Nghiên cứu trích chọn đặc trưng ảnh dựa trên đối sánh hình dạng và ứng dụng (Luận văn)

Khám phá trích chọn đặc trưng ảnh nâng cao: Đối sánh hình dạng & ứng dụng thực tế. Tìm hiểu kỹ thuật nhận diện, phân loại, và ứng dụng trong thị giác máy.

• Tác giả: Vũ Vân Du
• Người hướng dẫn: PGS.TS Ngô Quốc Tạo
• Trường học: Trường đại học công nghệ thông tin và truyền thông - Đại học Thái Nguyên
• Chuyên ngành: Khoa học máy tính
• Đề tài: Nghiên cứu phương pháp trích chọn đặc trưng ảnh dựa trên đối sánh hình dạng và ứng dụng
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: Thái Nguyên

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• MỤC LỤC
• DANH MỤC CÁC HÌNH VẼ
• DANH MỤC CÁC BẢNG BIỂU
• DANH MỤC CÁC THUẬT NGỮ
• PHẦN MỞ ĐẨU
• 1. CHƢƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH
• 1.1. Tổng quan về thị giác máy tính
• 1.2. Thị giác con người và thị giác máy tính. Mối liên quan giữa thị giác máy tính và xử lý ảnh
• 1.3. Tầm quan trọng của thị giác máy tính. Ứng dụng của thị giác máy tính
• 1.4. Tổng quan về xử lý ảnh
• 1.5. Xử lý ảnh là gì?
• 1.6. Các vấn đề cơ bản trong xử lý ảnh
• 1.7. Một số khái niệm trong xử lý ảnh
• 1.8. Phương pháp biểu diễn ảnh
• 1.9. Biên và đường biên
• 1.10. Phân vùng ảnh
• 2. CHƢƠNG 2: MỘT SỐ KỸ THUẬT TRÍCH CHỌN ĐẶC TRƢNG HÌNH DẠNG
• 2.1. Các kỹ thuật phát hiện biên ảnh. Kỹ thuật phát hiện biên trực tiếp
• 2.2. Kỹ thuật phát hiện biên Gradient
• 2.3. Kỹ thuật phát hiện biên Laplace. Thuật toán làm mảnh biên
• 2.4. Một số phương pháp phát hiện biên trực tiếp khác
• 2.5. Phương pháp phát hiện biên gián tiếp
• 2.6. Kỹ thuật dò biên gián tiếp đơn giản
• 2.7. Kỹ thuật dò biên gián tiếp bằng cách xác định chu tuyến
• 2.8. Xử lý ảnh trong miền tần số và biến đổi Fourier
• 2.9. Biến đổi Fourier rời rạc (DFT). Biến đổi Fourier nhanh (FFT)
• 2.10. Mô tả Fourier
• 2.11. Các bất biến moment
• 2.12. Các hàm xoay/góc xoay
• 2.13. Độ tròn, độ lệch tâm và hướng trục chính
• 3. CHƢƠNG 3: ỨNG DỤNG TRÊN BÀI TOÁN TRA CỨU BIỂN BÁO GIAO THÔNG
• 3.1. Bài toán tra cứu biển báo giao thông
• 3.2. Phân tích bài toán. Xây dựng chương trình đối sánh biển báo giao thông
• 3.3. Dò biên đối tượng ảnh
• 3.4. Biến đổi Fourier nhanh. Tạo véc tơ đặc trưng hình dạng cho ảnh
• 3.5. So sánh ảnh bằng cách tính khoảng cách Euclide
• 3.6. Đánh giá chương trình
• 3.7. Kết quả đạt được
• 3.8. Khả năng mở rộng
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Khám phá trích chọn đặc trưng ảnh Nền tảng của đối sánh hình dạng

Trong lĩnh vực thị giác máy tính, trích chọn đặc trưng ảnh là một bước xử lý cốt lõi, cho phép máy tính "hiểu" và phân biệt các đối tượng trong không gian số. Khác với đặc trưng về màu sắc hay kết cấu, hình dạng cung cấp những thông tin cấu trúc bất biến, đóng vai trò then chốt trong các bài toán nhận dạng và truy vấn. Quá trình này tập trung vào việc chuyển đổi dữ liệu pixel thô thành một biểu diễn hình học hoặc cấu trúc gọn nhẹ hơn, phục vụ cho mục tiêu đối sánh hình dạng một cách hiệu quả và chính xác.

