Tải bản đầy đủ
2 . Kỹ thuật nâng cao chất lượng ảnh

2 . Kỹ thuật nâng cao chất lượng ảnh

Tải bản đầy đủ

44

ảnh khảm. Ngoài ra, các kỹ thuật lọc cũng rất hiệu quả trong tình huống này.
Các điểm trên đường nối giữa các ảnh có cường độ sáng khác biệt với các điểm
xung quanh nó, chúng sẽ được coi là “nhiễu” và sẽ bị lọc bỏ bằng các kỹ thuật
như lọc trung bình hay lọc trung vị. Ưu điểm của chúng là tương đối hiệu quả
và dễ cài đặt.
2.2.1. Kỹ thuật lọc trung bình


Định nghĩa:
Cho dãy x1, x2, …xn , khi đó, trung bình của dãy ký hiệu là AV({x n}),

được định nghĩa:



Mệnh đề



Kỹ thuật lọc trung bình
Giả sử ta có ảnh I, điểm ảnh P, cửa sổ W(P) và ngưỡng θ. Khi đó kỹ

thuật lọc trung bình phụ thuộc không gian bao gồm các bước cơ bản sau:
- Bước 1: Tìm trung bình
{I(q)| q € W(P)} → AV(P)

45

- Bước 2: Gán giá trị

I(P) =

Ý tưởng chính của thuật toán lọc trung bình như sau: Ta sử dụng một cửa
sổ lọc (ma trận 3 x 3) quét qua lần lượt từng điểm ảnh của ảnh đầu vào input.
Tại vị trí mỗi điểm ảnh lấy giá trị của các điểm ảnh tương ứng trong vùng 3 x 3
của ảnh gốc "lấp" vào ma trận lọc. Giá trị điểm ảnh của ảnh đầu ra là giá trị
trung bình của tất cả các điểm ảnh trong cửa sổ lọc. Việc tính toán này khá đơn
giản với hai bước gồm tính tổng các thành phần trong cửa sổ lọc và sau đó chia
tổng này cho số các phần tử của cửa sổ lọc [2].

Hình 2.6. Minh hoạ lọc trung bình


Các bước của giải thuật
1. Quét cửa sổ lọc lần lượt lên các thành phần của ảnh đầu vào, điền các giá
trị được quét vào cửa sổ lọc.
2. Xử lý bằng cách thao tác trên các thành phần của cửa sổ lọc.

46

3. Tính giá trị trung bình các thành phần trong cửa sổ lọc.
4. Gán giá trị trung bình này cho ảnh đầu ra.
Lưu ý: Với cửa số 2 chiều 3x3 ở trên sẽ khó xử lý khi lập trình nên tất cả sẽ
được gán qua mảng 1 chiều gồm 9 phần tử.
2.2.2. Kỹ thuật lọc trung vị


Định nghĩa
Cho dãy x1, x2, …; xn đơn điệu tăng (giảm). Khi đó trung vị của dãy, kí

hiệu Med({xn}) được định nghĩa:



Mệnh đề

Lọc trung vị là một kĩ thuật lọc phi tuyến (non-linear). Nó khá hiệu quả
đối với hai loại nhiễu là nhiễu đốm (speckle noise) và nhiễu muối tiêu (saltpepper noise). Tuy nhiên nếu áp dụng lọc trung vị nhiều lần trên một bức ảnh,

47

sẽ dẫn đến ảnh bị mờ hoặc mất thông tin. Mặc dù vậy, kĩ thuật này là một bước
rất phổ biến trong xử lý ảnh.
Ý tưởng chính của thuật toán lọc trung vị như sau: Ta sử dụng một cửa sổ
lọc (ma trận 3x3) quét qua lần lượt từng điểm ảnh của ảnh đầu vào input. Tại vị
trí mỗi điểm ảnh lấy giá trị của các điểm ảnh tương ứng trong vùng 3x3 của ảnh
gốc "lấp" vào ma trận lọc. Sau đó sắp xếp các điểm ảnh trong cửa sổ này theo
thứ tự (tăng dần hoặc giảm dần tùy ý). Cuối cùng, gán điểm ảnh nằm chính
giữa (trung vị) của dãy giá trị điểm ảnh đã được sắp xếp ở trên cho giá trị điểm
ảnh đang xét của ảnh đầu ra (output) [2].

