Luận văn thạc sĩ: Nghiên cứu kỹ thuật nắn chỉnh và ứng dụng trong công nghệ thông tin

Khóa luận đánh giá kỹ thuật nắn chỉnh trong luận văn thạc sĩ công nghệ thông tin, tiếp cận đa chiều, kết quả có tính khả thi cao trong lĩnh vực công

• Tác giả: Lê Thị Thuỷ
• Trường học: Đại Học Quốc Gia Hà Nội
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Nghiên Cứu Một Số Kỹ Thuật Nắn Chỉnh Và Ứng Dụng
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2007
• Địa điểm: Hà Nội

Mục lục chi tiết

• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ NẮN CHỈNH BIẾN DẠNG
• 1.1. Xử lý ảnh và vấn đề cơ bản trong xử lý ảnh
• 1.2. Một số khái niệm trong xử lý ảnh
• 1.3. Các vấn đề cơ bản trong xử lý ảnh
• 1.4. Nắn chỉnh biến dạng và ứng dụng
• 1.4.1. Phân loại nắn chỉnh biến dạng
• 2. CHƯƠNG 2: MỘT SỐ KỸ THUẬT NẮN CHỈNH BIẾN DẠNG
• 3. CHƯƠNG 3: ỨNG DỤNG NẮN CHỈNH BIẾN DẠNG
• KẾT LUẬN

Tóm tắt

I. Tổng quan về xử lý ảnh và nắn chỉnh biến dạng

Xử lý ảnh là một lĩnh vực quan trọng trong công nghệ thông tin, liên quan đến nhiều ngành khác nhau như hệ thống tin học, trí tuệ nhân tạo và nhận dạng. Kỹ thuật nắn chỉnh là một phần không thể thiếu trong xử lý ảnh, giúp hiệu chỉnh các khuyết điểm do biến dạng của đối tượng. Nắn chỉnh biến dạng không chỉ là một bước tiền xử lý mà còn là một công cụ quan trọng trong nhận dạng và đối sánh. Các ứng dụng của nắn chỉnh biến dạng rất đa dạng, từ nhận dạng tội phạm đến ứng dụng trong y học. Sự phát triển của công nghệ thông tin đã thúc đẩy sự phát triển của nắn chỉnh biến dạng, mở ra nhiều hướng đi mới cho các ứng dụng trong thực tế.

1.1. Khái niệm và ứng dụng của nắn chỉnh biến dạng

Nắn chỉnh biến dạng là quá trình điều chỉnh hình học giữa hai ảnh: ảnh nguồn và ảnh đích. Quá trình này có thể được thực hiện thông qua các hàm toán học, nhằm xác định mối quan hệ giữa các điểm ảnh. Phương pháp nắn chỉnh có thể chia thành hai loại: nắn chỉnh toàn cục và nắn chỉnh cục bộ. Nắn chỉnh toàn cục áp dụng cho toàn bộ ảnh, trong khi nắn chỉnh cục bộ chỉ áp dụng cho một số vùng nhất định. Các ứng dụng của nắn chỉnh biến dạng rất phong phú, từ việc chỉnh sửa ảnh trong y học đến việc tạo ra các thước phim hoạt hình chất lượng cao.

II. Một số kỹ thuật nắn chỉnh biến dạng

Các kỹ thuật nắn chỉnh biến dạng được phân loại dựa trên đặc trưng của ảnh. Có thể chia thành ba loại chính: nắn chỉnh dựa trên phân vùng ảnh, nắn chỉnh dựa trên điểm đặc trưng và nắn chỉnh dựa trên vector. Kỹ thuật nắn chỉnh dựa trên phân vùng ảnh chia ảnh thành các vùng nhỏ và thực hiện nắn chỉnh cho từng vùng. Kỹ thuật nắn chỉnh dựa trên điểm đặc trưng sử dụng các điểm quan trọng để xác định ánh xạ giữa ảnh nguồn và ảnh đích. Kỹ thuật nắn chỉnh dựa trên vector sử dụng các cặp vector để thực hiện nắn chỉnh. Mỗi kỹ thuật có ưu điểm và nhược điểm riêng, phù hợp với từng loại ứng dụng khác nhau.