1.1. Định nghĩa trích chọn đặc trưng hình dạng trong xử lý ảnh

Trích chọn đặc trưng hình dạng là quá trình xác định và rút ra các thuộc tính định lượng mô tả hình học của một đối tượng trong ảnh số. Mục tiêu là tạo ra một véc-tơ đặc trưng (feature vector) có khả năng phân biệt đối tượng này với các đối tượng khác. Theo tài liệu nghiên cứu, các phương pháp trích chọn thường được chia thành hai loại chính: dựa trên đường biên (boundary-based) và dựa trên vùng ảnh (region-based). Phương pháp dựa trên đường biên chỉ sử dụng các điểm ảnh nằm trên đường bao của đối tượng để mô tả. Ngược lại, phương pháp dựa trên vùng sử dụng toàn bộ các điểm ảnh bên trong đối tượng. Một hệ thống trích chọn đặc trưng hiệu quả phải đảm bảo các đặc trưng thu được không phụ thuộc vào vị trí, góc quay hay sự co giãn của đối tượng, được gọi là các tính chất bất biến. Đây là yêu cầu cơ bản để xây dựng các ứng dụng nhận dạng mạnh mẽ trong thị giác máy tính.

1.2. Tầm quan trọng của hình dạng so với màu sắc và kết cấu

Mặc dù màu sắc và kết cấu là những đặc trưng quan trọng, hình dạng thường mang lại độ tin cậy cao hơn trong nhiều bối cảnh. Màu sắc có thể thay đổi đáng kể do điều kiện ánh sáng, trong khi kết cấu có thể bị ảnh hưởng bởi khoảng cách và độ phân giải của ảnh. Hình dạng, mặt khác, là một thuộc tính cấu trúc cơ bản và ít bị ảnh hưởng bởi các yếu tố môi trường. Ví dụ, trong bài toán tra cứu biển báo giao thông, hình dạng (tròn, tam giác, chữ nhật) là yếu tố nhận diện chính và ổn định nhất. Luận văn của Vũ Vân Du nhấn mạnh rằng "đường biên là một loại đặc trưng cục bộ tiêu biểu trong phân tích, nhận dạng ảnh". Việc tập trung vào hình dạng cho phép hệ thống phân biệt các đối tượng có màu sắc tương tự nhưng cấu trúc khác biệt, từ đó tăng cường độ chính xác trong các bài toán phân loại và đối sánh hình dạng phức tạp.

II. Thách thức trong đối sánh hình dạng Vấn đề bất biến nhiễu

Quá trình đối sánh hình dạng không hề đơn giản do phải đối mặt với nhiều thách thức kỹ thuật. Khó khăn lớn nhất đến từ việc xây dựng một bộ mô tả đặc trưng có khả năng "bất biến" trước các phép biến đổi hình học như tịnh tiến, quay, và co giãn. Ngoài ra, chất lượng ảnh đầu vào, bao gồm nhiễu và các biến dạng không mong muốn, cũng là một rào cản lớn ảnh hưởng trực tiếp đến độ chính xác của kết quả nhận dạng.

2.1. Yêu cầu về tính bất biến trong nhận dạng đối tượng ảnh

Tính bất biến (invariance) là yêu cầu tiên quyết đối với một phương pháp trích chọn đặc trưng hình dạng hiệu quả. Một đối tượng phải được nhận dạng là chính nó dù xuất hiện ở bất kỳ vị trí nào trong ảnh (bất biến tịnh tiến), xoay theo góc bất kỳ (bất biến quay), hoặc có kích thước lớn nhỏ khác nhau (bất biến tỉ lệ). Ví dụ, một biển báo "Cấm đi ngược chiều" phải được hệ thống nhận diện chính xác dù được chụp từ xa hay gần, ở góc thẳng hay góc nghiêng. Để đạt được điều này, các thuật toán phải chuyển đổi hình dạng từ không gian pixel sang một không gian đặc trưng mà ở đó các phép biến đổi này không làm thay đổi véc-tơ đặc trưng. Các kỹ thuật như bất biến moment và chuẩn hóa hệ số biến đổi Fourier được phát triển chính để giải quyết bài toán này. Việc không đảm bảo tính bất biến sẽ khiến hệ thống nhận dạng sai lầm, coi cùng một đối tượng là hai thực thể khác nhau, làm giảm hiệu suất toàn hệ thống.

