Bối cảnh và vấn đề nghiên cứu

Trong các dây chuyền sản xuất công nghiệp, việc kiểm soát chất lượng (QC) sản phẩm đóng vai trò quan trọng nhằm đảm bảo độ chính xác và tính đồng đều của thành phẩm. Phương pháp kiểm tra tự động dựa trên thị giác máy tính thường đối chiếu hình ảnh của sản phẩm cần kiểm tra với hình ảnh của một sản phẩm mẫu chuẩn. Tuy nhiên, trong thực tế thu nhận ảnh, quy trình so sánh đối mặt với hai thách thức kỹ thuật lớn:

  1. Hiện tượng nhiễu quang học và sai lệch điều kiện chiếu sáng do thiết bị thu nhận hoặc môi trường.
  2. Sự không đồng nhất về mặt hình học giữa các ảnh chụp do góc chụp của camera, khoảng cách hoặc vị trí đặt sản phẩm thay đổi, dẫn đến việc các vùng ảnh không khớp tọa độ với nhau.

Để giải quyết bài toán phát hiện các chi tiết bị thêm, bớt hoặc lỗi hỏng trên sản phẩm, hệ thống xử lý bắt buộc phải thực hiện hai giai đoạn liên tiếp: căn chỉnh hình học (image alignment/registration) nhằm đưa ảnh về cùng hệ quy chiếu, sau đó tiến hành kỹ thuật trừ ảnh (image subtraction) để bóc tách phần sai khác. Đề tài "Xây dựng ứng dụng phát hiện phần khác biệt giữa hai ảnh" được thực hiện bởi sinh viên Nguyễn Tiến Dũng, dưới sự hướng dẫn của TS. Ngô Trường Giang tại Khoa Công nghệ Thông tin – Trường Đại học Dân lập Hải Phòng (năm 2019), tập trung vào các mục tiêu và nhiệm vụ cụ thể:

  • Nhiệm vụ 1: Tìm hiểu tổng quan về đối sánh ảnh, các mô hình biểu diễn ảnh số và các kỹ thuật tiền xử lý (lọc nhiễu, nhị phân hóa, phát hiện biên).
  • Nhiệm vụ 2: Nghiên cứu cơ sở toán học của các phép biến đổi đồ họa (2D, 3D, tọa độ đồng nhất), phương pháp căn chỉnh ảnh dựa trên đối sánh đặc trưng điểm (thuật toán ORB, phép chiếu Homography) và các giải thuật trừ ảnh.
  • Nhiệm vụ 3: Xây dựng chương trình thử nghiệm ứng dụng thư viện OpenCV để tự động căn chỉnh và phát hiện, khoanh vùng phần khác biệt giữa hai ảnh đầu vào.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các thuật toán xử lý ảnh số dạng Raster, kỹ thuật trích xuất và đối sánh đặc trưng cục bộ (FAST, BRIEF, ORB), phép biến đổi hình học ma trận và các kỹ thuật trừ ảnh theo điểm ảnh, phân khối, biểu đồ.
  • Phạm vi nghiên cứu: Thực nghiệm đối sánh và phát hiện sai khác trên các cặp ảnh tĩnh 2D trong điều kiện biến dạng hình học ở mức độ vừa và ít; triển khai mã nguồn thông qua các hàm xử lý của thư viện OpenCV.

Cơ sở lý thuyết và phương pháp

Đồ án xây dựng trên nền tảng lý thuyết thị giác máy tính và hình học xạ ảnh, kết hợp các phương pháp xử lý ảnh kinh điển với các kỹ thuật trích xuất đặc trưng nhị phân hiện đại:

