Luận văn Một số tính chất nội suy ảnh số sử dụng phép toán hình thái và ứng dụng phép lọc hình thái học để nâng cao chất lượng ảnh tài liệu kém chất lượng

HỌC ĐỂ NÂNG CAO CHẤT LƯỢNG ẢNH TÀI LIỆU KÉM CHẤT LƯỢNG Chuyên ngành: Khoa học máy tính Mã số: 8.48 01 01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS. TS. NGÔ QUỐC TẠO THÁI NGUYÊN- 2020 i LỜI CAM ĐOAN Tên tôi là: Vũ Hoàng Nam Sinh ngày: 08/12/1990 Học viên lớp CHK17A - Trường Đại học Công nghệ thông tin và truyền thông - Đại học Thái Nguyên. Hiện đang công tác tại Trung tâm Giáo dục quốc phòng và an ninh - Đại học Thái Nguyên. Tác giả xin cam đoan những kết quả nghiên cứu được trình bày trong luận văn“Một số tính chất nội suy ảnh số sử dụng phép toán hình thái và ứng dụng phép lọc hình thái học để nâng cao chất lượng ảnh tài liệu kém chất lượng”do PGS.TS Ngô Quốc Tạo hướng dẫn là hoàn toàn trung thực của tác giả, không vi phạm bất cứ điều gì trong luật sở hữu trí tuệ và pháp luật Việt Nam. Nếu sai, tác giả hoàn toàn chịu trách nhiệm trước pháp luật. Tác giả luận văn Vũ Hoàng Nam ii LỜI CẢM ƠN Em xin gửi lời cảm ơn chân thành, sự biết ơn sâu sắc tới PGS. TS Ngô Quốc Tạo - người đã trực tiếp hướng dẫn và định hướng giúp em có thể nhanh chóng tiếp cận, nắm bắt kiến thức và hoàn thành luận văn. Em xin gửi lời cảm ơn tới các thầy cô giáo trường Đại học Công nghệ thông tin và truyền thông - Đại học Thái Nguyên, đã giảng dạy và chỉ bảo em hai năm học vừa qua. Qua đây, tác giả cũng xin gửi lời cảm ơn đến những người thân trong gia đình, bạn bè, đồng nghiệp đã động viên và tạo mọi điều kiện giúp tác giả hoàn thành nhiệm vụ học tập. Thái Nguyên, ngày 25 tháng 8 năm 2020 Học viên Vũ Hoàng Nam iii MỤC LỤC LỜI CAM ĐOAN .............................................................................................. i LỜI CẢM ƠN ................................................................................................... ii MỤC LỤC ........................................................................................................ iii DANH MỤC KÍ HIỆU, CÁC CHỮ VIẾT TẮT .............................................. v DANH MỤC CÁC HÌNH ................................................................................ vi LỜI MỞ ĐẦU .................................................................................................. 1 CHƯƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ PHÉP TOÁN HÌNH THÁI ................................................................................................................. 3 1.1. Xử lý ảnh .................................................................................................... 3 1.2. Quá trình xử lý ảnh .................................................................................... 4 1.3. Các vấn đề cơ bản trong xử lý ảnh ............................................................. 4 1.3.1. Một số khái niệm cơ bản ......................................................................... 4 1.3.2. Nắn chỉnh biến dạng................................................................................ 5 1.3.3. Khử nhiễu ................................................................................................ 6 1.3.4. Chỉnh mức xám ....................................................................................... 