02 ImproveQuanlity

Chương 3: CÁC KỸ THUẬT
NÂNG CAO CHẤT LƯỢNG ẢNH

1
TS. NGUYỄN TƯỜNG THÀNH
Xử lý ảnh– Image proccessing 6/23/2020

Ôn tập: Biểu diễn Ảnh
2
Ảnh mức xám Ảnh Màu Ảnh trắng/đen

Gray scale RGB BW
Đặc điểm Ảnh mức xám Ảnh Màu Ảnh trắng/đen
Ma trận biểu diễn [512 x 512] [512 x 512 x 3] [512 x 512]
Số kênh 1 3 1
Giá trị biểu diễn [0 .. 255] [0 .. 255, 0..255, [0 , 255]
0..255]
3
 Giá trị màu tại mỗi điểm ảnh, vùng ảnh

160 Tọa độ Cột
I = [1:512 ,1:512, 1:3]
64 p(64,160,1:3) = [205, 163, 182]
Số hàng
Số cột
Tọa độ hàng
Số kênh màu
R(64:95,160:191,:) : 32 x 32 pixels
[205 203 188 181

186 [163
194 108 188
182
[182
100 100
114 112 112
85
181 187 9286 84 89
1919219493 98
77
195 192 8595 79
189 183]90
85 9210887 8276] 97
90 98 101 89]
4 [64 x 64]
 Độ phân giải ảnh [128 x 128]

 Sampling (lấy mẫu)
[256 x 256]
[384 x 384]
[512 x 512]
Ôn tập: Biểu diễn ảnh
5
 Thay đổi mức lượng tử
Ảnh gốc 16 mức 12 mức 7 mức
Đặc điểm Ảnh gốc 16 mức 12 mức 7 mức

Độ phân giải [512 x 512 x 3] [512 x 512 x 3] [512 x 512 x 3] [512 x 512 x 3]
Biểu diễn 24 bits 24 bits 24 bits 24 bits
Kích thước 768 K 775 K 769 K 760 K
Số lượng màu 148279 848 468 190
Nội dung
6
 2.1. Tổng quan về xử lý ảnh trong không gian

 2.2. Các toan tử không gian
 2.3. Các kỹ thuật không phụ thuộc không gian
 2.4. Các kỹ thuật phụ thuộc không gian
 2.5. Các phép toán hình thái học
2.1 TỔNG QUAN VỀ XỬ LÝ ẢNH TRONG
KHÔNG GIAN
• Miền không gian:

Là tập hợp các điểm ảnh trong ảnh.
Phương pháp miền không gian là một thủ tục tác động
lên các điểm ảnh trong miền không gian đó.
• Miền tần số:
Được biểu diễn theo tần số thông qua các phép
biến đổi.
Phương pháp miền tần số dựa trên phép biến đổi
Fourier của ảnh.
Tương ứng với các miền này  các phương pháp tăng
cường ảnh
7
KHÔNG GIAN
2.1.1 Tín hiệu số và biểu diễn ảnh số

• Một ảnh trong không gian 2 chiều có thể biểu diễn bởi một
tập hợp các ma trận cơ sở gọi là ảnh cơ sở. Nhƣ vậy một tín
hiệu 2 chiều liên tục trong không gian theo khái niệm trên gọi
là ảnh liên tục trong không gian số thực và ký hiệu là f(x,y):
giá trị của f(x,y) là liên tục trong khoảng (-,).
x(t)
Các tín hiệu liên tục theo thời gian

qua quá trình số hóa ta thu được tín
hiệu rời rạc (tín hiệu số).
Hình 3.1 Tín hiệu số rời rạc 3

KHÔNG GIAN
2.1.2 Khái quát về hệ thống xử lý tín hiệu số
• Hệ thống số là một hệ thống tiếp nhận tín hiệu số ở đầu vào, xử lý tín
hiệu theo một qui trình nào đấy và đưa ra cũng là một tín hiệu số.
• Nếu gọi tín hiệu số đầu vào là X(m,n), tín hiệu số đầu ra là Y(m,n), đặc
trưng của hệ thống là H, ta có thể biểu diễn hệ thống số một cách hình
thức như sau:
Y(m,n) = H [X(m,n)]
• Phần lớn các các hệ thống số là tuyến tính và bất biến. Trong xử lý tín
hiệu số, thường có 2 cách tiếp cận khác nhau:
- Biên độ của tín hiệu được lấy mẫu, lượng hoá theo một qui chuẩn và có
thể biểu diễn bởi một hàm liên tục theo thời gian. Đây là cách tiếp cận
theo không gian thực.
- Cách tiếp cận thứ hai là tiếp cận theo miền tần số của tín hiệu. Trong
cách tiếp cận này, trước tiên tín hiệu được biến đổi chẳng hạn như phép
biến đổi Fourrier, sau đó, tiến hành xử lý trên miền tần số. Cuối cùng
dùng biến đổi ngược để đưa tín hiệu đã xử lý về miền số thực.
4
2.2 CÁC TOÁN TỬ KHÔNG GIAN (SPATIAL
OPERATORS)
2.2.1.Toán tử tuyến tính

• Phần lớn các hệ thống xử lý ảnh có thể mô hình hoá như
một hệ thống tuyến tính hai chiều. Giả sử x(m,n) và y(m,n)
biểu diễn các tín hiệu vào và ra tương ứng của hệ thống. Hệ
thống hai chiều được biểu diễn bởi:
y(m,n) = H[x(m,n)] (2.1)
• Hệ thống này gọi là tuyến tính khi và chỉ khi: tổ hợp tuyến
tính của 2 tín hiệu vào x1(m,n), x2(m,n) cũng tạo nên chính
tổ hợp tuyến tính tương ứng của đầu ra y1(m,n), y2(m,n),
nghĩa là: với 2 hằng số bất kì α và β, ta có:
H[α x1(m,n) + β x2(m,n)] = α H[x1(m,n)] + β H[x2(m,n)]
= α [y1(m,n)] + β [y2(m,n)] (2.2)
5
Phương trình 2.2 gọi là chồng tuyến tính của 2 tín hiệu.
MIỀN KHÔNG GIAN
• Các phép xử lý trong miền không gian tác động

trực tiếp lên điểm ảnh được ký hiệu là:
g(x, y) = T[f(x, y)]
f(x, y) là ảnh đầu vào.
g(x, y) là ảnh đầu ra.
T là toán tử tác động lên f trong lân cận của điểm (x,y).
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 33
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: 33, 55, ...
w1 w2 w3
Ví dụ minh họa bộ lọc có kích
w4 w5 w6
thước 33. w5 là tâm của bộ lọc
w7 w8 w9 13
CƠ CHẾ CỦA LỌC KHÔNG GIAN
• Quá trình xử lý là quá trình di chuyển mặt nạ lọc theo