Nhóm nội dung Cơ sở lý thuyết & Mô hình tác giả sử dụng Phương pháp nghiên cứu thực tế
Mô hình ảnh & Tiền xử lý - Mô hình Raster (ma trận điểm ảnh $I(x, y)$).
- Nhị phân hóa theo ngưỡng cố định $T \in [0, 255]$ (ngưỡng chuẩn $T=128$).
- Lọc trung bình không gian với nhân chập $H_{3 \times 3} = \frac{1}{9}[1]_{3\times 3}$.
- Lọc trung vị phi tuyến $v(m,n) = \text{Median}{y(m-k, n-l)}$.
- Toán tử đạo hàm bậc nhất Gradient: Sobel, Prewitt, Robert.		 - Phân tích, tổng hợp lý thuyết toán học không gian ảnh.
- Mô phỏng ma trận lọc để giảm thiểu nhiễu cộng ($Y=X+n$), nhiễu nhân ($Y=X*n$) và nhiễu xung.
Biến đổi hình học - Phép biến đổi Affine 2D qua ma trận $T_{2 \times 2}$.
- Biểu diễn tọa độ đồng nhất $[x\ y\ 1]$ với ma trận $T_{3 \times 3}$.
- Biến đổi 3D qua ma trận $4 \times 4$ (tịnh tiến, tỷ lệ, biến dạng, quay quanh trục $Ox, Oy, Oz$ theo định lý Euler).		 - Thiết lập công thức biến đổi tọa độ điểm ảnh.
- Tích hợp các phép biến đổi liên tiếp thành một ma trận tích duy nhất.
Trích xuất đặc trưng & Căn chỉnh - Bộ dò điểm đặc trưng FAST (Features from Accelerated Segment Test) kết hợp tính hướng theo mômen trọng tâm Rosin.
- Bộ mô tả nhị phân rBRIEF (Rotation-Aware BRIEF).
- Thuật toán kết hợp ORB (Oriented FAST and Rotated BRIEF).
- Ma trận biến đổi đồng hình Homography ($H$).		 - Ước lượng ma trận chuyển đổi tọa độ từ các cặp điểm đặc trưng tương đồng (match features).
- Ánh xạ ảnh cần kiểm tra về hệ tọa độ của ảnh gốc.
Kỹ thuật trừ ảnh - Trừ giá trị điểm ảnh tuyệt đối: Nagasaka-Tanaka, Otsuji (đếm số điểm vượt ngưỡng).
- Trừ ảnh màu RGB có trọng số $w_i$.
- Trừ ảnh dựa vào khối: Kasturi (kiểm định thống kê $\lambda_k$), Shahraray (chia 12 miền).
- Trừ ảnh theo biểu đồ: Swain-Ballard (giao thoa biểu đồ toàn cục), so sánh cặp ngưỡng kép ($T_h, T_l$), biểu đồ cục bộ Swanberg.
- Trừ ảnh dựa trên sai khác thống kê.		 - Thực hiện phép trừ tuyệt đối mức xám giữa ảnh gốc và ảnh đã căn chỉnh tọa độ.
- Phân ngưỡng nhị phân để tách vùng biến động và lọc nhiễu kết quả.

Nguồn dữ liệu: Các tập ảnh thử nghiệm gồm ảnh gốc (chuẩn) và ảnh cần kiểm tra đã bị can thiệp (thêm/bớt chi tiết, thay đổi góc chụp, xoay hoặc tịnh tiến nhẹ) được đưa vào kiểm thử trực tiếp trong chương trình.

Thiết kế và triển khai

Quy trình phát hiện phần khác biệt giữa hai ảnh được tác giả thiết kế thành một luồng xử lý tự động gồm 6 bước liên tiếp, sử dụng các cấu trúc dữ liệu và hàm chức năng từ thư viện OpenCV:

[Ảnh gốc] & [Ảnh kiểm tra]
[Bước 1: Chuyển đổi sang ảnh xám (Grayscale)]
[Bước 2: Trích xuất & Đối sánh đặc trưng bằng ORB]
[Bước 3: Tìm ma trận Homography & Căn chỉnh tọa độ (Warp)]
[Bước 4: Thực hiện phép toán trừ ảnh sai khác (Diff)]
[Bước 5: Phân ngưỡng nhị phân & Lọc bỏ nhiễu biên]
[Bước 6: Xác định đường bao & Đóng khung chữ nhật đỏ]

Các bước triển khai kỹ thuật chi tiết:

