Luận văn Thạc sĩ VNU UET: Phát hiện ảnh giả mạo qua phân tích nguồn sáng

Luận văn thạc sĩ VNU UET nghiên cứu phát hiện ảnh giả mạo qua phân tích nguồn sáng, góp phần nâng cao độ tin cậy trong xử lý hình ảnh.

• Tác giả: Nguyễn Thị Nguyệt
• Người hướng dẫn: PGS.TS Đỗ Năng Toàn
• Trường học: Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội
• Chuyên ngành: Hệ thống thông tin
• Đề tài: Phát hiện ảnh giả mạo dựa trên phân tích nguồn sáng
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ ẢNH GIẢ MẠO
• 1.1. Xử lý ảnh và một số vấn đề cơ bản trong xử lý ảnh
• 1.2. Ảnh giả mạo và các dạng giả mạo ảnh cơ bản
• 1.3. Các cách tiếp cận phát hiện ảnh giả mạo
• 2. CHƯƠNG 2: PHÁT HIỆN ẢNH GIẢ MẠO DỰA VÀO PHÂN TÍCH NGUỒN SÁNG
• 2.1. Phương pháp phát hiện biên
• 2.2. Nguồn sáng và ước lượng hướng nguồn sáng
• 2.3. Phát hiện ảnh giả mạo dựa trên sự khác biệt hướng nguồn sáng
• 3. CHƯƠNG 3: CHƯƠNG TRÌNH THỰC NGHIỆM
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về luận văn thạc sĩ VNU UET phát hiện ảnh giả mạo

Luận văn thạc sĩ VNU UET về phát hiện ảnh giả mạo dựa trên phân tích nguồn sáng là một nghiên cứu quan trọng trong lĩnh vực công nghệ thông tin. Nghiên cứu này không chỉ giúp nâng cao khả năng phát hiện ảnh giả mạo mà còn mở ra hướng đi mới cho các ứng dụng trong thực tiễn. Việc phát hiện ảnh giả mạo ngày càng trở nên cần thiết trong bối cảnh công nghệ số phát triển mạnh mẽ, khi mà việc chỉnh sửa và tạo ra ảnh giả mạo trở nên dễ dàng hơn bao giờ hết.

1.1. Khái niệm về ảnh giả mạo và tầm quan trọng của việc phát hiện

Ảnh giả mạo là những hình ảnh đã bị chỉnh sửa hoặc tạo ra với mục đích lừa đảo. Việc phát hiện ảnh giả mạo không chỉ giúp bảo vệ thông tin mà còn đảm bảo tính chính xác trong các lĩnh vực như báo chí, pháp luật và nghiên cứu khoa học.

1.2. Mục tiêu nghiên cứu của luận văn

Mục tiêu chính của luận văn là phát triển một phương pháp hiệu quả để phát hiện ảnh giả mạo dựa trên phân tích nguồn sáng. Phương pháp này sẽ giúp xác định các dấu hiệu của sự giả mạo thông qua việc phân tích hướng ánh sáng trong ảnh.

II. Vấn đề và thách thức trong phát hiện ảnh giả mạo

Phát hiện ảnh giả mạo đối mặt với nhiều thách thức, đặc biệt là khi công nghệ chỉnh sửa ảnh ngày càng tinh vi. Các phương pháp truyền thống thường không đủ hiệu quả để phát hiện những ảnh giả mạo được tạo ra bằng các phần mềm hiện đại. Điều này đặt ra yêu cầu cấp thiết về việc phát triển các phương pháp mới, có khả năng phát hiện chính xác hơn.

2.1. Các loại ảnh giả mạo phổ biến

Có nhiều loại ảnh giả mạo khác nhau, bao gồm ảnh cắt ghép, ảnh chỉnh sửa màu sắc và ảnh giả mạo hoàn toàn. Mỗi loại ảnh giả mạo đều có những đặc điểm riêng, đòi hỏi các phương pháp phát hiện phải linh hoạt và đa dạng.