từng điểm một trong ảnh.
• Tại mỗi điểm (x, y), đáp ứng của bộ lọc tại điểm đó được
tính bằng cách sử dụng các mối quan hệ đã xác định
trước.
• Với bộ lọc không gian tuyến tính, đáp ứng chính là tổng
của các tích giữa hệ số của bộ lọc với cấp xám của điểm
ảnh tương ứng trong vùng áp dụng lọc.
14
Gốc của ảnh y
Mặt nạ w(-1,-1) w(-1,0) w(-1,1)
w(0,-1) w(0,0) w(0,1)
w(1,-1) w(1,0) w(1,1)

f(x-1,y-1) f(x-1,y) f(x-1,y+1)
Ảnh f(x, y)
f(x,y-1) f(x,y) f(x,y+1)
x
f(x+1,y-1) f(x+1,y) f(x+1,y+1)
R  w(1,1) f (x 1, y 1)  w(1,0) f (x 1, y)  ...

 w(0,0) f (x, y)  ... w(1,0) f (x 1, y)  w(1,1) f (x 1, y 1)
15
• Thông thường hệ số w(0, 0) trùng khớp với giá trị f(x, y)

của ảnh, nghĩa là mặt nạ có tâm tại điểm (x, y) trong quá
trình tính toán.
R  w(1,1) f (x 1, y 1)  w(1,0) f (x 1, y)  ...

 w(0,0) f (x, y)  ... w(1,0) f (x 1, y)  w(1,1) f (x 1, y 1)
16
LỌC KHÔNG GIAN TUYẾN TÍNH
• Đối với mặt nạ có kích thước mn, với m = 2a+1 và

n = 2b+1, với a, b là những số nguyên không âm.
• Với điều kiện trên, chúng ta sẽ có những mặt nạ với kích
thước là những số lẻ.
• Khi đó, bộ lọc tuyến tính của ảnh f có kích thước MN với
mặt nạ lọc mn áp dụng tại điểm (x, y) được cho bởi công
thức sau:
a b
g(x, y)    w(s, t) f (x  s, y  t)
sa t b
 Trong đó: a=(m-1)/2, b=(n-1)/2. 12
a b
g(x, y)    w(s, t) f (x  s, y  t)
sa t b
• Để có được ảnh lọc, chúng ta phải áp dụng công thức ở

trên lên toàn bộ các điểm ảnh, tức là x = 0, 1, ..., M và
y = 0, 1, ..., N.
• Phương trình trên còn đƣợc gọi là tích chập của mặt nạ
với ảnh.
• Mặt nạ bộ lọc nhiều lúc cũng còn được gọi là mặt nạ chập
hay là nhân chập.
1
8
• Chúng ta cũng có thể ký hiệu đáp ứng R của ảnh tại điểm
(x, y) với mặt nạ chập có kích thuớc mn theo công thức:
mn
R  w1z1  w2 z2  ...  wmn zmn   wi zi
i1
 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 33 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
i1
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?
f(0,0) f(0,1) f(0,2) f(0,3) f(0,4)

w1 w2 w3
f(1,0) f(1,1) f(1,2) f(1,3) f(1,4)
w4 w5 w6
f(2,0) f(2,1) f(2,2) f(2,3) f(2,4)
w7 w8 w9
f(3,0) f(3,1) f(3,2) f(3,3) f(3,4)
Mặt nạ
f(4,0) f(4,1) f(4,2) f(4,3) f(4,4) 2

1
• 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
• Cách 1: Giả sử mặt nạ có kích thước nn.

Cho vị trí tâm của mặt nạ không được nhỏ hơn (n-1)/2 điểm
ảnh kể từ biên  Ảnh sau khi lọc có kích thước nhỏ hơn
ảnh gốc, nhưng tất cả các điểm ảnh đều được xử lý.
w1 w2 w3
w4 w5 w6
w7 w8 w9
2
3
• 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
LỌC ĐIỂM ẢNH CÔ LẬP

2.3. Các kỹ thuật không phụ thuộc không gian
26
 2.3.1 Giới thiệu

 2.3.2. Tăng giảm độ sáng
 2.3.3. Tách ngưỡng
 2.3.4. Bó cụm
 2.3.5. Kỹ thuật tách ngưỡng tự động
 2.3.6. Cân bằng Histogram
 2.3.7. Tăng độ tương phản - Contrast stretching
 2.3.8. Ảnh âm bản
2.3.1 Giới thiệu
27
 Các kỹ thuật không phụ thuộc không gian là các phép

biến đổi ảnh không phục thuộc vị trí của điểm ảnh.
 Ví dụ: Phép tăng giảm độ sáng , phép thống kê tần suất,
biến đổi tần suất v.v..
 Một khái niệm quan trọng trong xử lý ảnh là biểu đồ tần
suất (Histogram). Biểu đồ tần suất của mức xám g của
ảnh I là số điểm ảnh có giá trị g của ảnh I. Ký hiệu là
h(g):
28
 Ví dụ
 Ta có ảnh I
 Biểu đồ tần xuất mức xám
0 1 2 4 7
2.3.2. Tăng giảm độ sáng
29
 Giả sử ảnh I có kích thước m × n và số nguyên c. Khi

đó, kỹ thuật tăng, giảm độ sáng được thể hiện
for (i = 0; i < m; i + +)
for (j = 0; j < n; j + +)
I [i, j] = I [i, j] + c;
 Nếu c > 0: ảnh sáng lên
 Nếu c < 0: ảnh tối đi
2.3.3. Tách ngưỡng
30
 Giả sử ảnh I có kích thước m × n, hai số Min, Max và

ngưỡng θ khi đó: Kỹ thuật tách ngưỡng được thể hiện
for (i = 0; i < m; i + +)
for (j = 0; j < n; j + +)
I [i, j] = I [i, j] > = θ? Max : Min;
 Ứng dụng:
 Nếu Min = 0, Max = 1 kỹ thuật chuyển ảnh thành ảnh đen
trắng được ứng dụng khi quét và nhận dạng văn bản.
 Có thể xảy ra sai sót nền thành ảnh hoặc ảnh thành nền
dẫn đến ảnh bị đứt nét hoặc dính.
2.3.4. Bó cụm
31
 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
 Ảnh ban đầu
 Ảnh mới sau khi thực hiện bó cụm với bunch_size=3