  1. Tiền xử lý ảnh đầu vào: Nhận hai ảnh màu (ảnh gốc $I_1$ và ảnh kiểm tra $I_2$), chuyển đổi không gian màu RGB sang ảnh mức xám (Grayscale) để giảm khối lượng tính toán.
  2. Phát hiện và trích xuất đặc trưng ORB:
    • Sử dụng bộ dò FAST để định vị các điểm góc (keypoints). Hướng của điểm góc được tính toán thông qua trọng tâm cường độ vùng lân cận (kỹ thuật Rosin).
    • Tạo vector đặc trưng nhị phân 256-bit bằng bộ mô tả rBRIEF có khả năng bất biến với phép quay.
    • Thực hiện đối sánh các vector đặc trưng giữa hai ảnh dựa trên khoảng cách Hamming (Match Feature).
  3. Căn chỉnh hình học bằng Homography:
    • Từ tập các cặp điểm tương đồng, thuật toán tìm ma trận chuyển đổi tương đồng (Homography matrix $H_{3 \times 3}$).
    • Thực hiện phép biến đổi xạ ảnh (perspective transform) để biến dạng và ánh xạ hệ tọa độ của ảnh kiểm tra trùng khớp với hệ tọa độ của ảnh gốc.
  4. Trừ ảnh phát hiện sai khác:
    • Áp dụng hàm tính độ sai khác tuyệt đối giữa ảnh gốc và ảnh kiểm tra đã căn chỉnh: $|I_1(x, y) - I_{2,\text{aligned}}(x, y)|$.
  5. Hậu xử lý và phân ngưỡng:
    • Nhị phân hóa ảnh kết quả phép trừ bằng ngưỡng $T$ thích hợp để làm nổi bật các điểm ảnh có độ biến động lớn (thể hiện bằng hai màu đen - trắng).
    • Áp dụng bộ lọc khử nhiễu để loại bỏ các điểm sai khác ngẫu nhiên hoặc các đường viền biên phát sinh do sai số căn chỉnh.
  6. Xác định vùng lỗi và hiển thị:
    • Tìm đường biên bao quanh các cụm điểm ảnh trắng (vùng sai khác).
    • Vẽ khung hình chữ nhật màu đỏ (bounding box) bao quanh khu vực có sự thay đổi trên ảnh gốc và ảnh kiểm tra để người dùng quan sát trực quan.

Nội dung chính theo từng chương

CHƯƠNG 1: TỔNG QUAN VỀ ĐỐI SÁNH ẢNH

Chương này tập trung trình bày các khái niệm nền tảng trong xử lý ảnh số và hệ thống hóa các phương pháp đối sánh, tiền xử lý và trừ ảnh kinh điển:

