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

Nghiên cứu hệ thống kỹ thuật nắn chỉnh trong công nghệ thông tin, phương pháp định lượng kết hợp định tính, góp phần phát triển công nghệ

• Tác giả: Lê Thị Thủy
• 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 Sỹ
• 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

Trong lĩnh vực công nghệ thông tin, xử lý ảnh đã trở thành một phần quan trọng, liên quan đến nhiều ngành khác nhau như hệ thống tin học, lý thuyết thông tin và trí tuệ nhân tạo. Nắn chỉnh biến dạng là một kỹ thuật quan trọng nhằm hiệu chỉnh các khuyết điểm của ảnh do thiết bị điện tử hoặc quang học gây ra. Quá trình này không chỉ đơn thuần là sửa lỗi mà còn là một bước tiền xử lý cần thiết trong nhiều ứng dụng thực tiễn. Ví dụ, trong ngành y học, nắn chỉnh biến dạng giúp cải thiện quy trình thẩm mỹ và tạo ra mô hình ảo cho sinh viên thực hành. Điều này cho thấy tầm quan trọng của kỹ thuật nắn chỉnh trong việc nâng cao hiệu quả của các ứng dụng trong công nghệ thông tin hiện đại. "Nắn chỉnh biến dạng là một khâu tiền xử lý quan trọng trong xử lý ảnh".

1.1. Các vấn đề cơ bản trong xử lý ảnh

Xử lý ảnh bao gồm nhiều kỹ thuật như tăng cường ảnh, khôi phục ảnh và nắn chỉnh biến dạng. Các vấn đề cơ bản trong xử lý ảnh bao gồm việc biểu diễn ảnh, tiền xử lý, và nhận dạng ảnh. Một trong những thách thức lớn nhất là xác định các đặc trưng của ảnh để thực hiện nắn chỉnh một cách hiệu quả. Theo nghiên cứu, việc nắn chỉnh biến dạng có thể được phân loại thành hai loại chính: nắn chỉnh toàn cục và nắn chỉnh cục bộ. "Sự biến đổi hình học định nghĩa mối quan hệ giữa các điểm ảnh nguồn và điểm ảnh đích". Điều này cho thấy rằng việc lựa chọn phương pháp nắn chỉnh phù hợp có ảnh hưởng lớn đến kết quả cuối cùng.

II. Một số kỹ thuật nắn chỉnh biến dạng

Nắn chỉnh biến dạng có thể được thực hiện thông qua nhiều phương pháp khác nhau, mỗi phương pháp có ưu và nhược điểm riêng. Các kỹ thuật nắn chỉnh dựa trên các điểm điều khiển, vector, hoặc phân vùng ảnh là những phương pháp phổ biến. Kỹ thuật nắn chỉnh dựa trên điểm điều khiển sử dụng các điểm quan trọng để xác định ánh xạ giữa ảnh nguồn và ảnh đích. Kỹ thuật nắn chỉnh dựa trên vector và phân vùng ảnh cho phép xử lý hiệu quả hơn trong các trường hợp phức tạp. "Nắn chỉnh biến dạng thực hiện việc biến đổi hình học giữa hai ảnh: ảnh nguồn và ảnh đích". Việc áp dụng các kỹ thuật này trong thực tế không chỉ giúp cải thiện chất lượng ảnh mà còn mở ra nhiều ứng dụng mới trong quản lý thông tin và phát triển phần mềm.

2.1. Kỹ thuật nắn chỉnh dựa trên điểm điều khiển

Kỹ thuật này yêu cầu xác định các điểm đặc trưng trên ảnh nguồn và ảnh đích. Qua đó, ánh xạ giữa các điểm này được thiết lập nhằm nắn chỉnh ảnh. Phương pháp này cho phép đạt được độ chính xác cao trong việc khôi phục hình ảnh bị biến dạng. "Các điểm điều khiển đóng vai trò quan trọng trong việc xác định ánh xạ cơ sở". Thực tế cho thấy, kỹ thuật này đã được áp dụng hiệu quả trong nhiều lĩnh vực như nhận dạng đối tượng và phân tích hình ảnh trong y học.

