Tải bản đầy đủ
CHƯƠNG 2. LƯU ĐỒ GIẢI THUẬT VÀ NỘI DUNG CỦA ĐỀ TÀI

CHƯƠNG 2. LƯU ĐỒ GIẢI THUẬT VÀ NỘI DUNG CỦA ĐỀ TÀI

Tải bản đầy đủ

ĐỒ ÁN 3
Trang 16/23

Lưu ảnh

Kết thúc
1.1.16 Nguyên lý hoạt động
Sau khi khởi động chương trình xử lý ảnh, ta mở file ảnh trong máy tính để ảnh
được hiện ra sau đó ta lựa chọn một loại nhiều (salt & pepper, Gaussian) phù hợp
để chèn nhiễu vào ảnh, tiếp theo ta lựa chọn bộ lọc nhiễu (trung bình, trung vị) cho
ảnh phù hợp để lọc ảnh. Sau khi ảnh được lọc xong ta tiến hành các theo tác cân
bằng xám, sắc nét, làm mờ ảnh, đồng thời tiến hành thực hiện dò tìm cạnh góc ảnh
thông qua các bộ lọc dò cạnh góc (Robert,sobel,prewitt). Cuối cùng ta tiến hành lưu
lại ảnh kết thúc chương trình.
1.6 Tìm hiểu về xử lý ảnh số
1.1.17 Xử lý ảnh
Con người thu nhận thông tin qua các giác quan, trong đó thị giác đóng vai trò quan
trọng nhất. Những năm trở lại đây với sự phát triển của phần cứng máy tính, xử lý
ảnh và đồ hoạ đó phát triển một cách mạnh mẽ và có nhiều ứng dụng trong cuộc
sống. Xử lý ảnh và đồ hoạ đóng một vai trò quan trọng trong tương tác người máy.
Quá trình xử lý ảnh được xem như là quá trình thao tác ảnh đầu vào nhằm cho ra 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.
1.1.18 Sơ đồ tổng quát hệ thống xử lý ảnh
Tiền

Trích

Hậu

Đối sánh

xử

đoạn

Xử

và rút ra



đặc điểm



kết luận

Thu nhận
ảnh(scanner

Hệ quyết
Lưu trữ

,camera,
Xử Lý
Ảnh Grayscale
Sensor)

SVTH: Dương Lợi Lộc

định

ĐỒ ÁN 3
Trang 17/23

1.7 Thêm nhiễu
1.1.19 Nhiễu salt & peper
Các điểm ảnh bị nhiễu có thể nhận các giá trị cực đại hoặc cực tiểu trong khoảng
giá trị [0, 255]. Với ảnh đa mức xám (gray scale), nếu một điểm ảnh có giá trị cực
đại (tức cường độ sáng bằng 255) thì nó sẽ tạo ra một đốm trắng trên ảnh, trông
giống như hạt “muối”. Và ngược lại nếu một điểm ảnh có giá trị cực tiểu (tức cường
độ sáng bằng 0) thì sẽ tạo ra một đốm đen, giống như “tiêu”. Vậy nên còn gọi là ảnh
muối tiêu.
Cấu trúc lệnh: imnoise(biến ảnh,'salt & pepper',hệ số nhiễu);
1.1.20 Nhiễu Gaussian
Chịu ảnh hưởng theo hàm Gaussian:
Hàm phân bố: p(z) =
Trong đó: z biểu diễn mức xám, giá trị trung bình cùa z, độ lệch tiêu chuẩn,
phương sai của z.
Trong đó: =
=
Cấu trúc lệnh: imnoise(biến ảnh,'gaussian',hệ số nhiễu);

1.8 Lọc ảnh
1.1.21 Lọc trung bình
1.1.1.1 Định nghĩa:

Với lọc trung bình, mỗi điểm ảnh (Pixel) được thay thế bằng trung bình trọng số của các điểm
trong vùng lân cận. Tôi giả sử rằng tôi có một ma trận lọc (Kernel) (3x3) quét qua từng điểm ảnh
của ảnh đầu vào Isrc. Tại vị trí mỗi điểm ảnh lấy giá trị của các điểm ảnh tương ứng trong vùng
(3x3) của ảnh gốc đặt vào ma trận lọc (Kernel). Giá trị điểm ảnh của ảnh đầu ra Idst là giá trị trung
bình của tất cả các điểm trong ảnh trong ma trận lọc (Kernel).

Xử Lý Ảnh Grayscale

SVTH: Dương Lợi Lộc

ĐỒ ÁN 3
Trang 18/23

1.1.1.2 Thuật toán
Tôi có một một ảnh đầu vào với I(x,y) là giá trị điểm ảnh tại một điểm (x,y) và một ngưỡng θ.

Bước 1: Tính tổng các thành phần trong ma trận lọc (Kernel).
Bước 2: Chia lấy trung bình của tổng các thành phần trong ma trận được tính ở trên với số
lượng các phần tử của cửa sổ lọc ra một giá trị Itb(x, y).
Bước 3: Hiệu chỉnh:
Nếu I(x,y) - Itb(x,y) > θ thì I(x,y) = Itb(x,y).
Nếu I(x,y) - Itb(x,y) <= θ thì I(x,y)=I(x,y).
1.1.1.3 Tác dụng
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 ma trận lọc (Kernel) 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 sổ sẽ được thay bởi tổ hợp các
điểm lân cận chập với ma trận lọc (Kernel).

