CHƯƠNG 1 TỔNG QUAN - Xây dựng thuật toán trích xuất 6 đặc trưng Tamuara đó là: độ thô, độ tương phản, hướng, độ giống nhất, độ đồng đều và độ nhám. - Xây dựng thuật toán tính toán kết cấu mức xám toàn cục và mức xám cục bộ của ảnh. - Xây dựng thuật toán kết hợp các đặc trưng và kết cấu trên và lưu vào cơ sở dữ liệu cùng với ảnh. - Xây dựng thuật toán và chương trình mô phỏng để tra cứu ảnh.
- Kết luận, đánh giá và phân tích các kết quả đạt được. Giới hạn đề tài Đề tài chỉ tập trung nghiên cứu về việc tra cứu bệnh, thương tật trong ảnh tĩnh chụp X-quang và ảnh CT, MRI 2 chiều đơn sắc. Do đó còn có những hạn chế khi trong thực tế hiện tại đã có ảnh chụp CT 3 chiều, ảnh động, … Kiến thức về Xử Lý Ảnh vẫn còn hạn chế, chưa đầy đủ và sâu sắc, nên thuật toán trích xuất các đặc trưng ảnh còn mất thời gian đặc biệt với những ảnh có kích thước lớn và độ phân giải cao. Thời gian tra cứu ảnh còn phụ thuộc nhiều vào kích thước của cơ sở dữ liệu đang truy vấn.
Do luận văn này là một nghiên cứu độc lập, không có liên kết với các cơ sở y tế, cho nên các kết quả của quá trình mô phỏng được đánh giá chủ quan dựa trên quan sát và tìm hiểu của tác giả. Do đó cần có thêm những đánh giá khách quan, những góp ý xây dựng từ những đội ngũ chuyên môn, các y bác sĩ. Phương pháp nghiên cứu Trong đề tài này, tác giải dựa vào phương pháp phân tích ảnh sử dụng 6 đặc tính Tamura kết hợp với biểu đồ kết cấu mức xám toàn cục và mức xám cục bộ của ảnh để GVHD: TS. Đào Văn Phượng 12 HVTH: Hồ Viết Quỳnh CHƯƠNG 1 TỔNG QUAN xây dựng vector đặc trưng của ảnh cần tra cứu.
Sau đó sử dụng độ đo Euclid để tìm kiếm trong cơ sở dữ liệu những ảnh có kết cấu nội dung giống nhất. Phương pháp nghiên cứu tài liệu: thu thập thông tin tài liệu từ các bài báo, tạp chí kỹ thuật uy tín trong nước và quốc tế, kết hợp với các tài liệu, sách báo điện tử (luận văn, đồ án, báo cáo khoa học,…) liên quan đến lĩnh vực nghiên cứu. Phương pháp phân tích: áp dụng phương pháp và kỹ thuật Xử Lý Ảnh để phân tích các đặc trưng của ảnh. Phương pháp mô phỏng: Kết quả của quá trình nghiên cứu sẽ được trình bày qua chương trình mô phỏng sử dụng giao diện đồ họa người dùng (GUIDE) bằng phầm mềm MATLAB R2016a (© 1994-2016 The MathWorks, Inc., Academic License number: 623584, Activated by: hsnguye2@asu.edu, Windows User Name: vietquyn).
Mô phỏng trên hệ điều hành Window 8.1 Enterprise (© Microsoft Corppration, Licensed), bộ vi xử lý Intel® Core™ i5-4300 CPU @ 1. Kết luận chương 1 Trong chương này, tác giả đã giới thiệu những kỹ thuật cơ bản về tra cứu ảnh dựa vào nội dung, bao gồm: tra cứu thông tin thị giác, các chức năng tiêu biểu của hệ thống tra cứu ảnh dựa vào nội dung và trình bày một số hệ thống tra cứu ảnh theo nội dung. Tác giả cũng đã giới thiệu về tổng quan lĩnh vực nghiên cứu, về đề tài đã chọn và nhấn mạnh vào các phương pháp sử dụng để nâng cao hiệu năng hệ thống tra cứu ảnh dựa vào nội dung thị giác và đặc biệt là xây dựng hệ thống tra cứu ảnh y khoa dựa trên cấu trúc nội dung ảnh thông qua sử dụng các đặc trưng Tamuara kết hợp với biểu đồ kết cấu mức xám. Đào Văn Phượng 13 HVTH: Hồ Viết Quỳnh CHƯƠNG 2 CƠ SỞ LÝ THUYẾT CHƯƠNG 2 - CƠ SỞ LÝ THYẾT 2.
