CHƯƠNG 1: TỔNG QUAN VỀ ĐỐI SÁNH ẢNH 1.1 Ảnh số Ảnh số là tập hợp hữu hạn các điểm ảnh với mức xám phù hợp dùng để mô tả gần với ảnh thật. Số điểm ảnh xác định độ phân giải của ảnh. Ảnh có độ phân giải càng cao thì càng thể hiện rõ nét các đặc điểm của tấm hình càng làm cho tấm ảnh trở nên thực và sắc nét hơn. Ảnh có thể được biểu diễn theo một trong hai mô hình: mô hình Vector hoặc mô hình Raster.
Mô hình Vector: Ngoài mục đích tiết kiệm không gian lưu trữ, dễ dàng hiển thị và in ấn, các ảnh biểu diễn theo mô hình vector còn có ưu điểm cho phép dễ dàng lựa chọn, sao chép, di chuyển, tìm kiếm…Theo những yêu cầu này thì kỹ thuật biểu diễn vector tỏ ra ưu việt hơn. Trong mô hình này, người ta sử dụng hướng vector của các điểm ảnh lân cận để mã hóa và tái tạo lại hình ảnh ban đầu. Các ảnh vector được thu nhận trực tiếp từ các thiết bị số hóa như Digitalize hoặc được chuyển đổi từ các ảnh Raster thông qua các chương trình vector hóa. Mô hình Raster: là mô hình biểu diễn ảnh thông dụng nhất hiện nay.
Ảnh được biểu diễn dưới dạng ma trận các điểm ảnh. Tùy theo nhu cầu thực tế mà mỗi điểm ảnh có thể được biểu diễn bởi một hay nhiều bit. Mô hình Raster thuận lợi cho việc thu nhận, hiển thị và in ấn. Các ảnh được sử dụng trong phạm vi của đề tài này cũng là các ảnh được biểu diễn theo mô hình Raster 1.2 Một số kỹ thuật tiền xử lý ảnh 1.1 Biến đổi ảnh Thuật ngữ biến đổi ảnh thường được 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 Nguyễn Tiến Dũng _ CT1901C 7 Luan van Ứng dụng phát hiện phần ảnh sai khác Đồ án tốt nghiệp chiều được biểu diễn bởi một chuỗi các hàm cơ sở, ảnh cũng có thể được biểu diễn dưới một số chuỗi rời rạc các ma trận cơ sở gọi là ảnh cơ sở. Phương trình ảnh cơ sở có dạng: A*ₖ,ₗ = aₖ*aₗ*T (1-1) Với ak là cột thứ k cửa ma trận A. A là ma trận đơn vị. Có nghĩa là AA*T=1.
Các A*k,l được định nghĩa ở trên với k,l = 0, 1, 2, …, N-1 là ảnh cơ sở. Có nhiều loại biến đổi được dùng như: Biến đổi Fourier, Sin, Cosin, Hadamard…. Biến đổi KL (Krhumen loeve). Do phải xử lý nhiều thông tin, các phép toán nhân và cộng trong khai triển là quá lớn.
Do vậy các phép biến đổi trên nhằm giảm thứ nguyên của ảnh để việc xử lý ảnh được hiệu quả hơn.2 Nhị phân hóa Là quá trình biến đổi một ảnh xám thành ảnh nhị phân. Ta gọi giá trị cường độ sáng tại một điểm ảnh là I(x,y). INP(x,y) là cường độ sáng của điểm ảnh trên ảnh nhị phân.width) và (0 < y < image. Để biến đổi ảnh xám thành ảnh nhị phân.
Ta so sánh giá trị cường độ sáng của điểm ảnh với một ngưỡng nhị phân T. Nguyễn Tiến Dũng _ CT1901C 8 Luan van Ứng dụng phát hiện phần ảnh sai khác Đồ án tốt nghiệp Chú ý Bạn có thể hoàn toàn chọn giá trị T từ 0 đến 255, nhưng thông thường nhiều người hay chọn một giá trị đó là 128 tức là giá trị trung bình của max(255) và min(0) của cường độ sáng (Intensity) của điểm ảnh. Bạn có thể dễ dàng nhận thấy với mỗi T thì có một ảnh nhị phân khác nhau (Khác nhau ở đây là cường độ sáng của các tấm ảnh nhị phân với mỗi giá trị T).3 Lọc nhiễu Thông thường ảnh thu nhận có nhiễu cần phải loại bỏ nhiễu hay ảnh không sắc nét bị mờ hoặc cần làm rõ các chi tiết như các đường biên ảnh. Các toán tử không gian dùng trong kỹ thuật tăng cường ảnh được phân nhóm theo công dụng: làm trơn nhiễu, nổi biên.
