Xử lý ảnh là một trong những ngành quan trọng và lâu đời của Công nghệ thông tin. Vì vậy, xử lý ảnh là một vấn đề cần thiết và rất quan trọng để thu được những bức ảnh ngày càng đẹp hơn, đáp ứng các yêu cầu thông tin đa dạng của người tiếp nhận.
TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ BIÊN
Tổng quan về xử lý ảnh
- Xử lý ảnh là gì ?
- Các quá trình cơ bản trong hệ thống xử lý ảnh
- Một số vấn đề cơ bản trong xử lý ảnh
Phân đoạn ảnh là một quá trình thao tác cấp thấp trong toàn bộ hệ thống xử lý ảnh. Mức xám là kết quả của việc mã hóa độ sáng tương ứng của mỗi pixel bằng một giá trị số (giá trị nguyên dương) - kết quả của quá trình lượng tử hóa.
Nâng cao chất lượng ảnh và toán tử không gian
- Làm trơn nhiễu bằng lọc tuyến tính
- Làm trơn nhiễu bằng lọc phi tuyến
- Lọc thông thấp, thông cao và lọc giải thông
Lọc trung vị thay thế pixel đầu vào bằng trung vị của pixel, trong khi lọc giả trung bình sử dụng giá trị trung bình của hai giá trị "trung vị" (giá trị trung bình của max và min). Trong trường hợp đó, hãy thay giá trị của pixel bằng giá trị trung bình của 8 pixel lân cận vừa được tính.
Tổng quan về biên
- Biên và các kiểu biên cơ bản
- Vai trò của biên trong nhận dạng
Lý tưởng nhất, phát hiện ranh giới là định nghĩa của tất cả các đường viền trong đối tượng. Lề là sự thay đổi đột ngột về mức xám nên sự thay đổi càng lớn thì càng dễ phân biệt mép. Một cạnh được coi là lý tưởng khi có sự khác biệt lớn về thang độ xám giữa các vùng trong ảnh.
Đường viền này thường chỉ xuất hiện nếu có sự thay đổi thang độ xám trên pixel. Độ dốc xảy ra khi thang độ xám trải rộng trên nhiều pixel. Do sự xuất hiện ngẫu nhiên của các điểm ảnh có sự khác biệt về thang độ xám cao, các cạnh sắc nét không được mịn màng mà trở nên thô ráp, các đường viền không đều, không bằng phẳng, đó chính là đường viền thực tế.
Ranh giới là một loại tính năng cục bộ điển hình trong phân tích nhận dạng hình ảnh. Giai đoạn học: Các thuộc tính của đối tượng mẫu được lưu trữ (gọi là học mẫu) và tập hợp các phần tử mẫu được chia thành các lớp.
PHƯƠNG PHÁP PHÁT HIỆN BIÊN CHO ẢNH ĐA MỨC
- Giới thiệu
- Quy trình phát hiện biên
- Phương pháp phát hiện biên cơ bản
- Phương pháp phát hiện biên Gradient
- Phương pháp phát hiện biên Laplace
- Phương pháp phát hiện biên nâng cao
- Phương pháp phát hiện biên Canny
- Phương pháp phát hiện biên Wavelet
Bước 4: Liên kết và trích xuất các cạnh 2.3 Phương pháp phát hiện cạnh cơ bản 2.3.1 Phương pháp phát hiện cạnh chuyển màu 2.3.1 Phương pháp phát hiện cạnh chuyển sắc. Để thực hiện phương pháp Gaussian của Laplace, chúng tôi thực hiện đạo hàm thứ hai của kết quả ở bước 1. Đạo hàm kết quả tương tự như đạo hàm tích chập của hình ảnh thu được ở bước 1 với mặt nạ tích chập được tính bằng phương pháp của Laplace.