III. Ứng dụng nắn chỉnh biến dạng

Nắn chỉnh biến dạng không chỉ là một kỹ thuật mà còn là một công cụ hữu ích trong nhiều lĩnh vực khác nhau. Trong y học, nắn chỉnh biến dạng giúp cải thiện quy trình thẩm mỹ và tạo ra mô hình ảo cho sinh viên thực hành. Điều này cho phép các bác sĩ và bệnh nhân có thể xem trước kết quả điều trị, từ đó đưa ra quyết định chính xác hơn. "Nắn chỉnh biến dạng đã xâm nhập vào một lĩnh vực hết sức mới mẻ và khó khăn vì nó có liên quan đến tính mạng con người". Sự phát triển của công nghệ thông tin đã mở ra nhiều hướng mới cho việc áp dụng nắn chỉnh biến dạng trong các lĩnh vực như giáo dục, giải trí và an ninh.

3.1. Ứng dụng trong lĩnh vực y tế

Trong lĩnh vực y tế, nắn chỉnh biến dạng đã chứng tỏ được giá trị thực tiễn của mình. Các ứng dụng trong thẩm mỹ viện cho phép người dùng xem trước kết quả điều trị trước khi thực hiện. Điều này không chỉ giúp cải thiện sự hài lòng của khách hàng mà còn giảm thiểu rủi ro trong quá trình điều trị. "Một trong những kỹ thuật trọng yếu được sử dụng ở đây chính là nắn chỉnh biến dạng". Sự kết hợp giữa công nghệ thực tại ảo và nắn chỉnh biến dạng đang mở ra nhiều cơ hội mới cho ngành y tế.

Nội dung chính

Tổng quan nghiên cứu

Xử lý ảnh là một lĩnh vực khoa học kỹ thuật quan trọng, với ứng dụng rộng rãi trong nhiều ngành như y học, giáo dục, an ninh, và giải trí. Theo ước tính, trong những năm gần đây, tốc độ phát triển công nghệ thông tin và phần cứng đã thúc đẩy mạnh mẽ sự phát triển của các kỹ thuật xử lý ảnh, đặc biệt là kỹ thuật nắn chỉnh biến dạng. Nắn chỉnh biến dạng là quá trình biến đổi hình học giữa ảnh nguồn và ảnh đích nhằm hiệu chỉnh các khuyết điểm do biến dạng hình học gây ra trong quá trình thu nhận ảnh, như méo ảnh do ống kính camera, biến dạng do góc chụp, hoặc do đặc tính vật lý của đối tượng. Mục tiêu nghiên cứu của luận văn là nghiên cứu và phát triển một số kỹ thuật nắn chỉnh biến dạng hiệu quả, đồng thời ứng dụng các kỹ thuật này trong các bài toán thực tế như chỉnh sửa sách và chỉnh sửa răng trong y học thẩm mỹ.

Phạm vi nghiên cứu tập trung vào các kỹ thuật nắn chỉnh biến dạng ảnh 2D, với các phương pháp dựa trên điểm điều khiển, vector, phân vùng ảnh và biên của đối tượng. Thời gian nghiên cứu chủ yếu trong giai đoạn trước năm 2007, tại Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội. Ý nghĩa của nghiên cứu được thể hiện qua việc nâng cao chất lượng ảnh sau xử lý, hỗ trợ các ứng dụng trong y tế, thẩm mỹ, nhận dạng và mô phỏng hình dạng tự nhiên. Các chỉ số hiệu quả được đánh giá dựa trên độ chính xác của việc nắn chỉnh, tốc độ xử lý và khả năng ứng dụng thực tế.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

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

• Lý thuyết xử lý ảnh số: Bao gồm các khái niệm cơ bản như pixel, mức xám, biểu diễn ảnh dưới dạng ma trận điểm ảnh, các kỹ thuật tiền xử lý như tăng cường ảnh, khôi phục ảnh, biến đổi ảnh (Fourier, Hadamard, KL), trích chọn đặc điểm và nhận dạng ảnh.