2.3.5. Kỹ thuật tách ngưỡng tự động
33
 Tìm ra ngưỡng θ một cách tự động dựa vào histogram

theo nguyên lý trong vật lý là vật thể tách làm 2 phần
nếu tổng độ lệnh trong từng phần là tối thiểu.
 Mô tả:
 Ảnh I kích thước m × n
 G là số mức xám của ảnh kể cả khuyết thiếu
 t(g) là số điểm ảnh có mức xám ≤ g
1 𝑔
 𝑚 𝑔 = 𝑖=0 𝑖. ℎ(𝑖) là mômen quán tính TB có mức
𝑡(𝑔)
xám ≤ g
34
 Xây dựng hàm f:g f(g) sao cho 𝑓 𝑔 =

𝑡(𝑔)
[𝑚 𝑔 − 𝑚(𝐺 − 1)]2
𝑚.𝑛−𝑡(𝑔)
 Tìm θ sao cho: f(θ)= max {𝑓(𝑔)}
0≤𝑔≤𝐺−1
 Ví dụ:
 Ảnh ban đầu
35
 Lập bảng tính toán các giá trị
 Ngưỡng cần tách là θ=1 ứng với f(θ)=1.66

2.3.6. Cân bằng histogram (Equalization)
36
 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
Ảnh ban đầu
Tính f(g)
Ảnh kết quả
2.3.7 Contrast stretching
41
 Một ảnh có độ tương phản thấp

42
 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
 Ảnh ban đầu
 Ảnh sau khi áp dụng giải thuật Contrast stretching

2.3.8. Ảnh âm bản (Image Negatives )
44
 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
 Biết histogram của ảnh gốc, biết hàm biến đổi

 Tính toán histogram của ảnh mới.
XỬ LÝ LƯỢC ĐỒ XÁM
• 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
• Cho ảnh sau I, hãy tính lược đồ xám của ảnh I.

Số điểm ảnh
0 1 1 3 5 4
7
5 1 4 7 4 6 6
3 2 1 3 2 5 5
1 3 4 5 6 7 4
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.
L1
 p(k)  1
k 0
5588
• Lược đồ xám là một trong những đặc trưng cơ bản được

sử dụng trong xử lý ảnh số.
• Lược đồ xám dùng để phục vụ cho việc nén ảnh và phân
đoạn ảnh.
• Việc tính toán lược đồ xám rất đơn giản, cho nên nó
được sử dụng trong các công cụ xử lý ảnh thời gian thực.
5599
• 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
h(k)/p(k)
rk
61
h(k)/p(k)
6k
62 r
2
h(k)/p(k)
6k
62 r
2
h(k)/p(k)
6k
62 r
2
CÂN BẰNG LƯỢC ĐỒ XÁM
 Ảnh đầu vào có thể:

– Tối  không nhìn rõ nét,
– Sáng  mờ,
– Độ tương phản thấp  khó nhìn thấy các đối tượng.
 Chúng ta phải xử lý để ảnh đầu ra rõ hơn, có nhiều thông

tin hơn.
 Quá trình xử lý là ánh xạ mỗi điểm ảnh với cấp xám k
trong ảnh đầu vào thành điểm ảnh tương ứng với cấp xám
sk trong ảnh đầu ra.
6655
PHƯƠNG PHÁP CÂN BẰNG LƯỢC
ĐỒ XÁM
• Vào: Ảnh I có L cấp xám, k=0, 1, ..., L-1. Số điểm ảnh

trong ảnh I là n.
• Ra: Ảnh J với các cấp xám sk  [0, L-1], k=0, 1, ..., L-1.
(Lưu ý: ảnh đầu ra J có độ tương phản tốt hơn ảnh đầu vào I)
• 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.
j0 n j0
4. Cấp xám sk ảnh đầu ra J tương ứng với cấp xám k của ảnh đầu
vào I được tính theo công thức:
sk  round (L 1)T (k) k = 0, 1, 2, ..., L-1.

5. Xây dựng ảnh đầu ra J bằng cách ánh xạ tương ứng cấp xám k
của ảnh đầu vào thành cấp xám sk của ảnh đầura.
5
7
VÍ DỤ CÂN BẰNG LƯỢC ĐỒ XÁM
Số lượng điểm ảnh
Cho ảnh đầu vào I có 10 cấp xám. 6

Cân bằng lược đồ xám ảnh I
5
2 3 3 2 4
4 2 4 3 3
3 2 3 5 2
2 4 2 4 1
Cấp xám
k 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9
nk 0 0 6 5 4 1 0 0 0 0 Lược đồ xám 68
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
j0
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
2 3 3 2 Số lượng điểm ảnh

k sk
4 2 4 3 6
0 0
1 0 3 2 3 5 5
2 3 2 4 2 4 4
3 6 3
4 8
2
5 9 3 6 6 3
6 9 1
8 3 8 6 Cấp xám
7 9
6 3 6 9 0 1 2 3 4 5 6 7 8 9
8 9
3 8 3 8 Lược đồ xám của ảnh sau khi cân 7b0ằng
9 9
Ảnh trước khi cân bằng Ảnh sau khi cân bằng Lược đồ xám cân bằng
7
1
7
2
7
3
7
4
 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

Cho ảnh đầu vào I có 8 cấp xám.
8
Cân bằng lược đồ xám ảnh I
7
0 1 2 3 2 6
3 2 2 3 4 5
4
3 0 2 3 3
3
0 3 0 2 0 2
1 3 1 2 2 1
Cấp 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
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
j0
T(k) 5/25 8/25 16/25 24/25 25/25 25/25 25/25 25/25
1.4 2.24 4.48 6.72

sk  7T(k) 7 7 7 7
1 2 4 7
77

0 1 2 3 2
3 2 2 3 4 9
k sk
3 0 2 3 3 8
0 1
7
1 2 0 3 0 2 0
6
2 4 1 3 1 2 2 5
3 7 4
4 7 3
1 2 4 7 4
5 7 2
7 4 4 7 7 1
6 7 Cấp xám
7 1 4 7 7
7 7
1 7 1 4 1 0 1 2 3 4 5 6 7
2 7 2 4 4 Lược đồ xám 78
3.5. CÁC PHÉP BIẾN ĐỔI TUYẾN TÍNH
TỪNG PHẦN
• Giãn độ tương phản

• Làm mỏng cấp xám
• Làm mỏng mặt phẳng bit
6
9
GIÃN ĐỘ TƯƠNG PHẢN
• Các ảnh có độ tương phản thấp có thể do cường độ ánh

sáng kém, hoặc do bộ cảm ứng không tốt.
• Ý tưởng giãn độ tương phản là gia tăng các khoảng cấp
xám trong ảnh.
7
0
• Vị trí của điểm (r1, s1), L-1
Cấp xám đầu ra