Hình 2.7. Minh hoạ lọc trung vị
Giả sử ta có ảnh I, ngưỡng θ, cửa sổ W(P) và điểm ảnh P. Khi đó, các
bước cơ bản của ký thuật lọc trung vị như sau:
- Bước 1: Tìm trung vị
{ I(q)|q€ W(P) Med(P) }

48

- Bước 2: Gán giá trị

I(P) =



Sơ lược các bước của giải thuật
1. Quét cửa sổ lọc lên các thành phần của ảnh gốc. Điền các giá trị được
quét vào cửa sổ lọc.
2. Lấy các thành phần trong của sổ lọc để xử lý.
3. Sắp xếp theo thứ tự các thành phần trong cửa sổ lọc.
4. Lưu lại thành phần trung vị và gán cho ảnh đầu ra.
2.3.Kỹ thuật khảm ảnh dựa trên nắn chỉnh biến dạng và biến đổi
mức xám
Ảnh thu nhận thường bị biến dạng do các thiết bị quang học và điện tử. Do

vậy, chúng ta cần nắn chỉnh ảnh bị biến dạng trước khi khảm ảnh.

Hai ảnh
đầu vào

Xác định
tập các điểm
điều khiển

Khảm ảnh

Tìm
hàm biến đổi f

Biến đổi ảnh
dựa trên hàm f

49

Hình 2.8. Sơ đồ thuật toán khảm ảnh dựa trên nắn chỉnh biến dạng
Từ hai ảnh đầu vào, ta xác định tập các điểm điều khiển tương ứng trên
mỗi vị trí cần ghép bằng cách đánh dấu chúng lại. Ta gọi các điểm này là các
điểm đặc trưng.
P={ P1, P2,…, Pn} được xác định trên ảnh thứ nhất.
P’={P’1, P’2,..., P’n} được xác định trên ảnh thứ hai.

Hình 2.9. Minh hoạ hai tập điểm đặc trưng của hai ảnh đầu vào
Dựa trên các điểm đặc trưng này, ta xác định được độ biến dạng của một
trong hai ảnh so với ảnh còn lại. Ảnh này bị biến dạng theo nhiều chiều hướng
khác nhau: có thể bị tịnh tiến, co, giãn, méo mó,… Công việc cần làm là biến
đổi và hiệu chỉnh sao cho khắc phục được độ biến dạng này đến mức tối thiểu.
Do sự biến dạng này xảy ra ở một trong hai ảnh nên có thể chọn ảnh thứ nhất là
ảnh bị biến dạng và thực hiện nắn chỉnh ảnh này.
2.3.1. Nắn chỉnh biến dạng
Để nắn chỉnh ảnh bị biến dạng, người ta sử dụng các phép chiếu. Các
phép chiếu thường được xây dựng trên tập các điểm điều khiển [2]:

50

i = 1, n

( Pi , Pi ) với  Pi ( xi , yi )
 P ' = ( x' , y ' )
i
i
 i
'

Từ hai tập điểm điều khiển này, tìm hàm
n


i =1

f : Pi 

f ( Pi )

sao cho

2

f ( Pi ) − Pi ' → min

Giả sử ảnh thu nhận bị biến đổi chỉ bao gồm các phép: tịnh tiến, quay, tỷ
lệ, biến dạng bậc nhất tuyến tính. Khi đó, hàm ƒ có dạng:
f ( x , y ) = ( a1 x + b1 y + c1 , a 2 x + b2 y + c 2 )

Ta có: Φ =

n


i =1

n

[(

2

i =1

Để cho Φ → min
 ∂φ
 ∂a = 0
 1
 ∂φ
=0 ⇔


b
1

 ∂φ
=0

 ∂c1
 n 2
 ∑ xi
 i =1
 n
⇔  ∑ xi yi
 i =1n

 ∑ xi
 i =1

 n
'
2∑ (a1 xi + b1 yi + c1 − xi ) xi = 0
 i =1
 n
'
2∑ (a1 xi + b1 yi + c1 − xi ) yi = 0
 i =1
 n
'
2∑ (a1 xi + b1 yi + c1 − xi ) = 0
 i =1
n

