CHƯƠNG 1 TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ PHÉP TOÁN HÌNH THÁI Chương này trình bày về khái niệm xử lý ảnh, quá trình xử lý ảnh và các khái niệm về phép toán hình thái Morphology. Xử lý ảnh Con người thu nhận thông tin qua các giác quan, trong đó thị giác đóng vai trò quan trọng nhất. Những năm trở lại đây với sự phát triển của phần cứng máy tính, xử lý ảnh và đồ hoạ đã phát triển một cách mạnh mẽ và có nhiều ứng dụng trong cuộc sống. Xử lý ảnh và đồ hoạ đóng một vai trò quan trọng trong tương tác người máy.
Quá trình xử lý ảnh được xem như là quá trình thao tác ảnh đầu vào nhằm cho ra kết quả mong muốn. Kết quả đầu ra của một quá trình xử lý ảnh có thể là một ảnh “tốt hơn” hoặc một kết luận nào đó. 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 họa 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 bao gồm các phương pháp và kĩ thuật để biến đổi, để truyền tải hoặc mã hóa các ảnh tự nhiên. Mục đích của xử lý ảnh gồm: - Thứ nhất, biến đổi ảnh và làm đẹp ảnh. - Thứ hai, tự động nhận dạng ảnh hay đoán ảnh và đánh giá các nội dung của ảnh. Nhận biết và đánh giá các nội dung của ảnh (nhận dạng) là sự phân tích một hình ảnh thành những phần có 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 biên của một đối tượng trên ảnh, tách cạnh, phân đoạn hình ảnh, v. Kĩ thuật này được dùng nhiều trong y học (xử lý tế bào, nhiễm sắc thể) và nhận dạng chữ viết trong văn bản. Quá trình xử lý ảnh Ảnh có thể xem là tập hợp các điểm ảnh và mỗi điểm ảnh được xem như là đặc trưng cường độ sáng hay một dấu hiệu nào đó tại một vị trí nào đó của đối tượng trong không gian và nó có thể xem như một hàm n biến P(c1, c2,.
Do đó, ảnh trong xử lý ảnh có thể xem như ảnh n chiều. Sơ đồ tổng quát của một hệ thống xử lý ảnh: Hệ quyết định Thu nhận ảnh (Scaner, Trích chọn Đổi sánh rút Camera, Tiền xử lý đặc điểm Hậu xử lý ra kết luận Sénor) Lưu trữ Hình 1. Sơ đồ quá trình xử lý ảnh 1. Các vấn đề cơ bản trong xử lý ảnh 1.
Một số khái niệm cơ bản Điểm ảnh (pixel – viết tắt là px) là đơn vị nhỏ nhất tạo nên hình ảnh, thường mang một màu duy nhất (kết quả của sự pha trộn các màu cơ bản giữa các kênh màu). Để thông số điểm ảnh có ý nghĩa, người ta phải qui về một đơn vị kích thước nhất định, như inch hay cm/mm để tính và điểm ảnh thường được diễn đạt theo số lượng điểm trên một inch/cm chiều dài. Các điểm ảnh được tạo thành từ sự tổ hợp 3 màu chính R (red), G (green), B (blue). Cùng một giá trị có thể hiển thị khác nhau trên các thiết bị khác nhau.
Màu 16 bit: mỗi màu được mã hóa bằng 5 bit hay thêm một bit còn lại cho mau xanh lá cây. Màu 24 bit: mỗi kênh màu được mã hóa bằng 1 byte (8 bit) có giá trị nằm trong đoạn [0-255] mã hóa được 255 * 255 * 255 = 16,581,375 màu hay gọi là 16 triệu màu. c 5 Màu 32 bit: tương tự như màu 24 bit, nhưngở đây có 8 bit dư không sử dụng (ngoại trừ khả năng sử dụng như kênh alpha). Có vận tốc cao hơn mà phần lớn các phần cứng ngày nay có thể truy cập theo các địa chỉ byte của cấp số 2.
Màu 48 bit: tương tự màu 16 bit nhưng mỗi thành phần được mã hóa bởi 16 bit màu, điều này làm cho mỗi màu có khả năng biểu thị 65.535 sắc thái thay vì chỉ có 255. Được sử dụng trong chỉnh sửa ảnh chuyên nghiệp do có độ chính xác cao hơn. Màu RGBA: với việc xuất hiện nhu cầu ghép ảnh, việc thêm vào 8 bit dư cho độ trong suốt tạo thành màu 32 bit với một kênh mới là Alpha, biểu diễn độ trong suốt của điểm ảnh Ảnh xám hay còn gọi là ảnh đơn sắc (monochromatic). Mức xám của ảnh là kết quả của sự biến đổi tương ứng 1 giá trị độ sáng của 1 điểm ảnh với 1 giá trị nguyên dương.
Thông thường nó xác định trong [0, 255] tuỳ thuộc vào giá trị mà mỗi điểm ảnh được biểu diễn. Các thang giá trị mức xám thông thường: 16, 32, 64, 128, 256 (mức 256 là mức phổ dụng). Ảnh nhị phân là ảnh số, trong đó mỗi điểm ảnh được biểu diễn bởi giá trị là 0 (trắng) hoặc 1 (đen). Ảnh nhị phân được tạo ra bằng cách biến đổi ảnh xám dựa vào một ngưỡng xác định.