(r2, s2) sẽ quy định hình
dạng của phép biến đổi. (r2, s2)
3L/4
• Kết quả ảnh đầu ra của
phép biến đổi bên: T(r)
L/2
Độ xám trong khoảng (0, 0)
đến (r1, s1) giảm.
Độ xám trong khoảng từ L/4
(r1, s1) đến (r2, s2) tăng. (r1, s1)
Cấp xám đầu vào
Độ xám trong khoảng
(r2, s2) đến (L-1, L-1) đƣợc 0 L/4 L/2 3L/4 L-1
7
điều hòa. 1
• Vị trí của điểm (r1, s1),

(r2, s2) sẽ quy định hình L-1

dạng của phép biến đổi.
• Kết quả ảnh đầu ra của 3L/4
(r1, s 1)
phép biến đổi bên:
L/2 T(r)
Độ xám trong khoảng (0, 0)
đến (r1, s1) tăng.
Độ xám trong khoảng từ (r2, s2)
L/4
(r1, s1) đến (r2, s2) giảm.
Độ xám trong khoảng Cấp xám đầu vào
(r2, s2) đến (L-1, L-1) được 0 L/4 L/2 3L/4 7 L-1
điều hòa. 2
L-1

• Nếu r1 = s1, r2 = s2, lúc đó
3L/4
phép biến đối trở thành
phép đồng nhất. Kết quả
của ảnh đầu ra không thay L/2
T(r)
đổi so với ảnh đầu vào.
L/4

L/4 L/2 3L/4 83
L-1
(r2, s2)

• Nếu s1 = 0, s2 = L-1, lúc
3L/4
đó phép biến đối trở
thành hàm phân ngưỡng.
T(r)
Kết quả ảnh đầu ra sẽ là L/2
ảnh nhị phân.
L/4
(r1, s1) Cấp xám đầu vào

0 L/4 L/2 3L/4 7 L-1
4
L-1

• Thông thường chúng ta sử (r2, s2)
3L/4
dụng hàm với r1≤ r2 và
s1 ≤ s2 như hình bên để T(r)
giãn độ tương phản. Lúc L/2
đó hàm là đơn điệu tăng.

L/4
(r1, s1)
0 L/4 L/2 3L/4 7 L-1
5
Ảnh gốc Ảnh sau khi giãn Ảnh sau khi

có độ tương phản thấp độ tương phản. phân ngưỡng.
(r1, s1) = (rmin, 0) (r1, s1) = (m, 0)
(r2, s2) = (rmax, L-1) (r2, s2) = (m, L-1)
rmin cấp xám nhỏ nhất m là giá trị cấp xám
86
rmax cấp xám lớn nhất trung bình
LÀM MỎNG MỨC XÁM
• 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
L-1

• Hiển thị một giá trị cao cho
3L/4
tất cả các mức xám trong
dải cần quan tâm và hiển
thị một giá trị thấp cho L/2
T(r)
những mức xám còn lại.
L/4

0
L/4 L/2 3L/4 L-1
L-1

• Hiển thị một giá trị cao cho
3L/4
tất cả các mức xám trong
dải cần quan tâm và giữ
nguyên các mức xám còn L/2
T(r)
lại.
L/4
0 L/4 L/2 3L/4 L-1

89
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
bit cao nhất

bit thứ 7
bit thấp nhất

bit thứ 0 91
 Ảnh nhị phân đối với mặt phẳng

bit thứ 7 có thể lấy được bằng
cách xử lý ảnh đầu vào với phép
phân ngưỡng:
Ánh xạ tất cả các cấp xám từ 0 đến
127 thành 0.
Ánh xạ tất cả các cấp xám từ 128 đến
255 thành 255.
92
7
7 6
93
5 4 3
2 1 0
94
2.2. Các kỹ thuật phụ thuộc không gian
85
 2.2.1. Phép nhân chập và mẫu

 2.2.2. Một số mẫu thông dụng
 2.2.3. Lọc trung vị
 2.2.4. Lọc trung bình
 2.2.5. Lọc trung bình theo k giá trị gần nhất
2.2.1. Phép nhân chập (cuộn) và mẫu
86
 Giả sử ta có ảnh I kích thước M × N, mẫu T có kích

thước m × n khi đó, ảnh I cuộn theo mẫu T được xác
định bởi công thức.
𝑚−1 𝑛−1
IT(x,y)= 𝑖=0 𝑗=0 𝐼 𝑥 + 𝑖, 𝑦 + 𝑗 ∗ 𝑇 𝑖, 𝑗 (1)
Hoặc
𝑚−1 𝑛−1
IT(x,y)= 𝑖=0 𝑗=0 𝐼 𝑥 − 𝑖, 𝑦 − 𝑗 ∗ 𝑇(𝑖, 𝑗) (2)
 Ví dụ:
87
 Ảnh gốc: Mẫu:
 Ảnh kết quả theo công thức (1)

88
 Ảnh kết quả theo công thức (2)

TÍCH CHẬP- Công thức tổng quát
• Hai công thức tính nhân chập sau đây thường được sử dụng:
• Xếp chồng tại biên
K 1 L1
Y(m,n) =  H(k,l)*X(m-k,n-l) (3.9)
k 0 l 0
- Theo công thức này, nếu K=L=3, nhân chập H có thể viết:
 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]
Víi m[1,M] vµ n[1,N] .

20
TÍCH CHẬP- Công thức tổng quát
21
TÍCH CHẬP- Ví dụ
• Ta xét 2 ví dụ sau:
• Ví dụ 1: Xếp chồng tại biên
- Tính tích chập X(m,n)* H(k,l)

9
1
• Ví dụ 2: Xếp chồng tại trung tâm
- Cho ảnh số I sau: 4 7 2 7 1

5 7 1 7 1

I  6 6 1 8 3 
5 
 7 5 7 1
5 7 6 1 2
- Và nhân chập H:
1 1 1
h  1 1 1
1
9
1 1 1
- Tính tích chập H*I 9
2
• Tích chập H  I tính theo công thức 3.10 được:
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
 Kết quả nhân chập

8 12
1 1
10
2 6 2
8
3 = 3
6
4
4 4 4
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 40 60 80 100 120 20 40 60 80 100 120
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
 Mẫu dùng để khử nhiễu (tần số cao)
 Mẫu phát hiện các điểm có tần số cao

