Professional Documents
Culture Documents
Số hàng
Số cột
Tọa độ hàng
Số kênh màu
R(64:95,160:191,:) : 32 x 32 pixels
[384 x 384]
[512 x 512]
Ôn tập: Biểu diễn ảnh
5
7
2.1 TỔNG QUAN VỀ XỬ LÝ ẢNH TRONG
KHÔNG GIAN
6
MẶT NẠ/BỘ LỌC
• Lân cận của điểm (x, y) là hình vuông hoặc hình chữ nhật
có tâm là (x, y).
x
Gốc tọa độ
(x, y)
Lân cận của điểm (x, y)
trong hình vuông 33
Ảnh f(x, y)
y
Tâm của lân cận (x, y) di chuyển theo từng điểm ảnh bắt
đầu từ gốc trái phía trên (gốc tọa độ). 7
LỌC KHÔNG GIAN
• Bộ lọc là một hình vuông hoặc hình chữ nhật chứa các
giá trị vô hướng. Bộ lọc còn được gọi bằng các thuật ngữ
khác như: mặt nạ, nhân, mẫu, cửa sổ.
• Các giá trị trong bộ lọc được gọi là các hệ số của bộ lọc.
• Thông thường người ta sử dụng các bộ lọc có kích
thước là số lẻ như: 33, 55, ...
w1 w2 w3
Ví dụ minh họa bộ lọc có kích
w4 w5 w6
thước 33. w5 là tâm của bộ lọc
w7 w8 w9 13
CƠ CHẾ CỦA LỌC KHÔNG GIAN
14
CƠ CHẾ CỦA LỌC KHÔNG GIAN
Gốc của ảnh y
16
LỌC KHÔNG GIAN TUYẾN TÍNH
a b
g(x, y) w(s, t) f (x s, y t)
sa t b
• Chúng ta cũng có thể ký hiệu đáp ứng R của ảnh tại điểm
(x, y) với mặt nạ chập có kích thuớc mn theo công thức:
mn
R w1z1 w2 z2 ... wmn zmn wi zi
i1
Trong đó, các giá trị w là các hệ số mặt nạ, các giá trị z là
các giá trị cấp xám của ảnh tương ứng với các hệ số, mn là
số lượng các hệ số trong mặt nạ.
1
9
w1 w2 w3
VÍ DỤ LỌC KHÔNG GIAN
w4 w5 w6
w7 w8 w9
• Mặt nạ 33 trong hình trên đáp ứng tại điểm (x, y) của
ảnh được tính bởi công thức
9
R w1z1 w2 z2 ... w9 z9 wi zi
i1
2
0
XỬ LÝ TRƯỜNG HỢP ĐẶC BIỆT
• Trường hợp thực thi các phép toán lân cận khi tâm của
bộ lọc nằm trên biên của ảnh?
• Khi tâm mặt nạ di chuyển gần đến biên của ảnh thì một
hoặc một số dòng/cột của mặt nạ sẽ nằm ngoài ảnh.
• Ở ví dụ dưới các hệ số w1, w4, w7 nằm ngoài ảnh.
w1 w2 w3
w4 w5 w6
w7 w8 w9
2
2
XỬ LÝ TRƯỜNG HỢP ĐẶC BIỆT
w1 w2 w3
w4 w5 w6
w7 w8 w9
2
3
XỬ LÝ TRƯỜNG HỢP ĐẶC BIỆT
• Cách 2: Yêu cầu ảnh kết quả có kích thước bằng ảnh
gốc
Đưa thêm các dòng đệm và cột đệm mang giá trị 0 vào
quanh biên của ảnh.
0 0 0 0 0 0 0
0 0
0 0 w1 w2 w3
0 0 w4 w5 w6
0 0 w7 w8 w9
0 0
2
0 0 0 0 0 0 0 4
25
Ví dụ
Ta có ảnh I
0 1 2 4 7
2.3.2. Tăng giảm độ sáng
29
Kỹ thuật nhằm giảm bớt số mức xám của ảnh bằng cách
nhóm lại số mức xám gần nhau thành 1 nhóm
Nếu chỉ có 2 nhóm thì chính là kỹ thuật tách ngưỡng.
Thông thường có nhiều nhóm với kích thước khác nhau.
Để tổng quát khi biến đổi người ta sẽ lấy cùng 1 kích
thước bunch_size
I [i,j] = (I [i,j] div bunch_size) * bunch_size ∀(i,j)
Ví dụ:
32
Histogram là gì ?
Cường độ sáng của ảnh xám
tại một vị trí (x, y) được gọi là
mức xám (brightness)
a = f(x, y).
amin ≤ a ≤ amax, khi đó
khoảng [amin, amax] được gọi
là gray scale.
Histogram, h[a], là số điểm
ảnh có mức xám là a trong
ảnh.
3.3. Histogram
• Histogram của ảnh là đồ thị cho biết tần suất hiện các
điểm ảnh với các mức biến thiên độ sáng .
•Histogram dùng để biểu diễn tần suất xuất hiện của các
điểm ảnh đối với các mức sáng khác nhau .
•Cân bằng histogram sửa đổi để histogram của ảnh có
hình dáng cân bằng nhƣ mong muốn .
3
7
38
Cân bằng histogram
39
Ảnh I được gọi là cân bằng "lý tưởng" nếu với mọi mức
xám g, g’ ta có h(g) = h(g’)
Giả sử, ta có ảnh I có kích thước m × n
new_level ~ số mức xám của ảnh cân bằng
𝑚.𝑛
TB= là số điểm ảnh trung bình của mỗi mức xám
𝑛𝑒𝑤_𝑙𝑒𝑣𝑒𝑙
của ảnh cân bằng.
