 x 350,…. Nhƣ vậy, một ảnh là một tập hợp các điểm ảnh.

Khi đƣợc số hoá, nó thƣờng đƣợc biểu diễn bởi bảng hai chiều I(n,p): n dòng và p cột. Ta nói ảnh gồm n, x, p pixels. Ngƣời ta thƣờng kí hiệu I(x,y) để chỉ một pixel. Thƣờng giá trị của n chọn bằng p và bằng 256.

Hình 1 cho ta thấy việc biểu diễn một ảnh với độ phân giải khác nhau. Một pixel có thể lƣu trữ trên 1, 4, 8 hay 24 bit. Mức xám (Gray level) Mức xám là kết quả sự mã hoá tƣơng ứng một cƣờng độ sáng của mỗi điểm ảnh với một giá trị số kết quả của quá trình lƣợng hoá. Cách mã hoá kinh điển thƣờng dùng 16, 32 hay 64 mức.

Mã hoá 256 mức là phổ dụng nhất do lý do kỹ thuật., 255), nên với 256 mức, mỗi pixel sẽ đƣợc mã hoá bởi 8 bit. Định nghĩa: Mức xám của điểm ảnh là cƣờng độ sáng của nó đƣợc gán bằng giá trị số tại điểm đó. Các thang giá trị mức xám thông thƣờng: 16, 32, 642, 128, 256 ( Mức 256 là mức phổ dụng. Lý do: từ kỹ thuật máy tính dùng 1byte (8 bit) để biểu diễn mức xám: Mức xám dùng 1 byte biểu diễn: 28=256 mức, tức là từ 0 đến 255).

Ảnh đen trắng: là ảnh có hai màu đen, trắng (không chứa màu khác) với mức xám ở các điểm ảnh có thể khác nhau. Số hoá bởi Trung tâm Học liệu – ĐHTN http://www.vn c 5 Ảnh nhị phân: ảnh chỉ có 2 mức đen trắng phân biệt nhau tức dùng 1 bit mô tả 21 mức khác nhau. Nói cách khác: mỗi điểm ảnh của ảnh nhị phân chỉ có thể là 0 và 1. Hình 2: Ảnh xám và đồ thị theo mức xám Ảnh màu: trong khuôn khổ lý thuyết ba màu (Red, Blue, Green) để tạo nên thế giới màu, ngƣời ta thƣờng dùng 3 byte để mô tả mức màu, khi đó các giá trị màu: 28*3 = 224 = 16,7 triệu màu.

Quan hệ giữa ảnh, các điểm ảnh, mức xám Trong biểu diễn ảnh, ngƣời ta thƣờng dùng các phần tử đặc trƣng của ảnh là pixel. Nhìn chung có thể xem một hàm hai biến chứa các thông tin nhƣ biểu diễn của một ảnh. Các mô hình biểu diễn ảnh cho ta một mô tả lôgic hay định lƣợng các tính chất của hàm này. Trong biểu diễn ảnh cần chú ý đến tính trung thực của ảnh hoặc các tiêu chuẩn “thông minh” để đo chất lƣợng ảnh hoặc tính hiệu quả của các kỹ thuật xử lý.

Việc xử lý ảnh số yêu cầu ảnh phải đƣợc mẫu hoá và lƣợng tử hoá. Thí dụ một ảnh ma trận 512 dòng gồm khoảng 512 x 512 pixel. Việc lƣợng tử hoá ảnh là chuyển đổi tín hiệu tƣơng tự sang tín hiệu số (Analog Digital Convert) của một ảnh đã lấy mẫu sang một số hữu hạn mức xám. Một số mô hình thƣờng đƣợc dùng trong biểu diễn ảnh: Mô hình toán, mô hình thống kê.

Trong mô hình toán, ảnh hai chiều đƣợc biểu diễn Số hoá bởi Trung tâm Học liệu – ĐHTN http://www.vn c 6 nhờ các hàm hai biến trực giao gọi là các hàm cơ sở. Các biến đổi này sẽ trình bày kỹ trong chƣơng. Với mô hình thống kê, một ảnh đƣợc coi nhƣ một phần tử của một tập hợp đặc trƣng bởi các đại lƣợng nhƣ: kỳ vọng toán học, hiệp biến, phƣơng sai, moment. Lân cận của điểm ảnh Giả sử một ảnh số đƣợc biểu diễn bằng hàm f(x,y), p và q là cặp điểm ảnh có quan hệ với nhau, điểm ảnh p có tọa độ (x,y).