  • Mô hình biểu diễn ảnh: So sánh mô hình Vector (biểu diễn hướng, tiết kiệm bộ nhớ, thích hợp cho đồ họa) và mô hình Raster (ma trận điểm ảnh, thuận lợi cho thu nhận và hiển thị thực tế). Khóa luận chọn mô hình Raster làm cơ sở.
  • Kỹ thuật tiền xử lý:
    • Biến đổi ảnh: Trình bày phương trình ảnh cơ sở $A^_{k,l} = a_k^ a_l^{*T}$, giới thiệu các phép biến đổi Fourier, Sin, Cosin, Hadamard, KL nhằm giảm thứ nguyên dữ liệu.
    • Nhị phân hóa: Định nghĩa phép chuyển đổi ảnh xám sang ảnh nhị phân dựa trên ngưỡng $T \in [0, 255]$ (ngưỡng mặc định 128).
    • Lọc nhiễu: Phân loại các dạng nhiễu (nhiễu cộng, nhiễu nhân, nhiễu xung); thiết lập ma trận nhân chập cho bộ lọc trung bình trọng số $H = \frac{1}{9}\begin{bmatrix}1 & 1 & 1\ 1 & 1 & 1\ 1 & 1 & 1\end{bmatrix}$ và phân tích tính chất của bộ lọc trung vị phi tuyến (bảo toàn biên, kích thước cửa sổ lẻ $3\times3, 5\times5, 7\times7$).
    • Kỹ thuật tìm biên: Định nghĩa điểm biên và đường biên; mô tả phương pháp Gradient bậc nhất $\Delta f = \sqrt{G_x^2 + G_y^2}$ với hướng $\nabla f = \tan^{-1}(G_x / G_y)$; chi tiết hóa cấu trúc mặt nạ của các toán tử Sobel, Prewitt và Robert.
  • Kỹ thuật trừ ảnh: Phân loại toàn diện 4 nhóm kỹ thuật trừ ảnh:
    • Trừ điểm ảnh: Công thức khoảng cách Nagasaka-Tanaka $D(f_1, f_2) = \frac{1}{X \times Y} \sum \sum |f_1(x,y) - f_2(x,y)|$, phương pháp đếm điểm vượt ngưỡng của Otsuji, mở rộng trên không gian màu RGB và kỹ thuật xử lý chớp sáng (flash) bằng tỷ lệ $F_r(i)$.
    • Trừ dựa vào khối: Kỹ thuật kiểm định tỷ số phương sai - trung bình $\lambda_k$ của Kasturi và phương pháp chia 12 miền của Shahraray.
    • Trừ dựa vào biểu đồ: So sánh biểu đồ toàn cục Swain-Ballard $S(f_1, f_2) = \sum \min(H_1(k), H_2(k))$, phương pháp so sánh cặp sử dụng ngưỡng kép ($T_h$ cho cắt cảnh đột ngột, $T_l$ cho chuyển cảnh dần dần) và kỹ thuật biểu đồ cục bộ kết hợp phân khối của Swanberg.
    • Phương pháp sai khác thống kê: Đánh giá tỷ lệ điểm ảnh vượt ngưỡng sai lệch $d$ trên toàn khung hình.

CHƯƠNG 2: CĂN CHỈNH ẢNH DỰA TRÊN ĐỐI SÁNH ĐẶC TRƯNG

Chương 2 đi sâu vào lý thuyết căn chỉnh ảnh hình học và các giải thuật trích xuất điểm đặc trưng hiện đại:

  • Lịch sử và nguyên lý căn chỉnh ảnh: Giới thiệu thuật toán dòng quang Lucas-Kanade (1981) dùng trong ổn định video/chuẩn nén MPEG/H, các nghiên cứu toàn cảnh của Meehan (1990), Benosman & Kang (2001), Brown & Lowe (2003). Nhấn mạnh ưu thế vượt trội của phương pháp tiếp cận dựa trên đặc trưng (feature-based) về tốc độ và khả năng xử lý dịch chuyển cảnh.
  • Hệ thống các phép biến đổi hình học:
    • Biến đổi Affine 2D: Ma trận biến đổi vị trí $T = \begin{bmatrix}a & b\ c & d\end{bmatrix}$; khảo sát chi tiết ma trận đồng nhất ($a=d=1, b=c=0$), ma trận tỷ lệ (phóng to/thu nhỏ với hệ số $S_x, S_y$), ma trận biến dạng theo trục $Ox$ và $Oy$, ma trận quay quanh gốc tọa độ một góc $\alpha$: $T = \begin{bmatrix}\cos\alpha & \sin\alpha\ -\sin\alpha & \cos\alpha\end{bmatrix}$.
    • Tọa độ đồng nhất: Biểu diễn điểm $[x\ y\ 1]$ và ma trận $3 \times 3$, cho phép biểu diễn phép tịnh tiến bằng phép nhân ma trận và kết hợp chuỗi biến đổi phức tạp thành một ma trận tích duy nhất.
    • Biến đổi 3D: Thiết lập ma trận tổng quát $4 \times 4$, công thức tịnh tiến $T(dx, dy, dz)$, tỷ lệ $T_s(S_x, S_y, S_z)$, biến dạng 3D và các ma trận quay quanh từng trục tọa độ $Ox, Oy, Oz$ theo định lý Euler.
  • Thuật toán ORB (Oriented FAST and Rotated BRIEF):
    • Bộ dò FAST: Phân tích thuật toán tìm điểm góc thời gian thực, kết hợp kỹ thuật mômen trọng tâm cường độ của Rosin để gán hướng duy nhất cho keypoint (khắc phục điểm yếu thiếu hướng của FAST thuần túy).
    • Bộ mô tả rBRIEF: Xây dựng vector nhị phân bất biến với phép quay bằng cách xoay các cặp điểm kiểm tra nhị phân theo góc định hướng của keypoint; sử dụng phương pháp học thống kê/tìm kiếm vét cạn để giảm thiểu sự tương quan giữa các bit mô tả.
    • So sánh đặc tính: Đối chiếu hiệu năng giữa ORB với SIFT, SURF và BRIEF về khả năng chống nhiễu, tốc độ tính toán (ORB nhanh hơn SIFT đáng kể và không bị ràng buộc bản quyền thương mại).
  • Ước lượng ma trận tương đồng Homography: Ánh xạ các điểm đặc trưng giữa hai mặt phẳng ảnh nhằm phục hồi lại trạng thái hình học gốc của đối tượng.

