Tăng cường ảnh qua xử lý lược đồ là gì năm 2024

1. lý ảnh số 35 GV. Mai Cường Thọ Chương V Xử lý và nâng cao chất lượng ảnh Nâng cao chất lượng ảnh là một bước quan trọng tạo tiền đề cho xử lý ảnh. Mục đích: làm nổi bật một số đặc tính của ảnh: Thay đổi độ tương phản, lọc nhiễu, nổi biên, làm trơn biên, khuếch đại ảnh… - Tăng cường ảnh: Nhằm hoàn thiện trạng thái quan sát của một ảnh. Bao gồm điều khiển mức xám, thay đổi độ tương phản, giảm nhiễu, làm trơn, nội suy… - Khôi phục ảnh: Nhằm khôi phục ảnh gần với trạng thái thực nhất trước khi biến dạng, tùy theo nguyên nhân gây ra biến dạng. Các phương pháp thực hiện: - Thực hiện trên miền không gian + Toán tử điểm (Point Operations): giá trị 1 điểm ảnh đầu ra phụ thuộc duy nhất vào 1 giá trị đầu vào tại vị trí tương ứng trên ảnh vào. + Toán tử cục bộ (Local Operations): giá trị một điểm ảnh đầu ra phụ thuộc vào giá trị của chính nó và các lân cận của nó trong ảnh vào. - Thực hiện trên miền tần số + Toán tử tổng thể (Global Operations): giá trị của 1 điểm ảnh đầu ra phụ thuộc vào tất cả giá trị các điểm ảnh trong ảnh vào I. Tăng cường ảnh I.1. Các thao tác trên miền không gian (Spatial Operations) - Là hàm thao tác trực tiếp trên tập các điểm ảnh. - Biểu diễn công thức tổng quát như sau: )] , ( [ ) , ( n m S n m V T = - Một láng giềng (Neighborhood) của (m,n) được định nghĩa bởi việc sử dụng một ảnh con (subimage) hình vuông, hình chữ nhật hoặc bát giác, có tâm điểm tại (m,n). Hình 5.1. Một số dạng lân cận - Khi láng giềng là 1x1, thì hàm T trở thành hàm biến đổi hay ánh xạ mức xám (gray level transformation function). v = T[s] s, v là các mức xám của S(m,n) và V(m,n).
2. lý ảnh số 36 GV. Mai Cường Thọ 1. Các kỹ thuật tăng cường ảnh sử dụng toán tử điểm - Xử lý điểm ảnh là 1 trong các phép xử lý cơ bản và đơn giản. Có 2 cách tiếp cận trong cách xử lý này: + Dùng 1 hàm thích hợp (hàm tuyến tính hay hàm phi tuyến) tùy theo mục đích cải thiện ảnh để biến đổi giá trị của điểm ảnh (mức xám, độ sáng) sang một giá trị khác (mức xám mới). + Dựa vào kỹ thuật biến đổi lược đồ xám (Histogram). (i). Tăng độ tương phản Trước tiên cần làm rõ khái niệm độ tương phản. Ảnh số là tập hợp các điểm mà mỗi điểm có giá trị sáng khác nhau, ở đây độ sáng để mắt người dễ cảm nhận ảnh song không phải là quyết định. Thực tế chỉ ra rằng hai đối tượng có cùng độ sáng nhưng đặt trên hai nền khác nhau sẽ cho cảm nhận khác nhau. Như vậy, độ tương phản biểu diễn sự thay đổi độ sáng của đối tượng so với nền, một cách nôm na độ tương phản là độ nổi của điểm ảnh hay vùng ảnh so với nền. Với khái niệm này, nếu ảnh của ta có độ tương phản kém, ta có thể thay đổi tuỳ theo ý muốn. Hình 5.2. Các hình vuông con