Các khái niệm cơ bản về màu sắc 2. Màu sắc Màu sắc là cảm giác mang đến cho hệ thần kinh của người từ sự kết hợp tín hiệu của ba loại tế bào cảm thụ màu ở mắt người.1: Màu sắc (Nguồn: Wikipedia) Trong tra cứu ảnh, màu là đặc trưng trực quan quan trọng đầu tiên và đơn giản nhất cho tra cứu các ảnh. Nó cũng là đặc trưng được sử dụng phổ biến nhất trong nhiều lĩnh vực. Một ảnh màu tiêu biểu được thu từ một camera số, hoặc được tải xuống từ Internet thường có ba kênh màu (các ảnh xám chỉ có một kênh, các ảnh đa phổ có thể có nhiều hơn ba kênh).
Tuy nhiên, các giá trị của dữ liệu ba chiều từ ảnh màu không cho chúng ta một mô tả chính xác của màu trong ảnh, nhưng cho vị trí của các pixel trong không gian màu. Các pixel có các giá trị (1,1,1) sẽ cho xuất hiện màu sắc khác nhau trong các không gian màu khác nhau. Vì thế mô tả đầy đủ của một ảnh màu tiêu biểu sẽ bao gồm thông tin không gian hai chiều cho biết nơi của pixel màu trong miền không gian, và dữ liệu màu ba chiều cho biết nơi của pixel màu là trong không gian màu nào. Đào Văn Phượng 14 HVTH: Hồ Viết Quỳnh CHƯƠNG 2 CƠ SỞ LÝ THUYẾT 2.
Các không gian màu Một không gian màu là một mô hình đại diện cho màu về giá trị độ sáng, một không gian màu xác định bao nhiêu thông tin màu được thể hiện. Nó định nghĩa không gian 1, 2, 3 hoặc 4 chiều mà mỗi chiều của nó, còn gọi là thành phần, đại diện cho những giá trị độ sáng. Một thành phần màu còn được gọi là một kênh màu. Mỗi pixel trong ảnh có thể được đại diện bởi không gian màu 3 chiều.
Những không gian màu thường được dùng bao gồm: RGB, CMY, CIE L*a*b, HSV,… Cho đến nay vẫn chưa có sự thông nhất không gian nào tốt nhất. Không gian màu RGB: Hình 2.2: Không gian màu RGB Không gian RGB là không gian được sử dụng rộng rãi trong việc hiển thị hình ảnh. Ý tưởng tạo ra không gian màu RGB từ cách mà mắt con người hoạt động. Có những cơ quan cảm nhận để phát hiện ra 3 màu khác nhau: đỏ (red), lục (green), lam (blue).
Không gian màu RGB cũng gồm 3 thành phần màu: Red, Green, Blue. Những thành phần này được gọi là màu gốc để cộng vào, vì mỗi màu được tạo nên bằng cách cộng thêm các phần tử Black (0,0,0). Khuôn dạng của không gian RGB là định dạng phổ biến nhất của ảnh số, lý do chính là tính tương thích với màn hình hiển thị chính là màn GVHD: TS. Đào Văn Phượng 15 HVTH: Hồ Viết Quỳnh CHƯƠNG 2 CƠ SỞ LÝ THUYẾT hình vi tính.
Tuy nhiên không gian màu RGB có một nhược điểm là cách mã hóa khác với cách mà con người cảm nhận về màu sắc. Cho nên nó không phù hợp cho việc tìm kiếm ảnh. Không gian màu CMY: Không gian màu CMY được dùng trong in ấn. CMY là viết tắt của Cyan-Magent- Yellow (màu lục lam, màu đỏ tươi, màu vàng), đó là ba màu chính tương ứng với ba màu mực in.