2.2. Ảnh hưởng của nhiễu và biến dạng đến độ chính xác

Nhiễu (noise) và biến dạng (distortion) là những yếu tố không thể tránh khỏi trong quá trình thu nhận ảnh thực tế. Nhiễu có thể phát sinh từ cảm biến máy ảnh hoặc điều kiện môi trường, biểu hiện dưới dạng các điểm ảnh có giá trị bất thường. Biến dạng hình học thường do ống kính camera hoặc góc chụp gây ra. Cả hai yếu tố này đều tác động tiêu cực đến bước phát hiện biên, một công đoạn nền tảng của nhiều kỹ thuật trích chọn đặc trưng. Nhiễu có thể tạo ra các "biên giả", trong khi biến dạng làm thay đổi hình dạng thực của đối tượng. Tài liệu nghiên cứu chỉ ra rằng, nếu "sự biến thiên độ sáng không đột ngột" hoặc ảnh bị mờ, nhòe, các phương pháp phát hiện biên trực tiếp sẽ tỏ ra kém hiệu quả. Do đó, các bước tiền xử lý như khử nhiễu (ví dụ: lọc trung vị) và nắn chỉnh hình học là cực kỳ quan trọng để chuẩn bị dữ liệu đầu vào, đảm bảo các đặc trưng hình dạng được trích chọn một cách trung thực và chính xác nhất.

III. Hướng dẫn các kỹ thuật phát hiện biên để trích chọn đặc trưng

Phát hiện biên là bước đầu tiên và quan trọng nhất trong các phương pháp trích chọn đặc trưng hình dạng dựa trên đường bao. Biên của một đối tượng là nơi có sự thay đổi đột ngột về mức xám hoặc màu sắc. Việc xác định chính xác tập hợp các điểm biên này cho phép tái tạo lại hình dạng của đối tượng. Có hai cách tiếp cận chính: phát hiện biên trực tiếp dựa trên đạo hàm và phát hiện biên gián tiếp dựa trên phân vùng ảnh.

3.1. Phương pháp phát hiện biên trực tiếp Toán tử Gradient và Laplace

Phương pháp phát hiện biên trực tiếp hoạt động bằng cách tính toán đạo hàm của hàm ảnh. Sự thay đổi đột ngột về cường độ sáng tương ứng với một giá trị đạo hàm lớn. Toán tử Gradient, một kỹ thuật dựa trên đạo hàm bậc nhất, được sử dụng rộng rãi. Các biến thể phổ biến như toán tử Prewitt và Sobel sử dụng các mặt nạ nhân chập (convolution masks) để xấp xỉ giá trị đạo hàm theo hai hướng x và y. Độ lớn của véc-tơ gradient tại mỗi điểm ảnh cho biết khả năng điểm đó là một điểm biên. Một phương pháp khác là sử dụng toán tử Laplace, dựa trên đạo hàm bậc hai. Kỹ thuật này nhạy cảm hơn với nhiễu nhưng có khả năng xác định vị trí biên chính xác hơn thông qua các điểm cắt không (zero-crossing). Tài liệu gốc mô tả chi tiết các mặt nạ chập 3x3 cho cả Sobel, Prewitt và Laplace, cho thấy đây là những kỹ thuật nền tảng trong xử lý ảnh để làm nổi bật đường bao của vật thể.

3.2. Kỹ thuật làm mảnh biên và các phương pháp dò biên tiên tiến

Sau khi áp dụng các toán tử phát hiện biên như Gradient, kết quả thu được thường là các đường biên dày và không liên tục. Để có được một đường biên mảnh (rộng một pixel) và rõ nét, kỹ thuật làm mảnh biên (Non-maximal suppression) được áp dụng. Thuật toán này hoạt động bằng cách kiểm tra độ lớn gradient tại mỗi điểm ảnh và chỉ giữ lại những điểm có giá trị cực đại cục bộ theo hướng của gradient. Điều này giúp loại bỏ các điểm biên "giả" và làm cho đường bao trở nên sắc nét hơn. Ngoài ra, các phương pháp dò biên tiên tiến như thuật toán Canny kết hợp nhiều bước: làm trơn ảnh bằng bộ lọc Gaussian để giảm nhiễu, tính gradient, làm mảnh biên và cuối cùng là phân ngưỡng kép (double thresholding) để kết nối các đoạn biên yếu với các đoạn biên mạnh. Cách tiếp cận này mang lại kết quả vượt trội, tạo ra các đường biên liên tục và ít bị ảnh hưởng bởi nhiễu, là cơ sở vững chắc cho các bước trích chọn đặc trưng sau này.

