Tổng quan nghiên cứu

Trong thời đại số hóa thông tin, hơn 80% dữ liệu tổ chức vẫn tồn tại dưới dạng tài liệu giấy hoặc ảnh chụp chất lượng thấp. Ảnh tài liệu thu nhận từ điện thoại, máy scan hay camera thường gặp các vấn đề nghiêm trọng: mờ nhòe, nhiễu nền, nghiêng lệch, mực thấm qua giấy hai mặt — đặc biệt với các tài liệu lịch sử lưu giữ hàng trăm năm, chỉ cần chạm nhẹ là tan vụn.

Luận văn thạc sĩ "Nghiên cứu các thuật toán nâng cao chất lượng ảnh số và ứng dụng trong ảnh tài liệu" của tác giả Lê Như Tùng, thực hiện tại Trường Đại học Công nghệ Thông tin và Truyền thông — Đại học Thái Nguyên (2016), dưới sự hướng dẫn của PGS. Ngô Quốc Tạo, tập trung giải quyết bài toán này một cách có hệ thống.

Nghiên cứu hướng đến hai mục tiêu cốt lõi: (1) khảo sát và đánh giá các phương pháp tiêu biểu trong nâng cao chất lượng ảnh tài liệu gồm lọc nhiễu, bù nghiêng và giảm mờ; (2) cài đặt thử nghiệm mô phỏng bằng công cụ Matlab nhằm chứng minh tính đúng đắn và khả năng ứng dụng thực tế của các thuật toán được lựa chọn.

Phạm vi nghiên cứu bao gồm ba nhóm thuật toán chính: lọc nhiễu (Gaussian, muối tiêu, lốm đốm), khử mờ (Lucy-Richardson, Blind Deconvolution, lọc Wiener) và bù nghiêng (biến đổi Hough, phương pháp láng giềng gần nhất, chiếu nghiêng). Nghiên cứu được thực hiện trong khuôn khổ đề tài "Hệ thống đeo tay hỗ trợ đọc sách tiếng Việt dành cho người khiếm thị" (Mã số VAST01.07/15-16), qua đó khẳng định ý nghĩa xã hội quan trọng: góp phần bảo tồn di sản phi vật thể và hỗ trợ nhóm người dùng đặc biệt tiếp cận thông tin.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn xây dựng nền tảng lý thuyết từ hai hướng tiếp cận chính trong xử lý ảnh số.

Lý thuyết xử lý ảnh trong miền không gian tác động trực tiếp lên từng điểm ảnh (pixel) theo công thức g(x,y) = T[f(x,y)], trong đó T là toán tử biến đổi. Phương pháp này cho phép lọc nhiễu cục bộ bằng các cửa sổ trượt kích thước 3×3, 5×5 hoặc 7×7, phù hợp với bài toán khử nhiễu cộng và nhiễu xung trên ảnh tài liệu.

Lý thuyết xử lý ảnh trong miền tần số dựa trên Biến đổi Fourier Rời rạc (DFT). Ảnh f(x,y) được biến đổi sang miền tần số F(u,v), áp dụng hàm truyền H(u,v), rồi biến đổi ngược để thu ảnh G(u,v). Cách tiếp cận này đặc biệt hiệu quả với nhiễu tuần hoàn và hiện tượng mờ ảnh — khi miền tần số làm cho khái niệm lọc trở nên trực quan hơn nhiều so với miền không gian.

Năm khái niệm chuyên ngành cốt lõi được làm rõ trong luận văn:

  • PSF (Point Spread Function) — hàm tán xạ điểm, mô tả mức độ làm mờ của hệ thống quang học
  • OTF (Optical Transfer Function) — hàm truyền quang, là biến đổi Fourier của PSF
  • COC (Circle of Confusion) — vòng tròn nhầm lẫn, đặc trưng cho mờ ngoài tiêu cự
  • PSNR (Peak Signal-to-Noise Ratio) — tỷ số tín nhiễu cực đại, dùng định lượng chất lượng ảnh đầu ra
  • MSE (Mean Squared Error) — sai lỗi trung bình bình phương, đánh giá độ sai lệch giữa ảnh phục hồi và ảnh gốc

Phương pháp nghiên cứu

Nghiên cứu áp dụng ba phương pháp song song:

Phương pháp nghiên cứu lý thuyết tổng hợp hệ thống các công trình công bố từ 2009 đến 2015, bao gồm các tác giả Moghaddam & Cheriet (2009), Deborah & Arymurthy (2010), Zhao và cộng sự (2011), Nandhini et al. (2012), Coustaty et al. (2013), Singh & Sharma (2014), và Kale và cộng sự (2015).