CHƯƠNG 3: CHƯƠNG TRÌNH THỬ NGHIỆM

Chương 3 trình bày việc ứng dụng các thuật toán đã nghiên cứu vào chương trình thực tế:

  • Môi trường OpenCV: Giới thiệu tổng quan về thư viện thị giác máy tính mã nguồn mở OpenCV, các cấu trúc dữ liệu hình ảnh và các hàm xử lý ma trận điểm ảnh.
  • Phát biểu bài toán & Luồng xử lý: Đặt bài toán đầu vào là 2 bức ảnh (ảnh gốc và ảnh kiểm tra có chi tiết sai khác hoặc bị xê dịch), đầu ra là ảnh hiển thị rõ ràng vị trí sai lệch được khoanh vùng.
  • Thực nghiệm trên dữ liệu mẫu:
    • Thực hiện chuyển đổi ảnh màu sang thang độ xám.
    • Trích xuất điểm đặc trưng và hiển thị các đường nối đặc trưng tương đồng (Match Features) giữa hai ảnh.
    • Tính toán ma trận Homography và thực hiện căn chỉnh để ánh xạ ảnh kiểm tra về sát tọa độ không gian của ảnh gốc.
    • Thực thi phép trừ ảnh sai khác (hàm diff), áp dụng phân ngưỡng và lọc nhiễu để tách biệt phần khác biệt thành hai màu trắng - đen rõ nét.
    • Xác định tọa độ vùng sai khác và vẽ hộp chữ nhật màu đỏ bao quanh các chi tiết bị thay đổi trên cả hai ảnh kết quả.

Kết quả và đóng góp

Kết quả đạt được

  1. Hệ thống hóa cơ sở lý thuyết: Đồ án đã tổng hợp chi tiết toán học của các phép biến đổi đồ họa từ 2D đến 3D, nguyên lý tọa độ đồng nhất, các toán tử lọc nhiễu, thuật toán tìm biên và toàn bộ 4 nhóm kỹ thuật trừ ảnh trong xử lý ảnh số.
  2. Cài đặt chương trình thực nghiệm: Ứng dụng thành công thư viện OpenCV để xây dựng chuỗi xử lý tự động:
    • Trích xuất và đối sánh điểm đặc trưng bằng thuật toán ORB.
    • Căn chỉnh hình học tự động thông qua ma trận Homography.
    • Thực hiện phép trừ ảnh, phân ngưỡng và lọc nhiễu để phát hiện các phần ảnh bị thêm hoặc bớt so với ảnh gốc.
    • Đánh dấu và khoanh vùng chính xác vị trí khác biệt bằng hình chữ nhật màu đỏ trực quan trên ảnh đầu ra.

Đóng góp kỹ thuật của đề tài

  • Khẳng định tính khả thi của việc kết hợp thuật toán trích xuất đặc trưng nhị phân ORB với phép biến đổi Homography và kỹ thuật trừ ảnh để giải quyết bài toán kiểm tra lỗi sản phẩm tự động.
  • Lựa chọn sử dụng thuật toán ORB – giải pháp mã nguồn mở miễn phí, tốc độ tính toán nhanh hơn SIFT/SURF, có khả năng bất biến với phép quay và chống nhiễu tốt – phù hợp cho các bài toán xử lý thị giác thời gian thực.