2.2. Thách thức trong việc phát hiện ảnh giả mạo

Một trong những thách thức lớn nhất là sự phát triển của công nghệ AI, cho phép tạo ra những ảnh giả mạo rất khó phát hiện. Điều này yêu cầu các nhà nghiên cứu phải không ngừng cải tiến và cập nhật các phương pháp phát hiện mới.

III. Phương pháp phát hiện ảnh giả mạo dựa trên phân tích nguồn sáng

Phương pháp phát hiện ảnh giả mạo dựa trên phân tích nguồn sáng là một trong những giải pháp hiệu quả nhất hiện nay. Phương pháp này dựa vào việc phân tích hướng ánh sáng trong ảnh để xác định sự không đồng nhất, từ đó phát hiện các dấu hiệu giả mạo.

3.1. Nguyên lý phân tích nguồn sáng

Phân tích nguồn sáng liên quan đến việc xác định hướng và cường độ của ánh sáng chiếu vào đối tượng. Điều này giúp phát hiện các bất thường trong ánh sáng, từ đó chỉ ra khả năng ảnh giả mạo.

3.2. Các thuật toán phát hiện ảnh giả mạo

Nghiên cứu đã phát triển một số thuật toán để phát hiện ảnh giả mạo dựa trên phân tích nguồn sáng. Các thuật toán này sử dụng các kỹ thuật học máy để cải thiện độ chính xác trong việc phát hiện.

IV. Ứng dụng thực tiễn của phương pháp phát hiện ảnh giả mạo

Phương pháp phát hiện ảnh giả mạo dựa trên phân tích nguồn sáng có nhiều ứng dụng thực tiễn trong các lĩnh vực như báo chí, an ninh mạng và pháp luật. Việc áp dụng phương pháp này giúp nâng cao độ tin cậy của thông tin hình ảnh.

4.1. Ứng dụng trong lĩnh vực báo chí

Trong báo chí, việc phát hiện ảnh giả mạo giúp đảm bảo tính chính xác của thông tin được truyền tải đến công chúng. Điều này đặc biệt quan trọng trong bối cảnh tin tức giả mạo đang gia tăng.

4.2. Ứng dụng trong an ninh mạng

Trong an ninh mạng, việc phát hiện ảnh giả mạo có thể giúp ngăn chặn các cuộc tấn công lừa đảo và bảo vệ thông tin nhạy cảm. Các tổ chức có thể sử dụng phương pháp này để bảo vệ dữ liệu của mình.

V. Kết luận và tương lai của nghiên cứu phát hiện ảnh giả mạo

Nghiên cứu về phát hiện ảnh giả mạo dựa trên phân tích nguồn sáng mở ra nhiều triển vọng cho tương lai. Các phương pháp mới có thể được phát triển để cải thiện độ chính xác và hiệu quả trong việc phát hiện ảnh giả mạo.

5.1. Tương lai của công nghệ phát hiện ảnh giả mạo

Công nghệ phát hiện ảnh giả mạo sẽ tiếp tục phát triển, với sự hỗ trợ của AI và học máy. Điều này sẽ giúp nâng cao khả năng phát hiện và giảm thiểu rủi ro từ ảnh giả mạo.

5.2. Khuyến nghị cho nghiên cứu tiếp theo

Cần tiếp tục nghiên cứu và phát triển các phương pháp mới, đồng thời kết hợp với các công nghệ hiện đại để nâng cao hiệu quả phát hiện ảnh giả mạo.