IV. Phương pháp mô tả hình dạng bằng Biến đổi Fourier Bất biến Moment

Sau khi xác định được đường biên, bước tiếp theo là biểu diễn nó dưới dạng toán học phục vụ cho việc đối sánh hình dạng. Các phương pháp mô tả hình dạng tiên tiến như Biến đổi Fourier và Bất biến Moment cho phép chuyển đổi một tập hợp các điểm biên thành một véc-tơ đặc trưng nhỏ gọn, mang tính bất biến cao, giúp quá trình so sánh trở nên hiệu quả và chính xác.

4.1. Ứng dụng Biến đổi Fourier FFT để biểu diễn đường biên

Bộ mô tả Fourier (Fourier Descriptors) là một kỹ thuật mạnh mẽ để phân tích hình dạng. Đầu tiên, đường biên của đối tượng được biểu diễn dưới dạng một chuỗi các tọa độ phức. Sau đó, biến đổi Fourier rời rạc (DFT), hoặc hiệu quả hơn là biến đổi Fourier nhanh (FFT), được áp dụng lên chuỗi này. Kết quả là một tập hợp các hệ số Fourier. Theo luận văn, "các hệ số tần số thấp hơn biểu diễn các thuộc tính tổng quan của hình dạng trong khi các hệ số tần số cao hơn biểu diễn các chi tiết của hình dạng". Để đạt được tính bất biến, chỉ biên độ của các hệ số được giữ lại (loại bỏ pha để bất biến quay), và các biên độ này được chuẩn hóa bằng cách chia cho hệ số khác không đầu tiên (để bất biến tỉ lệ). Bằng cách chỉ giữ lại một số lượng nhỏ các hệ số tần số thấp, ta có thể tạo ra một véc-tơ đặc trưng nhỏ gọn, mô tả hình dạng tổng thể và loại bỏ các chi tiết không cần thiết hoặc nhiễu.

4.2. Sử dụng các bất biến moment để nhận dạng không phụ thuộc tỉ lệ

Các bất biến moment là một tập hợp các giá trị được tính toán từ các moment hình học của đối tượng. Moment hình học đo lường sự phân bố của các điểm ảnh trong một vùng. Dựa trên các moment trung tâm (đã được chuẩn hóa để bất biến tịnh tiến), Hu (1962) đã xây dựng một tập hợp bảy moment bất biến đối với cả phép quay và phép co giãn. Các moment này được tính toán dựa trên các công thức toán học phức tạp từ các moment trung tâm bậc hai và bậc ba. Ưu điểm lớn của phương pháp này là nó tạo ra một véc-tơ đặc trưng rất ngắn (chỉ 7 giá trị), giúp tốc độ so sánh cực kỳ nhanh chóng. Mặc dù nhạy cảm với nhiễu và không mô tả được các chi tiết phức tạp của hình dạng, bất biến moment rất hiệu quả cho việc phân loại các đối tượng có hình dạng tổng thể rõ ràng, chẳng hạn như các loại biển báo giao thông cơ bản trong các hệ thống thị giác máy tính.

V. Ứng dụng thực tiễn Hệ thống tra cứu biển báo giao thông tự động

Lý thuyết về trích chọn đặc trưng ảnh và đối sánh hình dạng được ứng dụng hiệu quả vào việc giải quyết các bài toán thực tế. Một ví dụ điển hình được trình bày trong tài liệu gốc là xây dựng một hệ thống có khả năng tra cứu và nhận dạng biển báo giao thông tại Việt Nam, một bài toán có tính ứng dụng cao và góp phần nâng cao an toàn giao thông.