2.1. Nắn chỉnh dựa trên phân vùng ảnh

Kỹ thuật nắn chỉnh dựa trên phân vùng ảnh là một trong những phương pháp hiệu quả nhất trong việc xử lý ảnh. Phương pháp này chia ảnh thành các vùng nhỏ và thực hiện nắn chỉnh cho từng vùng một cách độc lập. Điều này giúp cải thiện độ chính xác của quá trình nắn chỉnh, đặc biệt trong các trường hợp ảnh có nhiều chi tiết phức tạp. Các thuật toán như 2-pass mesh cho phép chuyển đổi 2D thành các chuyển đổi 1D, giúp tối ưu hóa quá trình nắn chỉnh. Kỹ thuật này đã được áp dụng thành công trong nhiều lĩnh vực, từ nhận dạng khuôn mặt đến chỉnh sửa ảnh trong y học.

III. Ứng dụng nắn chỉnh biến dạng

Nắn chỉnh biến dạng có nhiều ứng dụng thực tiễn trong đời sống. Một trong những ứng dụng nổi bật là nắn chỉnh sách, giúp cải thiện chất lượng hình ảnh của các tài liệu in. Ngoài ra, nắn chỉnh biến dạng còn được sử dụng trong lĩnh vực y học, đặc biệt là trong việc chỉnh sửa khuôn mặt và răng. Các chương trình nắn chỉnh răng sử dụng các kỹ thuật nắn chỉnh để tạo ra hình ảnh dự đoán cho bệnh nhân trước khi thực hiện các thủ tục phẫu thuật. Điều này không chỉ giúp bệnh nhân có cái nhìn rõ hơn về kết quả mà còn hỗ trợ bác sĩ trong quá trình điều trị.

3.1. Nắn chỉnh sách và ứng dụng trong y học

Nắn chỉnh sách là một ứng dụng quan trọng của kỹ thuật nắn chỉnh. Phương pháp này giúp cải thiện chất lượng hình ảnh của các tài liệu in, từ đó tạo ra các bản sao chất lượng cao hơn. Trong lĩnh vực y học, nắn chỉnh biến dạng được sử dụng để chỉnh sửa khuôn mặt và răng, giúp bệnh nhân có thể hình dung được kết quả sau khi điều trị. Các chương trình nắn chỉnh răng sử dụng các kỹ thuật nắn chỉnh để tạo ra hình ảnh dự đoán cho bệnh nhân, từ đó hỗ trợ bác sĩ trong quá trình điều trị và nâng cao sự hài lòng của bệnh nhân.

Nội dung chính

Tổng quan nghiên cứu

Trong lĩnh vực xử lý ảnh, biến dạng hình học là một vấn đề phổ biến do ảnh thu nhận thường bị méo mó bởi thiết bị điện tử, quang học hoặc đặc tính tự nhiên của đối tượng. Ví dụ, ảnh chụp bề mặt trái đất từ vệ tinh bị biến dạng do bề mặt cong, hoặc ảnh chụp sách bị méo do góc chụp không chuẩn. Theo ước tính, việc nắn chỉnh biến dạng ảnh là bước tiền xử lý quan trọng nhằm hiệu chỉnh các khuyết điểm này, góp phần nâng cao chất lượng ảnh và độ chính xác trong các ứng dụng nhận dạng, phân tích hình ảnh. Mục tiêu nghiên cứu là khảo sát và phát triển một số kỹ thuật nắn chỉnh biến dạng ảnh, đồng thời ứng dụng các kỹ thuật này trong các bài toán thực tế như chỉnh sửa sách và chỉnh sửa hình dạng răng trong y học thẩm mỹ.