7 1.3.5. Trích chọn đặc điểm ................................................................................ 7 1.3.6. Nhận dạng ............................................................................................... 8 1.3.7. Nén ảnh ................................................................................................... 9 1.4. Thu nhận và biểu diễn ảnh ....................................................................... 10 1.4.1. Thu nhận, các thiết bị thu nhận ảnh ...................................................... 10 1.4.2. Biểu diễn ảnh ......................................................................................... 10 1.5. Một số phương pháp nâng cao chất lượng ảnh ........................................ 10 1.6. Các khái niệm về phép toán hình thái Morphology ................................. 11 CHƯƠNG 2: MỘT SỐ TÍNH CHẤT NỘI SUY CỦA PHÉP TOÁN HÌNH THÁI HỌC ......................................................................................... 13 2.1. Các phép toán hình thái học ..................................................................... 13 iv 2.1.1. Các phép toán hình thái học trên ảnh nhị phân ..................................... 13 2.1.2. Các phép toán hình thái học trên ảnh xám ............................................ 16 2.1.3. Các phép toán hình thái học trên ảnh màu ............................................ 22 2.1.3.1. Hình thái học dựa trên biểu đồ đồng bằng ......................................... 22 2.1.3.2. Hình thái học dựa trên biểu đồ làm mịn............................................. 24 2.1.3.3. Hình thái học cho một loại hình ảnh tương tự ................................... 26 2.2. Các tính chất nội suy của phép toán hình thái học ................................... 26 2.3. Các phép lọc hình thái học ứng dụng cho ảnh OCR ................................ 28 2.3.1. Mô hình ảnh tài liệu kém chất lượng .................................................... 28 2.3.2. Lọc hình thái học ................................................................................... 30 2.3.2.1. Toán tử hình thái trên không gian đồ thị ............................................ 30 2.3.2.2. Toán tử hình thái trên các phức hợp đơn giản ................................... 31 2.3.2.3. Bộ lọc đóng và mở khu vực hình thái ................................................ 35 CHƯƠNG 3: THỬ NGHIỆM PHÉP LỌC HÌNH THÁI HỌC ỨNGDỤNG CHO ẢNH TÀI LIỆU KÉM CHẤT LƯỢNG ..................... 37 3.1. Thiết kế mô hình thử nghiệm ................................................................... 37 3.2. Phép toán hình thái cơ bản ....................................................................... 37 3.3. Loại bỏ nhiễu để làm rõ đối tượng ........................................................... 38 3.4. Làm rõ điểm bất thường ........................................................................... 40 3.5. Kết hợp các phép toán hình thái để khử nhiễu ảnh .................................. 41 KẾT LUẬN .................................................................................................... 45 TÀI LIỆU THAM KHẢO ............................................................................ 46 PHỤ LỤC ....................................................................................................... 