𝑔
𝑡 𝑔 = 𝑖=0 ℎ(𝑖)số điểm ảnh có mức xám ≤ g
𝑡 𝑔
Xác định hàm f: g f(g)| 𝑓 𝑔 = max{0, 𝑟𝑜𝑢𝑛𝑑 − 1}
𝑇𝐵
Ví dụ:
Ảnh sau khi thực hiện cân bằng chưa chắc đã là cân bằng "lý tưởng”
40
New_level=4
Tính f(g)
Ảnh kết quả
2.3.7 Contrast stretching
41
Gọi L = 2B -1: giá trị lớn nhất của mức xám (brightness)
𝑓 𝑥,𝑦 −𝑎𝑚𝑖𝑛
Áp dụng công thức g(x,y)= 𝐿
𝑎𝑚𝑎𝑥 −𝑎𝑚𝑖𝑛
Ta có 0 g(x,y) L, thay vì ban đầu ban đầu ta có amin
g(x,y) amax
Ta cũng có thể áp dụng quy tắc sau cho giải thuật
43
Âm bản của một ảnh với nức xám trong khoảng [0, L]
thu được bằng cách biến đổi âm bản như sau:
b = T(a), where T(a) = L – a,
Hoặc b = L – a
Hay g(x, y) = L – f(x, y)
Ví dụ:
2.3.9. Biến đổi cấp xám tổng thể
45
• Lược đồ xám của một ảnh với các cấp xám nằm trong
khoảng [0, L-1] là một hàm rời rạc:
h(k) = nk.
Trong đó:
k là mức xám, k = 0, 1, 2, ..., L-1.
nk là số lượng điểm ảnh trong ảnh có mức xám bằng k.
h(k) là lược đồ xám của ảnh với cấp xám bằng k.
5566
VÍ DỤ LƯỢC ĐỒ XÁM
0 2 3 4 3 6 3
2
1
k 0 1 2 3 4 5 6 7 0
h(k) 2 5 3 6 5 4 3 2 0 1 2 3 4 5 6 75577
Cấp xám
CHUẨN HÓA LƯỢC ĐỒ XÁM
• Trong thực tế, ta chuẩn hóa lược đồ xám bằng cách chia
giá trị nk cho tổng số điểm ảnh trong ảnh (ký hiệu là n). Vì
vậy, lược đồ xám chuẩn hóa được cho bởi công thức:
p(k) = nk/n.
• p(k) là ước lượng xác suất xảy ra cấp xám thứ k.
• Tổng các thành phần của lược đồ xám chuẩn hóa bằng 1.
L1
p(k) 1
k 0
5588
XỬ LÝ LƯỢC ĐỒ XÁM
5599
XỬ LÝ LƯỢC ĐỒ XÁM
• Trục hoành tương ứng với các giá trị cấp xám k.
• Trục tung tương ứng với các giá trị của h(k) hoặc p(k).
h(k)/p(k)
60
6 k
0
XỬ LÝ LƯỢC ĐỒ XÁM
h(k)/p(k)
rk
61
XỬ LÝ LƯỢC ĐỒ XÁM
h(k)/p(k)
6k
62 r
2
XỬ LÝ LƯỢC ĐỒ XÁM
h(k)/p(k)
6k
62 r
2
XỬ LÝ LƯỢC ĐỒ XÁM
h(k)/p(k)
6k
62 r
2
CÂN BẰNG LƯỢC ĐỒ XÁM
• Phương pháp:
1. Tính số điểm ảnh có cấp xám k là nk (k=0, 1, ..., L-1) trong ảnh I.
2. Tính p(k) xác suất xảy ra cấp xám k trong ảnh I:
nk
p(k) k = 0, 1, 2, ..., L-1.
n
5
6
PHƯƠNG PHÁP CÂN BẰNG LƯỢC ĐỒ
XÁM
3. Tính T(k) là xác suất xảy ra cấp xám nhỏ hơn hoặc bằng k:
k
1 k
T(k) p( j) n j k = 0, 1, 2, ..., L-1.
j0 n j0
4. Cấp xám sk ảnh đầu ra J tương ứng với cấp xám k của ảnh đầu
vào I được tính theo công thức:
5
7
VÍ DỤ CÂN BẰNG LƯỢC ĐỒ XÁM
k 0 1 2 3 4 5 6 7 8 9
nk 0 0 6 5 4 1 0 0 0 0
k
n j 0 0 6 11 15 16 16 16 16 16
j0
6 11 15 16 16 16 16 16
T(k) 0 0
16 16 16 16 16 16 16 16
sk 9T(k) 0 0
3.3 6.1 8.4
9 9 9 9 9
3 6 8 69
VÍ DỤ CÂN BẰNG LƯỢC ĐỒ XÁM
Ảnh trước khi cân bằng Ảnh sau khi cân bằng Lược đồ xám cân bằng
7
1
CÂN BẰNG LƯỢC ĐỒ XÁM
Ảnh trước khi cân bằng Ảnh sau khi cân bằng Lược đồ xám cân bằng
7
2
CÂN BẰNG LƯỢC ĐỒ XÁM
Ảnh trước khi cân bằng Ảnh sau khi cân bằng Lược đồ xám cân bằng
7
3
CÂN BẰNG LƯỢC ĐỒ XÁM
Ảnh trước khi cân bằng Ảnh sau khi cân bằng Lược đồ xám cân bằng
7
4
CÂN BẰNG LƯỢC ĐỒ XÁM
Cân bằng lược đồ xám cho ảnh I được cho dưới đây
với 8 cấp xám.