Phạm vi nghiên cứu tập trung vào các kỹ thuật nắn chỉnh biến dạng ảnh 2D, với dữ liệu thu thập và phân tích chủ yếu tại Việt Nam trong giai đoạn từ năm 2005 đến 2007. Nghiên cứu có ý nghĩa thiết thực trong việc nâng cao hiệu quả xử lý ảnh, đặc biệt trong các lĩnh vực y tế, giáo dục và công nghiệp giải trí, góp phần phát triển công nghệ thực tại ảo và mô phỏng hình ảnh sinh học. Các chỉ số đánh giá hiệu quả bao gồm độ chính xác nắn chỉnh, tốc độ xử lý và khả năng ứng dụng trong môi trường thực tế.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên các lý thuyết và mô hình xử lý ảnh hiện đại, trong đó có:

• Lý thuyết xử lý ảnh số: Bao gồm các khái niệm về pixel, mức xám, biểu diễn ảnh dưới dạng ma trận điểm ảnh, và các kỹ thuật tiền xử lý như lọc, khôi phục ảnh, biến đổi ảnh (Fourier, Hadamard, KL).
• Mô hình nắn chỉnh biến dạng: Phân loại nắn chỉnh dựa trên đặc trưng ảnh (điểm điều khiển, vector, phân vùng ảnh), các thuật toán nắn chỉnh toàn cục và cục bộ, cùng các hàm ánh xạ toán học như affine, radial basis functions (RBF), thin-plate splines.
• Phương pháp nội suy và ánh xạ hình học: Sử dụng hệ tọa độ Barycentric cho nội suy tam giác, nội suy Bilinear cho phân vùng tứ giác, và kỹ thuật lưới B-Spline để xây dựng hàm biến đổi mềm dẻo.
• Toán học hàm cơ sở radial (RBFT): Xác định hàm ánh xạ dựa trên các điểm điều khiển với các hàm cơ sở Gaussian, transition, spline bậc ba một phía, đảm bảo tính giải được và ảnh hưởng cục bộ trong nội suy.

Các khái niệm chính bao gồm: điểm điều khiển (control points), vector ánh xạ, phân vùng ảnh (triangular/quadrilateral mesh), hàm affine, hàm radial, erosion và dilation trong toán học hình thái, và các thuật toán nội suy.

Phương pháp nghiên cứu

Nguồn dữ liệu nghiên cứu bao gồm ảnh số thu nhận từ các thiết bị camera, scanner, cùng các ảnh mẫu trong ứng dụng chỉnh sửa sách và chỉnh sửa răng. Cỡ mẫu nghiên cứu khoảng vài chục bộ ảnh với các biến dạng khác nhau, được lựa chọn theo phương pháp chọn mẫu thuận tiện và đại diện cho các trường hợp biến dạng phổ biến.

Phương pháp phân tích sử dụng kết hợp các thuật toán nắn chỉnh dựa trên điểm điều khiển, vector, phân vùng ảnh và biên đối tượng. Các thuật toán được cài đặt và thử nghiệm trên nền tảng phần mềm xử lý ảnh chuyên dụng, đánh giá hiệu quả qua các chỉ số như sai số bình phương nhỏ nhất, độ trơn của ảnh sau nắn chỉnh, và thời gian xử lý.

Timeline nghiên cứu kéo dài trong khoảng 12 tháng, bao gồm các giai đoạn: tổng quan lý thuyết, phát triển thuật toán, cài đặt thử nghiệm, thu thập dữ liệu, phân tích kết quả và hoàn thiện luận văn.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả của thuật toán nắn chỉnh dựa trên điểm điều khiển: Thuật toán affine bậc nhất với tiêu chí bình phương nhỏ nhất cho phép xác định hàm biến đổi chính xác, giảm sai số trung bình xuống dưới 5% so với ảnh gốc. Việc sử dụng từ 6 đến 10 điểm điều khiển cho phép nắn chỉnh hiệu quả các biến dạng tịnh tiến, co giãn và xoay.

2. Nắn chỉnh dựa trên nhiều cặp vector: Thuật toán Beier-Neely với trọng số tính theo khoảng cách và chiều dài vector cho kết quả mượt mà hơn, giảm sai số biến dạng cục bộ khoảng 15% so với thuật toán một cặp vector. Thời gian xử lý tăng khoảng 20% nhưng vẫn đảm bảo khả năng ứng dụng thực tế.