47 v DANH MỤC KÍ HIỆU, CÁC CHỮ VIẾT TẮT Chữ viết tắt Ý nghĩa, dạng viết đầy đủ OCR Nhận dạng ký tự quang học (Optical Character Recognition). MSE sai số toàn phương trung bình (Mean squared error) PSNR Tỉ số tín hiệu cực đại trên nhiễu (peak signal-to-noise ratio) vi DANH MỤC CÁC HÌNH Hình 1.1. Sơ đồ quá trình xử lý ảnh .................................................................. 4 Hình 1.2. Ảnh thu nhận và ảnh mong muốn ..................................................... 5 Hình 3.1. Minh họa các phép toán hình thái cơ bản ....................................... 38 Hình 3.2. Làm rõ đối tượng tiền cảnh ............................................................. 39 Hình 3.3. Làm rõ điểm bất thường .................................................................. 41 Hình 3.4. Khử nhiễu ảnh ................................................................................. 42 Hình 3.5. Khử nhiễu ảnh OCR ........................................................................ 43 1 LỜI MỞ ĐẦU 1. Đặt vấn đề Hình ảnh trong cuộc sống hiện tại là một dạng dữ liệu đóng vai trò quan trọng trong việc lưu giữ, xử lý và trao đổi thông tin. Với thời đại 4.0 nhu cầu lưu trữ và xử lý các tài liệu, văn bản, bản vẽ kỹ thuật, dưới dạng hình ảnh scan hoặc dưới dạng ảnh là nhu cầu cần thiết. Tuy nhiên, các hình ảnh scan hoặc chụp thu được bởi nhiều lý do có thể bị nhiễu, mờ nhòe, đứt nét và không được rõ ràng dẫn đến việc thu nhận thông tin và xử lý gặp nhiều khó khăn. Vì vậy việc khắc phục những nhược điểm của hình ảnh thu nhận được là việc làm rất cấp thiết. Trên thế giới cũng như tại Việt Nam đã có rất nhiều các kỹ thuật được đưa ra, trong đó có xử lý ảnh. Các phép toán hình thái trên ảnh cung cấp cho chúng ta những mô tả định lượng về cấu trúc và hình dạng hình học của các đối tượng trong ảnh và nó đang được ứng dụng rộng rãi trong việc nâng cao chất lượng ảnh, phân đoạn ảnh, kiểm tra khuyết điểm trên ảnh, Trong luận văn này tác giả sẽ nghiên cứu: “Một số tính chất nội suy ảnh số sử dụng phép toán hình thái và ứng dụng phép lọc hình thái học để nâng cao chất lượng ảnh tài liệu kém chất lượng”. 2. Đối tượng và phạm vi nghiên cứu Luận văn tập trung khảo sát các đối tượng liên quan đến các phép toán hình thái: - Lý thuyết cơ bản về xử lý ảnh; - Các phép toán hình thái. - Tính chất nội suy của phép toán hình thái. 3. Hướng nghiên cứu của đề tài - Nghiên cứu lý thuyết liên quan đến đề tài: Quá trình xử lý ảnh, các vấn đề cơ bản trong xử lý ảnh, phép toán hình thái, tính chất nội suy của phép toán hình thái. 2 - Cài đặt thử nghiệm phép toán hình thái học ứng dụng cho ảnh tài liệu kém chất lượng. 4. Cấu trúc của luận văn và những nội dung nghiên cứu chính Cấu trúc của luận văn gồm: - Phần mở đầu. - Chương 1, 2 và 3. - Phần kết luận và đề nghị. - Tài liệu tham khảo. - Phụ lục Nội dung chính của luận văn: Chương 1: Tổng quan về xử lý ảnh và phép toán hình thái: Tại chương này tác giả nghiêm cứu về khái niệm xử lý ảnh, quá trình xử lý ảnh và các khái niệm về phép toán hình thái Morphology. Chương 2: Một số tính chất nội suy của phép toán hình thái học: Chương này tác giả sẽ trình bày các phép toán hình thái học trên ảnh xám, ảnh màu và các tính chất nội suy của phép toán hình thái học. Tiếp theo đó sẽ trình bày các phép lọc hình thái học cho ảnh OCR. Chương 3: Chương trình thử nghiệm phép lọc hình thái học ứng dụng cho ảnh tài liệu kém chất lượng: Chương này trình bày sơ đồ chương trình, thử nghiệm phép lọc hình thái và đánh giá MSE cũng như đánh giá PSNR. 5. Phương pháp nghiên cứu Trong luận văn học viên sử dụng các phương pháp nghiên cứu chính sau: - Nghiên cứu lý thuyết: Tổng hợp tài liệu, hệ thống lại các kiến thức, tìm hiểu các khái niệm, thuật toán sử dụng trong đề tài. - Lấy ý kiến chuyên gia. - Lập trình thử nghiệm. 