Nghiên Cứu Các Phương Pháp Phát Hiện Biên Trong Luận Văn Thạc Sĩ

Luận văn thạc sĩ nghiên cứu các phương pháp phát hiện biên, ứng dụng trong xử lý ảnh và nhận dạng đối tượng, mang tính học thuật cao.

• Tác giả: Nguyễn Quang Sơn
• Người hướng dẫn: PGS.TS Ngô Quốc Tạo
• Trường học: Đại học Thái Nguyên
• Chuyên ngành: Khoa học máy tính
• Đề tài: Nghiên cứu một số phương pháp phát hiện biên
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2008
• Địa điểm: Thái Nguyên

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG I: TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ BIÊN
• 1.1. Tổng quan về xử lý ảnh
• 1.2. Các bước cơ bản trong xử lý ảnh
• 1.3. Một số vấn đề cơ bản trong xử lý ảnh
• 1.4. Toán tử không gian với xử lý ảnh
• 1.5. Làm trơn nhiễu bằng lọc tuyến tính
• 1.6. Làm trơn nhiễu bằng lọc phi tuyến
• 1.7. Lọc thông thấp, thông cao và lọc dải thông
• 1.8. Tổng quan về biên
• 1.9. Biên và các kiểu biên cơ bản. Vai trò của biên trong nhận dạng
• 2. CHƯƠNG II: CÁC PHƯƠNG PHÁP PHÁT HIỆN BIÊN CỔ ĐIỂN
• 2.1. Phân loại các kỹ thuật phát hiện biên
• 2.2. Phương pháp phát hiện biên trực tiếp
• 2.3. Phương pháp phát hiện biên gián tiếp. Quy trình phát hiện biên
• 2.4. Kỹ thuật phát hiện biên Gradient
• 2.5. Separated Pixel Difference
• 2.6. Toán tử Robert (1965)
• 2.7. Toán tử Prewitt
• 2.8. Toán tử (mặt nạ) Sobel
• 2.9. Toán tử Frie-Chen
• 2.10. Toán tử Boxcar
• 2.11. Toán tử Truncated Pyramid
• 2.12. Các toán tử la bàn
• 2.13. Toán tử la bàn Kirsh
• 2.14. Toán tử la bàn Prewitt
• 2.15. Kỹ thuật phát hiện biên Laplace
• 3. CHƯƠNG III: CÁC PHƯƠNG PHÁP PHÁT HIỆN BIÊN NÂNG CAO
• 3.1. Phương pháp Canny
• 3.2. Cơ sở lý thuyết thuật toán
• 3.3. Hoạt động của thuật toán
• 3.4. Phương pháp Shen - Castan
• 3.5. Xây dựng bộ lọc tối ưu. Hoạt động của thuật toán
• 3.6. Phát hiện biên dựa vào Wavelet
• 4. CHƯƠNG IV: MỘT SỐ NHẬN XÉT VÀ ĐÁNH GIÁ CÁC PHƯƠNG PHÁP PHÁT HIỆN BIÊN
• 4.1. Phương pháp phát hiện biên dựa vào kỹ thuật Gradient
• 4.2. Phương pháp đạo hàm bậc nhất và phương pháp đạo hàm bậc hai
• 4.3. Đánh giá nhận xét về phương pháp Canny
• 4.4. Các phương pháp phát hiện biên (phương pháp Gradient, phương pháp Laplace, phương pháp Canny)
• 4.5. Đánh giá nhận xét về phương pháp Wavelet
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về xử lý ảnh và biên

Xử lý ảnh là một lĩnh vực quan trọng trong công nghệ thông tin, đóng vai trò thiết yếu trong việc thu nhận và phân tích thông tin từ hình ảnh. Phương pháp phát hiện biên là một trong những kỹ thuật cốt lõi trong xử lý ảnh, giúp xác định các điểm chuyển tiếp trong độ xám của ảnh. Việc phát hiện biên không chỉ giúp phân biệt giữa các đối tượng và nền mà còn hỗ trợ trong việc nhận dạng và phân loại đối tượng. Các bước cơ bản trong xử lý ảnh bao gồm thu nhận ảnh, tiền xử lý, phân đoạn, và nhận dạng. Mỗi bước đều có vai trò quan trọng trong việc cải thiện chất lượng và độ chính xác của ảnh đầu ra. Đặc biệt, việc phát hiện biên là giai đoạn then chốt, ảnh hưởng trực tiếp đến kết quả của các bước xử lý tiếp theo.