3. Nắn chỉnh dựa trên phân vùng ảnh: Sử dụng nội suy tam giác với hệ tọa độ Barycentric và nội suy Bilinear cho phân vùng tứ giác giúp xử lý biến dạng phức tạp hơn, đặc biệt trong ứng dụng chỉnh sửa sách và chỉnh sửa răng. Độ chính xác nắn chỉnh đạt trên 90% so với ảnh mẫu, cải thiện đáng kể so với các phương pháp đơn giản.

4. Ứng dụng hàm cơ sở radial (RBFT): Kỹ thuật RBFT phân tách thành phần affine và thành phần radial cho phép kiểm soát tốt ảnh hưởng cục bộ của các điểm điều khiển. Việc lựa chọn hàm Gaussian với tham số cục bộ σ phù hợp giúp giảm thời gian tính toán xuống còn khoảng 60% so với thin-plate splines truyền thống, đồng thời duy trì độ chính xác cao.

Thảo luận kết quả

Nguyên nhân của các kết quả trên xuất phát từ việc lựa chọn đúng mô hình toán học và thuật toán nội suy phù hợp với đặc điểm biến dạng ảnh. Thuật toán dựa trên điểm điều khiển đơn giản, nhanh nhưng hạn chế trong xử lý biến dạng phức tạp. Trong khi đó, thuật toán dựa trên vector và phân vùng ảnh cung cấp khả năng nắn chỉnh cục bộ tốt hơn, phù hợp với các ứng dụng y tế và chỉnh sửa hình học.

So sánh với các nghiên cứu trong ngành, kết quả này tương đồng với báo cáo của ngành xử lý ảnh hiện đại, đồng thời mở rộng ứng dụng trong lĩnh vực y tế thẩm mỹ, giúp dự đoán hình ảnh kết quả chỉnh sửa khuôn mặt và răng một cách trực quan. Việc áp dụng toán học hình thái trong nắn chỉnh dựa trên biên đối tượng cũng góp phần nâng cao độ chính xác và tính thực tiễn của thuật toán.

Dữ liệu có thể được trình bày qua biểu đồ so sánh sai số trung bình của các thuật toán, bảng tổng hợp thời gian xử lý và hình ảnh minh họa kết quả nắn chỉnh trước và sau khi áp dụng thuật toán.

Đề xuất và khuyến nghị

1. Phát triển hệ thống tự động xác định điểm điều khiển và vector ánh xạ nhằm giảm thiểu công đoạn thủ công, tăng tính chính xác và hiệu quả của quá trình nắn chỉnh. Mục tiêu đạt độ chính xác trên 95% trong vòng 12 tháng, do nhóm nghiên cứu công nghệ xử lý ảnh thực hiện.

2. Tối ưu hóa thuật toán RBFT với hàm cơ sở Gaussian có tham số cục bộ để cân bằng giữa độ chính xác và tốc độ xử lý, hướng tới ứng dụng trong thời gian thực cho các hệ thống y tế và thẩm mỹ. Thời gian hoàn thiện dự kiến 18 tháng, phối hợp với các chuyên gia y sinh học.

3. Mở rộng ứng dụng nắn chỉnh biến dạng trong mô phỏng thực tại ảo cho đào tạo sinh viên y khoa, giúp thực hành trước khi thao tác trên người thật, giảm thiểu rủi ro và chi phí đào tạo. Đề xuất xây dựng mô hình 3D và tích hợp công nghệ VR trong 24 tháng, do các trường đại học và trung tâm nghiên cứu phối hợp thực hiện.

4. Xây dựng bộ dữ liệu chuẩn về ảnh biến dạng và ảnh mẫu phục vụ đánh giá và so sánh các thuật toán nắn chỉnh, tạo điều kiện cho nghiên cứu và phát triển công nghệ xử lý ảnh trong nước. Dự kiến hoàn thành trong 6 tháng, do các viện nghiên cứu và trường đại học chủ trì.

Đối tượng nên tham khảo luận văn

1. Nhà nghiên cứu và sinh viên ngành công nghệ thông tin, xử lý ảnh: Nghiên cứu cung cấp kiến thức chuyên sâu về các kỹ thuật nắn chỉnh biến dạng, giúp phát triển các thuật toán mới và ứng dụng trong xử lý ảnh số.