3 CHƯƠNG 1 TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ PHÉP TOÁN HÌNH THÁI Chương này trình bày về khái niệm xử lý ảnh, quá trình xử lý ảnh và các khái niệm về phép toán hình thái Morphology. 1.1. Xử lý ảnh Con người thu nhận thông tin qua các giác quan, trong đó thị giác đóng vai trò quan trọng nhất. Những năm trở lại đây với sự phát triển của phần cứng máy tính, xử lý ảnh và đồ hoạ đã phát triển một cách mạnh mẽ và có nhiều ứng dụng trong cuộc sống. Xử lý ảnh và đồ hoạ đóng một vai trò quan trọng trong tương tác người máy. Quá trình xử lý ảnh được xem như là quá trình thao tác ảnh đầu vào nhằm cho ra kết quả mong muốn. Kết quả đầu ra của một quá trình xử lý ảnh có thể là một ảnh “tốt hơn” hoặc một kết luận nào đó. Cũng như xử lý dữ liệu bằng đồ hoạ, xử lý ảnh số là một lĩnh vực của tin học ứng dụng. Xử lý dữ liệu bằng đồ họa đề cập đến những ảnh nhân tạo, các ảnh này được xem xét như là một cấu trúc dữ liệu và được tạo ra bởi các chương trình. Xử lý ảnh số bao gồm các phương pháp và kĩ thuật để biến đổi, để truyền tải hoặc mã hóa các ảnh tự nhiên. Mục đích của xử lý ảnh gồm: - Thứ nhất, biến đổi ảnh và làm đẹp ảnh. - Thứ hai, tự động nhận dạng ảnh hay đoán ảnh và đánh giá các nội dung của ảnh. Nhận biết và đánh giá các nội dung của ảnh (nhận dạng) là sự phân tích một hình ảnh thành những phần có nghĩa để phân biệt đối tượng này với đối tượng khác. Dựa vào đó ta có thể mô tả cấu trúc của hình ảnh ban đầu. Có thể liệt kê một số phương pháp nhận dạng cơ bản như nhận dạng biên của một đối tượng trên ảnh, tách cạnh, phân đoạn hình ảnh, v.v... Kĩ thuật này được dùng nhiều trong y học (xử lý tế bào, nhiễm sắc thể) và nhận dạng chữ viết trong văn bản. 4 1.2. Quá trình xử lý ảnh Ảnh có thể xem là tập hợp các điểm ảnh và mỗi điểm ảnh được xem như là đặc trưng cường độ sáng hay một dấu hiệu nào đó tại một vị trí nào đó của đối tượng trong không gian và nó có thể xem như một hàm n biến P(c1, c2,..., cn). Do đó, ảnh trong xử lý ảnh có thể xem như ảnh n chiều. Sơ đồ tổng quát của một hệ thống xử lý ảnh: Hệ quyết định Thu nhận ảnh (Scaner, Trích chọn Đổi sánh rút Camera, Tiền xử lý đặc điểm Hậu xử lý ra kết luận Sénor) Lưu trữ Hình 1.1. Sơ đồ quá trình xử lý ảnh 1.3. Các vấn đề cơ bản trong xử lý ảnh 1.3.1. Một số khái niệm cơ bản Điểm ảnh (pixel – viết tắt là px) là đơn vị nhỏ nhất tạo nên hình ảnh, thường mang một màu duy nhất (kết quả của sự pha trộn các màu cơ bản giữa các kênh màu). Để thông số điểm ảnh có ý nghĩa, người ta phải qui về một đơn vị kích thước nhất định, như inch hay cm/mm để tính và điểm ảnh thường được diễn đạt theo số lượng điểm trên một inch/cm chiều dài. Các điểm ảnh được tạo thành từ sự tổ hợp 3 màu chính R (red), G (green), B (blue). Cùng một giá trị có thể hiển thị khác nhau trên các thiết bị khác nhau. Màu 16 bit: mỗi màu được mã hóa bằng 5 bit hay thêm một bit còn lại