5.1. Phân tích bài toán nhận dạng biển báo giao thông Việt Nam

Bài toán đặt ra là xây dựng một chương trình có khả năng nhận diện một ảnh biển báo giao thông đầu vào và truy vấn trong cơ sở dữ liệu để tìm ra các biển báo tương tự. Tại Việt Nam, có "khoảng hơn 200 biển báo" được phân loại theo hình dạng đặc trưng: hình tam giác đều (biển báo nguy hiểm), hình tròn (biển báo cấm, hiệu lệnh), và một số hình dạng đặc biệt khác. Sự đa dạng nhưng có quy tắc về hình dạng này làm cho phương pháp đối sánh hình dạng trở thành một lựa chọn lý tưởng. Yêu cầu chính của hệ thống là tốc độ và độ chính xác. Kết quả trả về cần nhanh chóng và liệt kê các biển báo theo mức độ tương đồng giảm dần, giúp người dùng dễ dàng xác định ý nghĩa của biển báo mà họ chưa biết. Đây là một ứng dụng tiêu biểu của thị giác máy tính trong lĩnh vực giao thông thông minh.

5.2. Quy trình xây dựng hệ thống Từ dò biên đến đối sánh Euclide

Hệ thống tra cứu được xây dựng theo một quy trình chuẩn của xử lý ảnh. Sơ đồ khối được mô tả trong luận văn bao gồm các bước chính sau: Đầu tiên là bước Dò biên đối tượng ảnh, sử dụng các kỹ thuật như toán tử Sobel hoặc Canny để trích xuất đường bao của biển báo từ ảnh đầu vào. Sau đó, Biến đổi Fourier nhanh (FFT) được áp dụng để tạo ra véc-tơ đặc trưng hình dạng cho đường biên này. Véc-tơ này đã được chuẩn hóa để đảm bảo tính bất biến. Cuối cùng, để so sánh ảnh mẫu với các ảnh trong cơ sở dữ liệu, hệ thống sử dụng phép tính khoảng cách Euclide giữa các véc-tơ đặc trưng. Khoảng cách Euclide càng nhỏ, hai hình dạng càng giống nhau. Chương trình sẽ sắp xếp kết quả dựa trên khoảng cách này và hiển thị những biển báo có hình dạng tương đồng nhất. Quy trình này cho thấy sự kết hợp giữa các kỹ thuật dò biên cơ bản và các phương pháp mô tả hình dạng tiên tiến để tạo ra một ứng dụng thực tiễn và hiệu quả.

VI. Kết luận Tương lai của công nghệ trích chọn đặc trưng hình dạng

Công nghệ trích chọn đặc trưng hình dạng đã và đang chứng tỏ vai trò không thể thiếu trong lĩnh vực nhận dạng đối tượng và truy vấn hình ảnh. Bằng cách kết hợp các kỹ thuật phát hiện biên, mô tả toán học và các độ đo tương đồng, các hệ thống thị giác máy tính ngày càng trở nên thông minh và chính xác hơn. Tương lai của lĩnh vực này hứa hẹn nhiều bước tiến đột phá với sự phát triển của học sâu và trí tuệ nhân tạo.

6.1. Tóm tắt hiệu quả của các phương pháp đối sánh hình dạng

Qua phân tích, các phương pháp đối sánh hình dạng có thể được chia thành hai nhóm chính. Nhóm dựa trên đường biên, với các kỹ thuật như phát hiện biên bằng Gradient và mô tả bằng biến đổi Fourier, tỏ ra rất hiệu quả trong việc nắm bắt các đường nét và cấu trúc tổng thể của đối tượng. Chúng đặc biệt phù hợp với các đối tượng có đường bao rõ ràng. Nhóm thứ hai, dựa trên vùng, điển hình là bất biến moment, lại mạnh mẽ trong việc cung cấp một véc-tơ đặc trưng cực kỳ nhỏ gọn và có tính bất biến cao, lý tưởng cho các ứng dụng yêu cầu tốc độ so sánh nhanh. Việc lựa chọn phương pháp phụ thuộc vào đặc thù của bài toán: đối với các hình dạng phức tạp và chi tiết, mô tả Fourier thường cho kết quả tốt hơn, trong khi với các bài toán phân loại tổng quát, bất biến moment là một lựa chọn tối ưu. Sự kết hợp của nhiều phương pháp trong một hệ thống lai (Hybrid System) cũng là một hướng đi triển vọng để tận dụng ưu điểm của từng kỹ thuật.