Để làm trơn nhiễu hay tách nhiễu, người ta sử dụng các bộ lọc tuyến tính (lọc trung bình, thông thấp) hay lọc phi tuyến (trung vị, giả trung vị, lọc đồng hình).Từ bản chất của nhiễu (thường tương ứng với tần số cao) và từ cơ sở lý thuyết lọc là: bộ lọc chỉ cho tín hiệu có tần số nào đó thông qua do đó, để lọc nhiễu người ta thường dùng lọc thông thấp (theo quan điểm tần số không gian) hay lấy tổ hợp tuyến tính để san bằng (lọc trung bình). Để làm nổi biên (ứng với tần số cao), người ta dùng các bộ lọc thông cao, lọc Laplace Để hiểu rõ hơn các kỹ thuật áp dụng, cần phải phân biệt các loại nhiễu can thiệp trong quá trình xử lý ảnh. Trên thực tế tồn tại khá nhiều loại nhiễu như sự thay đổi độ nhạy của cảm biến, sự biến đổi của môi trường, sai số của quá trình lượng tử hóa, sai số của kênh truyền…; tuy nhiên người ta thường xem xét 3 loại nhiễu chính và phổ biến là: nhiễu cộng, nhiễu nhân và nhiễu xung: Nguyễn Tiến Dũng _ CT1901C 9 Luan van Ứng dụng phát hiện phần ảnh sai khác Đồ án tốt nghiệp Nhiễu cộng (Additive noise): thường phân bố khắp ảnh và được biểu diễn bởi: Y=X+n (1-2) Nhiễu nhân: cũng thường phân bố khắp ảnh và được biểu diễn bởi: Y= X∗n (1-3) Chú ý: với Y: ảnh quan sát, X: ảnh gốc và n là nhiễu. Nhiễu xung (Impulse noise): là một loại nhiễu khá đặc biệt có thể sinh ra bởi nhiều lý do khác nhau chẳng hạn: lỗi truyền tín hiệu, lỗi bộ nhớ, hay lỗi định thời trong quá trình lượng tử hóa.
Nhiễu này thường gây đột biến tại một số điểm ảnh.1 Lọc trung bình không gian Với lọc trung bình, mỗi điểm ảnh được thay thế bằng trung bình trọng số các điểm lân cận và được định nghĩa như sau: (1-4) v(m, n) = ∑ a(k, l)y(m − k, n − l) (k,1)∈W Nếu trong kỹ thuật lọc trên, ta chọn các trọng số bằng nhau, phương trình trên sẽ có dạng: 1 (1-5) v(m, n) = ∑ a(k, l)y(m − k, n − l) N (k,1)∈W Với: y(m,n): ảnh đầu vào V(m,n):ảnh đầu ra Nguyễn Tiến Dũng _ CT1901C 10 Luan van Ứng dụng phát hiện phần ảnh sai khác Đồ án tốt nghiệp A(k,l):là trọng số lọc 1 ak.l = và Nw là số điểm ảnh trong cửa sổ lọc W N Lọc trung bình có trọng số chính là thực hiện chập ảnh đầu vào với nhân chập H. Nhân chập H trong trường hợp này có dạng: 1 1 1 1 (1-6) H = [ 1 1 1] 9 1 1 1 Trong lọc trung bình, thường người ta ưu tiên cho các hướng để bảo vệ biên của ảnh khỏi bị mờ khi làm trơn ảnh. Các kiểu mặt nạ được sử dụng tùy theo các trường hợp khác nhau. Các bộ lọc trên là bộ lọc tuyến tính theo nghĩa là điểm ảnh ở tâm cửa số sẽ được thay bởi tổ hợp các điểm lân cận chập với mặt nạ.