cho mau xanh lá cây. Màu 24 bit: mỗi kênh màu được mã hóa bằng 1 byte (8 bit) có giá trị nằm trong đoạn [0-255] mã hóa được 255 * 255 * 255 = 16,581,375 màu hay gọi là 16 triệu màu. 5 Màu 32 bit: tương tự như màu 24 bit, nhưngở đây có 8 bit dư không sử dụng (ngoại trừ khả năng sử dụng như kênh alpha). Có vận tốc cao hơn mà phần lớn các phần cứng ngày nay có thể truy cập theo các địa chỉ byte của cấp số 2. Màu 48 bit: tương tự màu 16 bit nhưng mỗi thành phần được mã hóa bởi 16 bit màu, điều này làm cho mỗi màu có khả năng biểu thị 65.535 sắc thái thay vì chỉ có 255. Được sử dụng trong chỉnh sửa ảnh chuyên nghiệp do có độ chính xác cao hơn. Màu RGBA: với việc xuất hiện nhu cầu ghép ảnh, việc thêm vào 8 bit dư cho độ trong suốt tạo thành màu 32 bit với một kênh mới là Alpha, biểu diễn độ trong suốt của điểm ảnh Ảnh xám hay còn gọi là ảnh đơn sắc (monochromatic). Mức xám của ảnh là kết quả của sự biến đổi tương ứng 1 giá trị độ sáng của 1 điểm ảnh với 1 giá trị nguyên dương. Thông thường nó xác định trong [0, 255] tuỳ thuộc vào giá trị mà mỗi điểm ảnh được biểu diễn. Các thang giá trị mức xám thông thường: 16, 32, 64, 128, 256 (mức 256 là mức phổ dụng). Ảnh nhị phân là ảnh số, trong đó mỗi điểm ảnh được biểu diễn bởi giá trị là 0 (trắng) hoặc 1 (đen). Ảnh nhị phân được tạo ra bằng cách biến đổi ảnh xám dựa vào một ngưỡng xác định. 1.3.2. Nắn chỉnh biến dạng Ảnh thu nhận thường bị biến dạng do các thiết bị quang học và điện tử. Hình 1.2. Ảnh thu nhận và ảnh mong muốn Để khắc phục người ta sử dụng các phép chiếu, các phép chiếu thường được xây dựng trên tập các điểm điều khiển. 6 Giả sử (Pi, Pi’) i = 1,.., n: có n các tập điều khiển Tìm hàm f: Pi f (Pi) sao cho 푛 2 ∑ |푓(푃푖) − 푃푖′| → 푚푖푛 푖=1 Giả sử ảnh I bị biến đổi thông qua các phép biến đổi: Tịnh tiến, quay, tỷ lệ, biến dạng bậc nhất tuyến tính. Khi đó hàm f có dạng: f (x, y) = (a1x + b1y + c1, a2x + b2y + c2) Ta có: 푛 푛 2 ′ 2 ′ 2 휑 = ∑( 푓(푃푖) − 푃푖′) = ∑[( 푎1푥푖 + 푏1푦푖 + 푐1 − 푥푖) + (푎2푥푖 + 푏2푦푖 + 푐2 − 푦푖) ] 푖=1 푖=1 Để cho φ → min Giải hệ phương trình tuyến tính tìm được a1, b1, c1 Tương tự tìm được a2, b2, c2 Từ đó, ta xác định được hàm f [1]. 1.3.3. Khử nhiễu Có 2 loại nhiễu cơ bản trong quá trình thu nhận ảnh • Nhiều hệ thống: là nhiễu có quy luật có thể khử bằng các phép biến đổi. • Nhiễu ngẫu nhiên: vết bẩn không rõ nguyên nhân, có thể khắc phục bằng các phép lọc. 7 1.3.4. Chỉnh mức xám Nhằm khắc phục tính không đồng đều của hệ thống gây ra. Thông thường có 2 hướng tiếp cận: • Giảm số mức xám: Thực hiện bằng cách nhóm các mức xám gần nhau thành một bó. Trường hợp chỉ có 2 mức xám thì chính là chuyển về ảnh đen trắng, ứng dụng: in ảnh màu ra máy in đen trắng. • Tăng số mức xám: Thực hiện nội suy ra các mức xám trung gian bằng kỹ thuật nội suy. Kỹ thuật này nhằm tăng cường độ mịn cho ảnh 1.3.5. Trích chọn đặc điểm Các đặc điểm của đối tượng được trích chọn tuỳ theo mục đích nhận dạng trong quá trình xử lý ảnh. Có thể nêu ra một số đặc điểm của ảnh sau đây: Đặc điểm không gian: Phân bố mức xám, phân bố xác suất, biên độ, điểm uốn v.v.. Đặc điểm biến đổi: Các đặc điểm loại này được trích chọn bằng việc thực hiện lọc vùng (zonal filtering). Các bộ vùng được gọi là “mặt nạ đặc 10 điểm” (feature mask) thường là các khe hẹp với hình dạng khác nhau (chữ nhật, tam giác, cung tròn v.v..). Đặc điểm biên và đường biên: Là đặc trưng cho đường biên của đối tượng và do vậy rất hữu ích trong việc trích trọn các thuộc tính bất biến được dùng khi nhận dạng đối tượng. Các đặc điểm này có thể được trích chọn nhờ toán tử gradient, toán tử la bàn, toán tử Laplace, toán tử “chéo không” (zero crossing) v.v.. Việc trích chọn hiệu quả các đặc điểm giúp cho việc nhận dạng các đối tượng ảnh chính xác, với tốc độ tính toán cao và dung lượng nhớ lưu trữ giảm xuống. 