6.2. Hướng phát triển và tiềm năng trong thị giác máy tính hiện đại

Trong những năm gần đây, sự trỗi dậy của học sâu (Deep Learning), đặc biệt là Mạng nơ-ron tích chập (Convolutional Neural Networks - CNNs), đã mở ra một kỷ nguyên mới cho thị giác máy tính. Thay vì trích chọn đặc trưng thủ công bằng các thuật toán được thiết kế trước, các mô hình CNN có khả năng tự động học các đặc trưng phân cấp từ dữ liệu thô. Các lớp tích chập đầu tiên của mạng thường học được các đặc trưng cơ bản như cạnh và góc, tương tự như các toán tử phát hiện biên. Các lớp sâu hơn sẽ kết hợp các đặc trưng này để nhận dạng các cấu trúc phức tạp hơn. Hướng phát triển trong tương lai sẽ là sự kết hợp giữa các phương pháp trích chọn đặc trưng cổ điển và học sâu. Các kỹ thuật cổ điển có thể được dùng để tiền xử lý hoặc tăng cường dữ liệu, trong khi các mô hình học sâu sẽ đảm nhận vai trò phân loại và nhận dạng cuối cùng, hứa hẹn tạo ra các hệ thống nhận dạng hình ảnh với độ chính xác và khả năng khái quát hóa chưa từng có.

Trích đoạn nội dung tài liệu

Chương 1: Trình bày tổng quan về thị giác máy tính, xử lý ảnh, tầm quan trọng và tình ứng dụng của thị giác máy tính trong cuộc sống. Chương 2: Tìm hiểu về các phương pháp trích chọn đặc trưng hình dạng phục vụ cho quá trình đối sánh theo hình dạng ảnh. Chương 3: Thử nghiệm cài đặt chương trình tra cứu ảnh trên cơ sở việc nghiên cứu các kỹ thuật trích chọn đặc trưng theo hình dạng. Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.vn/ 3 CHƢƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH 1.

Tổng quan về thị giác máy tính 1. Thị giác con ngƣời và thị giác máy tính Thị giác con người là một hệ thống phức tạp có thể thu nhận thông tin từ môi trường qua ánh sáng, xử lý và đưa ra kết quả là những suy nghĩ, hành động… Xét theo một số tiêu chí thì thị giác máy tính và và thị giác con người có cùng chức năng gần giống nhau. Mục đích của cả hai hệ thống là để xử lý dữ liệu với đầu vào là ảnh và cho ra kết quả. Hệ thống thị giác máy tính xử lý hình ảnh có được từ một máy ảnh điện tử, việc này cũng giống như hệ thống thị giác của con người nơi mà não xử lý hình ảnh từ đôi mắt.1: Mô phỏng hệ thống thị giác của con người (nguồn: bionicvision.au) Mặc dù thị giác máy tính và thị giác con người có chức năng tương tự, nhưng khó có thể chế tạo một hệ thống thị giác máy tính có thể tái tạo chính xác chức năng của thị giác người.

Điều này phần lớn là do máy tính chưa mô phỏng được tâm lý học thị giác. Kết quả Thu nhận ảnh Xử lý ảnh Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.2: Mô phỏng hệ thống thị giác máy tính Thị giác máy tính là một chủ đề phong phú và bổ ích cho học tập và nghiên cứu của các kỹ sư điện tử, khoa học máy tính và nhiều nhóm ngành khác. Trong thương mại, thị giác máy tính ngày càng có một tương lai rộng mở. Và xử lý ảnh là một trong những phần quan trọng trong thị giác máy tính.

Mối liên quan giữa thị giác máy tính và xử lý ảnh Thị giác máy tính là một khái niệm mở bao trùm nhiều khái niệm khác nhau từ phần cứng (máy ảnh, máy tính, bộ phận hiển thị, chấp hành…) đến các phần mềm (xử lý, tổng hợp, điều khiển…) và xử lý ảnh là một trong những khâu quan trọng nhất của thị giác máy tính. Tầm quan trọng của thị giác máy tính Là một trong năm giác quan của con người, thị giác là nơi tiếp nhận phần lớn lượng thông tin tác động đến con người hàng ngày. Có thể nói, thị giác là giác quan quan trọng nhất là có cơ sở khi có tới gần 25% nơ-ron thần kinh dùng để tiếp nhận và xử lý các thông tin về hình ảnh. Trong khi đó, trải qua một thời gian dài máy tính tiếp nhận dữ liệu bằng các thao tác từ những đầu thu nhận.