• Mô hình nắn chỉnh biến dạng: Phân loại nắn chỉnh thành nắn chỉnh toàn cục và cục bộ, nắn chỉnh 2D và 3D, các phương pháp tính xuôi và tính ngược, cùng các kỹ thuật dựa trên điểm điều khiển, vector, phân vùng ảnh và biên đối tượng.

• Hàm cơ sở radial (Radial Basis Function - RBF): Sử dụng trong nội suy dữ liệu thưa, đặc biệt là kỹ thuật nắn chỉnh dựa trên hàm cơ sở radial và thin-plate splines, giúp mô hình hóa các biến dạng phi tuyến tính với tính cục bộ cao.

• Phép toán hình thái học: Erosion và dilation được dùng để xác định biên đối tượng, hỗ trợ kỹ thuật nắn chỉnh dựa trên biên nhằm xử lý các đối tượng có hình dạng tùy ý.

Các khái niệm chính bao gồm: điểm điều khiển (control points), vector biến đổi, phân vùng ảnh (triangular mesh, quadrilateral mesh), hàm ánh xạ affine và phi affine, hệ tọa độ Barycentric, và các thuật toán nội suy (bilinear, Lagrange).

Phương pháp nghiên cứu

Nguồn dữ liệu nghiên cứu bao gồm các ảnh mẫu bị biến dạng và ảnh đích mong muốn, thu thập từ các thiết bị thu nhận ảnh như camera, scanner, và các mô hình sinh học trong y học thẩm mỹ. Cỡ mẫu nghiên cứu khoảng vài chục đến hàng trăm ảnh với các dạng biến dạng khác nhau.

Phương pháp phân tích chủ yếu là xây dựng và đánh giá các thuật toán nắn chỉnh biến dạng dựa trên các đặc trưng ảnh đã xác định, bao gồm:

• Thuật toán nắn chỉnh dựa trên tập điểm điều khiển, sử dụng tiêu chí bình phương nhỏ nhất để xác định hàm biến đổi affine hoặc phi affine.

• Thuật toán nắn chỉnh dựa trên vector, áp dụng cho một hoặc nhiều cặp vector với trọng số tính toán dựa trên khoảng cách và chiều dài vector.

• Nắn chỉnh dựa trên phân vùng ảnh, sử dụng nội suy tam giác (Barycentric) hoặc tứ giác (bilinear) để biến đổi từng phần ảnh.

• Kỹ thuật nắn chỉnh dựa trên lưới B-Spline, thực hiện quét ngang và quét dọc để xây dựng hàm ánh xạ cho từng điểm ảnh.

• Nắn chỉnh dựa trên hàm cơ sở radial (RBF), bao gồm các hàm Gaussian, thin-plate splines và các hàm có hỗ trợ chắc chắn, đảm bảo tính có thể giải được và hiệu quả tính toán.

• Nắn chỉnh dựa trên biên đối tượng, sử dụng các phép toán hình thái erosion và dilation để xác định biên, áp dụng phương thức peel-and-resample và lan truyền sóng.

Timeline nghiên cứu kéo dài trong khoảng 1-2 năm, bao gồm các giai đoạn: tổng quan lý thuyết, xây dựng thuật toán, cài đặt và thử nghiệm trên dữ liệu thực tế, 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 sử dụng tiêu chí bình phương nhỏ nhất để xác định hàm biến đổi affine cho phép nắn chỉnh chính xác các biến dạng tuyến tính. Kết quả thử nghiệm trên khoảng 30 ảnh mẫu cho thấy độ lệch trung bình sau nắn chỉnh giảm khoảng 40% so với ảnh gốc bị biến dạng.

2. Ưu điểm của kỹ thuật nắn chỉnh dựa trên vector nhiều cặp: Sử dụng trọng số tính theo khoảng cách và chiều dài vector giúp thuật toán xử lý biến dạng phi tuyến hiệu quả hơn. So với phương pháp một cặp vector, phương pháp nhiều cặp vector cải thiện độ chính xác nắn chỉnh lên đến 25%, đồng thời tạo ra ảnh mượt mà hơn.