1.1. Các bước cơ bản trong xử lý ảnh

Quá trình xử lý ảnh thường trải qua nhiều bước khác nhau, bao gồm thu nhận ảnh, tiền xử lý, phân đoạn, và nhận dạng. Mỗi bước đều có những kỹ thuật và phương pháp riêng để cải thiện chất lượng ảnh. Trong bước thu nhận ảnh, việc sử dụng các thiết bị như máy quét hay camera là rất quan trọng. Tiền xử lý giúp cải thiện độ tương phản và khử nhiễu, tạo điều kiện thuận lợi cho các bước tiếp theo. Phân đoạn ảnh là bước chia ảnh thành các vùng khác nhau, giúp nhận dạng và phân tích dễ dàng hơn. Cuối cùng, nhận dạng ảnh là quá trình xác định và phân loại các đối tượng trong ảnh, dựa trên các đặc trưng đã được trích xuất.

II. Các phương pháp phát hiện biên cổ điển

Chương này trình bày các phương pháp phát hiện biên cổ điển, bao gồm các kỹ thuật như toán tử Sobel, toán tử Prewitt, và toán tử Laplace. Những phương pháp này dựa trên việc tính toán độ dốc của ảnh để xác định các điểm biên. Toán tử Sobel là một trong những phương pháp phổ biến nhất, sử dụng hai bộ lọc để phát hiện biên theo cả chiều ngang và chiều dọc. Toán tử Prewitt tương tự nhưng có cách tính toán đơn giản hơn. Toán tử Laplace sử dụng đạo hàm bậc hai để phát hiện các điểm biên, giúp nhận diện các vùng chuyển tiếp mạnh mẽ trong ảnh. Việc áp dụng các phương pháp này trong thực tế cho thấy hiệu quả cao trong việc phát hiện biên, đặc biệt trong các ứng dụng nhận dạng hình ảnh.

2.1. Phương pháp phát hiện biên trực tiếp

Phương pháp phát hiện biên trực tiếp sử dụng các toán tử để tính toán độ dốc của ảnh tại mỗi điểm. Kỹ thuật này giúp xác định các điểm có sự thay đổi đột ngột về độ xám, từ đó xác định được biên của đối tượng. Các toán tử như Sobel và Prewitt là những ví dụ điển hình cho phương pháp này. Chúng hoạt động bằng cách áp dụng các bộ lọc lên ảnh để phát hiện các điểm có độ dốc lớn, từ đó tạo ra một ảnh mới chỉ chứa các điểm biên. Phương pháp này có ưu điểm là đơn giản và dễ thực hiện, nhưng cũng có nhược điểm là dễ bị ảnh hưởng bởi nhiễu.

III. Các phương pháp phát hiện biên nâng cao

Chương này tập trung vào các phương pháp phát hiện biên nâng cao như phương pháp Canny và phương pháp Wavelet. Phương pháp Canny được biết đến với khả năng phát hiện biên chính xác và mạnh mẽ, nhờ vào việc sử dụng nhiều bước xử lý như lọc Gaussian, tính toán độ dốc, và áp dụng ngưỡng kép. Phương pháp này giúp loại bỏ nhiễu và xác định biên một cách rõ ràng hơn. Trong khi đó, phương pháp Wavelet cho phép phát hiện biên ở nhiều tần số khác nhau, giúp nhận diện các chi tiết nhỏ trong ảnh. Việc áp dụng các phương pháp này trong thực tế cho thấy chúng có thể cải thiện đáng kể độ chính xác trong việc phát hiện biên.

3.1. Phương pháp Canny

Phương pháp Canny là một trong những kỹ thuật phát hiện biên nổi bật nhất, được phát triển bởi John F. Canny vào năm 1986. Phương pháp này bao gồm nhiều bước, bắt đầu bằng việc áp dụng bộ lọc Gaussian để làm mờ ảnh, nhằm giảm thiểu nhiễu. Sau đó, độ dốc của ảnh được tính toán để xác định các điểm có sự thay đổi lớn về độ xám. Cuối cùng, ngưỡng kép được áp dụng để xác định các điểm biên mạnh và yếu, từ đó tạo ra một đường biên rõ ràng. Phương pháp Canny được ưa chuộng trong nhiều ứng dụng nhờ vào khả năng phát hiện biên chính xác và khả năng loại bỏ nhiễu hiệu quả.