0 1 2 3 2
2 2 2 3 4
3 0 2 3 3
0 2 0 2 0
1 3 2 2 2
75
VÍ DỤ CÂN BẰNG LƯỢC ĐỒ XÁM
k 0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7
nk 5 3 8 8 1 0 0 0 Lược đồ xám 76
VÍ DỤ CÂN BẰNG LƯỢC ĐỒ XÁM
k 0 1 2 3 4 5 6 7
nk 5 3 8 8 1 0 0 0
k
n j 5 8 16 24 25 25 25 25
j0
6
9
GIÃN ĐỘ TƯƠNG PHẢN
7
0
GIÃN ĐỘ TƯƠNG PHẢN
L-1
L-1
(r2, s2)
L-1
• Chiếu sáng cao trong một dãi đặc trưng các cấp xám đối
với một ảnh là việc thường xảy ra.
• Người ta thường sử dụng phương pháp này để làm nổi
lên những đặc trưng cần quan tâm của ảnh.
• Có hai cách tiếp cận để làm mỏng mức xám:
Hiển thị một giá trị cao cho tất cả các mức xám trong dải cần
quan tâm và hiển thị một giá trị thấp cho những mức xám còn lại.
Hiển thị một giá trị cao cho tất cả các mức xám trong dải cần
quan tâm và giữ nguyên các mức xám còn lại.
87
LÀM MỎNG MỨC XÁM
L-1
L-1
90
LÀM MỎNG MẶT PHẲNG BIT
• Giả sử mỗi điểm ảnh được biểu diễn bởi 8 bit. Ta tưởng
rằng ảnh cấu tạo từ 8 mặt phẳng 1 bit.
Mặt phẳng bit 0 có ý nghĩa ít nhất
Mặt phẳng bit 7 có ý nghĩa nhiều nhất
92
7
LÀM MỎNG MẶT PHẲNG BIT
7 6
93
5 4 3
LÀM MỎNG MẶT PHẲNG BIT
2 1 0
94
2.2. Các kỹ thuật phụ thuộc không gian
85
H 00 H01 H02
H (k,l) H 10 H11 H12
H20 H21 H22
• - Với nhân chập H nhƣ trên, công thức (3.9) được viết lại một cách
tường minh như sau: Với m[1,M] và n[1,N]
21
TÍCH CHẬP- Ví dụ
• Ta xét 2 ví dụ sau:
• Ví dụ 1: Xếp chồng tại biên
23 26 31 19 16
35 39 46 31 27
1
H I 36 43 49 34 27
9
36 48 48 34 22
24 35 33 22 11
9
3
Phép nhân chập trong ảnh
94
5 2 5 2
2 4 6 2 4 6
20 200 20 400
40 40
150 300
60
= 60
80 100 80 200
100 100
50 100
120 120
20 40 60 80 100 120 20 40 60 80 100 120
Ôn tập: Phép Nhân chập
95
220
20 20 6000
200
180
40 40 5000
[5 0
160
=
60 140 60 4000
80
120
0 5] 80 3000
100
80
100 100 2000
60
40 1000
120 120
20 200 20 400
40 40
150 300
60
= 60
80 100 80 200
100 100
50 100
120 120
20 40 60 80 100 120 20 40 60 80 100 120
2.2.2. Một số mẫu thông dụng
96
220
1800
20 20
200
1600
180
40
160
97 40
1400
60 140 = 60
1200
120 1000
80 100 80
800
80
100 100 600
60
400
40
120 120
220 200
20 20
200 180
180 [kernel =
160
40 0.0285 0.0363 0.0393 0.0363 0.0285 40
160 0.0363 0.0461 0.0500 0.0461 0.0363
0.0393 0.0500 0.0541 0.0500 0.0393 140
0.0363 0.0461 0.0500 0.0461 0.0363
0.0285 0.0363 0.0393 0.0363 0.0285]
60 140 60
120
120
Gaussian (0, 2.5) 100
80 100 80
80
80
100 100
60
60
40 40
120 120
20
20 40 60 80 100 120 20 40 60 80 100 120
98
220
300
20 20
200
180
200
40 40
160
140 100
60 60
120
0
80 100 80
80
100 100 -100
60
40 -200
120 120
20 20
200 400
180
40
-1 -1 -1 40
-1 0 1 200
160
H 0 0 ; 60 H -1 1
140
60
0 0 0
120
1 2
80 100 1 1 1 80 -1 0 1
-200
80
100 100
60 -400
40
120 120
-600
20 40 60 80 100 120 20 40 60 80 100 120
101
600
220
20 20
200
400
180
40 40
-1 -1 -1 160
-1 0 1 200
60 140
60
H 0 0 0 ;
120
H -1 0 1 0
80 1 100 2 80
1 1 1 -1 0 1
100
80
100
-200
60
40 -400
120 120
500
220
400
20 20
200
300
180
40 40 200
160
100
60 140 60
0
120
-100
80 100 80
-200
80
100 100
-300
60
-400
40
120 120
-500
20 40 60 80 100 120 20 40 60 80 100 120
2.2.3. Lọc trung vị
103
Trung vị?
Cho dãy x1; x2...; x2m+1. Khi đó trung vị xk của dãy ký hiệu
là Med({xn}) nếu:
Tồn tại m phần tử có giá không lớn hơn xk và m phần tử
không nhỏ hơn xk.
Khi đó 𝑛𝑖=1 |𝑥 − 𝑥𝑖 | min tại x= Med({xn})
Ví dụ: Dãy 15, 17, 18, 16, 78, 17, 17, 15, 20 có trung vị
bằng 17.