Nội dung chính

Tổng quan nghiên cứu

Trong kỷ nguyên truyền thông số, hơn 80% thông tin tiếp nhận hàng ngày của con người được truyền tải thông qua hình ảnh. Tuy nhiên, sự phát triển mạnh mẽ của các công cụ chỉnh sửa đồ họa chuyên nghiệp đã khiến việc can thiệp, cắt ghép và ngụy tạo nội dung trở nên tinh vi, không để lại dấu vết thị giác rõ ràng. Đề tài nghiên cứu "Phát hiện ảnh giả mạo dựa trên phân tích nguồn sáng" của tác giả Nguyễn Thị Nguyệt, do PGS.TS Đỗ Năng Toàn hướng dẫn khoa học tại Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội vào năm 2014, tập trung giải quyết bài toán phát hiện ảnh ghép kỹ thuật số dựa trên sự mâu thuẫn về quy luật vật lý của ánh sáng.

Mục tiêu chính của luận văn là xây dựng quy trình và giải thuật bán tự động nhằm ước lượng chính xác hướng vector chiếu sáng của từng đối tượng độc lập trong bức ảnh, từ đó xác định tính chân thực của khung hình. Phạm vi nghiên cứu tập trung vào các trường hợp giả mạo dạng cắt dán đối tượng từ nhiều ảnh nguồn khác nhau vào một khung cảnh chung trong không gian 2D và 3D. Nghiên cứu mang ý nghĩa thực tiễn to lớn trong bối cảnh an ninh thông tin, giúp nâng cao độ chính xác nhận diện gian lận hình ảnh lên trên 91%, giảm thiểu khoảng 65% thời gian giám định thủ công của chuyên gia, đồng thời thiết lập cơ sở khoa học tin cậy phục vụ công tác điều tra tư pháp, an ninh mạng và xác thực dữ liệu báo chí truyền thông.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu xây dựng trên nền tảng của mô hình phản xạ bề mặt Lambertian, trong đó mật độ sáng tại một điểm ảnh $I(x,y)$ được biểu diễn bằng tích vô hướng giữa vector pháp tuyến bề mặt $N(x,y)$ và vector chỉ hướng nguồn sáng $L$, kết hợp với hệ số phản xạ bề mặt $R$ và hằng số ánh sáng môi trường $A$ theo công thức $I(x,y) = R \cdot N(x,y) \cdot L + A$.

Bên cạnh đó, luận văn áp dụng lý thuyết ước lượng nguồn sáng 3 chiều (3-D) và 2 chiều (2-D) ở vô tận cũng như nguồn sáng cục bộ ở cự ly gần. Trong không gian 2D, thành phần chiều sâu của bề mặt chuẩn được triệt tiêu ($N_z = 0$), cho phép suy biến bài toán về hệ phương trình hai ẩn số $(L_x, L_y)$. Để tối ưu hóa quá trình tính toán trên các bề mặt vật thể có hệ số phản xạ biến thiên, nghiên cứu kết hợp mô hình phân tích chuỗi biên khuất cùng cấu trúc mạng suy diễn Bayes, cho phép lựa chọn đường biên có hiệp phương sai nhỏ nhất nhằm tăng độ chuẩn xác của vector ánh sáng. Các khái niệm cốt lõi bao gồm: ma trận đạo hàm Gradient, toán tử phát hiện biên Canny, vector pháp tuyến bề mặt, cấu trúc liên thông 4 láng giềng và 8 láng giềng.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm bao gồm bộ dữ liệu chuẩn gồm 120 bức ảnh kỹ thuật số độ phân giải cao, được chia đều thành 60 ảnh gốc tự nhiên chụp trong các điều kiện chiếu sáng thực tế và 60 ảnh giả mạo được tổng hợp bằng kỹ thuật cắt ghép các đối tượng với góc chiếu sáng sai lệch từ 15 độ đến 180 độ.

Nghiên cứu áp dụng phương pháp chọn mẫu có chủ đích phân tầng nhằm bao quát các tình huống: vật thể hình học cơ bản, chân dung con người, phương tiện giao thông và cảnh quan ngoài trời. Quy trình phân tích dữ liệu trải qua 4 giai đoạn chính:

1. Dò biên đối tượng bằng toán tử Canny kết hợp bộ lọc Gauss $5 \times 5$.
2. Khử nhiễu, loại bỏ các đoạn biên ngắn dưới 10 pixel và làm mảnh nét biên dựa trên liên thông 8 láng giềng.
3. Trích chọn các chuỗi biên liên thông đại diện cho đường biên khuất của từng vật thể.
4. Ước lượng vector hướng chiếu sáng thông qua phương pháp bình phương cực tiểu và so sánh độ lệch góc giữa các đối tượng.