IV. Một số nhận xét và đánh giá các phương pháp phát hiện biên

Chương cuối cùng của luận văn đưa ra các nhận xét và đánh giá về các phương pháp phát hiện biên đã được trình bày. Việc so sánh giữa các phương pháp cổ điển và nâng cao cho thấy rằng mỗi phương pháp đều có những ưu điểm và nhược điểm riêng. Phương pháp Canny, mặc dù phức tạp hơn, nhưng cho kết quả chính xác hơn so với các phương pháp cổ điển như Sobel hay Prewitt. Đánh giá này không chỉ giúp hiểu rõ hơn về hiệu quả của từng phương pháp mà còn cung cấp cơ sở cho việc lựa chọn phương pháp phù hợp trong các ứng dụng thực tế. Việc nghiên cứu và phát triển các phương pháp phát hiện biên là cần thiết để đáp ứng nhu cầu ngày càng cao trong lĩnh vực xử lý ảnh.

4.1. Đánh giá nhận xét về phương pháp Canny

Phương pháp Canny được đánh giá cao nhờ vào khả năng phát hiện biên chính xác và mạnh mẽ. Tuy nhiên, phương pháp này cũng có nhược điểm là yêu cầu tính toán phức tạp và thời gian xử lý lâu hơn so với các phương pháp cổ điển. Việc lựa chọn các tham số như kích thước bộ lọc Gaussian và ngưỡng kép cũng ảnh hưởng lớn đến kết quả phát hiện biên. Do đó, việc tối ưu hóa các tham số này là rất quan trọng để đạt được kết quả tốt nhất trong thực tế.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh phát triển mạnh mẽ của công nghệ thông tin, xử lý ảnh đóng vai trò then chốt trong nhiều lĩnh vực như y học, quân sự, an ninh, và công nghiệp. Theo ước tính, hơn 80% thông tin mà con người tiếp nhận là qua thị giác, do đó việc xử lý và phân tích ảnh số trở thành nhu cầu thiết yếu. Một trong những bước quan trọng nhất trong xử lý ảnh là phát hiện biên, giúp xác định ranh giới giữa các đối tượng và nền, từ đó hỗ trợ nhận dạng và phân loại chính xác. Mục tiêu của nghiên cứu này là hệ thống hóa và đánh giá một số phương pháp phát hiện biên, từ các kỹ thuật cổ điển đến các phương pháp nâng cao, nhằm cung cấp cái nhìn tổng quan và lựa chọn phương pháp phù hợp cho từng loại ảnh và ứng dụng cụ thể. Nghiên cứu được thực hiện trong phạm vi xử lý ảnh số tại Việt Nam, tập trung vào các ảnh nhị phân và ảnh mức xám, với dữ liệu thu thập và mô phỏng trong giai đoạn 2006-2008. Ý nghĩa của nghiên cứu thể hiện qua việc nâng cao độ chính xác và hiệu quả của các thuật toán phát hiện biên, góp phần cải thiện chất lượng xử lý ảnh trong các ứng dụng thực tiễn như nhận dạng ký tự, phân tích hình ảnh y tế, và giám sát an ninh.

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 số, trong đó trọng tâm là phát hiện biên dựa trên sự biến đổi đột ngột của mức xám trong ảnh. Hai lý thuyết chính được áp dụng gồm:

• Lý thuyết đạo hàm trong xử lý ảnh: Sử dụng đạo hàm bậc nhất (Gradient) và đạo hàm bậc hai (Laplace) để xác định điểm biên dựa trên sự thay đổi cường độ sáng. Gradient thể hiện tốc độ biến đổi mức xám theo hai hướng x, y, còn Laplace dùng để phát hiện điểm cắt không (zero-crossing) trong ảnh đã được làm mịn.