Phương pháp thực nghiệm triển khai mô phỏng trên phần mềm Matlab với bộ dữ liệu ảnh tài liệu thực tế. Các thuật toán được kiểm nghiệm trên 3 bảng kết quả định lượng so sánh: (1) bảng kết quả lọc nhiễu, (2) bảng kết quả khử mờ, (3) bảng kết quả bù nghiêng. Cỡ mẫu bao gồm nhiều loại ảnh tài liệu với các mức độ suy giảm chất lượng khác nhau, được chọn theo phương pháp có chủ đích nhằm bao phủ đầy đủ các tình huống nhiễu thực tế. Lý do lựa chọn Matlab là do ngôn ngữ này cung cấp thư viện xử lý tín hiệu và ảnh đầy đủ, hỗ trợ tính toán ma trận hiệu quả — điều kiện thiết yếu khi triển khai DFT và các bộ lọc không gian.

Phương pháp trao đổi khoa học thông qua seminar, thảo luận chuyên gia, đảm bảo tính khách quan trong đánh giá kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Phát hiện 1: Lọc nhiễu — không có bộ lọc vạn năng. Thực nghiệm cho thấy lọc trung bình (Mean Filter) cho kết quả tốt với nhiễu Gaussian nhưng thất bại với nhiễu xung, trong khi lọc trung vị (Median Filter) xử lý hiệu quả nhiễu muối tiêu (salt-and-pepper) song lại kém hiệu năng khi số điểm nhiễu trong cửa sổ vượt quá 50% tổng số pixel. Bộ lọc H1 (trung bình đều, trọng số 1/9) giảm năng lượng nhiễu xuống 9 lần, trong khi lọc giả trung vị tăng tốc độ xử lý đáng kể so với lọc trung vị truyền thống với chất lượng tương đương. Nếu biểu diễn bằng biểu đồ cột, PSNR đầu ra của lọc trung vị vượt lọc trung bình khoảng 15–20% trên ảnh nhiễu xung.

Phát hiện 2: Khử mờ — Blind Deconvolution vượt trội trong điều kiện PSF chưa biết. Thuật toán Lucy-Richardson hội tụ đến lời giải tối ưu qua quá trình lặp lại, phù hợp khi PSF đã biết trước. Ngược lại, Blind Deconvolution ước lượng PSF trực tiếp từ ảnh mờ — điều này mang lại lợi thế thực tế lớn vì trong hầu hết trường hợp chụp tài liệu bằng điện thoại, PSF không xác định được. Lọc Wiener cho kết quả ổn định hơn khi tỷ số SNR thấp, đặc biệt với ảnh mờ do chuyển động.

Phát hiện 3: Bù nghiêng — Hough Transform chiếm ưu thế về độ chính xác. Nghiên cứu xác nhận rằng ngay cả khi góc nghiêng văn bản chỉ khoảng 5°, các bước xử lý OCR tiếp theo bị ảnh hưởng nghiêm trọng. Biến đổi Hough phát hiện chính xác góc nghiêng trong khoảng từ −10° đến +10°, trong khi phương pháp chiếu nghiêng và láng giềng gần nhất nhanh hơn nhưng kém chính xác hơn ở các góc lớn. Bảng so sánh ba phương pháp cho thấy Hough dẫn đầu về độ chính xác góc ước lượng.

Phát hiện 4: Thuật toán di truyền đạt tỷ lệ phục hồi 92,9% so với 59,5% của lọc trung bình. Theo kết quả của Deborah & Arymurthy (2010) được tổng hợp trong luận văn, thuật toán di truyền cải thiện khả năng phục hồi ảnh tài liệu cũ gần gấp 1,6 lần so với phương pháp lọc trung bình đơn thuần, mở ra hướng ứng dụng các kỹ thuật tính toán mềm trong tiền xử lý ảnh.

Thảo luận kết quả

Điểm đặc biệt trong phát hiện của luận văn là tính đặc thù theo loại ảnh: không có thuật toán nào hoạt động tốt trong mọi điều kiện. Điều này nhất quán với nhận định của Nandhini et al. (2012) và Singh & Sharma (2014). Nguyên nhân sâu xa nằm ở mâu thuẫn cố hữu: lọc mạnh giảm nhiễu hiệu quả nhưng đồng thời làm mờ chi tiết, trong khi lọc nhẹ giữ được nét nhưng để lại nhiễu dư. Giải pháp lai ghép ngưỡng toàn cục và địa phương (Kale et al., 2015) là hướng đi hứa hẹn, khi giảm chi phí tính toán mà vẫn duy trì độ chính xác cao trên nhiều loại nhiễu khác nhau.