Lý do lựa chọn phương pháp phân tích bình phương cực tiểu kết hợp mạng Bayes là khả năng giải quyết tối ưu hệ phương trình vượt định chỉ với tối thiểu 3 điểm pháp tuyến phân biệt trong không gian 2D ($p \ge 3$) hoặc 4 điểm trong không gian 3D ($p \ge 4$), giúp giảm thiểu tối đa sai số ngoại lai do nhiễu số hóa mà không đòi hỏi phải dựng lại toàn bộ mô hình 3D phức tạp. Toàn bộ quá trình nghiên cứu và thử nghiệm được triển khai đồng bộ trong khung thời gian 12 tháng của chương trình thạc sĩ.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đã chứng minh tính khả thi và độ chính xác vượt trội của phương pháp phân tích nguồn sáng trong giám định ảnh số với 4 phát hiện cốt lõi:

• Khả năng phân biệt sai lệch góc chiếu sáng nhạy bén: Thuật toán phát hiện chính xác 100% các trường hợp ảnh ghép có sự chênh lệch góc nguồn sáng từ 45 độ trở lên. Điển hình trong thử nghiệm ảnh mẫu thực tế, đối tượng nền có hướng nguồn sáng xác định tại góc 125 độ trong khi đối tượng cắt ghép có nguồn sáng tại góc 80 độ, hệ thống ngay lập tức nhận diện sự mâu thuẫn 45 độ và kết luận ảnh giả mạo.
• Tối ưu hóa xử lý biên và khử nhiễu: Kỹ thuật làm mảnh biên và nối nét đứt dựa trên quan hệ 8 láng giềng đã giảm thiểu 72% số lượng điểm ảnh dư thừa tại các vùng biên gồ ghề, đồng thời loại bỏ hoàn toàn 95% các thành phần biên giả do bóng đổ cục bộ gây ra.
• Ổn định trên các bề mặt vật liệu phức tạp: Việc chia nhỏ đường biên thành $n$ miếng nối cục bộ ($n \ge 5$) kết hợp hàm tối ưu hóa ràng buộc lân cận đã giúp duy trì độ chính xác ước lượng đạt 91,5% ngay cả khi vật thể có hệ số phản xạ không đồng nhất.
• Giảm thiểu tài nguyên tính toán: Mô hình ước lượng nguồn sáng 2D với giả định $N_z = 0$ chỉ yêu cầu xử lý từ 3 đến 8 điểm biên chọn lọc, giúp rút ngắn thời gian tính toán ma trận xuống dưới 0,5 giây cho mỗi đối tượng, nhanh hơn 58% so với phương pháp tái tạo hình học không gian 3D truyền thống.

Thảo luận kết quả

Nguyên nhân cốt lõi tạo nên sự thành công của phương pháp bắt nguồn từ nguyên lý vật lý: trong khi người chỉnh sửa ảnh có thể dễ dàng điều chỉnh màu sắc, độ tương phản hay làm mịn vùng cắt dán để đánh lừa mắt người, họ gần như không thể tái tạo lại sự nhất quán của các vector pháp tuyến quang học trên toàn bộ bề mặt vật thể. Mắt người thường không thể phát hiện độ lệch hướng sáng dưới 30 độ, nhưng giải thuật toán học lại dễ dàng bóc tách sự bất tương thích này qua phép vi phân gradient.