Hạn chế và hướng nghiên cứu tiếp

Dựa trên nội dung toàn văn và biên bản nhận xét của Cán bộ hướng dẫn (TS. Ngô Trường Giang) cùng Cán bộ phản biện:

Hạn chế

  • Phạm vi biến dạng ảnh: Chương trình thực nghiệm mới dừng lại ở mức độ xử lý chính xác đối với các ảnh có sự biến dạng hình học ít hoặc xê dịch góc chụp nhỏ. Khi ảnh bị méo phối cảnh quá lớn hoặc điều kiện ánh sáng thay đổi quá mạnh, độ chính xác của việc căn chỉnh và trừ ảnh bị suy giảm.
  • Trình bày chương trình: Báo cáo chưa mô tả chi tiết môi trường phát triển (phiên bản hệ điều hành, IDE, phiên bản cụ thể của OpenCV/ngôn ngữ lập trình).
  • Giao diện người dùng: Thiếu giao diện người dùng trực quan (GUI); chương trình chủ yếu chạy dưới dạng khối mã thử nghiệm xử lý luồng ảnh.

Hướng nghiên cứu tiếp

  • Mở rộng và cải tiến thuật toán căn chỉnh hình học để đáp ứng các trường hợp biến dạng phối cảnh phức tạp và góc quay lớn.
  • Nghiên cứu thêm các kỹ thuật cân bằng ánh sáng và thích nghi phông nền tự động nhằm nâng cao độ chính xác của phép trừ ảnh trong điều kiện môi trường thực tế.
  • Xây dựng giao diện đồ họa hoàn chỉnh, tích hợp module nhận dạng phân loại loại hình khuyết tật của sản phẩm trên dây chuyền công nghiệp.

Giá trị tham khảo

Đồ án là tài liệu tham khảo hữu ích cho các đối tượng và mục đích học thuật sau:

  • Sinh viên ngành Công nghệ Thông tin, Kỹ thuật Phần mềm, Khoa học Máy tính: Tham khảo phương pháp xây dựng báo cáo đồ án tốt nghiệp về chuyên ngành Xử lý ảnh và Thị giác máy tính; nắm vững cơ sở toán học ma trận và các phép biến đổi hình học (Affine, Homography, Tọa độ đồng nhất).
  • Người làm đề tài nghiên cứu về Kiểm tra chất lượng tự động (Defect Detection): Tham khảo quy trình 6 bước từ tiền xử lý, căn chỉnh đặc trưng (ORB Matching) đến phép trừ ảnh và khoanh vùng sai khác.
  • Các lập trình viên bắt đầu với OpenCV: Tham khảo cách ứng dụng các hàm trích xuất đặc trưng, biến đổi phối cảnh và xử lý ma trận điểm ảnh trong thực tế.

Câu hỏi thường gặp

1. Đề tài kết hợp hai thành phần kỹ thuật cốt lõi nào để phát hiện phần khác biệt giữa hai ảnh?

Theo đồ án, để so sánh hai ảnh chụp sản phẩm thực tế, tác giả kết hợp hai kỹ thuật cốt lõi:

  1. Căn chỉnh hình ảnh (Image Alignment): Dùng thuật toán ORB trích xuất điểm đặc trưng và ma trận Homography để xoay, co giãn, tịnh tiến ảnh kiểm tra về cùng hệ quy chiếu tọa độ với ảnh gốc.
  2. Trừ ảnh (Image Subtraction): Dùng phép trừ ma trận điểm ảnh (diff), kết hợp phân ngưỡng nhị phân và lọc nhiễu để bóc tách các vùng có sự thay đổi nội dung.

2. Vì sao thuật toán ORB được lựa chọn để trích xuất đặc trưng thay vì SIFT hay SURF?

Đồ án chỉ ra rằng ORB (Oriented FAST and Rotated BRIEF) có các ưu điểm nổi bật:

  • Được xây dựng từ bộ dò FAST cải tiến (bổ sung tính hướng theo trọng tâm Rosin) và bộ mô tả rBRIEF có khả năng chống nhiễu và bất biến với phép quay.
  • Tốc độ tính toán nhanh hơn SIFT đáng kể, đứng ở vị trí vượt trội về chi phí xử lý thời gian thực.
  • ORB là thuật toán mã nguồn mở miễn phí, trong khi SIFT và SURF bị ràng buộc bởi các bằng sáng chế thương mại.