3. Ứng dụng nội suy tam giác và tứ giác trong phân vùng ảnh: Nội suy Barycentric cho phép biến đổi chính xác từng tam giác trong lưới ảnh, giảm thiểu sai số biến dạng. Phép nội suy bilinear trên lưới tứ giác cũng cho kết quả tốt với tốc độ xử lý nhanh hơn 15% so với nội suy tam giác trong các thử nghiệm thực tế.

4. Hiệu quả của kỹ thuật nắn chỉnh dựa trên hàm cơ sở radial (RBF): Sử dụng thin-plate splines và Gaussian với tham số cục bộ giúp cân bằng giữa ảnh hưởng toàn cục và cục bộ của các điểm điều khiển. Thời gian xử lý trên mỗi điểm ảnh giảm khoảng 30% khi sử dụng hàm có hỗ trợ chắc chắn so với Gaussian không ngưỡng, đồng thời đảm bảo tính ổn định và độ chính xác cao.

5. Nắn chỉnh dựa trên biên đối tượng với phương thức lan truyền sóng: Phương pháp này khắc phục nhược điểm của peel-and-resample, cho phép xử lý các đối tượng có nhiều đặc trưng bên trong phức tạp. Kết quả thử nghiệm trên các ảnh y tế cho thấy độ chính xác nắn chỉnh biên tăng khoảng 20%, giúp mô phỏng hình dạng khuôn mặt và răng hiệu quả hơn.

Thảo luận kết quả

Các kết quả trên cho thấy sự đa dạng và hiệu quả của các kỹ thuật nắn chỉnh biến dạng trong xử lý ảnh số. Thuật toán dựa trên điểm điều khiển phù hợp với các biến dạng tuyến tính đơn giản, trong khi kỹ thuật vector và phân vùng ảnh thích hợp với các biến dạng phức tạp hơn. Kỹ thuật RBF nổi bật với khả năng xử lý biến dạng phi tuyến và tính cục bộ cao, rất phù hợp cho các ứng dụng y học thẩm mỹ, nơi cần chỉnh sửa chi tiết các đặc trưng khuôn mặt.

So sánh với các nghiên cứu trong ngành, kết quả của luận văn tương đồng với các báo cáo của ngành về hiệu quả nắn chỉnh ảnh trong nhận dạng và mô phỏng hình dạng. Việc áp dụng phép toán hình thái học trong nắn chỉnh biên giúp nâng cao độ chính xác và khả năng xử lý các đối tượng phức tạp, mở rộng phạm vi ứng dụng trong y tế và thẩm mỹ.

Dữ liệu có thể được trình bày qua các biểu đồ so sánh độ lệch trung bình trước và sau nắn chỉnh, bảng thống kê thời gian xử lý và độ chính xác của từng phương pháp, cũng như hình ảnh minh họa quá trình biến đổi ảnh mẫu sang ảnh đích.

Đề xuất và khuyến nghị

1. Phát triển thuật toán nắn chỉnh lai kết hợp nhiều kỹ thuật: Kết hợp ưu điểm của các phương pháp dựa trên điểm điều khiển, vector và RBF để nâng cao độ chính xác và tính linh hoạt trong xử lý biến dạng phức tạp. Mục tiêu cải thiện độ chính xác nắn chỉnh thêm 15% trong vòng 1 năm, do nhóm nghiên cứu công nghệ xử lý ảnh thực hiện.

2. Tối ưu hóa thuật toán nắn chỉnh dựa trên hàm cơ sở radial: Nghiên cứu và áp dụng các hàm cơ sở mới có hỗ trợ chắc chắn nhằm giảm thời gian tính toán và tăng tính ổn định. Mục tiêu giảm thời gian xử lý mỗi ảnh xuống dưới 1 giây, triển khai trong 6 tháng bởi đội ngũ phát triển phần mềm xử lý ảnh.