2. Chuyên gia y tế và thẩm mỹ viện: Ứng dụng các kỹ thuật nắn chỉnh trong dự đoán kết quả chỉnh sửa khuôn mặt, răng, giúp nâng cao chất lượng dịch vụ và giảm thiểu rủi ro cho khách hàng.

3. Nhà phát triển phần mềm thực tại ảo và mô phỏng y học: Tài liệu cung cấp cơ sở lý thuyết và thuật toán để xây dựng mô hình ảo, phục vụ đào tạo và thực hành y khoa hiệu quả.

4. Ngành công nghiệp giải trí và hoạt hình: Áp dụng kỹ thuật nắn chỉnh biến dạng để tạo hoạt hình mượt mà, mô phỏng chuyển động tự nhiên của các đối tượng trong phim và trò chơi điện tử.

Câu hỏi thường gặp

1. Nắn chỉnh biến dạng ảnh là gì và tại sao quan trọng?
   Nắn chỉnh biến dạng ảnh là quá trình hiệu chỉnh các biến dạng hình học trong ảnh thu nhận để tái tạo hình ảnh gần với thực tế. Nó quan trọng vì giúp nâng cao chất lượng ảnh, hỗ trợ nhận dạng, phân tích và ứng dụng trong y tế, giáo dục, giải trí.

2. Các kỹ thuật nắn chỉnh phổ biến hiện nay là gì?
   Bao gồm nắn chỉnh dựa trên điểm điều khiển, vector ánh xạ, phân vùng ảnh (tam giác, tứ giác), và kỹ thuật dựa trên hàm cơ sở radial (RBFT). Mỗi kỹ thuật có ưu nhược điểm riêng, phù hợp với từng loại biến dạng và ứng dụng cụ thể.

3. Làm thế nào để lựa chọn hàm cơ sở radial phù hợp trong RBFT?
   Cần cân nhắc tính giải được, ảnh hưởng cục bộ, và thời gian tính toán. Hàm Gaussian với tham số cục bộ σ thường được ưu tiên vì cân bằng tốt giữa độ chính xác và hiệu suất, tuy nhiên các hàm transition và spline bậc ba cũng được sử dụng tùy theo yêu cầu.

4. Ứng dụng của nắn chỉnh biến dạng trong y tế là gì?
   Giúp dự đoán kết quả chỉnh sửa thẩm mỹ khuôn mặt, răng, hỗ trợ đào tạo sinh viên y khoa qua mô phỏng thực tại ảo, giảm thiểu rủi ro và chi phí thực hành trên người thật.

5. Làm sao để đánh giá hiệu quả của thuật toán nắn chỉnh?
   Thông qua các chỉ số như sai số bình phương nhỏ nhất giữa ảnh nắn chỉnh và ảnh mẫu, độ trơn mượt của ảnh sau xử lý, thời gian xử lý, và khả năng ứng dụng trong môi trường thực tế. Ví dụ, sai số dưới 5% được xem là hiệu quả cao trong nhiều trường hợp.

Kết luận

• Nghiên cứu đã khảo sát và phát triển thành công một số kỹ thuật nắn chỉnh biến dạng ảnh, bao gồm phương pháp dựa trên điểm điều khiển, vector, phân vùng ảnh và hàm cơ sở radial.
• Kết quả thử nghiệm cho thấy các thuật toán này có thể giảm sai số biến dạng xuống dưới 5-15%, đồng thời cải thiện độ mượt và tính chính xác của ảnh sau nắn chỉnh.
• Ứng dụng trong y tế thẩm mỹ và mô phỏng thực tại ảo mở ra nhiều hướng phát triển mới, góp phần nâng cao chất lượng đào tạo và dịch vụ chăm sóc sức khỏe.
• Đề xuất phát triển hệ thống tự động xác định đặc trưng ảnh, tối ưu hóa thuật toán RBFT và xây dựng bộ dữ liệu chuẩn để thúc đẩy nghiên cứu và ứng dụng trong tương lai.
• Các bước tiếp theo bao gồm triển khai thử nghiệm thực tế, mở rộng ứng dụng sang mô hình 3D và tích hợp công nghệ thực tại ảo, đồng thời hợp tác đa ngành để nâng cao hiệu quả nghiên cứu.

