Professional Documents
Culture Documents
Yêu cầu cơ bản nhất trong xử lý ảnh bằng máy tính là đưa ảnh về dạng biểu diễn số thích hợp, nghĩa là ảnh phải
được biểu diễn bởi một ma trận hữu hạn tương ứng với việc lấy mẫu ảnh trên một lưới rời rạc và mỗi pixel được
lượng hoá bởi một số hữu hạn bit. ảnh số được lượng hoá có thể được xử lý hay chuyển qua bước biến đổi số
tương tự - DA(Digital to Analog) để tái hiện trên thiết bị hiện ảnh.
Hiện
Camera CCD thực sự là thiết bị mẫu hoá tín hiệu 2 chiều và gọi là phương pháp sefl-scanning matrix. Nguyên
tắc của 2 phương pháp được minh hoạ qua hình 2-6 trang bên.
Lý thuyết mẫu hoá 2 chiều
- Ảnh với dải giới hạn (Band limited Images)
Một hàm f(x,y) gọi là dải giới hạn nếu khai triển Fourier F(1, 2) của nó là 0 bên ngoài miền bao (hình 2.5).
F(1, 2) = 0 với 1 > x0 , 2 > y0 (2.2)
Với x0 và y0 là dải giới hạn theo x và y của ảnh.
Quá trình số hoá ảnh có thể hiểu như mô hình tín hiệu dải giới hạn. Một ảnh dải giới hạn f(x,y) thoả
mãn phương trình 2.2 và được lấy mẫu đều trên một lưới hình chữ nhật với bước nhảy x, y có thể khôi
phục lại không có sai sót dựa trên các giá trị mẫu f(mx,ny). Theo lý thuyết lấy mẫu trong xử lý tín hiệu, nếu
tần số lấy mẫu theo x, y lớn hơn 2 lần dải giới hạn x0, y0 hay tương đương với:
1 1
Dx = xs > 2 x 0, Dy = ys > 2 y0
thì có thể khôi phục được. Tỉ số này do Nyquist đề xuất và mang tên tỉ số Nyquist.
F(1, 2)
2
20
- 10 10 1
x0 1 --y0
-y0
2
Hình 2.5. Khai triển Fourier của hàm dải giới hạn.
Hình 2.6.
Phương pháp lấy
mẫu & lượng hoá
ảnh
Bộ
Chuyển
Mạch Bộ
điều khiển Lượng hoá
(Switch
&logic u(m,n)
control)
¥
sin( xx xs−x) p sin( yx ys −n) p
∑ f (mx ,ny)( )(
(xx xs −m) p) ( yx ys−m) p
)
m ,n=-¥ (2.3)
Trong thực tế, nhiễu ngẫu nhiên luôn có mặt trong tín hiệu ảnh. Do đó, lý thuyết lấy mẫu ở trên phải
được mở rộng với một số kỹ thuật khác như: lưới không vuông, lưới bát giác. Để đơn giản khi trình bày, những
kỹ thuật này không nêu ở đây. Độc giả có quan tâm xin tham khảo tài liệu[1].
u*
Hìn h 2.7.
Mô u Bộ u* đầu ra hình bộ
lượng hoá lượng
hoá.
2.2.2.2
Kỹ thuật
lượng
hoá trung
bình u bình
phương
cực lỗi lượng hoá tiểu
∫ (u−u∗)2 P (u)du
u
∑ ∫ (u−r ) P (u)du
2
i u
∫
2 tk (u - rk)Pu(u)du =0
∫ up u (u)du
tk
t k+1
∫ p u (u)du
và rk = t k k = 0, 1, . . ., L-1 (2.7)
Thông thường hệ phương trình (2.6), (2.7) là không tuyến tính.
Kết quả trên chứng tỏ rằng mức dịch chuyển tối ưu nằm trên nửa đường của các mức xkhôi phục lại.
Các mức khôi phục lại tối ưu nằm tại trọng tâm của phân bố mật độ giữa các mức dịch chuyển.
Giải hệ phương trình (2.6) & (2.7) ta thu được các cận t 1 và tL+1. Trong thực tế, người ta hay áp dụng
phương pháp Newton để giải phương trình trên. Khi số mức lượng hoá lớn, người ta dùng phương pháp xấp xỉ
mật độ xác suất như một hàm hằng khôn ngoan (picewise) pu(u) = pu(vi) với vi = (ti + ti+1); ti = u < ti+1. Thay giá
trị mới của pu(u) vào 2.5 và tính cực tiểu hoá, ta có lời giải xấp xỉ cho mức quyết định ti+1[1]:
t k +1
A ∫ [ p u (u)]−1/3 du
t1
ti+1
−t 1
∫ [ p u(u)]−1/3 du
ti+1 = ti (2.8)
với A = tL+1 - t1 và rk = (k/L)A, k=1,2,...,L. Từ đó ta dễ dàng tính được giá trị của sai số e. (*)
Các hàm mật độ thường dùng là hàm Gauss và hàm Laplace.
Hàm Gauss có dạng:
2
1 −(u−m)
exp(
√2 ps2 2 s2
Pu(u) = ) (2.9)
Hàm Laplace có dạng: Pu(u) = a/2 * exp(-a³u-µ³) (2.10)
trong đó:
- µ là kỳ vọng toán học
- s2 là hiệp biến với biến ngẫu nhiên u đối với hàm Gauss.
Hiệp biến Laplace được tính bởi s2 =2/a.
Trường hợp đặc biệt, nếu phân bố là đều thì hệ phương trình (2.6) & (2.7) là tuyến tính và sẽ cho ta
các khoảng đều nhau giữa các mức dịch chuyển và mức khôi phục lại. Do vậy, phép lượng hoá này có tên là
lượng hoá tuyến tính.
Giả sử hàm mật độ cho bởi công thức: 1/(tL+1 - t1) nếu ti = u = ti+1
pu(u) = 0 khác đi
Từ phương trình (2.7) ta có:
− ¿t 2k ) t k+1 −t k
t 2k+ 1 = ¿
rk = 2(t k +1−t k ) 2 (2.11)
do đó tk = (tk+1 - tk)/2 tk = tk-1 = tk+1 - tk = const = q.
Cuối cùng ta có q = (tL+1 -t1)/L; tk = tk-1 + q; rk = tk - q/2 (2.12)
Như vậy, mọi mức dịch chuyển và mức khôi phục lại đều cách đều. Sai số của phép lượng hoá là u - u* sẽ
phân phối đều trên khoảng (-q/2 , q/2). Sai số trung bình bình phương sẽ là:
q /2
1 q2
∫
q −q/2
u 2
du=
12
e = (2.13)*
Lượng hoá đều như trên khá thuận tiện cho cài đặt. Tuy nhiên, trong thực tế ta còn gặp nhiều loại phân
bố không đều của các biến ngẫu nhiên. Độc giả quan tâm đến các biến đổi này cũng như so sánh kết quả giữa
một số phương pháp xin tham khảo tài liệu [1].