Tải bản đầy đủ - 0 (trang)
Hình 2.4: Ảnh xám hóa [16]

Hình 2.4: Ảnh xám hóa [16]

Tải bản đầy đủ - 0trang

Hình 2.5: Ảnh màu RGB trong Matlab. [16]

Mỗi pixel bao gồm 3 giá trị màu R,G,B như Hình 2.5. Ảnh RGB thuộc lớp dữ

liệu double, thang giá trị nằm trong khoảng [0.0,1.0]. Trong khi đó, lớp dữ liệu

unit8 và uint16 có thang giá trị là [0,255] và [0,65535]. Mỗi pixel của ảnh RGB có

giá trị là 24 bit (8 bit cho mỗi lớp).

2.1.2.6. Các thuật ngữ và mối quan hệ giữa các điểm ảnh.

Ảnh Tô pô (Image Topology): Liên quan đến việc điều tra các thuộc tính cơ

bản của ảnh, thường thực hiện trên ảnh nhị phân với sự trợ giúp của các tốn tử hình

thái. Chẳng hạn như số lần xuất hiện của một đối tượng cụ thể, số lổ hỏng của một

đối tượng…

Hàng xóm (Neighborhood) : Gồm các điểm ảnh xung quanh một điểm ảnh

khảo sát tạo thành vùng lân cận, có thể xem như là một ma trận nhỏ hơn chứa điểm

ảnh cần xem xét. Hầu hết các miền lân cận được sử dụng trong thuật toán xử lý ảnh

là ma trận vuông nhỏ với một số lẽ điểm ảnh, ví dụ 3x3



14



Hình 2.6: Điểm ảnh ở trong một miền lân cận. [16]

Cho điểm ảnh p (x,y) : 4 tọa độ hàng xóm với cột và hàng có tọa độ lần lượt

là (x+1, y), (x-1, y), (x, y+1), (x, y-1) ký hiệu là tập N4(p) (Hình 2.7a). 4 điểm ảnh

hàng xóm theo đường chéo có tọa độ lần lượt là (x+1, y+1), (x+1, y-1), (x-1, y+1),

(x-1, y-1) ký hiệu là tập ND(p) (Hình 2.7b). Tập 8 điểm ảnh hàng xóm là hợp của 2

tập trên: N8(p) = N4(p) + ND(p) (Hình 2.7c).



Hình 2.7: Lấy mẫu hình chữ nhật liên thông. [16]

Lân cận (Adjacency) : Khi các điểm ảnh hàng xóm có xét thêm một vài yếu

tố khác ví dụ như phù hợp với cường độ điểm. Để có căn cứ kiểm tra quan hệ mới

này người ta định ra một tập giá trị tham chiếu mà các điểm ảnh gọi là lân cận phải

có giá trị cùng thuộc về tập đó. Ví dụ với một ảnh nhị phân ta có thể đặt V={1}, có

nghĩa là ta xét các điểm lân cận với giá trị tham chiếu là 1 (cường độ điểm ảnh đã

gọi là lân cận với nhau thì phải cùng có giá trị 1). Trong ảnh đa mức xám, ta có thể

đặt V chứa nhiều giá trị hơn như V={ a >= 200 & a <= 255 }. Cho p có tọa độ (x, y)

-



Lân cận 4 (4 - adjacency): hai điểm ảnh p và q có giá trị thuộc về tập V được



-



gọi là lân cận 4 của nhau nếu q thuộc về tập N4(p) (đã trình bày ở trên).

Lân cận 8 (8 - adjacency): hai điểm ảnh p và q có giá trị thuộc về tập V được

gọi là lân cận 8 của nhau nếu q thuộc về tập N8(p) (đã trình bày ở trên)



15



-



Lân cận M (M - adjacency hay Mixed - Adjacency): hai điểm ảnh p và q có

giá trị thuộc về tập V được gọi là lân cận M của nhau nếu thõa 1 trong 2 điều

kiện sau:

o q thuộc về tập N4(p).

o q thuộc về tập ND(p) và giao của hai tập N4(p), N4(q) khơng chứa điểm

ảnh nào có giá trị thuộc V.

Sự khác biệt giữa lân cận M và lân cận 8 là lân cận M chính là lân cận 8 sau



khi đã loại bỏ những liên kết phát sinh vòng.

Đường (Paths) : một đường nối 2 điểm p(x0, y0) với điểm q(xn, yn) là một tập

tuần tự các điểm ảnh có tọa độ lần lượt là (x0, y0), (x1, y1), (x2, y2),..., (xn, yn) trong

đó hai điểm liền kề (xi, yi), (xi-1, yi-1) với (1 ≤ i ≤ n) có quan hệ lân cận, tùy theo

loại quan hệ lân cận được xem xét mà ta có các loại đường 4 (4 Path), đường 8 (8

Path) hay đường M (M Path).

-



n được gọi là độ dài của đường.

Nếu hai điểm đầu và cuối của đường trùng nhau, (x 0, y0) = (xn, yn) thì ta gọi

đó là đường khép kín (Closed Path).