Nhiều phương pháp dò biên đã được đề cập ở trên nhưng phương pháp Canny – được phát triển bởi John F. Mặc dù khá cũ nhưng nó đã trở thành một trong những phương pháp dò biên tiêu chuẩn và vẫn được sử dụng trong nghiên cứu. Các phương pháp phát hiện cạnh không tạo nhiễu trước hình ảnh và có thể gây ra sự cố trong nhiều ứng dụng.
Không giống như phát hiện cạnh sắc nét, bước đầu tiên là làm mịn hình ảnh bằng cách sử dụng bộ lọc Gaussian để giảm ảnh hưởng của nhiễu. Thực nghiệm đã chứng minh rằng phương pháp phát hiện cạnh dựa trên sóng con cho kết quả tốt hơn so với kỹ thuật truyền thống với hình ảnh nhiễu.
PHƯƠNG PHÁP PHÁT HIỆN BIÊN CHO ẢNH MÀU
Cơ sở phát hiện biên ảnh màu
Mô hình ba màu
Trộn màu phụ gia xảy ra khi xuất hiện nhiều kích thích màu khác nhau, tất cả các kích thích này được thể hiện bởi một thành phần màu cơ bản nào đó để tạo thành màu mới. Vì không có bộ ba màu cơ bản nào có thể tạo ra tất cả các màu nên Ủy ban Quốc tế về Chiếu sáng CIE đã phát triển một mô hình trong đó mỗi màu được đặc trưng bởi một đường cong phân bố năng lượng của ánh sáng. Thay đổi cường độ của các màu thành phần sẽ tạo ra bất kỳ giá trị nào trong phổ màu.
Mô hình màu CMY hiển thị ánh sáng và màu sắc phản chiếu từ mực. Mô hình màu YIQ là mô hình màu được sử dụng trong truyền hình màu băng thông rộng ở Mỹ, vì vậy nó có mối quan hệ chặt chẽ với đồ họa raster. YIQ là sự biến đổi tương ứng của tín hiệu RGB để đạt được hiệu suất truyền tốt hơn và duy trì khả năng tương thích với các TV đen trắng thế hệ trước.
Các phương pháp phát hiện biên ảnh màu
- Toán tử Vector Gradient
- Phương pháp Vector Field
- Bộ dò biên Vector Order-Statistic
PHƯƠNG PHÁP PHÁT HIỆN BIÊN THEO WAVELET
Giới thiệu
Các phép biến đổi wavelet cung cấp một bộ phân tích đa tỷ lệ có thể được sử dụng để phát hiện cạnh. Mallat và Zhong sử dụng cực đại cục bộ tuyệt đối của biến đổi wavelet để thực hiện phát hiện cạnh. Barlaud sử dụng biến đổi wavelet trực giao sinh học để phát hiện cạnh.
Một tính chất quan trọng của các phép biến đổi wavelet là khả năng mô tả các định luật địa phương của các hàm. Đối với ảnh f(x, y), các cạnh của nó tương ứng với điểm kỳ dị của f(x, y), và do đó liên quan đến cực đại cục bộ của mô đun biến đổi wavelet. Do đó, biến đổi wavelet là một phương pháp hiệu quả để phát hiện cạnh.
Wavelet biến ánh xạ một hàm thời gian thành hàm hai chiều của a và b. Tham số b được gọi là độ biến đổi của hàm sóng dọc theo trục thời gian.
Biến đổi Wavelet liên lục (The Continuous Wavelet Transform – CWT) 44
Định lý này phát biểu rằng phép biến đổi một chiều của tín hiệu s(t) thành miền sóng hai chiều (a, b) là nghịch đảo nếu phép biến đổi đẳng tích thành hằng số cψ. MRA là phép chia tín hiệu s(t) thành các thành phần có tỷ lệ 2 m khác nhau, trong đó m là một số nguyên.
Xây dựng một Wavelet
Phân hoạch và tái thiết wavelet
Các hệ số được lấy mẫu xuống sẽ chính xác bằng một nửa số lượng của các hệ số trước đó. Khi xây dựng lại, chúng tôi xem xét các hệ số bậc thấp hơn, hệ số chi tiết và kết hợp chúng để có hệ số bậc cao hơn. Mỗi lần ta thực hiện phép cộng số hệ số gấp đôi số hệ số của hệ số bậc thấp trước đó.