∑ xi yi
i =1
n

∑y
i =1
n

2
i

∑y
i =1

) (

f ( Pi ) − Pi ' = ∑ a1 xi + b1 yi + c1 − xi' + a2 xi + b2 yi + c2 − yi'

i


 n ' 
a


x

 ∑ xi xi 
1

i
i =1
   i =1

n
   n ' 
yi  b1  =  ∑ xi yi 

i =1
   i =1n

  
' 

n  c1   ∑ xi 

 i =1 
n

n

n

n

i =1

i =1

i =1

Đặt: M 1 = n ∑ ( xi yi ) − ∑ xi ∑ yi

2

)]
2

51

n

n

M 2 = n ∑ yi − ( ∑ y i ) 2
2

i =1

i =1

n

n

n

i =1

i =1

i =1

M 3 = n ∑ ( x ' i y i ) − ∑ x ' i ∑ yi
n

n

N 1 = n ∑ xi − ( ∑ xi ) 2
2

i =1

i =1

n

n

n

i =1

i =1

i =1

n

n

n

i =1

i =1

i =1

N 2 = n ∑ ( xi y i ) − ∑ xi ∑ y i
N 3 = n ∑ ( xi x ' i ) − ∑ xi ∑ x ' i

Giải hệ phương trình tuyến tính trên tìm được a1 ,b1 ,c1 với:
a1 =

M 3N2 − M 2 N3
M 1 N 2 − M 2 N1

b1 =

N 3 M 1 − N1M 3
M 1 N 2 − M 2 N1

c1 =

n

n

n

i =1

i =1

i =1

∑ x 'i − a1 ∑ xi − b1 ∑ yi
n

Tính toán tương tự, ta có thể tìm được a2 ,b2 ,c2 .
Từ đó xác định được hàm ƒ.
Sau khi xác định được hàm ƒ, thực hiện phép ánh xạ với mỗi điểm ảnh
I(i,j) xác được một điểm ảnh I’(i’,j’) ở ảnh đích qua hàm ƒ :
i ' = a1i + b1 j + c1

 j ' = a2i + b2 j + c2

52

Gán giá trị màu của điểm ảnh I(i,j) cho I’(i’,j’). Lần lượt thực hiện phép
ánh xạ với các điểm ảnh còn lại thuộc ảnh thứ nhất ta sẽ thu được ảnh mới
tương ứng.

Hình 2.10. Kết quả sau khi nắn chỉnh

2.3.2. Khảm ảnh dựa trên tập điểm đặc trưng
Để khảm hai ảnh nhận được sau khi nắn chỉnh biến dạng, ta phải chồng
hai ảnh đó lên nhau và xác định phần chung (phần giao nhau) giữa chúng dựa
trên một hình chữ nhật bao các điểm đặc trưng bởi các điểm left (trái), top

53

(trên), right (phải) và bottom (dưới). Ta chia phần chung ra làm hai phần I và II
được xác định bởi hai điểm top và bottom [3].

Hình 2.11. Xác định phần chung của hai ảnh
Với một điểm M(x,y) thuộc vùng ảnh (I) xác định được hai điểm đặc
trưng (pi,pi+1) sao cho yi< y< yi+1, xác định được một điểm I(xi,yi) là giao điểm
của đoạn thẳng đi qua M và song song với trục OX với đoạn thẳng PiPi+1.

Hình 2.12. Xác định điểm ở phần chung thuộc ảnh nào
Khi đó, so sánh giá trị hoành độ của M và I. Nếu xngược lại M thuộc ảnh 2. Trường hợp có cặp điểm đặc trưng thuộc vùng ảnh
(II) thì duyệt ngược lại.

54

Duyệt các điểm M thuộc ảnh đích, nếu M thuộc ảnh 1 thì gán giá trị màu
của ảnh 1 cho M, ngược lại gán giá trị màu của ảnh 2 cho M. Quá trình lặp lại
khi duyệt hết các điểm ảnh thuộc phần chung nhau của hai ảnh. Cuối cùng, ta sẽ
thu được ảnh khảm kết quả.

Hình
2.13.
Kết quả khảm ảnh sau khi nắn chỉnh
2.3.3. Hiệu chỉnh mức xám