Sắp xếp:
𝐼 𝑃 𝑛ế𝑢 |𝐼 𝑃 − 𝑀𝑒𝑑(𝑃)| ≤ θ
𝐼 𝑃 =
𝑀𝑒𝑑 𝑃 𝑛ế𝑢 𝑛𝑔ượ𝑐 𝑙ạ𝑖
Ví dụ 1:
107
Ta được một dãy: 15, 17, 18, 16, 78, 17, 17, 15, 20
trung vị là 17.
Vì 78-17>2
Thay thế f(x,y)=17
Kết quả là:
108
Ví dụ 2:
Dùng cửa sổ 3 x 3 và ngưỡng θ=2
Dãy: 1, 2, 3, 4, 16, 2, 4, 2, 1
Sắp xếp: 1,1,2,2,2,3,4,4,16
Trung vị là: 2
Vị trí đang xét có giá trị 16
|16 -2|> θ Thay thế giá trị này
bằng giá trị trung vị
2.2.4. Lọc trung bình
109
Trung bình?
Cho dãy x1, x2…, xn khi đó trung bình của dãy ký hiệu
AV({xn}) được định nghĩa:
1 𝑛
AV({xn})=round( 𝑖=1 𝑥𝑖 )
𝑛
𝑛 2 min tại AV({x })
𝑖=1 (𝑥 − 𝑥𝑖 ) n
Tổng bình phương độ lệch trung bình của các điểm trong cửa
sổ so với giá trị trung bình là nhỏ nhất
110
𝐼 𝑃 𝑛ế𝑢 |𝐼 𝑃 − 𝐴𝑉(𝑃)| ≤ θ
𝐼 𝑃 =
𝐴𝑉 𝑃 𝑛ế𝑢 𝑛𝑔ượ𝑐 𝑙ạ𝑖
Ví dụ:
111
1
1
4
Kỹ thuật lọc số
26
Kỹ thuật lọc số
• Lọc tuyến tính: Trong kỹ thuật lọc tuyến tính, ảnh thu
đƣợc sẽ là tổng trọng số hay là trung bình trọng số
các điểm lân cận với nhân cuộn hay mặt nạ, điển hình
cho phƣơng pháp lọc tuyến tính là bộ lọc trung bình.
27
Phương pháp lọc trung bình
Lấp lại các lỗ hổng nhỏ của các đường thẳng hay các cung
• Khử nhiễu dùng để khử đi những vết mờ của ảnh.
• Đầu ra (đáp ứng) của bộ lọc trung bình làm trơn đơn giản là
trung bình các điểm ảnh chứa trong lân cận của mặt nạ lọc.
2288
Phương pháp lọc trung bình
• Ý tưởng cơ bản của bộ lọc trung bình là thay thế giá trị
của mỗi điểm ảnh trong ảnh bằng trung bình của các cấp
xám trong lân cận được xác định bởi mặt nạ lọc.
• Kết quả của quá trình lọc sẽ làm giảm đi những “điểm
nhô/điểm gờ” trong ảnh.
2299
Phương pháp lọc trung bình
3300
Phương pháp lọc trung bình
• Với bộ lọc không gian kích thước 33, thì cách sắp xếp
đơn giản nhất là cho các hệ số bằng 1/9.
3311
1
2
1
1
2
2
Phương pháp lọc trung bình
1
2
3
Phương pháp lọc trung bình
1
2
4
Phương pháp lọc trung bình
• Ảnh gốc và ảnh được lọc với kích thước mặt nạ là 33
36
3
6
Phương pháp lọc trung bình
• Ảnh gốc và ảnh được lọc với kích thước mặt nạ là 55
37
3
7
Phương pháp lọc trung bình
• Ảnh gốc và ảnh được lọc với kích thước mặt nạ là 99
38
3
8
Phương pháp lọc trung bình
• Ảnh gốc và ảnh được lọc với kích thước mặt nạ là 1515
39
3
9
Phương pháp lọc trung bình
• Ảnh gốc và ảnh được lọc với kích thước mặt nạ là 3535
40
4
0
a b
Ví dụ c d
e f
Cho ảnh I kích thước 77 và bộ lọc tuyến tính làm trơn
có kích thước 33 như sau. Tìm ảnh có được sau khi lọc.
10 15 15 45 25 14 23
12 14 255 12 15 12 45
1 1 1
25 26 25 12 45 255 12 1
14 48 98 51 12 15 20
1 1 1
9 1 1 1
12 32 36 34 25 26 24
12 14 5 7 54 12 51
14 56 25 14 20 47 12 4422
VÍ DỤ LỌC TRUNG BÌNH
Cho ảnh I kích thước 77 và bộ lọc tuyến tính làm trơn
có kích thước 33 như sau. Tìm ảnh có được sau khi lọc.
43
4
3
BỘ LỌC TRUNG BÌNH
4444
LỌC PHI TUYẾN
Là bộ lọc không gian với đáp ứng (đầu ra) dựa trên thứ
tự (xếp loại) các điểm ảnh trong vùng được lọc, và sau
đó thay thế giá trị của điểm ảnh trung tâm bằng giá trị
đã được xác định thông qua kết quả xếp loại.
Các bộ lọc phi tuyến gồm:
Bộ lọc trung vị - median filter
Bộ lọc cực đại - max filter
Bộ lọc cực tiểu - min filter
4455
LỌC TRUNG VỊ
• Kết quả ảnh đạt được ít vết nhòe hơn so với lọc trơn
tuyến tính cùng kích thước.