Chúng được gọi là những màu gốc để trừ, vì mỗi màu trong không gian CMY được tạo ra thông qua việc hấp thụ độ sáng. Cyan hấp thụ sự chiếu sáng của màu đỏ, Magenta hấp thụ màu xanh lục, Yellow hấp thụ màu xanh dương. Công thức chuyển đổi từ không gian màu RGB sang không gian màu CMY đó là: 𝐶 =1−𝑅 {𝑀 = 1 − 𝐺 (2.3: Không gian màu CMY Hệ thống màu CMY dường như là một sự đảo ngược của hệ thống màu RGB. Đặc tính của nó là sự đơn giản, ứng dụng nhiều trong thực tế.
Tuy nhiên khuyết điểm của nó cũng tương tự như không gian màu RGB, nên cũng không thích hợp cho bài toán tra cứu ảnh dựa theo nội dung. Đào Văn Phượng 16 HVTH: Hồ Viết Quỳnh CHƯƠNG 2 CƠ SỞ LÝ THUYẾT 2. Không gian màu L*a*b: Mô hình L*a*b được đề cử bởi CIE cho việc lượng hóa sự khác biệt của màu sắc trong vật chiếu sáng của ánh sáng ban ngày. Tuy nhiên nó có một sự chuyển đổi để tính toán cho việc thích nghi với những nguồn sáng.
Một màu được xác định bằng hai tọa độ x và y. Độ sáng L* dựa trên độ đo giác quan của thành phần a*, b* là tọa độ màu. Các màu khác nhau theo một hướng duy nhất là xấp xỉ bằng nhau trong không gian màu này. Tuy nhiên, việc chuyển sang không gian màu RGB là không tuyến tính.
Đây là hệ thống màu có sự tách riêng ánh sáng và màu sắc. Do đó, cũng có khả năng lớn cho việc tra cứu ảnh dựa vào nội dung. Không gian màu HSV Mô hình HSV (Hue, Saturation, Value), còn được gọi là HSB (Hue, Saturation, Brightness) định nghĩa một không gian màu gồm 3 thành phần tạo nên: - Hue: là loại màu ( màu đỏ, xanh hay vàng,. ) - Saturation: là độ thuần khiết của màu.
- Value: là độ sáng của màu. Mô hình HSV được tạo ra từ năm 1978 bởi Ray Smith. Nó là một phép biến đổi phi tuyến của không gian màu RGB. Mô hình HSV giúp tách bạch màu (H, S) và độ sáng (V), phù hợp với cảm nhận của con người.4: Không gian màu HSV (a) và HSL (b) GVHD: TS.
Đào Văn Phượng 17 HVTH: Hồ Viết Quỳnh CHƯƠNG 2 CƠ SỞ LÝ THUYẾT (Nguồn: Wikipedia) 2. Các đặc trưng về màu sắc 2. Biểu đồ màu (Histogram) Biểu đồ màu là một tập hợp của các bin mà mỗi bin chỉ ra số pixel của một màu riêng biệt trong ảnh. Biểu đồ màu H cho ảnh được định nghĩa như là một vector: H={H[0], H[1], H[2],.H[N]} i: đại diện cho một màu trong biểu đồ màu và tương ứng với một pixel trong không gian màu.
H[i]: là số điểm có màu i trong ảnh. N: là số bin trong biểu đồ màu hay số màu trong không gian màu được chấp nhận. Trong biểu đồ màu của ảnh, giá trị của mỗi bin sẽ là tổng số pixel có cùng màu tương ứng. Để so sánh những ảnh có kích cỡ khác nhau biểu đồ màu nên được chuẩn hóa và biểu đồ màu chuẩn hóa được định nghĩa như sau: H’={H’[0], H’[1], H’[2],.H’[N]} 𝐻[𝑖] Với H’[i]= và P là tổng số các pixel trong ảnh.
𝑃 Một lượng tử hóa không gian màu lý tưởng là làm sao cho những màu khác biệt không nên được định vị trong cùng bin màu, và những màu tương tự nên gán cho cùng bin. Sử dụng ít bin màu sẽ làm tăng khả năng những màu tương tự được gán cho những bin giống nhau, nhưng nó cũng làm tăng khả năng những màu phân biệt cũng được gán cùng bin, và vì vậy nội dung thông tin của ảnh sẽ bị giảm đáng kể.