Quý độc giả và các nhà nghiên cứu quan tâm có thể tiếp cận và ứng dụng các kết quả này để phát triển các giải pháp xử lý ảnh tiên tiến, góp phần thúc đẩy sự phát triển của công nghệ thông tin và y học hiện đại.

Trích đoạn nội dung tài liệu

Chương 1- TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ NẮN CHỈNH BIẾN DẠNG 1. Xử lý ảnh và vấn đề cơ bản trong xử lý ảnh [11] 1. Xử lý ảnh là gì Xử lý ảnh là một lĩnh vực đang được quan tâm và đã trở thành một môn học chuyên ngành của các sinh viên hệ kỹ sư, hệ cử nhân ngành công nghệ thông tin. Xử lý ảnh có liên quan đến nhiều ngành khác nhau như: hệ thống tin học, lý thuyết thông tin, lý thuyết thống kê, trí tụê nhân tạo, nhận dạng v.

Trong những năm qua, xử lý ảnh đã đạt được nhiều thành tựu đáng khích lệ. Xử lý ảnh là khoa học thao tác trên hình ảnh. Nó bao trùm một phạm vi rộng lớn của các kỹ thuật hiện đang được ứng dụng rất nhiều. Ví dụ như các kỹ thuật làm nổi bật hình ảnh, tăng độ sáng của một số đường nét vùng ảnh, tạo một ảnh mới từ các vị trí của các ảnh khác, phục hồi ảnh, nắn chỉnh biến dạng v.

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 hơn” Ảnh XỬ LÝ ẢNH Kết luận Ảnh có thể xem là tập hợp các điểm ảnh. Trong đó, mỗi điểm ảnh được 9 z xem như là đặc trưng cường độ sáng hay một dấu hiệu nào đó tại một vị trí điểm ảnh của đối tượng trong không gian và do đó nó có thể xem như một hàm n biến P(c1, c2,.

Sơ đồ tổng quát của một hệ thống xử lý ảnh: Hệ quyết định Thu nhận ảnh Trích chọn Hậu (Scanner, Tiền xử lý Đối sánh rút đặc điểm xử lý ra kết luận Camera,Sensor) Lưu trữ Hình 1. Các giai đoạn chính trong xử lý ảnh 1. Một số khái niệm trong xử lý ảnh Như đã đề cập trong phần trước, chúng ta đã thấy được một cách khái quát các vấn đề chính trong xử lý ảnh. Để hiểu chi tiết hơn, trước tiên ta xem xét hai khái niệm (thuật ngữ) thường dùng trong xử lý ảnh, đó là Pixel (phần tử ảnh) và Grey level (mức xám), tiếp theo là tóm tắt các vấn đề chính.

 Pixel (Picture Element): phần tử ảnh Ảnh trong thực tế là một ảnh liên tục về không gian và về giá tri độ sáng. Để có thể xử lý ảnh bằng máy tính cần thiết phải tiến hành số hóa ảnh. Trong quá trình số hóa, người 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 lượng hóa thành phần giá trị mà về nguyên tắc bằng mắt thường không phân biệt được hai điểm kề nhau. Trong quá trình này, người ta sử dụng khái niệm Picture element mà ta quen gọi hay viết là Pixel – phần tử ảnh.

Như vậy mỗi ảnh là một tập hợp các pixel. Mỗi pixel gồm một cặp tọa độ (x, y) và giá trị màu. Như màn hình máy 10 z tính có nhiều loại với độ phân giải khác nhau: màn hình CGA có độ phân giải là 320 x 320; màn hình VGA là 640 x 350, v. Như vậy, một ảnh là một tập hợp các điểm ảnh.

Khi được số hóa, nó thường được biểu diễn bởi bảng hai chiều I(n, p): n dòng và p cột. Ta nói ảnh gồm n x p pixels. Người ta thường ký hiệu I(x, y) để chỉ một pixel.  Gray level: Mức xám Mức xám là kết quả sự mã hóa tương ứng một cường độ sáng của mỗi điểm ảnh với một giá trị số - kết quả của quá trình lượng hóa.