8 1.3.6. Nhận dạng Nhận dạng tự động (automatic recognition), mô tả đối tượng, phân loại và phân nhóm các mẫu là những vấn đề quan trọng trong thị giác máy, được ứng dụng trong nhiều ngành khoa học khác nhau. Tuy nhiên, một câu hỏi đặt ra là: mẫu (pattern) là gì? Watanabe, một trong những người đi đầu trong lĩnh vực này đã định nghĩa: “Ngược lại với hỗn loạn (chaos), mẫu là một thực thể (entity), được xác định một cách mơ hồ (vaguely defined) và có thể gán cho nó một tên gọi nào đó”. Ví dụ mẫu có thể là ảnh của vân tay, ảnh của một vật nào đó được chụp, một chữ viết, khuôn mặt người hoặc một ký đồ tín hiệu tiếng nói. Khi biết một mẫu nào đó, để nhận dạng hoặc phân loại mẫu đó có thể: Hoặc phân loại có mẫu (supervised classification), chẳng hạn phân tích phân biệt (discriminant analyis), trong đó mẫu đầu vào được định danh như một thành phần của một lớp đã xác định. Hoặc phân loại không có mẫu (unsupervised classification hay clustering) trong đó các mẫu được gán vào các lớp khác nhau dựa trên một tiêu chuẩn đồng dạng nào đó. Các lớp này cho đến thời điểm phân loại vẫn chưa biết hay chưa được định danh. Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau đây: 1. Thu nhận dữ liệu và tiền xử lý. 2. Biểu diễn dữ liệu. 3. Nhận dạng, ra quyết định. Bốn cách tiếp cận khác nhau trong lý thuyết nhận dạng là: 1. Đối sánh mẫu dựa trên các đặc trưng được trích chọn. 2. Phân loại thống kê. 3. Đối sánh cấu trúc. 4. Phân loại dựa trên mạng nơ-ron nhân tạo. Trong các ứng dụng rõ ràng là không thể chỉ dùng có một cách tiếp cận đơn lẻ để phân loại “tối ưu” do vậy cần sử dụng cùng một lúc nhiều phương 9 pháp và cách tiếp cận khác nhau. Do vậy, các phương thức phân loại tổ hợp hay được sử dụng khi nhận dạng và nay đã có những kết quả có triển vọng dựa trên thiết kế các hệ thống lai (hybrid system) bao gồm nhiều mô hình kết hợp. Việc giải quyết bài toán nhận dạng trong những ứng dụng mới, nảy sinh trong cuộc sống không chỉ tạo ra những thách thức về thuật giải, mà còn đặt ra những yêu cầu về tốc độ tính toán. Đặc điểm chung của tất cả những ứng dụng đó là những đặc điểm đặc trưng cần thiết thường là nhiều, không thể do chuyên gia đề xuất, mà phải được trích chọn dựa trên các thủ tục phân tích dữ liệu. 1.3.7. Nén ảnh Nhằm giảm thiểu không gian lưu trữ. Thường được tiến hành theo cả hai cách khuynh hướng là nén có bảo toàn và không bảo toàn thông tin. Nén không bảo toàn thì thường có khả năng nén cao hơn nhưng khả năng phục hồi thì kém hơn. Trên cơ sở hai khuynh hướng, có 4 cách tiếp cận cơ bản trong nén ảnh: - Nén ảnh thống kê: Kỹ thuật nén này dựa vào việc thống kê tần xuất xuất hiện của giá trị các điểm ảnh, trên cơ sở đó mà có chiến lược mã hóa thích hợp. Một ví dụ điển hình cho kỹ thuật mã hóa này là *.TIF - Nén ảnh không gian: Kỹ thuật này dựa vào vị trí không gian của các điểm ảnh để tiến hành mã hóa. Kỹ thuật lợi dụng sự giống nhau của các điểm ảnh trong các vùng gần nhau. Ví dụ cho kỹ thuật này là mã nén *.PCX - Nén ảnh sử dụng phép biến đổi: Đây là kỹ thuật tiếp cận theo hướng nén không bảo toàn và do vậy, kỹ thuật thướng nến hiệu quả hơn. *.JPG chính là tiếp cận theo kỹ thuật nén này. - Nén ảnh Fractal: Sử dụng tính chất Fractal của các đối tượng ảnh, thể hiện sự lặp lại của các chi tiết. Kỹ thuật nén sẽ tính toán để chỉ cần lưu trữ phần gốc ảnh và quy luật sinh ra ảnh theo nguyên lý Fractal. 