• Lọc trung vị có hiệu quả đặc biệt khi có nhiễu xung, bởi vì
nhiễu xung xuất hiện như những chấm trắng và đen ở
trên ảnh.
4466
TRUNG VỊ
• Trung vị của một dãy {xn} các giá trị là đại lượng mà ở
đó có một nữa các giá trị trong {xn} nhỏ hơn hoặc bằng
và một nữa các giá trị trong {xn} lớn hơn hoặc bằng .
• Ví dụ: Cho dãy {xn} = {3, 4, 6, 29, 4, 30, 40, 30, 5}, lúc đó
trung vị của dãy {xn} là = 6.
• Cách thực hiện: Sắp xếp tập dãy {xn} theo thứ tự tăng
dần các giá trị: {xn} = {3, 4, 4, 5, 6, 29, 30, 30, 40}. Trung
vị của {xn} chính là giá trị nằm giữa dãy {xn},
nghĩa là = 6.
4477
LỌC TRUNG VỊ
15 17 18 15 17 18
16 78 17 16 17 17
17 15 20 17 15 20
15 15 16 17 17 17 18 20 78
1 2 3 4 5 6 7 8 9 5500
a b c
VÍ DỤ LỌC TRUNG VỊ
a) Ảnh gốc X-quang chụp một bo mạch của một thiết bị (có nhiễu).
b) Ảnh sau khi lọc trung bình tuyến tính làm trơn với mặt nạ 33.
c) Ảnh sau khi lọc trung vị với mặt nạ 33. 5511
LỌC KHÔNG GIAN LÀM NÉT SHARPING
Mục đích của lọc không gian làm nét là nhằm làm nổi
bật các chi tiết hợp lý trong ảnh để tăng cường các chi
tiết đã bị làm mờ cũng như bị sai sót trong quá trình
thu nhận ảnh.
Lọc không gian làm nét sử dụng trong các lĩnh vực
khác nhau như tạo bản in điện tử, ảnh y học, hoặc
trong các hệ thống quân sự.
Các bộ lọc làm nét chủ yếu dựa trên đạo hàm bậc nhất
và đạo hàm bậc hai. 5522
Lọc giả trung vị
• Lọc giả trung vị : Để khắc phục nhược điểm khối lượng
tính toán khá lớn (có thể bằng số mũ của kích thước
cửa sổ lọc) của lọc trung vị người ta dùng một phương
pháp khác: lọc giả trung vị (Pseudo-Median Filter)
• Thí dụ với dãy 5 số: a, b, c, d, e, lọc giả trung vị được
định nghĩa như sau:
1
4
2
Lọc giả trung vị
Toán tử T hoạt động tại mỗi vùng lân cận của vị trí điểm
ảnh (x, y) trong ảnh f để cho ảnh đầu ra g tương ứng.
T tác động lên vùng lân cận có kích thước 11 (tác động
lên điểm đơn) g chỉ phụ thuộc vào giá trị của f tại điểm
(x, y), và T trở thành hàm biến đổi cấp xám có dạng:
s = T(r)
r = f(x, y)
s = g(x, y)
Kỹ thuật này được gọi là kỹ thuật xử lý điểm
4
BIẾN ĐỔI ĐỒNG NHẤT
T(r)
Hàm biến đổi đồng nhất T(r).
Ảnh kết quả có độ tương phản
m
giống với ảnh gốc.
r
Tố
i
m 5
Tối Sáng
TĂNG ĐỘ TƯƠNG PHẢN
T(r)
Ảnh kết quả có độ tương
phản cao hơn ảnh gốc nhờ
m
làm tối những mức xám nhỏ
hơn m và tăng độ sáng những
cấp xám lớn hơn m
r
Tố
i
m 6
Tối Sáng
149
T(r)
Ảnh kết quả có độ tương
phản cao hơn ảnh gốc nhờ
m
làm tối những mức xám nhỏ
hơn m và tăng độ sáng những
cấp xám lớn hơn m
r
Tố
i
m 7
Tối Sáng
PHÂN NGƯỠNG
T(r)
kết quả là ảnh có hai mức
xám (ảnh nhị phân). Những
điểm ảnh có cấp xám nhỏ
hơn m sẽ được quy về màu
đen, những điểm ảnh có giá
r trị lớn hơn hoặc bằng m
Tố
trắng.
i
Đối với những lân cận lớn hơn 11 việc xử lý điểm ảnh
phức tạp hơn nhiều.
Một lân cận có kích thước lớn hơn 11 được gọi là một
mặt nạ, hoặc bộ lọc, hoặc mẫu, hoặc cửa sổ.
Các giá trị trong mặt nạ được gọi là các hệ số của mặt nạ.
Kỹ thuật này được gọi là kỹ thuật xử lý mặt nạ
hay kỹ thuật lọc
9
MỘT SỐ PHÉP BIẾN ĐỔI CẤP XÁM
CƠ BẢN
Quy ước:
Các giá trị điểm ảnh trước khi xử lý ký hiệu là r.