2000
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
20 40 60 80 100 120 20 40 60 80 100 120
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 40 60 80 100 120 20 40 60 80 100 120

99
 Mẫu dùng để phát hiện biên theo phương nằm ngang và

thẳng đứng  -1 -1 -1   -1 0 1
   
H   0 0 0 ; H   -1 0 1
1   2  
1 1 1   -1 0 1
 
100
600
220
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
20 40 60 80 100 120 20 40 60 80 100 120

102
 Mẫu dùng để phát hiện biên theo đường chéo

 0 1 1  -1 -1 0
   
H   -1 0 1; H   -1 0 1
1   2  
 -1 -1 0   0 1 1
 
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:
 Lấy phần tử giữa

104
LỌC NHIỄU BẰNG BỘ LỌC TRUNG VỊ
Median filter: to reduce impulse noise (salt-and-pepper

noise)
105
LỌC NHIỄU BẰNG BỘ LỌC TRUNG VỊ

106
 Lọc trung vị dùng cửa sổ 3 x 3 và ngưỡng θ.

 Dịch cửa sổ P (lưới m x m) đi lần lượt các vị trí trên ảnh.
Ứng với mỗi vị trí tâm của cửa sổ tại điểm ảnh (x,y):
 Nhặt các phần tử thuộc cửa sổ theo hàng, cột  tạo ra một
dãy. (I(P) điểm ảnh trùng với tâm cửa sổ)
 Tính trung vị của dãy
{I(q) | q ∈ W(P)} → Med (P)
 Thay thế điểm P(x,y) theo quy tắc
𝐼 𝑃 𝑛ế𝑢 |𝐼 𝑃 − 𝑀𝑒𝑑(𝑃)| ≤ θ
𝐼 𝑃 =
𝑀𝑒𝑑 𝑃 𝑛ế𝑢 𝑛𝑔ượ𝑐 𝑙ạ𝑖
 Ví dụ 1:
107
 Vị trí cửa sổ hiện tại

 (x,y) là điểm ảnh đang xét
 θ=2
 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
 Lọc trung bình

 Dịch cửa sổ P (lưới m x m) đi lần lượt các vị trí trên ảnh.
 Nhặt các phần tử thuộc cửa sổ theo hàng, cột  tạo ra một
dãy.
 Tính trung bình của dãy đó
{I(q) | q ∈ W(P)} → AV (P)
𝐼 𝑃 𝑛ế𝑢 |𝐼 𝑃 − 𝐴𝑉(𝑃)| ≤ θ
𝐼 𝑃 =
𝐴𝑉 𝑃 𝑛ế𝑢 𝑛𝑔ượ𝑐 𝑙ạ𝑖
 Ví dụ:
111
 Dùng cửa sổ 3 x 3 và ngưỡng θ=2

 Dãy: 1, 2, 3, 4, 16, 2, 4, 2, 1
 Trung bình là (1+2+3+4+16+2+4+
2+1)/9=3. (Làm tròn có thể lấy giá
trị 4)
 Vị trí đang xét có giá trị 16
 |16 -3|> θ  Thay thế giá trị này
bằng giá trị trung bình
2.2.5. Lọc trung bình theo k giá trị gần nhất
112
 Dịch cửa sổ P (lưới m x m) đi lần lượt các vị trí trên ảnh.

 Nhặt k phần tử gần với I(P) nhất thuộc cửa sổ theo hàng, cột
 tạo ra một dãy.
{I(q)|q ∈ W(p)} → {k giá trị gần I(P) nhất}
 Tính trung bình của dãy đó
{k giá trị gần I(P) nhất} → AVk(P)
𝐼 𝑃 𝑛ế𝑢 |𝐼 𝑃 − 𝐴𝑉𝑘 (𝑃)| ≤ θ

𝐼 𝑃 =
𝐴𝑉𝑘 𝑃 𝑛ế𝑢 𝑛𝑔ượ𝑐 𝑙ạ𝑖
 Ví dụ:
113
 Dùng cửa sổ 3 x 3 và ngưỡng θ=2,

k=3.
 Dãy: 16, 4, 4
 Trung bình là (4+16+4)/3=8.
 Vị trí đang xét có giá trị 16
 |16 -8|> θ  Thay thế giá trị này
bằng giá trị trung bình 8
3.2.3. MỘT SỐ BỘ LỌC CƠ BẢN
• Lọc tuyến tính
• Lọc phi tuyến
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
• Các bộ lọc trung bình được sử dụng để khử đi vết mờ và khử

nhiễu.
• Khử mờ thường được sử dụng trong các bước tiền xử lý ảnh.

Chẳng hạn xóa bỏ đi những chi tiết nhỏ khỏi ảnh trước khi
trích chọn các đối tượng.
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
• 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
• Bởi vì nhiễu ngẫu nhiên có đặc trưng là chứa những điểm

nhô trong các cấp xám  ứng dụng rõ ràng nhất của làm
trơn là khử nhiễu.
• Tuy nhiên, các cạnh của đối tượng cũng được đặc trưng
bởi các điểm nhô trong các cấp xám, vì vậy lọc trung bình
sẽ có tác động phụ lên các cạnh của các đối tượng trong
ảnh  nó sẽ làm nhòe (mờ) đi các cạnh.
• Ứng dụng chính của các lọc trung bình là khử đi các chi
tiết không thích hợp trong ảnh.
3300
• Với bộ lọc không gian kích thước 33, thì cách sắp xếp
đơn giản nhất là cho các hệ số bằng 1/9.
f(x-1,y-1) f(x-1,y) f(x-1,y+1) Bộ lọc

1 1 1 trung
1 bình 33
f(x,y-1) f(x,y) f(x,y+1)  1 1 1
9 1 1 1
f(x+1,y-1) f(x+1,y) f(x+1,y+1)
3311
1
2
1
1
2
2
1
2
3
1
2
4
• Ảnh gốc và ảnh được lọc với kích thước mặt nạ là 33
36
3
6
37
3
7
38
3
8
39
3
9
40
4
0
a b
Ví dụ c d
e f
• a) Ảnh gốc kích thước 500500

• b) - f) Kết quả của việc làm trơn với
bọ lọc trung bình hình vuông kích
thước n = 3, 5, 9, 15 và 35.
• Chú ý:
– Mặt nạ lớn được sử dụng để ước
lượng các đối tượng nhỏ trong
ảnh.
– Kích thước mặt nạ được chọn liên
quan đến kích thước của các đối
4411
tượng cần đồng nhất với nền.