Nắn chỉnh biến dạng Ảnh thu nhận thường bị biến dạng do các thiết bị quang học và điện tử. Ảnh thu nhận và ảnh mong muốn Để khắc phục người ta sử dụng các phép chiếu, các phép chiếu thường được xây dựng trên tập các điểm điều khiển., n: có n các tập điều khiển Tìm hàm f: Pi f (Pi) sao cho 𝑛 ∑ |𝑓(𝑃𝑖 ) − 𝑃𝑖 ′|2 → 𝑚𝑖𝑛 𝑖=1 Giả sử ảnh I bị biến đổi thông qua các phép biến đổi: Tịnh tiến, quay, tỷ lệ, biến dạng bậc nhất tuyến tính. Khi đó hàm f có dạng: f (x, y) = (a1x + b1y + c1, a2x + b2y + c2) Ta có: 𝑛 𝑛 𝜑 = ∑( 𝑓(𝑃𝑖 ) − 𝑃𝑖 ′)2 = ∑[( 𝑎1 𝑥𝑖 + 𝑏1 𝑦𝑖 + 𝑐1 − 𝑥𝑖′ )2 + (𝑎2 𝑥𝑖 + 𝑏2 𝑦𝑖 + 𝑐2 − 𝑦𝑖′ )2 ] 𝑖=1 𝑖=1 Để cho φ → min Giải hệ phương trình tuyến tính tìm được a1, b1, c1 Tương tự tìm được a2, b2, c2 Từ đó, ta xác định được hàm f [1]. Khử nhiễu Có 2 loại nhiễu cơ bản trong quá trình thu nhận ảnh • Nhiều hệ thống: là nhiễu có quy luật có thể khử bằng các phép biến đổi.
• Nhiễu ngẫu nhiên: vết bẩn không rõ nguyên nhân, có thể khắc phục bằng các phép lọc. Chỉnh mức xám Nhằm khắc phục tính không đồng đều của hệ thống gây ra. Thông thường có 2 hướng tiếp cận: • Giảm số mức xám: Thực hiện bằng cách nhóm các mức xám gần nhau thành một bó. Trường hợp chỉ có 2 mức xám thì chính là chuyển về ảnh đen trắng, ứng dụng: in ảnh màu ra máy in đen trắng.
• Tăng số mức xám: Thực hiện nội suy ra các mức xám trung gian bằng kỹ thuật nội suy. Kỹ thuật này nhằm tăng cường độ mịn cho ảnh 1. Trích chọn đặc điểm 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.
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 10 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: Là đặc trưng cho đường biên của đối tượng và do vậy rất hữu ích trong việc trích trọn 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) v.
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. Nhận dạng Nhận dạng tự động (automatic recognition), mô tả đối tượng, phân loại và phân nhóm các mẫu là những vấn đề quan trọng trong thị giác máy, được ứng dụng trong nhiều ngành khoa học khác nhau. Tuy nhiên, một câu hỏi đặt ra là: mẫu (pattern) là gì? Watanabe, một trong những người đi đầu trong lĩnh vực này đã định nghĩa: “Ngược lại với hỗn loạn (chaos), mẫu là một thực thể (entity), được xác định một cách mơ hồ (vaguely defined) và có thể gán cho nó một tên gọi nào đó”. Ví dụ mẫu có thể là ảnh của vân tay, ảnh của một vật nào đó được chụp, một chữ viết, khuôn mặt người hoặc một ký đồ tín hiệu tiếng nói.
Khi biết một mẫu nào đó, để nhận dạng hoặc phân loại mẫu đó có thể: Hoặc phân loại có mẫu (supervised classification), chẳng hạn phân tích phân biệt (discriminant analyis), trong đó mẫu đầu vào được định danh như một thành phần của một lớp đã xác định. Hoặc phân loại không có mẫu (unsupervised classification hay clustering) trong đó các mẫu được gán vào các lớp khác nhau dựa trên một tiêu chuẩn đồng dạng nào đó. Các lớp này cho đến thời điểm phân loại vẫn chưa biết hay chưa được định danh. Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau đây: 1.
Thu nhận dữ liệu và tiền xử lý. Biểu diễn dữ liệu. Nhận dạng, ra quyết định. Bốn cách tiếp cận khác nhau trong lý thuyết nhận dạng là: 1.
Đối sánh mẫu dựa trên các đặc trưng được trích chọn. Phân loại thống kê. Đối sánh cấu trúc. Phân loại dựa trên mạng nơ-ron nhân tạo.
Trong các ứng dụng rõ ràng là không thể chỉ dùng có một cách tiếp cận đơn lẻ để phân loại “tối ưu” do vậy cần sử dụng cùng một lúc nhiều phương c 9 pháp và cách tiếp cận khác nhau. Do vậy, các phương thức phân loại tổ hợp hay được sử dụng khi nhận dạng và nay đã có những kết quả có triển vọng dựa trên thiết kế các hệ thống lai (hybrid system) bao gồm nhiều mô hình kết hợp. 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 thuật giải, mà còn đặt ra những yêu cầu về tốc độ tính toán. Đặc điểm chung của tất cả những 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.
Nén ảnh Nhằm giảm thiểu không gian lưu trữ. Thường được tiến hành theo cả hai cách khuynh hướng là nén có bảo toàn và không bảo toàn thông tin.