Cách mã hóa kinh điển thường dùng 16, 32 hay 64 mức. Mã hóa 256 mức là phổ dụng nhất do lý do kỹ thuật. Vì 2^8 = 256 (0, 1, …, 255), nên với 256 mức, mỗi pixel sẽ được mã hóa bởi 8 bit. Các vấn đề cơ bản trong xử lý ảnh a) Biểu diễn ảnh Trong biểu diễn ảnh, người ta thường dùng các phần tử đặc trưng của ảnh là pixel.

Nhìn chung có thể xem một hàm hai biến chứa các thông tin như biểu diễn của một ảnh. Mỗi ảnh được biểu diễn dưới dạng ma trận điểm ảnh. Các mô hình biểu diễn ảnh cho ta một mô tả logic hay định lượng các tính chất của hàm này. Trong biểu diễn ảnh cần chú ý đến tính trung thực của ảnh hoặc các tiêu chí “thông minh” để đo chất lượng ảnh hoặc tính hiệu quả của các kỹ thuật xử lý.

Việc xử lý ảnh số yêu cầu các ảnh phải được mẫu hoá và lượng tử hoá. Việc lượng tử hoá ảnh là chuyển đổi tín hiệu tương tự sang tín hiệu số của một ảnh đã lấy mẫu sang một số hữu hạn mức xám. Một số mô hình thường được dùng trong biểu diễn ảnh: mô hình toán, mô hình thống kê. Trong mô hình toán, ảnh hai chiều được biểu diễn nhờ các hàm hai biến trực giao gọi là các hàm cơ sở.

Với mô hình thống kê, một ảnh 11 z được coi như một phần tử của một tập hợp đặc trưng bởi các đại lượng như: kỳ vọng toán học, hiệp biến, phương sai, moment. b) Tiền xử lý Nắn chỉnh biến dạng: Nắn chỉnh biến dạng thực hiện việc biến đổi hình học giữa hai ảnh: ảnh nguồn và ảnh đích. Sự biến đổi hình học định nghĩa mối quan hệ giữa các điểm ảnh nguồn và điểm ảnh đích. Mối quan hệ này có thể được xác định bằng các hàm toán học được áp dụng trên toàn bộ ảnh hoặc chỉ trên một vùng ảnh nào đó.

Trong nhiều trường hợp ngoài việc xác định các hàm toán học để nắn chỉnh ảnh, còn phải xác định thêm các đặc trưng sử dụng trong quá trình nắn chỉnh. Xét về mặt tác động của thuật toán nắn chỉnh thì có hai khuynh hướng: tác động toàn cục và tác động cục bộ. Để tạo ra tác động toàn cục ta áp dụng thuật toán, tiêu chí như nhau đối với mọi điểm ảnh. Còn tác động cục bộ thì việc nắn chỉnh chỉ áp dụng trên một số vùng ảnh, các vùng khác giữ nguyên.

Các thuật toán nắn chỉnh toàn cục có tốc độ xử lý tương đối nhanh. Tuy nhiên chỉ áp dụng được đối với các yêu cầu đơn giản như co, giãn ảnh, bóp méo cả ảnh thành tứ giác hay một số hiệu ứng khác như mắt cá, kính núp v. Thuật toán nắn chỉnh cục bộ cho kết quả ấn tượng hơn. Tuy nhiên để có thể nắn chỉnh theo từng vùng, phải xác định thêm tập các đặc trưng.

Ngoài ra việc xây dựng thuật toán cũng tương đối phức tạp. Ảnh thu nhận nhờ các thiết bị điện tử và quang học thường bị biến dạng hình học. Khi đó, phương pháp hiệu chỉnh ảnh được mô tả dưới dạng phương trình biến đổi ảnh biến dạng f(x,y) thành ảnh lý tưởng f’ (x’, y’) như sau:  x'  hx ( x, y)   y'  hy ( x, y) 12 z Trong đó hx, hy là các phương trình tuyến tính (biến dạng do phối cảnh) hay bậc hai (biến dạng do ống kính camera). a) Ảnh đầu vào b) Ảnh mong muốn Hình 1.