Định nghĩa các lân cận của điểm ảnh. Lân cận 4 của p kí hiệu N4(p): N4(p)={(x-1,y);(x,y-1);(x,y+1);(x+1,y)} (1.1) Lân cận chéo của p kí hiệu Np(p): Np(p)={(x+1,y+1);(x+1,y-1);(x-1,y+1);(x-1, y-1)} (1.2) Lân cận 8 của p kí hiệu N8(p): N8(p) = N4(p) + Np(p) (1. Mối liên kết điểm ảnh Các mối liên kết đƣợc sử dụng để xác định giới hạn của đối tƣợng hoặc xác định vùng trong một ảnh. Một liên kết đƣợc đặc trƣng bởi tính liền kề giữa các điểm và mức xám của chúng.

Có ba loại liên kết: Liên kết 4: Hai điểm ảnh p và q đƣợc gọi là liên kết 4 nếu q thuộc N4(p) Liên kết 8: Hai điểm ảnh p và q đƣợc gọi là liên kết 8 nếu q thuộc N8(p) Số hoá bởi Trung tâm Học liệu – ĐHTN http://www.vn c 7 Liên kết m (liên kết hỗn hợp): Hai điểm ảnh p và q đƣợc gọi là liên kết hỗn hợp nếu q thuộc N4(p) hoặc q thuộc N8(p) 1. Đo khoảng cách giữa các điểm ảnh Khoảng cách D(p, q) giữa hai điểm ảnh p có tọa độ (x, y), q có tọa độ (s, t) là hàm khoảng cách (Distance) nếu: D(p, q) ≥ 0 (Với D(p, q)=0 khi và chỉ khi p=q) D(p, q) = D(q, p) D(p, z) ≤ D(p, q) + D(q, z); z là một điểm ảnh khác Khoảng cách Euclide giữa hai điểm ảnh p(x, y) và q(s, t) đƣợc định nghĩa nhƣ sau: De(p, q) = [(x - s)2 + (y - t)2]1/2 (1. Tổng quan khôi phục ảnh Việc khôi phục ảnh có nguồn gốc từ việc phục hồi các tác phẩm hội họa, hay còn gọi là phục chế tranh, ở châu Âu các tác phẩm hội họa thời trung cổ bắt đầu đƣợc phục hồi vào thời kỳ Phục hƣng. Các tác phẩm này sau vài trăm năm bị xuống cấp, có nhiều chỗ bị hỏng, bị mờ hoặc thậm chí không còn đƣờng nét, màu sắc.

Những khoảng trống của các tranh đó cần đƣợc vẽ lại. Số hoá bởi Trung tâm Học liệu – ĐHTN http://www. hình bị hỏng b. hình sau khi khôi phục Hình 3: Khôi phục tác phẩm hội họa Sự cần thiết phải chỉnh sửa các tranh hội họa sau này đƣợc áp dụng cho việc khôi phục ảnh chụp và phim.

Mục đích của việc khôi phục là việc khôi phục lại các phần đã bị mất. Phim nhựa để lâu có thể xuất hiện các vết xƣớc hoặc các đốm trắng. Ảnh cũng vậy, giấy ảnh để lâu năm có thể bị trắng xóa vài chỗ. Các chỗ trống này cần đƣợc khôi phục lại.

Trong lĩnh vực ảnh kỹ thuật số, việc khôi phục ảnh đầu tiên xuất hiện nhằm mục đích loại bỏ lỗi, trong khi truyền dữ liệu ảnh số qua mạng, các ảnh này thƣờng đƣợc nén cho nhẹ trƣớc khi gửi đi. Tuy nhiên việc nén ảnh gây ra mất một số vùng của ảnh này. Khi ảnh nén đuợc chuyển đến vị trí đích, ảnh đƣợc mở nén và các vùng ảnh bị mất thông tin do nén, cần đƣợc khôi phục lại. Nhƣ vậy, việc khôi phục ảnh này nhằm làm lọai bỏ lỗi do nén ảnh khi truyền dữ liệu.

Bài toán khôi phục ảnh Bài toán khôi phục ảnh có thể đƣợc nêu nhƣ sau: Cho một ảnh ký hiệu là I và một Ω bên trong I bị mất hoàn toàn thông tin. Việc khôi phục ảnh I là tìm các giá trị phù hợp cho các điểm ảnh Số hoá bởi Trung tâm Học liệu – ĐHTN http://www.vn c 9 trong vùng Ω, sao cho vùng này không khác biệt so với các vùng bao quanh nó. Luận văn này chỉ đề cập đến việc khôi phục ảnh màu nơi có các vùng ảnh bị mất hoàn toàn thông tin. Việc khôi phục ảnh vẫn còn một phần thông tin nhƣ ảnh bị mờ, ảnh có nhiễu, là một bài toán khác mà luận văn sẽ không đề cập đến.

ảnh bị hỏng b. mặt na, xác định vị c. ảnh đã đƣợc khôi trí cần khôi phục phục Hình 4: Khôi phục ảnh đen trắng 1. Ứng dụng khôi phục ảnh Khôi phục ảnh có nhiều mục đích.

Một là để khôi phục lại các phần bị hƣ hỏng của một ảnh.