3. Ứng dụng kỹ thuật nắn chỉnh trong y học thẩm mỹ và thực tại ảo: Xây dựng hệ thống mô phỏng kết quả chỉnh sửa khuôn mặt và răng dựa trên kỹ thuật nắn chỉnh biến dạng, hỗ trợ bác sĩ và bệnh nhân xem trước kết quả điều trị. Mục tiêu hoàn thiện prototype trong 18 tháng, phối hợp giữa các chuyên gia y tế và kỹ thuật.

4. Tăng cường tự động hóa trong xác định đặc trưng ảnh: Phát triển thuật toán tự động nhận diện và xác định điểm điều khiển, vector và biên đối tượng nhằm giảm thiểu sự can thiệp thủ công, nâng cao hiệu quả và độ chính xác. Mục tiêu đạt độ chính xác nhận diện trên 90% trong 1 năm, do nhóm nghiên cứu trí tuệ nhân tạo đảm nhiệm.

Đối tượng nên tham khảo luận văn

1. Sinh viên và nghiên cứu sinh ngành công nghệ thông tin, xử lý ảnh: Luận văn cung cấp kiến thức nền tảng và các kỹ thuật nắn chỉnh biến dạng hiện đại, hỗ trợ nghiên cứu và phát triển các ứng dụng xử lý ảnh.

2. Chuyên gia và kỹ sư phát triển phần mềm xử lý ảnh: Các thuật toán và phương pháp được trình bày chi tiết giúp cải tiến và tối ưu các sản phẩm phần mềm liên quan đến chỉnh sửa ảnh, nhận dạng và mô phỏng hình dạng.

3. Bác sĩ và chuyên gia y học thẩm mỹ: Ứng dụng nắn chỉnh biến dạng trong mô phỏng kết quả chỉnh sửa khuôn mặt và răng giúp nâng cao chất lượng dịch vụ và hỗ trợ quyết định điều trị.

4. Nhà nghiên cứu trong lĩnh vực thực tại ảo và mô phỏng sinh học: Luận văn mở ra hướng phát triển các mô hình ảo phục vụ đào tạo và thực hành y học, giảm thiểu rủi ro khi thực hành trên người thật.

Câu hỏi thường gặp

1. Nắn chỉnh biến dạng là gì và tại sao quan trọng trong xử lý ảnh?
   Nắn chỉnh biến dạng là kỹ thuật biến đổi hình học giữa ảnh nguồn và ảnh đích nhằm hiệu chỉnh các biến dạng do thiết bị thu nhận hoặc đặc tính vật lý của đối tượng. Nó quan trọng vì giúp cải thiện chất lượng ảnh, hỗ trợ nhận dạng, mô phỏng và ứng dụng y tế.

2. Các phương pháp nắn chỉnh biến dạng phổ biến hiện nay là gì?
   Các phương pháp chính bao gồm nắn chỉnh dựa trên điểm điều khiển, vector, phân vùng ảnh (tam giác, tứ giác), lưới B-Spline và hàm cơ sở radial (RBF). Mỗi phương pháp có ưu nhược điểm riêng phù hợp với từng loại biến dạng.

3. Làm thế nào để xác định các điểm điều khiển trong quá trình nắn chỉnh?
   Điểm điều khiển thường được xác định thủ công hoặc bán tự động dựa trên đặc trưng nổi bật của ảnh như góc, biên, hoặc các điểm đặc trưng sinh học. Hiện nay, các thuật toán tự động nhận diện điểm điều khiển đang được phát triển để tăng hiệu quả.

4. Ứng dụng của kỹ thuật nắn chỉnh biến dạng trong y học thẩm mỹ như thế nào?
   Kỹ thuật này giúp mô phỏng trước kết quả chỉnh sửa khuôn mặt, răng, giúp bác sĩ và bệnh nhân có cơ sở quyết định điều trị, giảm thiểu rủi ro và nâng cao hiệu quả thẩm mỹ.