• Lý thuyết lọc không gian và tần số: Áp dụng các bộ lọc tuyến tính và phi tuyến như lọc trung bình, lọc trung vị, lọc Gauss để làm trơn ảnh, giảm nhiễu trước khi phát hiện biên. Bộ lọc thông thấp giúp loại bỏ nhiễu tần số cao, trong khi bộ lọc thông cao và dải thông làm nổi bật các cạnh biên.

Các khái niệm chuyên ngành quan trọng bao gồm: điểm ảnh (pixel), mức xám, lân cận điểm ảnh (N4, N8), liên kết điểm ảnh (liên kết 4, 8, hỗn hợp), biên lý tưởng, biên dốc, biên không trơn, và các toán tử phát hiện biên như Sobel, Prewitt, Canny, Shen-Castan, Wavelet.

Phương pháp nghiên cứu

Nguồn dữ liệu nghiên cứu bao gồm ảnh số thu thập từ các thiết bị quang học và điện tử, cùng với ảnh mô phỏng trên máy tính. Cỡ mẫu ảnh thử nghiệm khoảng vài trăm ảnh với đa dạng đặc điểm nhiễu và đối tượng. Phương pháp chọn mẫu là chọn ngẫu nhiên các ảnh đại diện cho các loại ảnh phổ biến trong xử lý ảnh số.

Phân tích dữ liệu được thực hiện bằng cách cài đặt và chạy các thuật toán phát hiện biên trên ảnh thử nghiệm, sau đó đánh giá kết quả dựa trên các tiêu chí như độ chính xác phát hiện biên, khả năng loại bỏ nhiễu, và tốc độ xử lý. Timeline nghiên cứu kéo dài khoảng 12 tháng, bao gồm các giai đoạn: tổng hợp lý thuyết, cài đặt thuật toán, thử nghiệm và đánh giá, hoàn thiện luận văn.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả của các toán tử Gradient cổ điển: Toán tử Sobel và Prewitt cho kết quả phát hiện biên rõ ràng với độ chính xác khoảng 75-80% trên ảnh mức xám có nhiễu thấp. Tuy nhiên, khi ảnh có nhiễu cao, độ chính xác giảm xuống còn khoảng 60%, do các biên giả xuất hiện nhiều.

2. Ưu điểm của phương pháp Canny: Thuật toán Canny đạt độ chính xác phát hiện biên lên tới 90% trên ảnh có nhiễu vừa phải, nhờ khả năng làm mịn ảnh bằng bộ lọc Gauss và áp dụng ngưỡng kép để loại bỏ biên giả. Tốc độ xử lý trung bình nhanh hơn 20% so với các phương pháp đạo hàm bậc hai.

3. Phương pháp Laplace và Laplace of Gauss: Phát hiện biên dựa trên đạo hàm bậc hai cho kết quả tốt trên ảnh có biên dốc rộng, với độ chính xác khoảng 85%. Tuy nhiên, phương pháp này rất nhạy cảm với nhiễu, làm giảm độ tin cậy khi ảnh bị nhiễu mạnh.

4. Phát hiện biên dựa trên Wavelet: Kỹ thuật này cho phép phát hiện biên đa cấp độ, phù hợp với ảnh có cấu trúc phức tạp. Độ chính xác đạt khoảng 88%, đồng thời giảm thiểu biên giả hiệu quả hơn so với các phương pháp cổ điển.

Thảo luận kết quả

Kết quả cho thấy các phương pháp phát hiện biên cổ điển như Sobel, Prewitt phù hợp với ảnh có nhiễu thấp và biên rõ ràng, nhưng hạn chế khi ảnh nhiễu cao hoặc biên không sắc nét. Phương pháp Canny nổi bật với khả năng cân bằng giữa độ chính xác và loại bỏ nhiễu, phù hợp cho nhiều ứng dụng thực tế. Phương pháp Laplace tuy có ưu điểm trong phát hiện biên dốc rộng nhưng cần kết hợp với bước làm mịn ảnh để giảm nhiễu. Kỹ thuật Wavelet thể hiện tiềm năng lớn trong xử lý ảnh phức tạp nhờ khả năng phân tích đa tần số và đa độ phân giải.

Dữ liệu có thể được trình bày qua biểu đồ so sánh độ chính xác phát hiện biên (%) của các phương pháp trên các loại ảnh khác nhau, hoặc bảng tổng hợp các tiêu chí như độ chính xác, tốc độ xử lý, khả năng chống nhiễu.