1.1.22 Lọc trung vị
1.1.1.4 Định nghĩa
Lọc trung vị là lọc phi tuyến. Một phép lọc phi tuyến là một kết quả không thể thu được từ một

tổng trọng số của các điểm ảnh (Pixel) lân cận. Sau khi đã định nghĩa kích thước vùng lân cận, giá
trị điểm ảnh (Pixel) trung tâm được thay bằng trung vị tức là giá trị chính giữa của tất cả các giá trị
của các điểm trong vùng lân cận.
Cho một dãy số X1, X2, X3, ..., Xn được sắp xếp theo thứ tự tăng dần hoặc giảm dần. Khi đó
Xtv được tính bởi công thức:
Nếu n lẻ:
+1)
Nếu n chẵn:
Kích thước của ma trận lọc (Kernel) thường dùng có kích thước 3x3, 5x5, 7x7.
1.1.1.5 Thuật toán
Bước 1: Xác định điểm ảnh (Pixel) I(x,y).

Bước 2: Sắp xếp các điểm ảnh (Pixel) lân cận của theo một thứ tự nhất định (Tăng dần hoặc
giảm dần).
Bước 3: Xác định Itv (Chính là Xtv trong nội dung phía trên).
Bước 4: Hiệu chỉnh:
-Nếu I(x,y) - Itb(x,y) > θ thì I(x,y) = Itb(x,y).
-Nếu I(x,y) - Itb(x,y) <= θ thì I(x,y) = I(x,y).
1.1.1.6 Tác dụng

Loại bỏ các điểm ảnh mà vẫn đảm bảo độ phân giải.

Xử Lý Ảnh Grayscale

SVTH: Dương Lợi Lộc

ĐỒ ÁN 3
Trang 19/23

Hiệu quả trong việc giảm đi điểm nhiễu trong ma trận lọc (Kernel) lớn hay bằng một nửa số
điểm trong ma trận lọc (Kernel).

1.9 Dò tìm cạnh góc
1.1.23 Lọc sobel
1.1.1.7 Định nghĩa
Trên thực tế Sobel sử dụng hai mặt nạ có kích thước [3 x 3] trong đó một mặt nạ chỉ đơn giản là sự

quay của mặt nạ kia đi một góc 900 như ở hình dưới. Các mặt nạ này được thiết kế để tím ra các
đường biên theo chiều đứng và chiều ngang một cách tốt nhất. Khi thực hiện phép convolution
giữa ảnh và các mặt nạ này ta nhận được các gradient theo chiều đứng và chiều ngang Gx, Gy.
Toán tử Sobel có dạng như sau:
Bảng 2-1: Mặt nạ lọc theo X
-1

-2

-1

0

0

0

1

2

1

Bảng 2-2: Mặt nạ lọc theo trục Y
-1

0

1

-2

0

2

-1

0

1

1.1.1.8 Thuật toán
Bước 1: Tính I(x,y) * = và I(x,y)* =

Trong đó: I là ma trận ảnh,là mặt nạ lọc theo trục x, là mặt nạ loc theo trục y.
Bước 2: Tính |+|| =
Bước 3:HIệu chỉnh I(x,y) = 0

1.1.24 Lọc prewitt
1.1.1.9 Định nghĩa
Phương pháp Prewitt gần giống với Sobel. Đây là phương pháp lâu đời nhất, cổ điển nhất. Toán tử

Prewitt được mô tả như sau:
Bảng 2-3: Mặt nạ lọc theo trục X
-1

-1

-1

0

0

0

1

1

1

Xử Lý Ảnh Grayscale

SVTH: Dương Lợi Lộc

ĐỒ ÁN 3
Trang 20/23

Bảng 2-4: Mặt nạ lọc theo trục Y
-1

0

1

-1

0

1

-1

0

1

Thuật toán
Bước 1: Tính I(x,y) * = và I(x,y)* =
1

Trong đó: I là ma trận ảnh,là mặt nạ lọc theo trục x, là mặt nạ loc theo trục y.
Bước 2: Tính |+|| =
Bước 3:HIệu chỉnh I(x,y) = 0

1.1.25 Lọc robert
1.1.1.10 Định nghĩa
Tương tự như Sobel, ta tính đường biên ngang và dọc một cách riêng rẽ dùng 2 mặt nạ như hình

dưới, sau đó tổng hợp lại để cho đường biên thực của ảnh. Tuy nhiên do mặt nạ của Robert khá nhỏ
nên kết quả là bị ảnh hưởng khá nhiều của nhiễu.