10 1.4. Thu nhận và biểu diễn ảnh 1.4.1. Thu nhận, các thiết bị thu nhận ảnh Các thiết bị thu nhận ảnh bao gồm camera, scanner các thiết bị thu nhận này có thể cho ảnh đen trắng. Các thiết bị thu nhận ảnh có 2 loại chính ứng với 2 loại ảnh thông dụng là Raster và Vector. Các thiết bị thu nhận ảnh thông thường Raster là camera các thiết bị thu nhận ảnh thông thường Vector là sensor hoặc bàn số hoá Digitalizer hoặc được chuyển đổi từ ảnh Raster. Nhìn chung các hệ thống thu nhận ảnh thực hiện quá trình hai bước: Cảm biến: biến đổi năng lượng quang học thành năng lượng điện; Tổng hợp năng lượng điện thành ảnh. 1.4.2. Biểu diễn ảnh Ảnh trên máy tính là kết quả thu nhận theo các phương pháp số hoá được nhúng trong các thiết bị kỹ thuật khác nhau. Quá trình lưu trữ ảnh nhằm hai mục đích là tiết kiệm bộ nhớ và giảm thời gian xử lý. Việc lưu trữ thông tin trong bộ nhớ có ảnh hưởng rất lớn đến việc hiển thị, in ấn và xử lý ảnh được xem như là một tập hợp các điểm với cùng kích thước nếu sử dụng càng nhiều điểm ảnh thì bức ảnh càng đẹp, càng mịn và càng thể hiện rõ hơn chi tiết của ảnh người ta gọi đặc điểm này là độ phân giải. Việc lựa chọn độ phân giải thích hợp tuỳ thuộc vào nhu cầu sử dụng và đặc trưng của mỗi ảnh cụ thể, trên cơ sở đó các ảnh thường được biểu diễn theo hai mô hình cơ bản là mô hình Raster và mô hình Vector. 1.5. Một số phương pháp nâng cao chất lượng ảnh Nâng cao chất lượng ảnh bao gồm một loạt các phương pháp nhằm hoàn thiện trạng thái quan sát của ảnh. Nhiệm vụ của thao tác này không phải là làm tăng lượng thông tin vốn có trong ảnh mà làm nổi bật các đặc trưng mong muốn 11 sao cho có thể phát hiện tốt hơn, tạo thành quá trình tiền xử lý cho phân tích ảnh [1] Có nhiều phương pháp khác nhau trong nâng cao chất lượng ảnh như: - Các phương pháp trên điểm: Biến đổi tuyến tính từng đoạn, biến đổi logarithm, biến đổi âm bản. Phương pháp này thích hợp cho việc tăng cường các chi tiết của ảnh. - Cân bằng, biến đổi biểu đồ Histogram: biểu đồ Histogram của một ảnh là biểu đồ mô tả sự phân bố của các giá trị mức xám của các điểm ảnh (Pixel) trong một bức ảnh hoặc một vùng ảnh (Region). Dựa vào biều đồ Histogram có thể biết được hình ảnh sáng tối như thế nào. Cân bằng Histogram (Histogram equalization) là phương pháp làm cho biểu đồ Histogram của ảnh được phân bố một cách đồng đều. Đây là một cách giúp nâng cao chất lượng hình ảnh. - Các phép toán trên miền không gian: Lọc nhiễu, bù nghiêng, giảm mờ.Có nhiều thuật toán nâng cao chất lượng ảnh thuộc nhóm này như: Giảm nhiễu (nhiễu Gauss,nhiễu muối tiêu, nhiễu lốm đốm), lọc mờ (thuật toán Lucy- Richardson, thuật toán Blind Deconvolution, lọc Wiener), bù nghiêng (dùng biếnđổi Hough, dùng phương pháp láng giềng gần nhất, sử dụng chiếunghiêng). Trong đề tài luận văn này, chúng tôi sử dụng các phép toán hình thái trong nâng