Kết nối (Connectivity) : Gọi S là một nhóm, tập các điểm ảnh nào đó trong



một hình (S có thể là tồn bộ ảnh).

-



Hai điểm ảnh p và q được gọi là kết nối với nhau qua S nếu tồn tại đường



-



giữa chúng được thiết lập bởi các điểm ảnh thuộc S.

p nằm trong S, tập các điểm ảnh kết nối với p và thuộc S được gọi là thành



-



phần được kết nối (connected component).

Nếu S chỉ có 1 thành phần kết nối, có nghĩa là mỗi điểm ảnh thuộc S thì kết

nối với tất cả các điểm ảnh còn lại. ta gọi S là tập kết nối (Connected Set).

Vùng (Region of Image): Gọi R là một tập điểm ảnh nào đó trong hình, R



được gọi là vùng ảnh nếu nó là một tập kết nối thỏa định nghĩa ở trên.

-



Hai vùng Ri và Rj được coi là lân cận (Adjacency) nếu hợp của chúng là một



-



tập kết nối.

Các vùng khơng lân cận (not adjacent) thì gọi là disjoint.

Cũng tương tự như với điểm ảnh việc xét vùng lân cận cũng cần sự chỉ định

kiểu 4, 8 hay M.



16



Đường bao (boundary):

-



Là tập các điểm có quan hệ liên kết với điểm nằm trong tập bù của vùng R.

Sự khác biệt giữa đường bao và cạnh (edge) nằm ở chổ, trong khi đường bao

là đường khép kín (closed path) bao quanh vùng (region) với một ý nghĩa

tồn cục thì viền hay cạnh lại được xem xét là tập hợp những điểm ảnh mà

tại đó xảy ra sự biến động về giá trị cường độ, mang tính cục bộ.



2.1.2.7. Khoảng cách giữa các điểm ảnh :

Có nhiều ứng dụng yêu cầu đo khoảng cách giữa các điểm ảnh. Các phương

pháp đo khoảng cách phổ biến nhất giữa pixel p và q có tọa độ (x o,yo) và (x1,y1) như

sau:

 Khoảng cách Euclide:

 Khoảng cách D4 (còn gọi là Manhattan):

 Khoảng cách D8 (còn được gọi là bàn cờ):

Chú ý rằng, khoảng cách giữa các pixel chỉ phụ thuộc vào tọa độ mà khơng

phụ thuộc vào giá trí của chúng. [14]

2.1.2.8. Hệ thống xử lý ảnh số

Sơ đồ tổng quát của một hệ thống xử lý ảnh:



Hình 2.8: Các bước cơ bản trong một hệ thống xử lý ảnh [15]

Thu nhận ảnh:

-



Qua các camera (Tương tự, số).



17



-



Từ vệ tinh qua các bộ cảm biến (Sensors).

Qua máy quét ảnh (Scaners).

Số hóa ảnh: Biến đổi ảnh tương tự thành ảnh rời rác để xử lý bằng máy tính:



Thơng qua q trình lấy mẫu (rời rạc về mặt khơng gian) và lượng tử hóa (rời rạc về

mặt biên độ).

Xử lý số: Là một tiến trình gồm nhiều cơng đoạn nhỏ: Cải thiện ảnh

(Enhancement), khơi phục ảnh (Restoration), phát hiện biên (Egde Detection), phân

vùng ảnh (Segmentation), trích chọn các đặc tính (Feature Extraction)…

Hệ quyết định: Tùy mục đích của ứng dụng mà chuyển sang giai đoạn khác

là hiển thị, nhận dạng, phân lớp, truyền thông…

2.1.3. Các vấn đề cơ bản trong xử lý ảnh.

2.1.3.1. Biểu diễn ảnh và mơ hình hóa ảnh.

Biểu diễn ảnh: Ảnh có thể xem là một hàm 2 biến chứa các thơng tin như

biểu diễn của một ảnh. Các mơ hình biểu diễn ảnh cho ta một mô tả logic hay định

lượng của hàm này. Dựa vào phần tử đặc trưng của ảnh đó là pixel. Giá trị pixel có

thể là một giá trị vô hướng, hoặc là 1 vector (3 thành phần trong trường hợp ảnh

màu).

Ta có thể biểu diễn ảnh bằng hàm toán học, hoặc các ma trận điểm. Trong

mơ hình tốn học ảnh hai chiều được biểu diễn nhờ các hàm hai biến S(m,n).



Biểu diễn bằng hàm toán:

-



S: ảnh

(m,n): tọa độ pixel trong miền không gian 2D.

s(m,n): độ sáng (mức xám) của pixel (m,n).

[0,Lmax]: thang mức xám – vùng các mức xám được phép sử dụng. L max

thường là 255, nghĩa là sử dụng mức xám 8 bít. 0 ≤ s(m,n) ≤ 255.

Với 0 ≤ m ≤ M-1, 0 ≤ n ≤ N-1, ta gọi ảnh số MxN.

Biểu diễn bằng ma trận điểm:



18



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

Hình 2.4: Ảnh xám hóa [16]

Tải bản đầy đủ ngay(0 tr)

×