Giờ đây, nhu cầu đặt ra cho hệ thống xử lý dữ liệu cần xử lý nhanh những dữ liệu thô, không chính xác của đầu vào. Và từ những yêu cầu này, thị giác máy tính được quan tâm, nghiên cứu và phát triển trên khắp thế giới vì những lợi ích lớn mà nó mang lại. Nếu như trước đây chưa có ứng dụng của thị giác máy tính, số liệu từ giấy được nhập chính xác bằng tay qua bàn phím thì giờ đây với công nghệ hiện đại, từ ảnh chụp văn bản, máy tính có thể tự động nhập số liệu từ văn bản đó một cách nhanh chóng. Hay trong một dây chuyền sản xuất công nghiệp.

Để kiểm tra sắp xếp một sản phẩm sau khi chế tạo, trước đây sử dụng công nhân hoặc rất nhiều các cảm biến với một hệ thống thu nhận phức tạp thì giờ đây chỉ cần một máy ảnh cùng với hệ thống thị giác máy tính có thể thực hiện công việc này một cách nhanh chóng và chính xác. Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www. Ứng dụng của thị giác máy tính Hiện nay có rất nhiều hệ thống thị giác máy tính được sử dụng thường xuyên trong công nghiệp cũng như trong quân sự, y tế hay dân dụng… Thời điểm hiện tại cũng có khá nhiều các công ty, tổ chức trong nước ứng dụng những thành quả của xử lý ảnh để áp dụng cho ra những sản phẩm phục vụ cho nhu cầu, đáp ứng được nhu cầu hiện tại. Ví dụ, với công việc chấm bài thi trắc nghiệm có một số các giải pháp hệ thống tự động sau: Bảng 1.1: Một số phần mềm tự động chấm bài thi trắc nghiệm STT Tên phần mềm Tác giả 1 MarkRead 1.0 Phòng Nhận dạng & Công nghệ Tri thức - Viện CNTT 2 TestPro Công ty TMSoft 3 SuperEMR Công ty PSC TT Nghiên cứu và Phát triển Công nghệ Phần mềm – ĐH 4 MR.Test Công nghệ - ĐHQG HN Ngoài các ứng dụng trong nước dành cho ngành giáo dục thì cũng có một số các nghiên cứu ứng dụng xử lý ảnh áp dụng cho các ngành khác như y tế ví dụ như một số chương trình do Bộ môn Vật lý Kỹ thuật y sinh, Trường Đại Học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh thực hiện: BKDoctor: Chương trình tái tạo ảnh 3D từ các lớp cắt song song IBK: Chương trình xử lý ảnh y khoa trên nền MATLAB sgDICOM-J: Chương trình xử lý ảnh y khoa 3-D trên nền JAVA Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.3: Giao diện chương trình BKDoctor của Bộ môn Vật lý Kỹ thuật Y sinh, Trường Đại Học Bách Khoa – ĐHQG TP.HCM Trong ngành giao thông vận tải, xử lý ảnh đã và đang được phát triển mạnh mẽ, phục vụ được nhiều nhu cầu liên quan đến độ an toàn của con người và phương tiện tham gia giao thông.

Gần đây theo báo khoahocphothong. Các nhà khoa học thuộc Khoa Điện - Điện tử, Trường Đại học Giao thông Vận tải đã nghiên cứu thiết kế và chế tạo thành công hệ thống giám sát giao thông ứng dụng công nghệ xử lý ảnh. Hệ thống bao gồm máy ảnh giám sát, máy ảnh chụp hình, mạng truyền thông, máy chủ lưu trữ, phần mềm xử lý ảnh và cơ sở dữ liệu có thể tự động phát hiện và ghi nhận các tình huống vi phạm luật Giao thông nhằm tăng cường giám sát, phát hiện và xử lý kịp thời các vi phạm, hạn chế tai nạn và nâng cao ý thức chấp hành của người tham gia giao thông. Hệ thống này hiện đang được thử tại Km192+422 đường cao tốc Pháp Vân - Cầu Giẽ.