Đề xuất và khuyến nghị

Từ kết quả nghiên cứu, luận văn đề xuất bốn nhóm giải pháp cụ thể:

1. Triển khai pipeline tiền xử lý ba bước chuẩn hóa cho hệ thống OCR. Các tổ chức lưu trữ số và doanh nghiệp sử dụng phần mềm nhận dạng văn bản nên áp dụng tuần tự: bù nghiêng → lọc nhiễu → khử mờ trước khi đưa ảnh vào hệ OCR. Mục tiêu: nâng tỷ lệ nhận dạng chính xác lên ít nhất 15% so với xử lý ảnh thô. Chủ thể thực hiện: bộ phận CNTT các cơ quan lưu trữ nhà nước và doanh nghiệp tư nhân. Timeline: có thể triển khai ngay trong vòng 3–6 tháng bằng các thư viện mã nguồn mở sẵn có.

2. Xây dựng bộ công cụ lựa chọn thuật toán thích nghi theo loại nhiễu. Thay vì áp dụng cố định một bộ lọc, cần phát triển module phân tích ảnh đầu vào để tự động nhận diện loại nhiễu chủ đạo (Gaussian, xung hay lốm đốm) và chọn bộ lọc phù hợp. Mục tiêu: giảm sai số trung bình MSE xuống dưới 5% trên tập ảnh kiểm thử. Chủ thể: nhóm nghiên cứu và phát triển phần mềm trong lĩnh vực thị giác máy.

3. Tích hợp Blind Deconvolution vào ứng dụng chụp tài liệu di động. Với khoảng 70% người dùng chụp tài liệu bằng điện thoại thông minh, khử mờ thích nghi không cần PSF là nhu cầu cấp thiết. Các nhà phát triển ứng dụng di động nên tích hợp thuật toán Blind Deconvolution hoặc Lucy-Richardson vào luồng xử lý ảnh hậu kỳ. Timeline: 6–12 tháng để tối ưu hóa hiệu năng trên thiết bị di động.

4. Số hóa và bảo tồn tài liệu lịch sử bằng kỹ thuật lai ghép ngưỡng. Các bảo tàng, thư viện và cơ quan văn hóa nên ưu tiên ứng dụng kỹ thuật kết hợp ngưỡng toàn cục và địa phương (theo hướng Kale et al., 2015) để xử lý ảnh tài liệu cũ. Phương pháp này không làm suy giảm chất lượng khi ảnh gốc ở trạng thái tốt, đồng thời hiệu quả cao trên ảnh bị lão hóa. Mục tiêu: số hóa thành công ít nhất 90% kho tài liệu lịch sử hiện có trong vòng 24 tháng.

Đối tượng nên tham khảo luận văn

Nhà nghiên cứu và học viên ngành Khoa học máy tính, Thị giác máy. Luận văn cung cấp khảo sát hệ thống các thuật toán từ lọc nhiễu đến khử mờ và bù nghiêng, kèm phân tích ưu/nhược điểm từng phương pháp. Học viên cao học có thể sử dụng làm nền tảng lý thuyết cho nghiên cứu sâu hơn về deep learning trong phục hồi ảnh — hướng mở rộng trực tiếp được đề xuất trong phần kết luận. Đặc biệt hữu ích cho những ai đang xây dựng hệ thống nhận dạng ký tự (OCR) hay phân tích tài liệu tự động (DAS).

Kỹ sư phần mềm và lập trình viên xử lý ảnh. Phần cài đặt thử nghiệm trên Matlab (Chương 3) cung cấp code mẫu và kết quả định lượng cho 9 thuật toán, là tài liệu tham chiếu thực tế khi xây dựng module tiền xử lý ảnh. Kỹ sư làm việc với hệ thống scan tài liệu, ứng dụng chụp hóa đơn hay quản lý hồ sơ điện tử sẽ tìm thấy giải pháp có thể áp dụng ngay.

Cán bộ lưu trữ, bảo tàng và thư viện. Với hơn 4 nhóm vấn đề điển hình của ảnh tài liệu cũ được phân tích (lão hóa giấy, mực thấm, độ sáng không đều, nền nhiễu lớn), nhóm đối tượng này có thể hiểu rõ quy trình và tiêu chí lựa chọn công nghệ số hóa phù hợp mà không cần nền tảng kỹ thuật sâu.

Nhà phát triển sản phẩm EdTech và hỗ trợ người khuyết tật. Liên kết trực tiếp với đề tài VAST01.07/15-16 về hỗ trợ người khiếm thị đọc sách tiếng Việt, luận văn cung cấp nền tảng kỹ thuật cho các sản phẩm chuyển đổi tài liệu in thành định dạng có thể xử lý bởi phần mềm đọc màn hình. Use case cụ thể: tiền xử lý ảnh sách giáo khoa chụp bằng điện thoại trước khi đưa vào pipeline OCR → Text-to-Speech.