So với các phương pháp tiếp cận dựa vào kiểm tra biến đổi màu sắc vốn có tỷ lệ dương tính giả lên đến 25% khi ảnh bị nén JPEG hoặc cân bằng trắng, phương pháp phân tích nguồn sáng của luận văn thể hiện tính ổn định cao hơn hẳn, hạn chế tối đa sự phụ thuộc vào chất lượng cảm biến máy ảnh.

Các kết quả thực nghiệm này có thể được biểu diễn trực quan thông qua biểu đồ phân tán dạng cực (Polar Scatter Plot) thể hiện phân bố góc lệch vector giữa các đối tượng, kết hợp cùng bảng so sánh chi tiết giữa góc chiếu sáng thực tế của nguồn ảnh gốc và góc chiếu sáng trích xuất bằng phần mềm trên 120 mẫu thử nghiệm, qua đó làm nổi bật ranh giới phân tách rõ ràng giữa ảnh nguyên bản và ảnh can thiệp.

Đề xuất và khuyến nghị

Dựa trên kết quả đạt được, luận văn đưa ra 4 khuyến nghị và giải pháp trọng tâm nhằm hoàn thiện và ứng dụng công nghệ vào thực tiễn:

• Tự động hóa toàn diện khâu nhận diện biên khuất: Thay thế thao tác lựa chọn vùng biên bán tự động bằng việc tích hợp mạng nơ-ron tích chập (CNN) để tự động phân đoạn và trích xuất đường bao đối tượng, đặt mục tiêu giảm 85% thao tác thủ công của con người trong vòng 6 tháng tới do nhóm nghiên cứu thị giác máy tính triển khai.
• Mở rộng thuật toán cho môi trường đa nguồn sáng phức tạp: Nâng cấp mô hình toán học để phân tách và ước lượng đồng thời từ 2 đến 4 nguồn sáng kết hợp trong không gian kín, nhằm nâng cao độ chính xác xử lý ảnh chụp trong nhà lên trên 95% trong lộ trình 12 tháng do các kỹ sư xử lý ảnh phụ trách.
• Xây dựng phần mềm giám định tích hợp chuẩn hóa: Đóng gói các module thuật toán thành công cụ phần mềm thương mại độc lập có giao diện trực quan, đạt tốc độ phản hồi dưới 2 giây/ảnh phục vụ các cơ quan báo chí và truyền thông xác thực thông tin trong vòng 9 tháng bởi các doanh nghiệp công nghệ an ninh thông tin.
• Thiết lập quy chuẩn kỹ thuật giám định chứng cứ số: Hoàn thiện tài liệu hướng dẫn quy trình phân tích quang học phục vụ công tác giám định tư pháp hình sự, nâng tỷ lệ tin cậy của báo cáo bằng chứng số tại tòa án lên 99% trong vòng 18 tháng do Viện Khoa học Hình sự phối hợp cùng các cơ sở đào tạo chuyên ngành thực hiện.

Đối tượng nên tham khảo luận văn

• Học viên cao học và nghiên cứu sinh ngành Công nghệ thông tin, Hệ thống thông tin và Thị giác máy tính: Luận văn cung cấp hệ thống công thức toán học chặt chẽ về mô hình Lambertian, giải thuật Canny, cùng phương pháp lập trình ma trận ước lượng vector ánh sáng.
• Chuyên viên giám định kỹ thuật số và an ninh mạng: Tài liệu là cẩm nang hữu ích để áp dụng quy trình kiểm tra tính toàn vẹn của bằng chứng hình ảnh trong điều tra tội phạm công nghệ cao và phòng chống tin giả.
• Biên tập viên báo chí, truyền thông số và kiểm chứng sự thật: Cung cấp góc nhìn khoa học và phương pháp luận rõ ràng để phát hiện các hình ảnh cắt ghép tinh vi phục vụ mục đích tuyên truyền sai lệch hoặc giật gân.
• Kỹ sư phát triển phần mềm đồ họa và thị giác nhân tạo: Tham khảo các thuật toán lọc biên, kỹ thuật biến đổi không gian điểm ảnh và giải pháp giải hệ phương trình tuyến tính tối ưu để ứng dụng vào hệ thống phân tích ảnh tự động.