Các giá trị điểm ảnh sau khi xử lý ký hiệu là s.
r và s quan hệ với nhau qua biểu thức s = T(r).
s
L-1
T(r)
0 10
0 L-1 r
MỘT SỐ PHÉP BIẾN ĐỔI CẤP XÁM
CƠ BẢN
Phủ định của một ảnh với các cấp xám nằm trong phạm vi
[0, L-1] có được bằng cách sử dụng phép biến đổi âm bản:
s=L-1–r
L-1
L/4
1
3
157
L u
Tnegative
PHỦ ĐỊNH ẢNH -
PHÉP BIẾN ĐỔI ÂM BẢN
Cho ảnh đa cấp xám I, với các cấp xám nằm trong đoạn
[0, 7]. Tìm ảnh âm bản của I. s = 7 - r
0 2 3 4 0 3 5 6 7
5 2 5 6 7 7 0 3 4
2 3 4 1 6 2 1 0 4
7 4 6 2 3 7 1 3 3
2 3 1 0 4 5 6 2 5
7 0 1 2 7 0 0 0 3
4 5 2 4 5 6 7 0 3
2 1 6 3 4 5 6 2 7
3 6 2 5 3 7 0 3 1 14
PHỦ ĐỊNH ẢNH -
PHÉP BIẾN ĐỔI ÂM BẢN
Cho ảnh đa cấp xám I, với các cấp xám nằm trong đoạn
[0, 7]. Tìm ảnh âm bản của I.
0 2 3 4 0 3 5 6 7 7 5 4 3 7 4 2 1 0
5 2 5 6 7 7 0 3 4 2 5 2 1 0 0 7 4 3
2 3 4 1 6 2 1 0 4 5 4 3 6 1 5 6 7 3
7 4 6 2 3 7 1 3 3 0 3 1 5 4 0 6 4 4
2 3 1 0 4 5 6 2 5 5 4 6 7 3 2 1 5 2
7 0 1 2 7 0 0 0 3 0 7 6 5 0 7 7 7 4
4 5 2 4 5 6 7 0 3 3 2 5 3 2 1 0 7 4
2 1 6 3 4 5 6 2 7 5 6 1 4 3 2 1 5 0
3 6 2 5 3 7 0 3 1 4 1 5 2 4 0 7 415 6
PHÉP BIẾN ĐỔI LOG
Hình dưới là phổ Fourier và phép biến đổi log của với c = 1
s = log (1 + r)
19
PHÉP BIẾN ĐỔI LOG
Cho ảnh đa cấp xám I, với các cấp xám nằm trong đoạn
[0, 255]. Dùng biến đổi s = Log(1+r) để tìm ảnh đầu ra.
10 10 10 10 10 10 10 10
10 20 20 20 20 20 20 10
10 20 130 130 130 130 20 10
10 20 130 250 250 130 20 10
10 20 130 250 250 130 20 10
10 20 130 130 130 130 20 10
10 20 20 20 20 20 20 10
10 10 10 10 10 10 10 10 20
PHÉP BIẾN ĐỔI LOG
Cho ảnh đa cấp xám I, với các cấp xám nằm trong
đoạn [0, 255]. Dùng biến đổi s = Log(1+r) để tìm
ảnh đầu ra.
10 10 10 10 10 10 10 10 1 1 1 1 1 1 1 1
10 20 20 20 20 20 20 10 1 1 1 1 1 1 1 1
10 20 130 130 130 130 20 10 1 1 2 2 2 2 1 1
10 20 130 250 250 130 20 10 1 1 2 2 2 2 1 1
10 20 130 250 250 130 20 10 1 1 2 2 2 2 1 1
10 20 130 130 130 130 20 10 1 1 2 2 2 2 1 1
10 20 20 20 20 20 20 10 1 1 1 1 1 1 1 1
10 10 10 10 10 10 10 10 1 1 1 1 1 1 121 1
PHÉP BIẾN ĐỔI LŨY THỪA
2
Cấp xám đầu vào, r 2
a b
c d
(a) Ảnh cộng hưởng từ
chụp xương sống người.
(b-d) Kết quả sau khi áp
dụng phép biến đổi theo
phương trình s = cr với
c = 1 và
- = 0.6,
- = 0.4,
- = 0.3.
23
PHÉP BIẾN ĐỔI LŨY THỪA
a b
c d
Cho ảnh đa cấp xám I, với các cấp xám nằm trong đoạn
[0, 255]. Dùng biến đổi s = r0.3 để tìm ảnh đầu ra.
25 26 45 18 90 45 54 42
15 2 25 214 97 54 54 120
18 154 14 201 98 65 54 201
19 254 13 201 48 32 24 12
200 210 254 231 47 201 8 120
21 218 217 120 102 156 58 21
0 236 208 10 12 95 4 36
154 243 201 12 12 65 5 54 25
PHÉP BIẾN ĐỔI LŨY THỪA
Cho ảnh đa cấp xám I, với các cấp xám nằm trong đoạn
[0, 255]. Dùng biến đổi s = r0.3 để tìm ảnh đầu ra.
25 26 45 18 90 45 54 3 3 3 2 4 3 3
15 2 25 214 97 54 54 2 1 3 5 4 3 3
18 154 14 201 98 65 54 2 5 2 5 4 3 3
19 254 13 201 48 32 24 2 5 2 5 3 3 3
200 210 254 231 47 201 8 5 5 5 5 3 5 2
21 218 217 120 102 156 58 2 5 5 4 4 5 3
0 236 208 10 12 95 4 0 5 5 2 2 4 2 6 2
4.2. Các kỹ thuật tăng cường ảnh sử dụng toán tử điểm
4.2.1 Kiến thức cơ bản
4.2. Các kỹ thuật tăng cường ảnh sử dụng toán tử điểm
4.2.2 Tăng độ tương phản
Các ảnh với độ tương phản thấp có thể là do ánh sáng hoặc do bộ
cảm biến. Giãn độ tương phản là làm tăng dải động của các mức xám
trong ảnh được xử lý
Nếu ảnh của ta có độ tương phản kém, ta có thể thay đổi tuỳ theo ý
muốn.