Câu hỏi thường gặp

1. Tại sao cần nâng cao chất lượng ảnh tài liệu trước khi nhận dạng OCR?

Khi văn bản bị nghiêng chỉ khoảng 5°, các bước phân tích bố cục và tách khối trong hệ thống OCR đã bị ảnh hưởng nghiêm trọng. Nhiễu nền và mờ ảnh khiến tỷ lệ nhận dạng sai tăng đột biến. Tiền xử lý gồm bù nghiêng, lọc nhiễu và khử mờ là bước bắt buộc trong pipeline OCR chuyên nghiệp để đảm bảo đầu vào đủ chất lượng cho thuật toán nhận dạng.

2. Sự khác biệt giữa lọc trung vị và lọc trung bình là gì?

Lọc trung bình thay mỗi pixel bằng giá trị trung bình các điểm lân cận — hiệu quả với nhiễu Gaussian nhưng làm mờ ảnh và kém hiệu quả với nhiễu xung. Lọc trung vị dùng giá trị trung vị của tập điểm trong cửa sổ — vượt trội với nhiễu muối tiêu và không tạo ra các giá trị pixel mới vốn không tồn tại trong ảnh gốc. Thực nghiệm cho thấy PSNR của lọc trung vị cao hơn lọc trung bình khoảng 15–20% trên ảnh nhiễu xung.

3. Blind Deconvolution khác gì so với lọc Wiener trong khử mờ?

Lọc Wiener yêu cầu biết trước hàm PSF và tỷ số SNR — phù hợp khi điều kiện chụp ảnh được kiểm soát. Blind Deconvolution ước lượng PSF trực tiếp từ ảnh mờ thông qua quá trình lặp, cho phép xử lý các tình huống thực tế khi thông số chụp không xác định được. Trong thực tế chụp tài liệu bằng điện thoại, Blind Deconvolution linh hoạt hơn đáng kể vì không đòi hỏi thông tin tiên nghiệm về hàm làm mờ.

4. Biến đổi Hough hoạt động như thế nào trong bù nghiêng?

Biến đổi Hough phát hiện các đường thẳng trong ảnh bằng cách chuyển không gian ảnh sang không gian tham số (ρ, θ). Với ảnh tài liệu, các dòng chữ tạo thành các đường thẳng song song — biến đổi Hough xác định góc θ của chúng so với trục ngang và từ đó tính góc nghiêng cần bù. Phương pháp này chính xác trong khoảng −10° đến +10°, đáp ứng yêu cầu bù nghiêng thực tế cho hầu hết tài liệu được scan hoặc chụp thông thường.

5. Làm thế nào để đo lường khách quan chất lượng ảnh sau xử lý?

Hai chỉ số tiêu chuẩn được sử dụng: MSE (Mean Squared Error) đo sai lệch trung bình bình phương giữa ảnh phục hồi và ảnh gốc — MSE càng thấp càng tốt. PSNR (Peak Signal-to-Noise Ratio) là tỷ số tín nhiễu cực đại, liên hệ nghịch chiều với MSE; với ảnh mã hóa 8-bit (max=255), PSNR trên 30dB thường được coi là chất lượng chấp nhận được. Trong ảnh tài liệu, PSNR từ 35dB trở lên đảm bảo độ chính xác OCR ổn định.

Kết luận

Luận văn đã hoàn thành mục tiêu đề ra với những đóng góp cụ thể sau:

  • Hệ thống hóa lý thuyết: Tổng hợp và phân loại toàn diện các thuật toán nâng cao chất lượng ảnh tài liệu qua hai hướng tiếp cận miền không gian và miền tần số, cập nhật 6 công trình tiêu biểu từ 2009–2015
  • Triển khai thực nghiệm đầy đủ: Cài đặt và đánh giá 9 thuật toán thuộc 3 nhóm (lọc nhiễu, khử mờ, bù nghiêng) trên nền tảng Matlab với 3 bảng kết quả định lượng so sánh
  • Kết luận ứng dụng rõ ràng: Chỉ ra điều kiện tối ưu áp dụng từng thuật toán, giúp người thực hành lựa chọn đúng công cụ cho từng loại ảnh tài liệu
  • Đóng góp xã hội: Kết quả nghiên cứu phục vụ trực tiếp hệ thống hỗ trợ người khiếm thị tiếp cận tài liệu in (đề tài VAST01.07/15-16)
  • Định hướng phát triển mở: Mở ra hướng nghiên cứu tiếp theo với các thuật toán tính toán mềm (mạng nơron, học sâu) để xử lý các tình huống mơ hồ và thiếu chính xác trong ảnh tài liệu phức tạp

Nhà nghiên cứu, kỹ sư phần mềm và cán bộ lưu trữ muốn xây dựng hệ thống số hóa tài liệu chuyên nghiệp nên tham khảo luận văn này như một nền tảng lý thuyết và thực nghiệm vững chắc — đặc biệt trước khi triển khai bất kỳ pipeline OCR hay hệ thống quản lý tài liệu điện tử nào ở quy mô tổ chức.