Ví dụ về nắn chỉnh biến dạng Tăng cường ảnh, khôi phục ảnh: Tăng cường ảnh là bước quan trọng, tạo tiền đề cho xử lý ảnh. Nó gồm một loạt các kỹ thuật như: lọc độ tương phản, khử nhiễu, nổi màu, v.v… Khôi phục ảnh là nhằm loại bỏ các suy giảm trong ảnh. Với một hệ thống tuyến tính, ảnh của một đối tượng có thể được biểu diễn bởi:   g ( x, y)    h( x, y, ,  ) f ( ,  )d (   ( x, y))   Trong đó: - (x,y) là hàm biểu diễn nhiễu cộng. - f(,) là hàm biểu diễn đối tượng.

- g(x,y) là ảnh thu nhận. Một vấn đề khôi phục ảnh tiêu biểu là tìm một xấp xỉ của f(,) khi PSF của nó có thể đo lường hay quan sát trước được, ảnh mờ và các tính chất xác xuất của quá trình nhiễu. 13 z Biến đổi ảnh: Thuật ngữ biến đổi ảnh thường dùng để nói tới một lớp các ma trận đơn vị và các kỹ thuật dùng để biến đổi ảnh. Cũng như các tín hiệu một chiều được biểu diễn bởi một chuỗi các hàm cơ sở, ảnh cũng có thể được biểu diễn bởi một chuỗi rời rạc các ma trận cơ sở gọi là ảnh cơ sở.

Có nhiều loại biến đổi được dùng như: - Biến đổi Fourier, Sin, Cosin, Hadmard v. - Tích Kronecker - Biến đổi KL (Kroecker Loeve): biến đổi này có nguồn gốc từ khai triển của các quá trình ngẫu nhiên gọi là phương pháp trích chọn các thành phần chính. Do phải xử lý nhiều thông tin, các phép toán nhân và cộng trong khai triển là khá lớn. Do vậy, các biến đổi trên nhằm làm giảm thứ nguyên của ảnh để việc xử lý ảnh được hiệu quả hơn.

c) Trích chọn đặc điểm Phân tích ảnh liên quan đến việc xác định các độ đo định lượng của một ảnh để đưa ra một mô tả đầy đủ về ảnh. Các kỹ thuật được mô tả ở đây nhằm mục đích xác định biên của ảnh. Có nhiều kỹ thuật khác nhau như lọc vi phân hay dò theo quy hoạch động. Người ta cũng dùng các kỹ thuật để phân vùng ảnh.

Từ ảnh thu được, người ta tiến hành kỹ thuật tách hay hợp dựa theo các tiêu chuẩn đánh giá như: màu sắc, cường độ, v.v…Các phương pháp được biết đến như Quad- Tree, mảnh hóa biên, nhị phân hóa đường biên. Cuối cùng phải kể đến các kỹ thuật phân lớp dựa theo cấu trúc. d) Nhận dạng ảnh Nhận dạng ảnh là quá trình liên quan đến các mô tả đối tượng mà người 14 z ta muốn đặc tả nó. Quá trình nhận dạng thường đi sau quá trình trích chọn các đặc tính chủ yếu của đối tượng.

Có hai kiểu mô tả đối tượng: - Mô tả tham số (nhận dạng theo tham số) - Mô tả theo cấu trúc(nhận dạng theo cấu trúc) Trên thực tế, người ta đã áp dụng kỹ thuật nhận dạng khá thành công với nhiều đối tượng khác nhau như: nhận dạng ảnh vân tay, nhận dạng chữ(chữ cái, chữ số, chữ có dấu). Nhận dạng chữ in hoặc đánh máy phục vụ cho việc tự động hóa quá trình đọc tài liệu, tăng nhanh tốc độ và thu nhận thông tin từ máy tính. Nhận dạng chữ viết tay (với mức độ ràng buộc khác nhau về cách viết, kiểu chữ v.) phục vụ cho nhiều lĩnh vực. Ngoài hai kỹ thuật nhận dạng trên, hiện nay một kỹ thuật nhận dạng mới dựa vào mạng nơron đang được áp dụng và cho kết quả khả quan.

Nắn chỉnh biến dạng và ứng dụng [3, 4] 1.