Hình 4.1. Các hình vuông con cùng 1 mức xám xuất hiện trên
các nền khác nhau
4.2. Các kỹ thuật tăng cường ảnh sử dụng toán tử
điểm
4.2.2 Tăng độ tương phản
* Các cặp giá trị (r1,s1) và (r2,s2) sẽ ảnh hưởng đến độ tương
phản của ảnh
•Nếu r1=s1 và r2=s2 thì phép biến đổi là hàm tuyến tính không
làm thay đổi mức xám
•Nếu r1=r2, s1=0 và s2=L-1 thì phép biến đổi thành hàm phân
ngưỡng tạo nên ảnh nhị phân
•Thông thường r1<r2 và s1<s2 để chọn hàm biến đổi có giá trị
đơn
4.2. Các kỹ thuật tăng cường ảnh sử dụng toán
tử điểm
4.2.2 Tăng độ tương phản
4.2. Các kỹ thuật tăng cường ảnh sử dụng toán tử
điểm
4.2.2 Tăng độ tương phản
4.2. Các kỹ thuật tăng cƣờng ảnh sử dụng toán tử
điểm
4.2.2 Tăng độ tƣơng phản
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:
vb
va
u
a b L
4.2. Các kỹ thuật tăng cường ảnh sử dụng toán tử
điểm
4.2.3 Tách nhiễu và phân ngưỡng
Tách nhiễu: Là trường hợp đặc biệt của giãn độ
tương phản khi có độ dốc α = γ = 0
Ứng dụng để quan sát ảnh, cắt ảnh hoặc giảm nhiễu khi
biết tín hiệu đầu vào nằm trên khoảng [a, b].
4.2. Các kỹ thuật tăng cường ảnh sử dụng toán tử điểm
4.2.3 Tách nhiễu và phân ngưỡng
v Lược đồ xám
a b s
4.2.3 Tách nhiễu và phân ngưỡng
Âm bản của một ảnh với mức xám nằm trong khoảng [0….L-1] được xác định
bởi phép biến đổi âm bản
Biến đổi âm bản nhận được khi dùng phép biến đổi
v = L − s -1 . Hoặc g(x,y)=L-1-f(x,y)
Ứng dụng khi hiện các ảnh y học.
4.2. Các kỹ thuật tăng cường ảnh sử dụng toán tử điểm
4.2.4 Biến đổi âm bản (Digital Negative)
4.2.4 Biến đổi âm bản (Digital Negative)
4.2.4 Biến đổi âm bản (Digital Negative)
4.2.5 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).
4.2.5 Cắt theo mức (Intensity Level Slicing)
4.2.5 Cắt theo mức (Intensity Level Slicing)
4.2.5 Cắt theo mức (Intensity Level Slicing)
4.2.6 Trích chọn bít (Bit Plane Slicing)
Trừ ảnh được dùng để nén ảnh, tách ảnh khỏi nền,
truyền ảnh, nhận dạng, phân đoạn, làm nổi đường
biên, tách nhiễu khỏi nền.
1 4 2 8 5 7 1 4 2 8 5 7
4 2 8 5 7 0 4 2 8 5 7 0
I1= 2 8 5 7 0 0 I2= 2 8 5 7 0 0
8 5 7 0 0 0 8 5 7 0 1 1
5 7 0 0 0 0 5 7 0 1 1 1
7 0 0 0 0 0 7 0 1 1 1 1
0 0 0 0 0 0
0 0 0 0 0 0
abs(I1-I2) 0 0 0 0 0 0
0 0 0 0 1 1
0 0 0 1 1 1
0 0 1 1 1 1
0 0 0 0 0 0
4.3. TOÁN TỬ SỐ HỌC VÀ LOGIC
Toán tử số học và logic đòi hỏi phải thực hiện trên từng
điểm giữa hai hay nhiều ảnh.
Ngoại trừ phép toán NOT thực hiện trên một ảnh.
Toán tử logic thực hiện trên ảnh cấp xám, các điểm ảnh
được xử lý như là các số nhị phân.
Màu trắng được biểu diễn bởi số 1 và màu đen được biểu
diễn bởi số 0.
Toán tử NOT đồng nghĩa với phép biến đổi âm bản.
58
VÍ DỤ VỀ TOÁN TỬ AND
61
ĐẠO HÀM
f
f (x 1) f (x)
x
Chúng ta sử dụng đạo hàm từng phần để tiện cho việc
xem xét đối với hàm hai biến f(x, y).
62
ĐẠO HÀM
Đạo hàm bậc nhất đối với hàm một biến f(x) là sai phân:
f
f (x 1) f (x)
x
Tương tự, đạo hàm bậc hai đối với hàm một biến f(x) là
sai phân:
2 f
f (x 1) f (x 1) 2 f (x)
x2
63
NHẬN XÉT VỀ ĐẠO HÀM BẬC NHẤT VÀ
ĐẠO HÀM BẬC HAI
Tóm lại, so sánh giữa đạo hàm bậc nhất và đạo hàm bậc
hai chúng ta có một số kết luận sau đây:
Đạo hàm bậc nhất cho kết quả biên dày hơn trong ảnh.
Đạo hàm bậc hai đáp ứng mạnh hơn đối với chi tiết mịn,
chẳng hạn như đoạn thẳng mỏng, điểm riêng lẻ.
Đạo hàm bậc hai cho kết quả đáp ứng kép tại bước nhảy
thay đổi cấp xám. (Chúng ta cũng chú ý rằng, đạo hàm bậc
hai đáp ứng mạnh đối với đoạn thẳng hơn bước nhảy, điểm
ảnh hơn đoạn thẳng).