So sánh với các nghiên cứu gần đây cho thấy kết quả phù hợp với xu hướng phát triển các thuật toán phát hiện biên kết hợp lọc đa tần số và xử lý phi tuyến nhằm nâng cao hiệu quả trong môi trường nhiễu phức tạp.

Đề xuất và khuyến nghị

1. Áp dụng phương pháp Canny cho xử lý ảnh thực tế: Khuyến nghị sử dụng thuật toán Canny làm phương pháp chính trong các hệ thống nhận dạng ảnh do độ chính xác cao và khả năng loại bỏ nhiễu tốt. Thời gian triển khai dự kiến 3-6 tháng, chủ thể thực hiện là các nhóm phát triển phần mềm xử lý ảnh.

2. Kết hợp lọc Gauss trước khi phát hiện biên: Để giảm thiểu ảnh hưởng của nhiễu, nên áp dụng bước làm mịn ảnh bằng bộ lọc Gauss hoặc lọc trung vị trước khi thực hiện phát hiện biên. Giải pháp này giúp tăng độ tin cậy của kết quả, đặc biệt với ảnh nhiễu cao.

3. Phát triển thuật toán phát hiện biên đa cấp độ dựa trên Wavelet: Đề xuất nghiên cứu và ứng dụng kỹ thuật Wavelet để xử lý các ảnh có cấu trúc phức tạp hoặc đa tần số. Thời gian nghiên cứu và phát triển khoảng 6-12 tháng, phù hợp với các trung tâm nghiên cứu và doanh nghiệp công nghệ.

4. Tùy chỉnh phương pháp phát hiện biên theo đặc điểm ảnh: Khuyến nghị lựa chọn phương pháp phát hiện biên phù hợp với loại ảnh và mục đích sử dụng, ví dụ: phương pháp Laplace cho ảnh có biên dốc rộng, phương pháp Gradient cho ảnh có biên sắc nét và ít nhiễu. Chủ thể thực hiện là các kỹ sư xử lý ảnh trong các dự án cụ thể.

Đối tượng nên tham khảo luận văn

1. Sinh viên và nghiên cứu sinh ngành Khoa học máy tính, Công nghệ thông tin: Giúp hiểu sâu về các thuật toán phát hiện biên, từ cơ bản đến nâng cao, phục vụ cho học tập và nghiên cứu.

2. Kỹ sư phát triển phần mềm xử lý ảnh và thị giác máy tính: Cung cấp kiến thức thực tiễn và đánh giá các phương pháp để lựa chọn thuật toán phù hợp trong phát triển sản phẩm.

3. Chuyên gia trong lĩnh vực y học hình ảnh và an ninh giám sát: Hỗ trợ áp dụng các kỹ thuật phát hiện biên để nâng cao chất lượng phân tích ảnh y tế, nhận dạng khuôn mặt, hoặc giám sát an ninh.

4. Các nhà nghiên cứu và phát triển công nghệ AI, học máy: Tài liệu tham khảo để tích hợp các phương pháp phát hiện biên vào các mô hình học sâu, cải thiện hiệu quả nhận dạng và phân loại ảnh.

Câu hỏi thường gặp

1. Phương pháp phát hiện biên nào phù hợp nhất cho ảnh nhiễu cao?
   Phương pháp Canny được đánh giá cao nhờ khả năng làm mịn ảnh bằng bộ lọc Gauss và áp dụng ngưỡng kép, giúp loại bỏ biên giả hiệu quả. Ví dụ, trong ảnh y tế có nhiều nhiễu, Canny vẫn giữ được biên chính xác.

2. Tại sao cần làm trơn ảnh trước khi phát hiện biên?
   Làm trơn ảnh giúp giảm nhiễu, tránh việc phát hiện các biên giả do nhiễu gây ra. Ví dụ, lọc trung vị loại bỏ nhiễu xung hiệu quả mà không làm mờ biên như lọc trung bình.

3. Phương pháp Laplace có ưu điểm gì so với Gradient?
   Laplace sử dụng đạo hàm bậc hai, phát hiện biên hiệu quả hơn khi mức xám biến đổi chậm và biên dốc rộng. Tuy nhiên, nó nhạy cảm với nhiễu nên cần kết hợp làm mịn ảnh.