Giả sử ảnh đầu vào biểu diễn bởi ma trận: 4 7 3 7 1 (1-7) 5 7 1 7 1 I= 6 6 1 8 3 5 7 5 7 1 [5 7 6 1 2] Ảnh số thu được bởi lọc trung bình Y=H⊗I có dạng: 23 26 31 19 16 (1-8) 1 35 39 46 31 27 Y = 36 43 49 34 27 9 36 48 48 34 22 [24 35 33 22 11] Lọc trung bình trọng số là một trường hợp riêng của lọc thông thấp Nguyễn Tiến Dũng _ CT1901C 11 Luan van Ứng dụng phát hiện phần ảnh sai khác Đồ án tốt nghiệp 1.2 Lọc trung vị Khái niệm trung vị được viết bởi công thức: v(m,n) = (y(m-k, n-l) với (k, l) thuộc W (1-9) Kỹ thuật này đòi hỏi giá trị các điểm ảnh trong cửa sổ phải xếp theo thứ tự Tăng hay giảm dần so với giá trị trung vị. Kích thước cửa số thường được chọn sao cho số điểm ảnh trong cửa số là lẻ. Các cửa sổ hay dùng là cửa sổ có kích thước 3x3, hay 5x5 hay 7x7. do đó: v[0] = 2 <giá trị biên> v[3] = Trungvi(8, 4, 2) = 4 v[1] = Trungvi(2, 3, 8) = 3 v[4] = 2 <giá trị biên> v[2] = Trungvi(3, 8, 4) = 4 Tính chất của lọc trung vị: Lọc trung vị là loại lọc phi tuyến.
Điều này được thể hiện: Trungvi(x(m) + y(m)) ≠ Trungvi(x(m)) + Trungvi(y(m)). (1-10) Có lợi cho việc loại bỏ các điểm ảnh hay các hàng mà vẫn bảo toàn bộ phân giải. Hiệu quả giảm khi số điểm trong cửa sổ lớn hay bằng một nửa số điểm trong cửa sổ. Điều này dễ giải thích vì trung vị là (Nw+1)/2 giá trị lớn nhất nếu N w lẻ.
Lọc trung vị cho trường hợp 2 chiều coi như lọc trung vị tách được theo từng chiều. Nguyễn Tiến Dũng _ CT1901C 12 Luan van Ứng dụng phát hiện phần ảnh sai khác Đồ án tốt nghiệp 1.4 Kỹ thuật tìm biên 1.1 Một số khái niệm về biên Điểm biên: Một điểm ảnh được coi là điểm biên nếu có sự thay đổi nhanh hoặc đột ngột về mức xám (hoặc màu). Ví dụ trong ảnh nhị phân, điểm đen gọi là điểm biên nếu lân cận nó có ít nhất một điểm trắng. Đường biên: là tập hợp các điểm biên liên tiếp tạo thành một đường biên.
Ý nghĩa của đường biên trong xử lý: Thứ nhất, đường biên là một loại đặc trưng cục bộ tiêu biểu trong phân tích, nhận dạng ảnh. Thứ hai, người ta sử dụng biên làm phân cách các vùng xám (màu) cách biệt. Ngược lại, người ta cũng sử dụng các vùng ảnh để tìm đường phân cách. Đường biên là nơi mà các điểm ảnh lân cận nhau có cường độ thay đổi mạnh một cách đột ngột.
Một số kiểu đường biên hay gặp trên thực tế được minh họa trên hình 1.1 Một số kiểu đường biên thông dụng 1.1 Các kiểu biên cơ bản Các phương pháp phát hiện biên truyền thống thường dựa trên kết quả của phép nhân chập giữa bức ảnh cần nghiên cứu f(x,y) và một bộ lọc 2D Nguyễn Tiến Dũng _ CT1901C 13 Luan van Ứng dụng phát hiện phần ảnh sai khác Đồ án tốt nghiệp h(x, y) thường được gọi là mặt nạ (mask). Công thức phát hiện biên được trình bày như bên dưới: +∞ +∞ h(x, y) ∗ f(x, y) = ∫ ∫ h(k1 , k 2 )f(x − k1 , y − k 2 )dk1 dk 2 −∞ −∞ Cấu trúc và giá trị của các toán tử phát hiện biên sẽ xác định hướng đặc trưng mà toán tử nhạy cảm với biên. Có một số toán tử thích hợp cho các đường biên có hướng nằm ngang, một số toán tử lại thích hợp cho việc tìm kiếm biên dạng thẳng đứng hay theo hướng đường chéo.