 Cho ảnh I kích thước 77 và bộ lọc tuyến tính làm trơn
có kích thước 33 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 77 và bộ lọc tuyến tính làm trơn
có kích thước 33 như sau. Tìm ảnh có được sau khi lọc.
43
4
3
BỘ LỌC TRUNG BÌNH
• Lọc trung bình không gian sẽ làm mờ ảnh.

• Để xóa đi các đối tƣợng nhỏ có cường độ sáng lớn ở
trong ảnh ta cho nó có độ sáng lẫn với màu nền bằng
cách làm mờ nó thông qua lọc trung bình không gian.
• Kích thước mặt nạ có quan hệ mật thiết với kích thước
của các đối tượng mà chúng ta cần xóa đi để làm nền.
• Sau khi lọc xong, ta có thể tiến hành phân ngưỡng một
cách hợp lý để làm nổi bật các đối tượng cần quan sát.
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
• Lọc trung vị được sử dụng phổ biến bởi vì nó khử nhiễu

rất tốt, nhất là đối với những loại nhiễu ngẫu nhiên.
• 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
• Kỹ thuật lọc trung vị dùng để lọc nhiễu bằng cách trượt

trên mặt phẳng ảnh, mỗi lần di chuyển qua trên một điểm
ảnh.
• Những phần tử trong cửa sổ đƣợc xem như là một chuỗi

{xn} và điểm quan tâm được thay thế bởi giá trị trung vị 
của chuỗi.
• Ví dụ: Chuỗi {xn} = {1, 2, 9, 4, 5} có trung vị  = 4. Điểm
trung tâm sẽ được thay thế bởi bởi giá trị  = 4. Kết quả ta
có: {1, 2, 4, 4, 5}
4488
LỌC TRUNG VỊ
• Giả sử đầu vào là X(m,n) và đầu ra bộ lọc là Y(m,n). Lọc

trung vị hai chiều được định nghĩa:
Y(m,n) = Median(X(m-k,n-l) với k,l  [1, L]
Lc = (L+1)/2 còn gọi là bán kính bộ lọc
• Kỹ thuật lọc trung vị thường dùng mặt nạ có kích thước là
33, 55.
• Việc lọc sẽ dừng lại khi quá trình lọc không làm thay đổi
kết quả của ảnh cần lọc.
• Lọc trung vị với mặt nạ có kích thước nn được tính như
chuỗi một chiều. Ta tiến hành sắp xếp dãy đó rồi thay thế
phần tử tâm bằng trung vị của dãy vừa tìm được. 4499
LỌC TRUNG VỊ
• Ví dụ: Lọc trung vị trên ảnh với cửa sổ lọc là 33.
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 33.
c) Ảnh sau khi lọc trung vị với mặt nạ 33. 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
• Một cách tổng quát, ta có thuật toán sau:

b1. Lấy các phần tử trong cửa sổ ra mảng một
chiều (L phần tử).
b2. Tìm min của lần lượt các chuỗi con rồi lấy
max: gọi m1 là giá trị này.
b3. Tìm max của lần lượt các chuỗi con rồi lấy
min: gọi m2 là giá trị tìm được.
b4. Gán giá trị điểm đang xét là trung bình cộng
của m1 và m2.
1
4
3
2.3. Các phép toán hình thái học
144
 2.3.1. Các phép toán hình thái cơ bản

 2.3.2. Một số tính chất của phép toán hình thái
 Nâng cao chất lƣợng ảnh là bước cần thiết trong xử lý
ảnh nhằm hoàn thiện một số đặc tính của ảnh.
Nâng cao chất lượng ảnh gồm hai công đoạn khác nhau:
tăng cường ảnh và khôi phục ảnh. Tăng cường ảnh nhằm
hoàn thiện các đặc tính của ảnh như :
- Lọc nhiễu, hay làm trơn ảnh,
- Tăng độ tương phản, điều chỉnh mức xám của ảnh,
- Làm nổi biên ảnh.
Các thuật toán triển khai việc nâng cao chất lượng ảnh hầu
hết dựa trên các kỹ thuật trong miền điểm, không gian và
tần số. Toán tử điểm là phép biến đổi đối với từng điểm
ảnh đang xét, không liên quan đến các điểm lân cận khác,
trong khi đó, toán tử không gian sử dụng các điểm lân cận
để quy chiếu tới điểm ảnh đang xét.
XỬ LÝ ĐIỂM
 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 11 (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
 Ví dụ: Hàm biến đổi đồng nhất các điểm ảnh

s=T(r)
Sáng
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
 Ví dụ: Hàm tăng cường độ tương phản của ảnh

s=T(r)
 Hàm tăng độ tương phản T(r).
Sáng
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
NÂNG CAO ĐỘ TƯƠNG PHẢN

TĂNG ĐỘ TƯƠNG PHẢN
 Ví dụ: Hàm tăng cường độ tương phản của ảnh

s=T(r)
 Hàm tăng độ tương phản T(r).
Sáng
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
 Ví dụ: Hàm phân ngưỡng

s=T(r)
 Hàm phân ngưỡng T(r) cho
Sáng
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
m được quy về màu 8

Tối Sáng
XỬ LÝ MẶT NẠ/BỘ LỌC
 Đối với những lân cận lớn hơn 11 việc xử lý điểm ảnh
phức tạp hơn nhiều.
 Một lân cận có kích thước lớn hơn 11 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
 Ba loại hàm cơ bản

Âm bản thường sử dụng để tăng
Căn bậc n cường ảnh.
– Phép biến đổi âm bản và
Log
đồng nhất.
Lũy thừa bậc n
– Phép biến đổi logarit (log
và log ngược)
– Phép biến đổi lũy thừa
Đồng nhất
(lũy thừa bậc n và căn
Log ngƣợc
bậc n)
Cấp xám đầu vào, r 11

PHỦ ĐỊNH ẢNH -
PHÉP BIẾN ĐỔI ÂM 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

3L/4
Hình bên mô tả phép biến

đổi âm bản. L/2 Âm bản
L/4

1
0 L/4 L/2 3L/4 2 L-1
 Hình dưới mô tả ảnh gốc và ảnh phủ định bằng cách sử

dụng phép biến đổi âm bản
1
3
157
ẢNH ÂM BẢN (NEGATIVE IMAGE)

v
L
Tnegative
Tnegative v = L - u
L u
Tnegative
 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
[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
 Dạng chung của phép biến đổi Log là:

s = c  log(1 + r)
c là hằng số L-1

r0
3L/4
Log
Hình bên mô tả phép biến đổi
L/2
Log và Log ngược.
L/4 Log ngược
Cấp xám đầu 1vào