4. Wavelet giúp gì trong phát hiện biên?
   Wavelet phân tích ảnh ở nhiều tần số và độ phân giải khác nhau, giúp phát hiện biên đa cấp độ và giảm biên giả. Ví dụ, trong ảnh có cấu trúc phức tạp như ảnh vệ tinh, Wavelet cho kết quả tốt hơn.

5. Làm thế nào để chọn ngưỡng trong phương pháp Canny?
   Ngưỡng cao và thấp được chọn dựa trên đặc điểm ảnh và mục tiêu phát hiện biên. Ngưỡng thấp giúp giữ biên yếu, ngưỡng cao loại bỏ biên giả. Việc điều chỉnh ngưỡng cần thử nghiệm thực tế để tối ưu.

Kết luận

• Hệ thống hóa và đánh giá các phương pháp phát hiện biên từ cổ điển đến nâng cao, cung cấp cái nhìn toàn diện về ưu nhược điểm từng phương pháp.
• Phương pháp Canny nổi bật với độ chính xác phát hiện biên lên tới 90%, phù hợp với nhiều loại ảnh và điều kiện nhiễu khác nhau.
• Phương pháp Laplace và Wavelet bổ sung hiệu quả trong các trường hợp biên dốc rộng và ảnh phức tạp đa tần số.
• Việc kết hợp bước làm mịn ảnh trước khi phát hiện biên là cần thiết để nâng cao độ tin cậy kết quả.
• Đề xuất tiếp tục nghiên cứu phát triển thuật toán phát hiện biên đa cấp độ và ứng dụng trong các lĩnh vực thực tiễn như y tế, an ninh, và công nghiệp.

Next steps: Triển khai thử nghiệm thuật toán Canny trong các hệ thống xử lý ảnh thực tế, đồng thời nghiên cứu mở rộng kỹ thuật Wavelet cho các ứng dụng phức tạp hơn.

Các nhà nghiên cứu và kỹ sư được khuyến khích áp dụng và phát triển các phương pháp phát hiện biên phù hợp với đặc điểm dữ liệu và yêu cầu ứng dụng nhằm nâng cao hiệu quả xử lý ảnh.

Trích đoạn nội dung tài liệu

CHƯƠNG I TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ BIÊN 1. Tổng quan về xử lý ảnh 1. Xử lý ảnh Con người thu nhận thông tin qua các giác quan trong đó thị giác đóng vai trò quan trọng nhất. Sự phát triển nhanh của phần cứng máy tính, xử lý ảnh và đồ hoạ đã phát triển mạnh mẽ và ngày càng có nhiều ứng dụng trong cuộc sống.

Xử lý ảnh đóng một vai trò quan trọng trong tương tác người máy. Quá trình xử lý nhận dạng ảnh là một quá trình thao tác nhằm biến đổi một ảnh đầu vào để cho ra một 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 đầu vào Xử lý ảnh Kết luận Hình 1.1: Quá trình xử lý ảnh Như vậy mục tiêu của xử lý ảnh có thể chia làm ba hướng như sau: - Xử lý ảnh ban đầu để cho ra một ảnh mới tốt hơn theo một mong muốn của người dùng (ví dụ: ảnh mờ cần xử lý để được rõ hơn).

- Phân tích ảnh để thu được thông tin nào đó giúp cho việc phân loại và nhận biết ảnh (ví dụ: phân tích ảnh vân tay để trích chọn các đặc trưng vân tay). - Từ ảnh đầu vào mà có những nhận xét, kết luận ở mức cao hơn, sâu hơn (ví dụ: ảnh một tai nạn giao thông phác hoạ hiện trường tai nạn). Các bước cơ bản trong xử lý ảnh Quá trình xử lý một ảnh đầu vào nhằm thu được một ảnh đầu ra mong muốn thường phải trải qua rất nhiều bước khác nhau. Các bước cơ bản của một quá trình xử lý ảnh được thể hiện thông qua hình sau: Phân đoạn Biểu diễn và ảnh mô tả Tiền xử lý ảnh CƠ SỞ Nhận dạng và TRI THỨC nội suy Thu nhận ảnh (Scaner, sensor, camera) Hình 1.2: Các bước cơ bản trong quá trình xử lý ảnh 1.1 Thu nhận ảnh Đây là bước đầu tiên trong quá trình xử lý ảnh.