64
NHẬN XÉT VỀ ĐẠO HÀM BẬC NHẤT VÀ
ĐẠO HÀM BẬC HAI
Đạo hàm bậc hai thường phù hợp hơn so với đạo hàm
bậc nhất đối với việc tăng cường ảnh bởi vì khả năng của
đạo hàm bậc hai tăng cường chi tiết mịn tốt hơn.
65
SỬ DỤNG ĐẠO HÀM BẬC HAI
TOÁN TỬ LAPLACIAN
Sử dụng đạo hàm bậc hai trên hàm hai biến để tăng
cường ảnh.
Định nghĩa công thức rời rạc của đạo hàm bậc hai.
Xây dựng mặt nạ lọc
66
SỬ DỤNG ĐẠO HÀM BẬC HAI
TOÁN TỬ LAPLACIAN
2
f 2
f
f 2 2
2
x y
Toán tử Laplacian đối với ảnh f(x, y) là toán tử tuyến tính.
67
SỬ DỤNG ĐẠO HÀM BẬC HAI
TOÁN TỬ LAPLACIAN
Trong đó: đạo hàm bậc hai từng phần theo hướng x:
2 f
f (x 1,y) f (x 1, y) 2 f (x, y)
x 2
2 f
f (x, y 1) f (x, y 1) 2 f (x, y)
y 2
68
SỬ DỤNG ĐẠO HÀM BẬC HAI
TOÁN TỬ LAPLACIAN
2
f 2
f
f 2 2
2
x y
2 f
f (x 1, y) f (x 1, y) 2 f (x, y)
x 2
2 f
f (x, y 1) f (x, y 1) 2 f (x, y)
y 2
Thay vào công thức trên ta có:
2 f [ f (x 1, y) f (x 1, y)
f (x, y 1) f (x, y 1)] 4 f (x, y) 69
SỬ DỤNG ĐẠO HÀM BẬC HAI
TOÁN TỬ LAPLACIAN
Theo công thức trên ta có thể xây dựng mặt nạ lọc L như
sau:
2 f [ f (x 1, y) f (x 1, y) 0 1 0
f (x, y 1) f (x, y 1)] 4 f (x, y)
1 -4 1
0 1 0
Theo công thức trên ta có thể xây dựng mặt nạ lọc L như
sau:
2 f 4 f (x, y) [ f (x 1, y) 0 -1 0
f (x 1,y) f (x, y 1) f (x, y 1)]
-1 4 -1
0 -1 0
Chúng ta cũng có thể xem xét đạo hàm bậc hai theo
đường chéo, khi đó mặt nạ lọc L thu được là:
2 f [ f (x 1, y 1) f (x 1, y) 1 1 1
f (x 1, y 1) f (x 1, y 1)
1 -8 1
f (x 1, y) f (x1, y 1)
f (x, y 1) f (x, y 1)] 8 f (x, y) 1 1 1
Chúng ta cũng có thể xem xét đạo hàm bậc hai theo
đường chéo, khi đó mặt nạ lọc L thu được là:
Hoặc:
Để đơn giản người ta thường lấy giá trị tuyệt đối của
phép nhân chập cộng với ảnh gốc.
g f fL
76
a b
c d
77
TĂNG CƯỜNG ẢNH VỚI TOÁN TỬ
LAPLACIAN
0 -1 0
-1 5 -1
0 -1 0 78
79
f (x, y) 2 f (x, y)
CHÚ Ý g(x, y)
f (x, y) f (x, y)
2
0 -1 0 0 0 0 0 -1 0
-1 5 -1 = 0 1 0 + -1 4 -1
0 -1 0 0 0 0 0 -1 0
-1 -1 -1 0 0 0 -1 -1 -1
= +
-1 9 -1 0 1 0 -1 8 -1
-1 -1 -1 0 0 0 -1 -1 -1
80
SỬ DỤNG ĐẠO HÀM BẬC NHẤT TOÁN TỬ
GRADIENT
Đạo hàm bậc nhất trong xử lý ảnh là được thực hiện bằng
cách sử dụng độ lớn của gradient.
Với hàm f(x, y), gradient của f tại tọa độ (x, y) được định
nghĩa là một vectơ cột hai chiều:
f
Gx x
f f
G y
y
81
SỬ DỤNG ĐẠO HÀM BẬC NHẤT
TOÁN TỬ GRADIENTf
Gx x
f f
G
y
y
Độ lớn của vectơ được cho bởi:
f G G2
x
2
y
1
2
1 Xấp xỉ
f 2 f 2 2
x y f Gx G y
82
SỬ DỤNG ĐẠO HÀM BẬC NHẤT TOÁN TỬ
GRADIENT
f f
f Gx G y
x y
f (x 1, y) f (x, y) f (x, y 1) f (x, y)
Như vậy:
Gx f (x 1, y) f (x, y)
z1 z2 z3
Gx (z8 z5 ) và Gy (z 6 z5 ) z4 z5 z6
z7 z8 z9
Khi đó:
f [G G ]
2 2
1
2 [(z z ) (z z ) ]
2 2
1
2
x y 8 5 6 5
f z8 z5 z6 z5
85
SỬ DỤNG ĐẠO HÀM BẬC NHẤT
TOÁN TỬ GRADIENT z1 z2 z3
Hai toán tử khác do Roberts đề nghị như z4 z5 z6
sau: z7 z8 z9
Gx (z9 z5 ) và Gy (z8 z6 )
1 1
f [G G ] [(z9 z5 ) (z8 z6 ) ]
2
x
2
y
2 2 2 2
f z9 z5 z8 z6
8
6