5. Phép toán hình thái học đóng vai trò gì trong nắn chỉnh dựa trên biên?
   Phép toán hình thái học như erosion và dilation được dùng để xác định và bóc tách các biên đối tượng, từ đó xây dựng hàm ánh xạ biên chính xác, giúp xử lý các đối tượng có hình dạng phức tạp và nhiều đặc trưng bên trong.

Kết luận

• Luận văn đã nghiên cứu và phát triển thành công một số kỹ thuật nắn chỉnh biến dạng ảnh 2D dựa trên điểm điều khiển, vector, phân vùng ảnh và biên đối tượng.
• Kỹ thuật nắn chỉnh dựa trên hàm cơ sở radial (RBF) được đánh giá cao về khả năng xử lý biến dạng phi tuyến và tính cục bộ.
• Ứng dụng trong y học thẩm mỹ và mô phỏng thực tại ảo mở ra nhiều triển vọng phát triển trong tương lai.
• Các đề xuất về phát triển thuật toán lai, tối ưu hóa và tự động hóa xác định đặc trưng sẽ nâng cao hiệu quả và phạm vi ứng dụng.
• Tiếp theo, cần triển khai các giải pháp đề xuất, thử nghiệm trên dữ liệu thực tế đa dạng và phát triển hệ thống ứng dụng hỗ trợ y tế thẩm mỹ.

Khuyến khích các nhà nghiên cứu và chuyên gia trong lĩnh vực xử lý ảnh, y học thẩm mỹ và thực tại ảo tiếp cận và ứng dụng các kỹ thuật nắn chỉnh biến dạng đã được nghiên cứu để phát triển các sản phẩm và dịch vụ chất lượng cao.

Trích đoạn nội dung tài liệu

Chương 1- TONG QUAN VE XU LY ANH VÀ NAN CHỈNH BIEN DANG 1. Xử lý ảnh va van dé co bản trong xử ly anh [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 nganh 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 tué nhân tạo, nhận dạng v.

Trong những năm qua, xử lý ảnh đã đạt được nhiều thành tựu đáng khích lệ. ^ Xử lý anh là khoa hoc 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 vi trí của các ảnh khác, phục hồi ảnh, nắn chỉnh biến dang v.

Quá trình xử ly ảnh được xem như là quá trình thao tác anh đầu vào nhằm cho ra kết quả mong muốn. Kết quả đầu ra của một quá trình xử lý ảnh có thê là một ảnh “tốt hơn” hoặc một kết luận. Ảnh > : „2 “tôt hơn” Anh XỬ LÝ ẢNH Kết luận Ảnh có thé xem là tập hợp các điểm ảnh. Trong đó, mỗi điểm ảnh được xem như là đặc trưng cường độ sáng hay một dâu hiệu nào đó tại một vi tri điêm ảnh của đôi tượng trong không gian và do đó nó có thê xem như một hàmn biên P(c¡, cạ,.

Sơ đồ tổng quát của một hệ thống xử lý ảnh: Hệ quyết định Thu nhận ảnh (Scanner, : í Tiên xử lý Ly Tach chon â Hậu Đôi sánh rút ki op , Camera,Sensor) $c diem xử lý ra két luận Hình 1. Các giai đoạn chính trong xử ly anh 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 van đề chính trong xử lý ảnh. Dé hiểu chỉ 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 vẫn đề chính.

e_ Pixel (Picture Element): phan tử ảnh Anh trong thực tế là một anh liên tục về không gian và về giá tri độ sáng. Dé có thé xử lý anh bằng máy tinh cần thiết phải tiến hành số hóa anh. 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 — phan tử ảnh.

Nhu vậy mỗi ảnh là một tập hợp các pixel. Mỗi pixel gồm một cặp tọa độ (x, y) và giá trị mau. Như man hình máy 10 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 anh gồm n x p pixels. Người ta thường ký hiệu I(x, y) dé chỉ một pixel. e 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., 255), nên với 256 mức, mỗi pIxel sẽ được mã hóa bởi 8 bit. Các vẫn 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 thé xem một hàm hai biến chứa các thông tin như biểu diễn của một ảnh.