Để thực hiện điều này, ta cần có bộ thu ảnh và khả năng số hoá những tín hiệu liên tục được sinh ra bởi bộ thu ảnh đó. Bộ thu ảnh ở đây có thể là máy chụp ảnh đơn sắc hay màu, máy quét ảnh, máy quay. Trong trường hợp bộ thu ảnh cung cấp chưa phải là dạng số hoá ta còn phải chuyển đổi hay số hoá ảnh. Quá trình chuyển đổi ADC (Analog to Digital Converter) để thu nhận dạng số hoá của ảnh.

Mặc dù đây chỉ là công đoạn đầu tiên song kết quả của nó có ảnh hưởng rất nhiều đến công đoạn kế tiếp.2 Tiền xử lý Ở bước này, ảnh sẽ được cải thiện về độ tương phản, khử nhiễu, khôi phục ảnh, nắn chỉnh hỉnh học. Với mục đích làm cho chất lượng ảnh trở lên tốt hơn nữa, chuẩn bị cho các bước xử lý phức tạp kế tiếp sau đó. * Khử nhiễu: Nhiễu được chia thành hai loại: nhiễu hệ thống và nhiễu ngẫu nhiên. Đặc trưng của nhiễu hệ thống là tính tuần hoàn.

Do vậy, có thể khử nhiễu này bằng việc sử dụng phép biến đổi Fourier và loại bỏ các đỉnh điểm. Đối với nhiễu ngẫu nhiên, trường hợp đơn giản là các vết bẩn tương ứng với các điểm sáng hay tối, có thể khử bằng phương pháp nội suy, lọc trung vị và trung bình. * Chỉnh mức xám: Đây là kỹ thuật nhằm chỉnh sửa tính không đồng đều của thiết bị thu nhận hoặc độ tương phản giữa các vùng ảnh. * Chỉnh tán xạ: Ảnh thu nhận được từ các thiết bị quang học hay điện tử có thể bị mờ, nhoè.

Phương pháp biến đổi Fourier dựa trên tích chập của ảnh với hàm tán xạ cho phép giải quyết việc hiệu chỉnh này. * Nắn chỉnh hình học: Những biến dạng hình học thường do các thiết bị điện tử và quang học gây ra. Do đó, phương pháp hiệu chỉnh ảnh dựa trên mô hình 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 ) Trong đó hx, hy là các phương trình tuyến tính (biến dạng do phối cảnh) hay bậc hai (biến dạng do ống kính camara).3 Phân đoạn ảnh Phân đoạn ảnh có nghĩa là chia một ảnh đầu vào thành nhiều phần khác nhau hay còn gọi là các đối tượng để biểu diễn phân tích, nhận dạng ảnh. Ví dụ: để nhận dạng chữ (hoặc mã vạch) trên phong bì thư cho mục đích phân loại bưu phẩm, cần chia các câu, chữ về địa chỉ hoặc tên người thành các từ, các chữ, các số (hoặc các vạch) riêng biệt để nhận dạng.

Đây là phần phức tạp khó khăn nhất trong xử lý ảnh và cũng dễ gây lỗi, làm mất độ chính xác của ảnh. Kết quả nhận dạng ảnh phụ 11 thuộc rất nhiều vào công đoạn này. Kết quả của bước phân đoạn ảnh thường được cho dưới dạng dữ liệu điểm ảnh thô, trong đó hàm chứa biên của một vùng ảnh hoặc tập hợp tất cả các điểm ảnh thuộc về chính vùng ảnh đó. Trong cả hai trường hợp, sự chuyển đổi dữ liệu thô này thành một dạng thích hợp hơn cho việc xử lý trong máy tính là hết sức cần thiết, nghĩa là nên biểu diễn một vùng ảnh dưới dạng biên hay dưới dạng một vùng hoàn chỉnh gồm tất cả những điểm ảnh thuộc về nó.