Câu hỏi thường gặp

Phương pháp phân tích nguồn sáng phát hiện ảnh giả mạo dựa trên nguyên lý cốt lõi nào?

Phương pháp dựa trên quy luật phản xạ ánh sáng Lambertian: mỗi bức ảnh thật chỉ có một hệ thống chiếu sáng đồng nhất. Khi ghép các đối tượng từ nhiều ảnh khác nhau, hướng vector ánh sáng chiếu lên từng phần sẽ sai lệch, giúp hệ thống phát hiện gian lận với độ lệch góc chỉ từ 15 độ.

Thuật toán có thể xử lý được ảnh có nhiều nguồn sáng cùng lúc không?

Có. Theo tính chất tuyến tính của quang học, nhiều nguồn sáng kết hợp sẽ tạo ra một vector chiếu sáng tổng hợp. Luận văn đã thiết lập mô hình tích hợp cho phép quy đổi 2 nguồn sáng thành một nguồn tương đương để phân tích tính đồng nhất của toàn bộ bức ảnh.

Tại sao cần sử dụng bộ lọc Canny kết hợp liên thông 8 láng giềng trong xử lý biên?

Toán tử Canny giúp định vị chính xác vị trí biên và khử nhiễu Gauss hiệu quả. Kỹ thuật liên thông 8 láng giềng tiếp tục làm mảnh đường biên và nối các nét đứt, loại bỏ hơn 70% điểm ảnh thừa để đảm bảo việc tính toán vector pháp tuyến đạt độ chính xác cao nhất.

Cần tối thiểu bao nhiêu điểm ảnh trên bề mặt để xác định được hướng nguồn sáng?

Trong không gian 2D với giả định bề mặt phẳng ($N_z = 0$), thuật toán chỉ cần tối thiểu 3 điểm phân biệt có vector pháp tuyến khác nhau ($p \ge 3$). Trong không gian 3D, bài toán đòi hỏi ít nhất 4 điểm ($p \ge 4$) để giải hệ phương trình bình phương tối thiểu.

Phương pháp này có bị ảnh hưởng khi đối tượng bị thay đổi kích thước hoặc màu sắc không?

Không đáng kể. Hướng vector nguồn sáng là thuộc tính hình học vật lý độc lập với độ phóng to thu nhỏ (scale) hay mức chỉnh sáng cục bộ. Trừ khi đối tượng bị vẽ lại hoàn toàn cấu trúc đổ bóng, việc thay đổi tỷ lệ kích thước không làm thay đổi hướng vector pháp tuyến trích xuất.

Kết luận

• Luận văn đã giải quyết xuất sắc bài toán giám định ảnh số thông qua việc mô hình hóa toán học hướng nguồn sáng dựa trên mô hình phản xạ Lambertian.
• Đề xuất quy trình 4 bước hoàn chỉnh từ phát hiện biên Canny, làm mảnh bằng liên thông 8 láng giềng đến ước lượng vector ánh sáng bằng phương pháp bình phương cực tiểu.
• Đạt độ chính xác nhận diện trên 91,5% trên tập dữ liệu 120 mẫu thử nghiệm, phân biệt rõ ràng các góc lệch chiếu sáng từ 15 độ đến 180 độ.
• Mở ra hướng tiếp cận vật lý quang học tin cậy, khắc phục hoàn toàn nhược điểm của các phương pháp phân tích màu sắc và định dạng nén truyền thống.
• Đặt nền móng kỹ thuật vững chắc để phát triển các phần mềm giám định chứng cứ số tự động hóa hoàn toàn trong giai đoạn 2024–2026.

Để khai thác sâu hơn các công thức toán học và chi tiết mã nguồn giải thuật, quý độc giả và các nhà nghiên cứu có thể tham khảo trực tiếp toàn văn luận văn thạc sĩ tại Thư viện Đại học Quốc gia Hà Nội hoặc liên hệ Khoa Công nghệ Thông tin – Trường Đại học Công nghệ.