cùng 1 mức xám xuất hiện trên các nền khác nhau Nguyên lý: Điều chỉnh lại biên độ trên toàn dải hay dải có giới hạn bằng cách biến đổi tuyến tính (T là hàm tuyến tính) hay phi tuyến biên độ đầu vào. + Cách biến đổi tuyến tính:      ≤ + − ≤ + − ≤ = L s b v b s b s a v a s a s s v b a ) ( ) ( γ β α với các độ dốc γ β α , , xác định độ tương phản tương đối, L là số mức xám tối đa của ảnh. Biểu diễn dưới dạng đồ thị ta có: - Dễ dàng thấy rằng: + 1 = = = γ β α : ảnh kết quả trùng với ảnh gốc. + 1 , , γ β α : giãn độ tương phản + 1 , , γ β α : co độ tương phản Việc chọn γ β α , , phải phù hợp, sao cho với L s ≤ ≤ 0 thì L v ≤ ≤ 0 s v a b L vb va L α β γ
3. lý ảnh số 37 GV. Mai Cường Thọ ví dụ: 200 100 190 180 130 170 160 120 26 27 24 23 26 30 22 20 30 20 20 10 S giả sử chọn: 5 . 0 , 8 , 5 . 0 , 30 , 10 = = = = = γ β α b a tính được: 165 , 5 = = b a v v 5 . 0 = α 8 = β 5 . 0 = γ s 10 20 22 23 24 26 27 30 100 120 130 160 170 180 190 200 v 5 85 101 109 117 133 141 165 200 210 215 230 235 240 245 250 + Cách biến đổi phi tuyến: trong trường hợp biến đổi phi tuyến, người ta sử dụng các hàm mũ hay hàm log dạng: ) 1 log( s c v + = , γ cs v = , γ , c là hằng số hiệu chỉnh và 0 γ . (ii). Tách nhiễu và phân ngưỡng Tách nhiễu Là trường hợp đặc biệt của phân ngưỡng khi các độ dốc 0 = = γ α . Ứng dụng để quan sát ảnh, cắt ảnh hoặc giảm nhiễu khi biết tín hiệu đầu vào nằm trên khoảng [ ] b a, . Đồ thị minh họa: → Phân ngưỡng (Thresholding) - Là trường hợp đặc biệt của tách nhiễu khi const b a = = - Ứng dụng tạo các ảnh nhị phân, in ảnh 2 màu, vì ảnh gần nhị phân không thể cho ra ảnh nhị phân khi quét ảnh bởi có sự xuất hiện của nhiễu do bộ cảm biến và sự biến đổi của nền. Thí dụ trường hợp ảnh vân tay. - Đồ thị minh họa: → (ii). Biến đổi âm bản (Digital Negative) - Biến đổi âm bản nhận được khi dùng phép biến đổi s L v − = . Ứng dụng khi hiện các ảnh y học và trong quá tròng tạo các ảnh âm bản s v a≡ b L L s v a b L L β s v L L
4. lý ảnh số 38 GV. Mai Cường Thọ (iii). Cắt theo mức (Intensity Level Slicing) - Làm nổi bật một miền mức xám nhất định (để tăng cường một số đặc điểm nào đó). Có 2 kỹ thuật thực hiện: + Hiển thị giá trị cao cho tất cả các mức xám trong vùng quan tâm, và ngược lại (không nền). + Làm sáng vùng mức xám mong muốn, nhưng giữ nguyên các giá trị xám khác (có nền). Không nền:    ≠ ≤ ≤ = 0 b s a L v Có nền:    ≠ ≤ ≤ = s b s a L v (iv). Trích chọn bít (Bit Plane Slicing) Mục đích là để làm nổi bật các thành phần trên toàn ảnh bởi việc sử dụng các bít đặc biệt. - Mỗi mức xám s của 1 điểm ảnh được mã hóa trên B bít, và được biểu diễn: B B B B k k k k s + + + + = − − − 2 ... 