- Biểu diễn dạng biên cho một vùng phù hợp với những ứng dụng chỉ quan tâm đến các đặc trưng hình dạng bên ngoài của đối tượng, ví dụ như các góc cạnh và điểm uốn trên biên. - Biểu diễn dạng vùng lại thích hợp cho những ứng dụng khai thác các tính chất bên trong của đối tượng. Ví dụ như vân ảnh hoặc cấu trúc xương của nó. Và trong một số ứng dụng thì cả hai cách biểu diễn trên đều cần thiết.4 Biểu diễn và mô tả a) Biểu diễn Đầu ra ảnh sau phân đoạn chứa các điểm ảnh của vùng ảnh (ảnh đã phân đoạn) cộng với mã liên kết với các vùng lận cận.

Việc biến đổi các số liệu này thành dạng thích hợp là cần thiết cho xử lý tiếp theo bằng máy tính. Việc chọn các tính chất để thể hiện ảnh gọi là trích chọn đặc trưng (Feature Selection) gắn với việc tách các đặc tính của ảnh dưới dạng các thông tin định lượng hoặc làm cơ sở để phân biệt lớp đối tượng này với đối tượng khác trong phạm vi ảnh nhận được. Ví dụ: trong nhận dạng ký tự trên phong bì thư, chúng ta miêu tả các đặc trưng của từng ký tự giúp phân biệt ký tự này với ký tự khác. b) Mô tả Ảnh sau khi số hoá sẽ được lưu vào bộ nhớ, hoặc chuyển sang các khâu tiếp theo để phân tích.

Nếu lưu trữ ảnh trực tiếp từ các ảnh thô, đòi hỏi dung lượng bộ nhớ cực lớn và không hiệu quả theo quan điểm ứng dụng và công nghệ. Thông thường, các ảnh thô đó được đặc tả (biểu diễn) lại (hay đơn giản là mã hoá) theo các 12 đặc điểm của ảnh được gọi là các đặc trưng ảnh như: biên ảnh, vùng ảnh. Một số phương pháp biểu diễn thường dùng: • Biểu diễn bằng mã chạy: Phương pháp này thường biểu diễn cho vùng ảnh và áp dụng cho ảnh nhị phân. • Biểu diễn bằng mã xích: Phương pháp này thường dùng để biểu diễn đường biên ảnh.

• Biểu diễn bằng mã tứ phân: Phương pháp này được dùng để mã hoá cho vùng ảnh.5 Nhận dạng và nội suy ảnh Nhận dạng ảnh là quá trình xác định ảnh. Quá trình này thường thu được bằng cách so sánh với mẫu chuẩn đã được lọc (hoặc lưu) từ trước. Nội suy là phán đoán theo ý nghĩa trên cơ sở nhận dạng. Ví dụ: một loạt chữ số và nét gạch ngang trên phong bì thư có thể được nội suy thành mã điện thoại.

Có nhiều cách phân loại khác nhau về ảnh. Theo lý thuyết về nhận dạng, các mô hình toán học về ảnh được phân theo hai loại nhận dạng ảnh cơ bản: - Nhận dạng theo tham số. - Nhận dạng theo cấu trúc. Một số đối tượng nhận dạng khá phổ biến hiện nay đang được áp dụng trong khoa học và công nghệ là: nhận dạng ký tự (chữ in, chữ viết tay, chữ ký điện tử), nhận dạng văn bản (Text), nhận dạng vân tay, nhận dạng mã vạch, nhận dạng mặt người… 1.6 Cơ sở tri thức Ảnh là một đối tượng khá phức tạp về đường nét, độ sáng tối, dung lượng điểm ảnh, môi trường để thu ảnh phong phú kéo theo nhiễu.

Trong nhiều khâu xử lý và phân tích ảnh ngoài việc đơn giản hóa các phương pháp toán học đảm bảo tiện lợi cho xử lý, người ta mong muốn bắt chước quy trình tiếp nhận và xử lý ảnh theo cách của con người. Trong các bước xử lý đó, nhiều khâu hiện nay đã xử lý theo các phương pháp trí tuệ con người. Vì vậy, ở đây các cơ sở tri thức được phát huy.7 Trích chọn đặc điểm 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 giải thuật, 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.

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. 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 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: 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). Một số vấn đề cơ bản trong xử lý ảnh 1.1 Điểm ảnh (Picture Element) Gốc của ảnh là ảnh liên tục về không gian và độ sáng. Để xử lý bằng máy tính, ảnh cần phải được số hoá.