Trong điều kiện ánh sáng ban ngày và lưu lượng giao thông bình thường, hệ thống cho kết quả khá tốt. Về chức năng phát hiện xe chuyển làn trái phép, kết quả tính toán bằng máy được so sánh với kết quả quan sát bằng mắt thường cho thấy, độ chính xác của phần mềm là 97%. Kết quả phát hiện xe chạy quá tốc độ được so sánh với súng bắn tốc độ theo nguyên lý Rada, sai số của phần mềm so với súng là 5%.” Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.4: Vị trí lắp đặt và màn hình hiển thị của hệ thống giám sát giao thông Đây có thể nói là một giải pháp tốt, giúp cho các đơn vị quản lý giảm bớt được thời gian và công sức trong việc giám sát và xử lý vi phạm. Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.

Tổng quan về xử lý ảnh 1. Xử lý ảnh là gì? Trong ngành khoa học hình ảnh, xử lý ảnh là hình thức xử lý tín hiệu mà đầu vào là một hình ảnh, chẳng hạn như một bức ảnh hoặc khung hình của đoạn phim; đầu ra của xử lý hình ảnh có thể là một hình ảnh, một tập hợp các đặc điểm hoặc các thông số liên quan đến hình ảnh.   Ảnh  Xử lý ảnh Ảnh tốt hơn   Kết luận Hình 1.5: Quá trình xử lý ảnh Có thể hiểu một cách khác, xử lý ảnh bao gồm tất cả các lý thuyết và kỹ thuật liên quan, cho phép tạo lập một hệ thống có khả năng tiếp nhận thông tin từ các hình ảnh thu được, lưu trữ và xử lý theo nhu cầu. Sơ đồ tổng quát của một hệ thống xử lý ảnh [1]: Hệ quyết định Thu Tiền Trích chọn Hậu Đối sánh, rút nhận ảnh xử lý đặc điểm xử lý ra kết luận Lưu trữ Hình 1.6: Các bước cơ bản trong xử lý ảnh Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.

Các vấn đề cơ bản trong xử lý ảnh 1. Thu nhận ảnh Đây là bước đầu tiên trong quá trình xử lý ảnh. Để thực hiện bước này cần có các thiết bị nhu nhận ảnh như máy ảnh, máy quét. Các thiết bị thu nhận này có thể cho ảnh đen trắng hoặc ảnh màu.

Các thiết bị thu nhận ảnh có 2 loại chính ứng với 2 loại ảnh thông dụng là Raster và Vector. Các thiết bị thu nhận ảnh Raster thông thường là máy ảnh, còn các thiết bị thu nhận ảnh Vector là cảm biến, bộ số hóa hoặc được chuyển đổi từ ảnh Raster. Thông thường các hệ thống thu nhận ảnh thực hiện 2 khối: Khối cảm biến: biến đổi năng lượng quang học thành năng lượng điện. Khối xử lý: Tổng hợp năng lượng điện thành ảnh.

Tiền xử lý Ở bước này, ảnh sẽ được cải thiện về độ tương phản, khử nhiễu, khôi phục ảnh, nắn chỉnh hình học… Với mục đích làm cho chất lượng ảnh trở nên tốt hơn, chuẩn bị cho các bước xử lý sau đó. Khử nhiễu: Nhiễu được chia thành hai loại: Bảng 1.1: So sánh đặc trưng và phương pháp khử nhiễu của hai loại nhiễu Loại nhiễu Nhiễu hệ thống Nhiễu ngẫu nhiên Đặc trưng Có quy luật Không có quy luật Phương pháp nội suy, lọc Phương pháp khử nhiễu Phép biến đổi trung vị, lọc trung bình Chỉnh mức xám: Là kỹ thuật nhằm chỉnh sửa tính không đồng đều của thiết bị thu nhận hoặc độ tương phản giữa các vùng ảnh. Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.vn/ 10 Chỉnh tán xạ: Ảnh thu nhận từ các thiết bị quang học hay điện tử có thể bị mờ, nhòe. 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 hình 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: (1.