2 2 1 2 2 1 1 - Trong các bít mã hóa, người ta chia làm 2 loại: bít bậc thấp và bít bậc cao. Với bít bậc cao, độ bảo toàn thông tin cao hơn nhiều so với bít bậc thấp, các bít bậc thấp thường biểu diễn nhiễu hay nền. Muốn trích chọn bít thứ n và hiện chúng, ta dùng biến đổi:    ≠ = = 0 1 n k L v (v). Các toán tử logic và đại số Sử dụng toán tử logic: Ứng dụng đối với các ảnh nhị phân NOT, AND, OR, XOR, NOT_AND... Sử dụng toán tử đại số: Cộng, Trừ, Nhân… - Trừ ảnh: mục đích tìm ra sự khác nhau của ảnh khi quan sát ảnh ở 2 thời điểm khác nhau. Sử dụng biến đổi ) , ( ) , ( ) , ( 2 1 n m s n m s n m v t t − = Kỹ thuật này được dùng trong dự báo thời tiết, trong y học.
5. lý ảnh số 39 GV. Mai Cường Thọ (vi). Mô hình hóa và biến đổi lược đồ xám Lược đồ xám: là một hàm rời rạc cung cấp tần suất xuất hiện của mỗi mức xám. k k n s h = ) ( + sk là mức xám thứ k + nk là số các điểm ảnh khác có cùng mức xám sk + n là tổng số các điểm ảnh trong ảnh - Biểu diễn lược đồ xám: + Trục tung biểu diễn số điểm ảnh cho một mức xám (hoặc tỷ lệ số điểm ảnh có cùng mức xám trên tổng số điểm ảnh) + Trục hoành biễu diễn các mức xám Ví dụ: # Phương pháp giãn lược đồ xám (Histogram Stretching ) - Thường thì trong một số ảnh, các giá trị xám không phủ đều trên toàn dải động sẵn có của ảnh, mà chỉ tập trung ở một số mức xám nhất định (tồn tại nhiều giá trị xám =0, hoặc là 2B -1). Điều này làm cho ảnh quá tối, quá sáng hoặc tương phản kém. h(sk) sk ảnh tối h(sk) sk ảnh sáng h(sk) sk ảnh tương phản thấp h(sk) sk ảnh tương phản cao
6. lý ảnh số 40 GV. Mai Cường Thọ Để giải quyết điều này, ta thực hiện thao tác giãn lược đồ xám lên toàn dải động của ảnh. Giả sử dải động (dải độ sáng ) của ảnh là 1 2 0 − ÷ B , thì: thao tác này là một ánh xạ sao cho: Giá trị xám nhỏ nhất của ảnh →giá trị 0 Giá trị xám lớn nhất của ảnh →giá trị 2B -1 Ánh xạ này là: ( ) min) ( min max 1 2 − − − = k B k s v # Phương pháp san bằng lược đồ xám (Histogram Equalization) Mục đích của phương pháp này là cố gắng chuyển lược đồ xám của ảnh về gần với 1 lược đồ định trước. Thuật toán san bằng: + Khởi tạo H for (i=0; i256; i++) H[i] = 0 ; + Tính H for (i=0; iM; i++) for (j=0; jN; j++) H[Im[i][j]] + Tính tỉ lệ xuất hiện mức xám I trên ảnh for (i=0; i256; i) Hr[i] = H[i] / (M*N) ; + Tính phân phối xác suất mức xám k trên ảnh Tong=0; for (k=0; k255; k++) { Tong+= Hr[k] ; HC[k] = Tong} + San bằng for (i=0; iM; i++) for (j=0; jN; j++) ImEq[i][j] = 255 * HC[Im[i][j]] ; {Hàm phân phối xác suất P(a) là khả năng xuất hiện các mức xám trong ảnh bé hơn hoặc bằng mức xám a} h(sk) sk a b Max h(sk) sk a b Max Ảnh gốc Ảnh sau khi san bằng