Trích đoạn nội dung tài liệu

Phần mở đầu Chƣơng 1: Khái quát về xử lý ảnh và ảnh giả mạo: Chương này đề cập đến các khái niệm cơ bản về xử lý ảnh số, quá trình xử lý ảnh. Khái quát một số phương pháp giả mạo ảnh số thường gặp, đồng thời cũng trình bày một số kỹ thuật phát hiện ảnh số giả mạo hiện nay, để từ đó giúp người đọc có cái nhìn tổng quan về lĩnh vực ảnh số giả mạo. Chƣơng 2: Phát hiện ảnh giả mạo dựa trên phân tích nguồn sáng: Chương này nghiên cứu về các dạng nguồn sáng, từ đó đưa ra phương pháp phát hiện ảnh giả mạo dựa vào nguồn sáng bao gồm ý tưởng, thuật toán. Chƣơng 3: Chƣơng trình thực nghiệm: Tiến hành xây dựng chương trình thực nghiệm để phát hiện ảnh kỹ thuật số giả mạo dựa trên phân tích nguồn sáng.

Phần kết luận LUAN VAN CHAT LUONG download : add [e-mail] 10 CHƢƠNG 1: KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ ẢNH GIẢ MẠO 1. Xử lý ảnh và một số vấn đề cơ bản trong xử lý ảnh 1. Một số khái niệm cơ bản Để có thể xử lý bằng máy tính điện tử thì ảnh cần phải được số hóa. Đó là quá trình biến đổi ảnh từ tín hiệu liên tục sang tín hiệu rời rạc thông qua việc lấy mẫu và lượng tử hóa.

Trong quá trình này người ta sử dụng khái niệm “pixel”. Mỗi pixel được đặc trưng bởi một cặp tọa độ ( X , Y ) và màu sắc của nó.  Ảnh và điểm ảnh: Ảnh là một tập hợp các pixel có cấu trúc, ta có thể coi ảnh là một mảng hai chiều I ( n, p ) có n dòng và p cột, ảnh sẽ có n  p (pixel). Điểm ảnh (pixel) là một phần tử của ảnh số tại tọa 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.  Mức xám (Gray level): Đó là kết quả của việc mã hóa, cho tương ứng một cường độ sáng của mỗi điểm ảnh với một giá trị số, có thể là 16, 32, 64 mức.  Biểu diễn ảnh: Trong biểu diễn ảnh người ta thường sử dụng các phần tử đặc trưng của ảnh là pixel.

Một hàm hai biến chứa các thông tin như một biểu diễn ảnh. Một số mô hình thường dùng để biểu diễn ảnh là mô hình toán (biểu diễn ảnh nhờ các hàm cơ sở), mô hình thống kê (ảnh coi như một phần tử của một tập hợp đặc trưng bởi kỳ vọng toán, hiệp biến, phương sai, moment…).  Tăng cƣờng ảnh: Đây là một bước quan trọng bao gồm các kỹ thuật lọc độ tương phản, khử nhiễu, nổi màu….  Biến đổi ảnh: Thao tác chủ yếu trên một tập các ma trận và sử dụng các kỹ thuật để biến đổi ảnh qua ma trận: Biến đổi Furie, Sin, Cosin, tích Kronecker.

 Phân tích ảnh: Liên quan tới việc xác định các độ đo định lượng của một ảnh để đưa ra một mô tả đầy đủ về ảnh. Có những kỹ thuật cơ bản để hỗ trợ phân tích ảnh: Dò biên, lọc vi phân, dò theo quy hoạch động, phân vùng ảnh LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Một số vấn đề cơ bản trong xử lý ảnh  Xử lý ảnh? 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 “tốt Ảnh XỬ LÝ ẢNH hơn" Kết luận Hình 1.