Bảng 1-5: Mặt nạ lọc theo trục X
0

0

0

0

-1

0

0

0

1

Bảng 2-6: Mặt nạ lọc theo trục Y
0

0

0

0

0

-1

0

1

0

1.1.1.11 Thuật toán

Bước 1: Tính I(x,y) * = và I(x,y)* =
Trong đó: I là ma trận ảnh,là mặt nạ lọc theo trục x, là mặt nạ loc theo trục y.
Bước 2: Tính |+|| =
Bước 3:HIệu chỉnh I(x,y) = 0

1.10 Tăng cường ảnh

Xử Lý Ảnh Grayscale

SVTH: Dương Lợi Lộc

ĐỒ ÁN 3
Trang 21/23

Là làm cho ảnh có chất lượng tốt hơn theo ý đồ của người sử dụng. Ảnh thu được
thường bao gồm nhiễu cần phải loại bỏ hoăc ảnh bị mờ không sắc nét hoặc cần làm
rõ các đặc trưng của ảnh như: thay đổi độ tương phản, giảm nhiễu, làm trơn biên,
khuếch đại ảnh, điều khiển mức xám …Những kỹ thuật tăng cường và tái tạo được
áp dụng cho ảnh ngõ vào thông qua những thuật toán và cho ra ảnh tăng cường hay
tái tạo ở ngõ ra.
1.1.26 Histogram
là một biểu đồ thể hiện số lượng điểm ảnh và mức độ sáng tối của ảnh chụp. Trong
biểu đồ ánh sáng dạng thanh được “đóng khung” trong một khung hình chữ nhật
này, giá trị ánh sáng được biểu thị theo dạng 2 chiều - trong đó chiều ngang thể hiện
cường độ ánh sáng, chiều dọc biểu thị số lượng điểm ảnh có độ sáng tương ứng với
giá trị ở chiều ngang của biểu đồ.
Theo quy ước, thang ánh sáng chiều ngang của Histograms được chia thành 256 cấp
độ liên tục. Giá trị 0 ở rìa trái biểu đồ tương ứng với màu đen/vùng tối nhất, vùng
tâm biểu đồ tương ứng cho sắc độ xám 18% (midtones), đại diện cho khu vực ánh
sáng trung bình (mid-tone); và sát rìa phải biểu đồ là màu trắng/vùng sáng nhất,
tương ứng với giá trị 255.
Cấu trúc lệnh: imhist(‘biến ảnh’);

Hình 5-1: Biểu đồ histogram[1]

Xử Lý Ảnh Grayscale

SVTH: Dương Lợi Lộc

ĐỒ ÁN 3
Trang 22/23

1.1.27 Cân bằng histogram
Giúp chúng ta biến đổi bức ảnh có độ tương phản thấp thành bức ảnh có độ tương
phản cao hơn bằng cách trải đều giá trị của pixel làm chúng phân tán trên vùng giá
trị rộng hơn, thay vì co cụm mà vẫn giữa được nội dung bức ảnh.Đồng thời cũng là
cho biểu đồ histogram được phân đồng dều hơn.
Cấu trúc lệnh: histeq(‘biến ảnh’);

Hình 6-2: Ảnh sau khi cần bằng xám[1]

1.1.28 Làm mờ ảnh
Tác dụng che đi những chi tiết không cần thiết hiện lên trên ảnh và làm nổi bật lên
những chi tiết theo ý muốn của người dùng.
Cấu trúc lệnh: fspecial ('tên bộ lọc',[ma trận]);
imfilter(biến ảnh,bộ lọc);

Hình 7-3: Ảnh gốc

Xử Lý Ảnh Grayscale

SVTH: Dương Lợi Lộc

ĐỒ ÁN 3
Trang 23/23

Hình 8-4: Ảnh làm mờ

1.1.29 Sắc nét ảnh
Tác dụng làm cho hình ảnh trở nên sắc nét dễ nhìn hơn so với ảnh gốc ban đầu.
Cấu trúc lệnh: fspecial('tên bộ lọc',hệ số sắc nét);
imfilter(biến ảnh,bộ lọc);

Xử Lý Ảnh Grayscale

SVTH: Dương Lợi Lộc

ĐỒ ÁN 3
Trang 24/23

CHƯƠNG 3.
1.11

KẾT QUẢ MÔ PHỎNG

Mô hình mô phỏng

Hình 3-1: Mô hình xử lý ảnh

1.12 Kết quả mô phỏng

Hình 3-2: Ảnh gốc, ảnh nhiễu salt & pepper, lọc trung bình, cân bằng xám.

Xử Lý Ảnh Grayscale

SVTH: Dương Lợi Lộc

ĐỒ ÁN 3
Trang 25/23

Hình 3-3: Ảnh gốc, nhiễu Gaussian, lọc trung vị,làm mờ.

Hình 3-4: Ảnh lọc Robert

Xử Lý Ảnh Grayscale

SVTH: Dương Lợi Lộc