3. Quy trình từng bước của chương trình thử nghiệm trong Chương 3 diễn ra như thế nào?

Quy trình thử nghiệm gồm các bước:

  1. Đọc ảnh gốc và ảnh kiểm tra, chuyển về không gian mức xám.
  2. Dò tìm và đối sánh các cặp điểm đặc trưng bằng thuật toán ORB.
  3. Tính toán ma trận Homography để căn chỉnh và ánh xạ ảnh kiểm tra về sát tọa độ ảnh gốc.
  4. Áp dụng hàm diff thực hiện trừ ảnh.
  5. Phân ngưỡng nhị phân và lọc nhiễu để highlight vùng khác biệt bằng hai màu trắng - đen.
  6. Xác định đường bao và vẽ hình chữ nhật màu đỏ bao quanh phần sai khác trên cả hai ảnh.

4. Kỹ thuật trừ ảnh theo khối và trừ ảnh theo biểu đồ giải quyết nhược điểm gì của kỹ thuật trừ điểm ảnh truyền thống?

  • Trừ điểm ảnh truyền thống rất nhạy cảm với nhiễu, rung lắc camera hoặc thay đổi nhỏ của ánh sáng (như chớp sáng), và không phân biệt được thay đổi lớn ở vùng nhỏ với thay đổi nhỏ ở vùng lớn.
  • Trừ theo khối (phân vùng): Giúp cục bộ hóa các đặc trưng, giảm sự phụ thuộc vào chuyển động toàn cục của camera/đối tượng.
  • Trừ theo biểu đồ (Histogram): Độc lập hơn với vị trí không gian và các dịch chuyển nhỏ. Việc kết hợp biểu đồ cục bộ với phân khối (như phương pháp Swanberg) vừa tận dụng được thông tin không gian vừa giảm thiểu tác động của nhiễu và di chuyển camera.

5. Cán bộ hướng dẫn và cán bộ phản biện đã đưa ra những đánh giá và lưu ý gì cho đồ án?

  • Cán bộ hướng dẫn (TS. Ngô Trường Giang): Đánh giá đồ án có bố cục hợp lý, đáp ứng yêu cầu, cài đặt được chương trình phát hiện và đánh dấu phần ảnh thêm/bớt qua OpenCV, song lưu ý chương trình mới dừng lại ở mức các ảnh có biến dạng ít.
  • Cán bộ phản biện: Ghi nhận kết quả xử lý khá chính xác trên ảnh ít biến động hình học; đồng thời chỉ ra các hạn chế: tên Chương 3 không nên để là "Chương trình thử nghiệm" khi đề tài là "Xây dựng ứng dụng", thiếu mô tả môi trường phát triển, thiếu giao diện trực quan và chưa nêu rõ điều kiện ràng buộc đầu vào.

Kết luận

Đồ án tốt nghiệp "Xây dựng ứng dụng phát hiện phần khác biệt giữa hai ảnh" của sinh viên Nguyễn Tiến Dũng đã hệ thống hóa đầy đủ cơ sở toán học về biến đổi đồ họa 2D/3D, các thuật toán tiền xử lý, trích xuất đặc trưng và kỹ thuật trừ ảnh số. Đề tài đã triển khai thành công chương trình ứng dụng thư viện OpenCV, tích hợp thuật toán ORB và phép chiếu Homography để tự động căn chỉnh và khoanh vùng chính xác các chi tiết sai khác trên các cặp ảnh thực nghiệm ít biến dạng. Mặc dù còn hạn chế về mặt giao diện người dùng và phạm vi xử lý ảnh biến dạng lớn, đồ án đã hoàn thành tốt các mục tiêu đề ra và mang lại giá trị tham khảo thiết thực cho các nghiên cứu ứng dụng thị giác máy tính trong kiểm định chất lượng tự động.