Tải bản đầy đủ - 30 (trang)
6 Tìm hiểu về xử lý ảnh số

6 Tìm hiểu về xử lý ảnh số

Tải bản đầy đủ - 30trang

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



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

6 Tìm hiểu về xử lý ảnh số

Tải bản đầy đủ ngay(30 tr)

×