7. lý ảnh số 41 GV. Mai Cường Thọ Ví dụ Cân bằng histogram của ảnh S 30 20 10 10 20 30 60 60 70 70 70 50 50 60 40 30 30 70 40 20 50 40 30 20 10 = S Xác định tần số mức xám 25 3 ) 40 ( 25 4 ) 70 ( , 25 5 ) 30 ( 25 3 ) 60 ( , 25 4 ) 20 ( 25 3 ) 50 ( , 25 3 ) 10 ( = = = = = = = Hr Hr Hr Hr Hr Hr Hr ; 25 15 ) 40 ( 25 25 ) 70 ( , 25 12 ) 30 ( 25 21 ) 60 ( , 25 7 ) 20 ( 25 18 ) 50 ( , 25 3 ) 10 ( = = = = = = = Hc Hc Hc Hc Hc Hc Hc Áp dụng ImEq[i,j]=255*Hc[Im[i,j]] và làm tròn số liệu ta có Mức xám sin 10 20 30 40 50 60 70 Thay thế bởi sout 31 72 122 153 184 214 255 I.2. Kỹ thuật tăng cường ảnh sử dụng các toán tử cục bộ (miền không gian) -Kỹ thuật lọc số miền không gian - Nhiễu gây cho ta những khó khăn khi phân tích tín hiệu, trong khi các kỹ thuật trên rõ ràng là chưa đáp ứng được vấn đề giảm nhiễu. Vì vậy, kỹ thuật lọc số miền không gian được ứng dụng. - Cơ sở lý thuyết của lọc số là dựa trên tính dư thừa thông tin không gian. - Trong kỹ thuật này, người ta sử dụng một mặt nạ và di chuyển khắp ảnh gốc. Tùy theo cách tổ hợp điểm đang xét với các điểm lân cận mà ta có kỹ thuật lọc tuyến tính hay phi tuyến. Điểm ảnh chịu tác động của biến đổi là điểm ở tâm mặt nạ. - Mô hình lọc số: h(m,n) S(m,n) V(m,n) mức xám 10 20 30 40 50 60 70 tần số 3 4 5 3 3 3 4
8. lý ảnh số 42 GV. Mai Cường Thọ I.2.1. Kỹ thuật lọc tuyến tính (Linear Filter) (i) Lọc trung bình không gian - Mục đích: san bằng ảnh, làm mịn ảnh, loại bỏ các thành phần nhiễu muối, tiêu. - Ý tưởng: mỗi điểm ảnh được thay thế bằng tổng trọng số hay trung bình trọng số của các điểm lân cận với với mặt nạ. - Công thức toán học biểu diễn như sau: ∑∑ − = − = + + = a a s b b t t n s m s t s w n m v ) , ( ) , ( ) , ( 2 ) 1 ( , 2 ) 1 ( − = − = N b M a , MxN là số lẻ. W: cửa sổ lọc, ) , ( t s w là các trọng số của bộ lọc. Trên là công thức tính tổng chập, vậy đây chính là việc nhân chập ảnh với mặt nạ lọc ảnh. - Thực tế ta thường dùng mặt nạ 3 3x MxN = , - Nói chung, người ta sử dụng nhiều kiểu mặt nạ khác nhau.           = 1 1 1 1 1 1 1 1 1 9 1 1 H ,           = 1 1 1 1 2 1 1 1 1 10 1 2 H ,           = 1 2 1 2 4 2 1 2 1 16 1 3 H Ví dụ: Dùng mặt nạ H1       + + + + + + + + = 9 30 100 40 30 200 20 70 50 30 ) 2 , 3 ( S =63 (ii). Lọc thông thấp không gian (Spacial Low- Pass Filter). - Mục đích: Khử nhiễu cộng và nội suy ảnh - Trong lỹ thuật này, hay dùng một số mặt nạ sau:           = 0 1 0 1 2 1 0 1 0 8 1 1 t H , ( )           + = 1 1 1 1 2 1 2 2 b b b b b b Hb 70 30 100 40 10 30 200 20 60 70 50 30 40 30 20 20 = S