Không giống như biến đổi Fourier, DWT không phải là một đối tượng đơn lẻ. DWT chuyển đổi tín hiệu thời gian rời rạc thành biểu diễn wavelet rời rạc. Do vấn đề lưu trữ, chúng tôi không tính DWT trên ma trận mà sử dụng bộ lọc để tính DWT.
Tiếp tục, chúng tôi xây dựng lại mẫu bằng cách chèn 0 vào giữa mỗi mẫu, sau đó chúng tôi kết hợp với các bộ lọc liên hợp H~. Do đó, một ranh giới nhất định có thể được tìm thấy từ các biến đổi wavelet của đỉnh được chỉ định tại các vị trí phù hợp.
Biến đổi Wavelet rời rạc (DWT – Discrete Wavelet Transform )
Phương pháp phát hiện biên DWT
CÀI ĐẶT THỬ NGHIỆM VÀ NHẬN XÉT ĐÁNH GIÁ CÁC
So sánh các phương pháp phát hiện biên (Gradient. Laplace, Canny)
Để so sánh sự khác biệt giữa các phương pháp, chúng tôi sử dụng kết quả của các phương pháp Sobel, Laplace và Canny. Từ kết quả thu được ở các hình trên ta thấy, khi phát hiện cạnh thì nên loại bỏ các cạnh không liên quan. Phương pháp Sobel vẫn phát hiện được các cạnh, nhưng các cạnh mờ, không rõ ràng, do trong ảnh có những vùng có mức xám thấp, sự khác biệt giữa các mức xám là nhỏ.
Phương pháp Laplace cho kết quả rõ ràng hơn (vì nó sử dụng phương pháp đạo hàm cấp hai, các điểm biên là các đường chéo bằng không). Tuy nhiên do ảnh có nhiều điểm cạnh nhỏ nên các cạnh của ảnh trên rất nhiều và rối mắt qua phương pháp này ta cần loại bỏ các điểm cạnh thừa. Đối với phương pháp Canny, do quy trình "Không triệt tiêu tối đa" và do quy trình áp dụng ngưỡng, các điểm viền nhỏ bị loại bỏ, các cạnh chính được giữ nguyên, do đó viền rõ ràng hơn.
Đối với ảnh có mức xám rất nhỏ, độ biến thiên thang độ xám nhỏ ta cần dùng phương pháp Laplace, còn nếu ảnh có quá nhiều cạnh ta cần dùng phương pháp Canny để loại bỏ các cạnh không cần thiết.
Cài đặt thử nghiệm chương trình Wavelet Transform
Kết quả rất tốt đạt được với phát hiện cạnh bằng phương pháp Wavelet và sự kết hợp của chúng. Khi sử dụng chức năng lọc, nó sẽ cân bằng việc phát hiện cạnh của phương pháp Canny. Ngoài khả năng phát hiện và tìm được các cạnh tốt, phương pháp này còn bộc lộ nhược điểm là độ phức tạp tính toán.
Nhận xét, đánh giá các phương pháp dò biên và lựa chọn phương pháp phù hợp cho từng loại ảnh. Đặc biệt, dò biên bằng phương pháp Wavelet và sự kết hợp giữa chúng đã phần nào đạt được kết quả tốt hơn trong dò biên, tuy nhiên vẫn bộc lộ một số nhược điểm cần khắc phục. Hiểu được bản chất của từng phương pháp, tôi đã cài đặt và chạy thử nghiệm một số phương pháp dò biên.
Đối với phương pháp Wavelet, chúng ta sẽ tiếp tục tìm hiểu để giảm độ phức tạp tính toán của phương pháp Wavelet. Xây dựng ứng dụng xử lý ảnh hoàn chỉnh dựa trên các phương pháp dò biên đã trình bày trong luận án.