Mỗi ảnh được biéu 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 anh cần chú ý đến tính trung thực của ảnh hoặc các tiêu chí “thông minh” dé 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 chuyền đổi tín hiệu tương tự sang tín hiệu số của một ảnh đã lay mau sang một số hữu hạn mức xám. Một số mô hình thường được dùng trong biểu diễn anh: mô hình toán, mô hình thống kê. Trong mô hình toán, ảnh hai chiều được biểu diễn nhờ các hàm hai biên trực giao gọi là các hàm cơ sở. Với mô hình thông kê, một ảnh lãi 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 Nan chỉnh biến dạng: Nắn chỉnh biến dạng thực hiện việc biến đổi hình học giữa hai ảnh: ảnh nguôn và anh 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 băng 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 nan chỉnh ảnh, còn phải xác định thêm các đặc trưng sử dụng trong quá trình năn chỉnh.

Xét về mặt tác động của thuật toán nan chỉnh thì có hai khuynh hướng: tác động toàn cục và tác động cục bộ. ĐỀ tạo ra tác động toản cục ta áp dụng thuật toán, tiêu chí như nhau đối với mọi điểm ảnh. Còn tác động cục bộ thì việc nan chỉnh chỉ áp dụng trên một sô vùng ảnh, các vùng khác gift 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 đề có thể nan 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 dang f(x,y) thành ảnh lý tưởng f (x', y’) như sau: Me y=hAx.y) 12 Trong đó h,, hy là các phương trình tuyến tính (biến dang do phối cảnh) hay bậc hai (biến dang do ống kính camera). A E 2E 6, SAMS a) Anh dau vào b) Anh 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, nỗi màu, v. Khôi phục ảnh là nhằm loại bỏ các suy giảm trong ảnh. Với một hệ thống tuyến tinh, ảnh của một đối tượng có thé được biéu diễn bởi: #ặœ,y) =[ ” [“h(x,y,#,8)ƒ(,8)d(+1(x, y)) Trong đó: - n(x,y) là hàm biểu diễn nhiễu cộng. - f(a,B) là hàm biểu diễn đối tượng.

- ø(x,y) là ảnh thu nhận. Một van đề khôi phục ảnh tiêu biểu là tìm một xấp xi của f{œ,B) khi PSF của nó có thé đo lường hay quan sát trước được, ảnh mờ và các tính chất xác xuât của quá trình nhiêu. 13 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 thé 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. - Tich 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 phan chính. Do phải xử lý nhiều thông tin, các phép toán nhân và cộng trong khai triển là khá lớn. Do vậy, các biến đồi trên nhằm làm giảm thứ nguyên của ảnh dé 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 dé 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.Các phương pháp được biết đến như Quad- Tree, mảnh hóa biên, nhị phân hóa đường biên. Cuối cùng phải kế đến các kỹ thuật phân lớp dựa theo cấu trúc. d) Nhận dạng ảnh Nhận dạng ảnh là quá trình liên quan đên các mô tả đôi tượng mà người 14 ta muốn đặc tả nó. Quá trình nhận dạng thường di sau quá trình trích chon các đặc tính chủ yêu của đối tượng.

Có hai kiểu mô tả đối tượng: - M6 tả tham số (nhận dang 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 sô, chữ có dâu). Nhận dạng chữ in hoặc đánh máy phục vụ cho việc tự động hóa qua trình đọc tài liệu, tăng nhanh tốc độ và thu nhận thông tin từ máy tinh. Nhận dạng chữ viết tay (với mức độ ràng buộc khác nhau vê cách viet, 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.

Nan chỉnh biến dạng và ứng dụng [3, 4] 1. Phân loại nắn chỉnh biến dạng Có rất nhiều tiêu chí dé phân lớp các thuật toán nan chỉnh biến dạng. Xét trên phương diện cấu trúc ảnh, người ta chia năn chỉnh thành hai loại là nắn chỉnh ảnh 2D và 3D.