6
0 L/4 L/2 3L/4 L-1
Phép biến đổi Log ánh xạ một L-1

khoảng hẹp các giá trị cấp xám
thấp trong ảnh đầu vào thành 3L/4 Log
một khoảng rộng hơn các giá trị
cấp xám của ảnh đầu ra.
L/2
Ngược lại nó ánh xạ một
khoảng rộng các giá trị cấp xám
cao trong ảnh đầu vào thành một L/4
khoảng hẹp hơn các giá trị cấp

xám của ảnh đầu ra.
0 L/4 L/2 3L/4 1 L-1
7
PHÉP BIẾN ĐỔI LOG NGƯỢC
 Đối ngẫu với phép biến đổi Log

L-1
Phép biến đổi Log ngược ánh

xạ một khoảng rộng các giá trị
cấp xám thấp trong ảnh đầu vào 3L/4
thành một khoảng rộng hơn các

giá trị cấp xám của ảnh đầu ra. L/2
Ngược lại nó ánh xạ một

khoảng hẹp các giá trị cấp xám L/4 Log ngược
cao trong ảnh đầu vào thành một
khoảng hẹp hơn các giá trị cấp Cấp xám đầu vào
xám của ảnh đầu ra. 0 L/4 L/2 3L/4 1 L-1

8
Hình dưới là phổ Fourier và phép biến đổi log của với c = 1
s = log (1 + r)
19
[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
 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
 Dạng chung của phép biến đổi lũy thừa là:

s = cr
– c,  là những hằng số dương.
•Hình bên chỉ ra các cung tương

ứng của phép biến đổi lũy thừa với
 từ nhỏ đến lớn và c = 1.
• Khi c =  = 1  Phép đồng nhất.
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
a b
c d
(a) Ảnh chụp từ trên

cao một vùng đất.
(b-d) Kết quả sau khi áp
dụng phép biến đổi theo
phương trình s = cr với
c = 1 và
-  = 3.0,
-  = 4.0,
-  = 5.0.
24
[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
[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
4.2.2 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
* 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
điểm
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:
Với các độ dốc α , β , γ

xác định độ tương phản
tương đối, L là số mức
xám tối đa của ảnh.
4.2. Các kỹ thuật tăng cƣờng ảnh sử dụng toán tử
điểm
4.2.2 Tăng độ tƣơng phản
 α = β = γ= 1 : Ảnh kết quả trùng với ảnh gốc.
 α , β , γ > 1 : Giãn độ tương phản
 α , β , γ < 1 : Co độ tương phản
vb
va
u
a b L
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].
v Lược đồ xám
a b s
 Phân ngưỡng (Thresholding)

 Là trường hợp đặc biệt của tách nhiễu khi
a = b = const
Ứng dụng tạo các ảnh nhị phân, in ảnh 2
màu.
 Phân ngưỡng (Thresholding)

4.1.4 Biến đổi âm bản (Digital Negative)
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.
4.2.5 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).
4.2.6 Trích chọn bít (Bit Plane Slicing)
Mục đích là để làm nổi bật các thành phần trên

toàn ảnh bởi việc sử dụng các bit đặc biệt.
Mỗi mức xám s của 1 điểm ảnh được mã hóa

trên B bit, và được biểu diễn:
Trong các bit mã hóa, người ta chia làm 2 loại: Bit
bậc thấp và bit bậc cao. Với bit bậc cao, độ bảo
toàn thông tin cao hơn nhiều so với bit bậc thấp, các
bit bậc thấp thường biểu diễn nhiễu hay nền.
Muốn trích chọn bit thứ n và hiện chúng, ta dùng

biến đổi:
4.4.7 Trừ ảnh
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.
 Kỹ thuật này hay được dùng trong dự báo thời

tiết, trong y học, an ninh…
4.2.7 Trừ ảnh
4.2.7 Trừ ảnh
2.1.1.6 Trừ ảnh
4.2.7 Trừ ảnh
4.2.7 Trừ ảnh
Cho hai ảnh I1, I2 (cùng kích thước, tính chất). Ta

lấy hiệu hai ảnh bằng cách trừ từng toạ độ của I2
cho I1.
Chỉ ra sự khác biệt giữa ảnh I1 và ảnh I2

I(P)=I2(P)-I1(P) P (P là toạ độ)
Ví dụ: Cho 2 ảnh
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, có 4 toán tử cơ bản

– Toán tử cộng +
– Toán tử trừ -
– Toán tử nhân *
– Toán tử chia /
 Toán tử logic, có 4 toán tử cơ bản
– Toán tử phủ định NOT
– Toán tử và AND
– Toán tử hoặc OR
– Toán tử loại trừ XOR 57
4.3. TĂNG CƯỜNG ẢNH SỬ DỤNG 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
Ảnh gốc Mặt nạ AND Kết quả khi áp

dụng toán tử AND
59
VÍ DỤ VỀ TOÁN TỬ OR
Kết quả khi áp

Ảnh gốc Mặt nạ OR
dụng toán tử OR
60
ĐẠO HÀM
 Xem xét đạo hàm trong ngữ cảnh số hóa.

 Tập trung vào đạo hàm một chiều như sau:
Vùng cấp xám không thay đổi (các phân đoạn phẳng).
Tại những vị trí bắt đầu và kết thúc không liên tục (tại bước
lên, bước xuống không liên tục).
61
ĐẠO HÀM
 Có nhiều cách định nghĩa đạo hàm.

 Chúng ta sử dụng tính chất sai phân để định nghĩa đạo
hàm. Nghĩa là đạo hàm bậc nhất đối với hàm một biến
f(x) là sai phân:
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
 Toán tử đạo hàm đẳng hướng là toán tử Laplacian đối với

ảnh f(x, y) được định nghĩa như sau:
 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
 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
 Đạo hàm bậc hai từng phần theo hướng y:
2 f
 f (x, y 1)  f (x, y 1)  2 f (x, y)
y 2
68
 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
 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
 Mặt nạ này bất biến với phép quay 90o.