9. lý ảnh số 43 GV. Mai Cường Thọ I.2.2. Kỹ thuật lọc phi tuyến (NonLinear Filter) (i). Lọc trung vị (Median Filter) - Được sử dụng chủ yếu cho giảm nhiễu - Một bộ lọc trung vị cũng dựa vào việc dùng một cửa số di chuyển trên ảnh, và giá trị xám pixel đầu ra được thay thế bởi trung vị của các pixel trong cửa sổ đó. - Thuật toán: + Các pixel trong cửa sổ sẽ được sắp xếp từ nhỏ tới lớn. + Nếu kích thước của cửa sổ =JxK là lẻ thì vị trí trung vị là 2 / ) 1 ( + JxK , ngược lại thì vị trí trung vị là 2 / JxK . Ví dụ: Dùng cửa sổ 3x3 ta có. (ii) Bọ lọc giữ biên (Kuwahara Filter) - Biên đóng vai trò quan trọng trong cảm nhận ảnh của chúng ta và trong phân tích ảnh. Bằng cách nào đó ta làm trơn ảnh mà không làm mất đi độ sắc nét của biên, nếu có thể thì không làm thay đổi vị trí của biên. - Bộ lọc đạt được mục đích này gọi là bộ lọc “giữ biên”. - Bộ lọc này cũng sử dụng một cửa sổ: + kích thước J=K=4L+1, L nguyên. + Chia của sổ thành 4 vùng( như mô tả) + Trong mỗi vùng ta tính trung bình độ sáng ∑ℜ ∈ Λ = ) , ( ) , ( 1 n m i n m s m và bình phương độ lệch chuẩn ( ) ∑ℜ ∈ − − Λ = ) , ( 2 2 ) , ( 1 1 n m i i m n m s µ 70 30 100 40 10 30 200 20 60 70 50 30 40 30 20 20 = S 20 30 30 30 40 50 70 100 200 Pixel trung tâm Vùng 1 Vùng 2 Vùng 3 Vùng 4 Tải bản FULL (15 trang): https://bit.ly/3BrNHSQ Dự phòng: fb.com/TaiHo123doc.net
10. lý ảnh số 44 GV. Mai Cường Thọ + Giá trị đầu ra của pixel trung tâm trong cửa sổ là giá trị trung bình của vùng có bình phương độ lệch chuẩn nhỏ nhất. - Λ là số điểm ảnh của vùng ℜ (ii). Lọc thông cao, thông dải (Spacial High- pass, Band -pass Filter) - Mục đích: làm trơn ảnh và trích chọn biên. - Nếu ta có bộ lọc thông thấp không gian là ) , ( n m hLP , thì bộ lọc thông cao được định nghĩa ) , ( ) , ( n m h n m h LP HP − = δ , và bộ lọc thông dải là ) , ( ) , ( 2 1 n m h n m h h LP LP BP − = - Dưới đây là cac mặt nạ hay dùng cho lọc thông cao.           − − − − − − − − = 1 1 1 1 9 1 1 1 1 1 HP ,           − − − − = 0 1 0 1 5 1 0 1 0 2 HP ,           − − − − = 1 2 1 2 5 2 1 2 1 3 HP I.3. Các thao tác trên miền tần số - Kỹ thuật này không thao tác trên một vùng ảnh mà là toàn bộ ảnh. - Ý tưởng: Biểu diễn ảnh đầu vào qua miền tần số sử dụng biến đổi Fourier thuận, chọn hàm đáp ứng tần số ) , ( v u H sao cho đạt kết quả mong muốn. Sau đó ta dùng biến đổi Fourier ngược để biểu diễn lại ảnh qua miền không gian. Mô hình lọc số miền tần số Ta có: ) , ( ) , ( ) , ( n m h n m x n m y ⊗ = Sử dụng biến đổi Fourier thuận, biểu diễn qua miền tần số ta được: ) , ( ) , ( v u X n m x F →  ) , ( ) , ( v u H n m h F →  ) , ( ). , ( ) , ( ) , ( v u H v u X v u Y n m y F = →  ) , ( ) , ( 1 n m y v u Y F →  Ta có các bộ lọc miền tần số hay dùng là lọc thông thấp và thông cao h(m,n) Bộ lọc x(m,n) y(m,n) 3126371

Tăng cường ảnh qua xử lý lược đồ là gì năm 2024

Bài Viết Liên Quan

Quảng Cáo

Có thể bạn quan tâm

Toplist được quan tâm

Quảng cáo

Xem Nhiều

Quảng cáo

Chúng tôi

Điều khoản

Trợ giúp

Mạng xã hội