70
 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

71
 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 (x1, y 1) 
f (x, y  1)  f (x, y 1)]  8 f (x, y) 1 1 1

72
 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  8 f (x, y) [ f (x 1, y 1)  -1 -1 -1

f (x 1, y)  f (x 1, y 1) 
-1 8 -1
f (x 1, y  1)  f (x 1, y) 
f (x 1, y 1)  f (x, y  1)  f (x, y 1)] -1 -1 -1

73
TĂNG CƯỜNG ẢNH VỚI TOÁN TỬ
LAPLACIAN
 Nếu toán tử Laplacian có hệ số tâm mặt nạ âm thì chúng

ta trừ ảnh gốc cho đại lượng ảnh thu được thông qua việc
áp dụng toán tử Laplacian (f*L), ngược lại ta cộng với đại
lượng đó.
 f (x, y)   2 f (x, y) Nếu hệ số tâm mặt nạ âm

g(x, y)  
 f (x, y)   2
f (x, y) Nếu hệ số tâm mặt nạ dương
 f (x, y)  f (x, y)  L Nếu hệ số tâm mặt nạ âm

g(x, y)  
 f (x, y)  f (x, y)  L Nếu hệ số tâm mặt nạ dương
74
LAPLACIAN
 Hoặc:
g(x, y)  f (x, y) [ f (x 1, y)  f (x 1,y)

 f (x, y 1)  f (x, y 1)  4 f (x, y)]
Nếu hệ số tâm mặt nạ âm
g(x, y)  f (x, y) [4 f (x, y)  f (x 1, y)

 f (x 1, y)  f (x, y 1)  f (x, y 1)]
Nếu hệ số tâm mặt nạ dương
75
LAPLACIAN
 Để đơn giản người ta thường lấy giá trị tuyệt đối của
phép nhân chập cộng với ảnh gốc.
g f  fL
76
a b
c d
a) Ảnh chụp bề mặt

của mặt trăng
b)Ảnh với bộ lọc
Laplacian
c)Ảnh đã được thay
đổi tỉ lệ
d)Ảnh sau khi công
ảnh gốc với ảnh tạo ra
do toán tử Laplacian
77
LAPLACIAN
 Ta có thể biến đổi công thức theo cách sau:

g(x, y)  f (x, y) [ f (x  1, y)  f (x 1, y)
 f (x, y  1)  f (x, y 1)  4 f (x, y)]
 5 f (x, y) [ f (x  1, y)  f (x 1, y)
 f (x, y  1)  f (x, y 1)]
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 GRADIENTf 
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
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)
Gy  f (x, y 1)  f (x, y)

83
GRADIENT
 Trong vùng 33, sử dụng ký hiệu z5 của

z1 z2 z3
mặt nạ tương ứng với điểm ảnh f(x, y),
điểm z1 của mặt nạ tương ứng với điểm z4 z5 z6
ảnh f(x-1, y-1), ... z7 z8 z9
 Xấp xỉ đơn giản nhất đối với đạo hàm bậc
nhất thỏa mãn điều kiện:
Gx  f (x 1, y)  f (x, y)
Gy  f (x, y 1)  f (x, y)
Gx = (z6 – z5) và Gy = (z8 – z5). 84
GRADIENT
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

02 ImproveQuanlity

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

02 ImproveQuanlity

Uploaded by

Copyright:

Available Formats

Chương 3: CÁC KỸ THUẬT

NÂNG CAO CHẤT LƯỢNG ẢNH

TS. NGUYỄN TƯỜNG THÀNH

Xử lý ảnh– Image proccessing 6/23/2020

Ảnh mức xám Ảnh Màu Ảnh trắng/đen

 Giá trị màu tại mỗi điểm ảnh, vùng ảnh

[205 203 188 181

 Độ phân giải ảnh [128 x 128]

 Thay đổi mức lượng tử

Ảnh gốc 16 mức 12 mức 7 mức

Đặc điểm Ảnh gốc 16 mức 12 mức 7 mức

 2.1. Tổng quan về xử lý ảnh trong không gian

• Miền không gian:

2.1.1 Tín hiệu số và biểu diễn ảnh số

Các tín hiệu liên tục theo thời gian

Hình 3.1 Tín hiệu số rời rạc 3

2.2.1.Toán tử tuyến tính

• Các phép xử lý trong miền không gian tác động

• Quá trình xử lý là quá trình di chuyển mặt nạ lọc theo

Mặt nạ w(-1,-1) w(-1,0) w(-1,1)

w(0,-1) w(0,0) w(0,1)

w(1,-1) w(1,0) w(1,1)

R  w(1,1) f (x 1, y 1)  w(1,0) f (x 1, y)  ...

• Thông thường hệ số w(0, 0) trùng khớp với giá trị f(x, y)

R  w(1,1) f (x 1, y 1)  w(1,0) f (x 1, y)  ...

• Đối với mặt nạ có kích thước mn, với m = 2a+1 và

• Để có được ảnh lọc, chúng ta phải áp dụng công thức ở

f(0,0) f(0,1) f(0,2) f(0,3) f(0,4)

f(4,0) f(4,1) f(4,2) f(4,3) f(4,4) 2

• Cách 1: Giả sử mặt nạ có kích thước nn.

LỌC ĐIỂM ẢNH CÔ LẬP

 2.3.1 Giới thiệu

 Các kỹ thuật không phụ thuộc không gian là các phép

 Biểu đồ tần xuất mức xám

 Giả sử ảnh I có kích thước m × n và số nguyên c. Khi

 Giả sử ảnh I có kích thước m × n, hai số Min, Max và

 Ảnh ban đầu

 Ảnh mới sau khi thực hiện bó cụm với bunch_size=3

 Tìm ra ngưỡng θ một cách tự động dựa vào histogram

 Xây dựng hàm f:g f(g) sao cho 𝑓 𝑔 =

 Lập bảng tính toán các giá trị

 Ngưỡng cần tách là θ=1 ứng với f(θ)=1.66

Ảnh ban đầu

 Một ảnh có độ tương phản thấp

 Ảnh ban đầu

 Ảnh sau khi áp dụng giải thuật Contrast stretching

 Biết histogram của ảnh gốc, biết hàm biến đổi

• Cho ảnh sau I, hãy tính lược đồ xám của ảnh I.

• Lược đồ xám là một trong những đặc trưng cơ bản được

 Ảnh đầu vào có thể:

 Chúng ta phải xử lý để ảnh đầu ra rõ hơn, có nhiều thông

• Vào: Ảnh I có L cấp xám, k=0, 1, ..., L-1. Số điểm ảnh

sk  round (L 1)T (k) k = 0, 1, 2, ..., L-1.

Số lượng điểm ảnh

Cho ảnh đầu vào I có 10 cấp xám. 6

2 3 3 2 Số lượng điểm ảnh

Số lượng điểm ảnh

T(k) 5/25 8/25 16/25 24/25 25/25 25/25 25/25 25/25

1.4 2.24 4.48 6.72

Số lượng điểm ảnh

• Giãn độ tương phản

• Các ảnh có độ tương phản thấp có thể do cường độ ánh

• Vị trí của điểm (r1, s1), L-1