cao chất lượng ảnh. Chi tiết về các kỹ thuật liên quan sẽ được trình bày ở phần sau. 1.6. Các khái niệm về phép toán hình thái Morphology Hiểu một cách đầy đủ thì ”Morphology” là hình thái và cấu trúc của đối tượng, hay, nó diễn tả những phạm vi và các mối quan hệ giữa các phần của một đối tượng. Hình thái học quá quen thuộc trong các lĩnh vực ngôn ngữ học và sinh học. Trong ngôn ngữ học, hình thái học là sự nghiên cứu về cấu trúc của từ, tập hợp từ,câu...và đó cũng là một lĩnh vực nghiên cứu từ nhiều năm nay. Còn trong sinh học,hình thái học lại chú trọng tới hình dạng của một cá thể hơn, chẳng hạn có thể phân tích hình dạng của một chiếc lá để từ đó có thể 12 nhận dạng được loại cây đó là cây gì; nghiên cứu hình dạng của một nhóm vi khuẩn, dựa trên các đặc điểm nhận dạng để phân biệt chúng thuộc nhóm vi khuẩn nào, v.v... Tuỳ theo trường hợp cụ thể mà có một cách phân lớp phù hợp với nó:Có thể phân lớp dựa trên những hình dạng bao quanh như (elip, tròn,...), kiểu và mức độ của những hình dạng bất quy tắc (lồi, lõm,...), những cấu trúc trong (lỗ, đường thẳng, đường cong,...) mà đã được tích luỹ qua nhiều năm quan sát. Tính khoa học của Hình thái học số chỉ mới thực sự phát huy khả năng của nó kể từ khi máy tính điện tử số ra đời và đã làm cho Hình thái học trở nên thông dụng, có nhiều tính năng mới. Những đối tượng ảnh trong Hình thái học hầu như, ta có thể coi hầu nhưlà tập hợp của các điểm ảnh, nhóm lại theo cấu trúc 2 chiều. Những thao tác toán học cụ thể trên tập hợp điểm đó được sử dụng để làm rõ (tái hiện) những nét đặc trưng của những hình dạng, do vậy mà có thể tính toán được hay nhận biết được chúng một cách dễ dàng. 13 CHƯƠNG 2 MỘT SỐ TÍNH CHẤT NỘI SUY CỦA PHÉP TOÁN HÌNH THÁI HỌC Chương này trình bày về một số tính chất nội suy của phép toán hình thái học trên nhiều cấu trúc ảnh và định dạng ảnh khác nhau, được thực hiện trong điều kiện không gian khác nhau. 2.1. Các phép toán hình thái học 2.1.1. Các phép toán hình thái học trên ảnh nhị phân * Phép giãn nở trên ảnh nhị phân Công thức: 푨 ⊕ 푩 = {풄 | 풄 = 풂 + 풃, 풂 ∈ 푨, 풃 ∈ 푩 (2.1) Trong đó: - A: Là ma trận điểm ảnh của ảnh nhị phân. - B: Là phần tử cấu trúc. Phép giãn nở (Dilation) ảnh sẽ cho ra một tập điểm ảnh c thuộc D(i), bạn hoàn toàn dễ dàng thấy rằng đây là một phép tổng giữa A và B.A sẽ là tập con của D(i). Chú ý: Nhận xét này không hoàn toàn đúng với trường hợp phần tử cấu trúc B không có gốc (Origin) hay nói cách khác là gốc mang giá trị 0. Ví dụ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟏ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟏ ퟎ ퟎ ퟎ ퟎ ퟎ ퟏ ퟏ ퟏ ퟏ ퟏ ퟎ ퟎ ퟏ ퟏ ퟏ ퟏ ퟏ ퟎ ퟎ ퟏ ퟏ ퟏ ퟏ ퟏ ퟏ ퟏ ퟎ 퐈 ퟎ ퟎ ퟏ ퟏ ퟏ ퟏ ퟎ 퐁 = [ ] 퐈 ퟎ ퟎ ퟏ ퟏ ퟏ ퟏ ퟏ 퐬퐫퐜= ퟏ ퟏ 퐝퐬퐭= ퟎ ퟎ ퟏ ퟎ ퟏ ퟎ ퟎ ퟎ ퟏ ퟏ ퟏ ퟏ ퟏ ퟎ ퟎ ퟏ ퟏ ퟏ ퟏ ퟏ ퟎ ퟎ ퟏ ퟏ ퟏ ퟏ ퟏ ퟏ [ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ] [ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ]  Ma trận điểm ảnh Isrc, ma trận điểm ảnh sau phép giãn nở Idst và phần tử cấu trúc B. 14  Ứng với công thức ở trên, ta lần lượt đặt phần tử cấu trúc vào các điểm ảnh có giá trị 1 của ma trận điểm ảnh Isrc. Kết quả thu được là ma trận điểm ảnh Idst. Tính toán  Ta có ở ma trận điểm ảnh Isrc = {(1, 2), (2,1), (2, 2), (2, 3), (2, 4), (2, 5), (3, 2), (3, 3), (3, 4), (3, 5), (4, 2), (4, 4), (5, 1), (5, 2), (5, 3), (5, 4), (5, 5)}.  Ta có ở ma trận phần tử cấu trúc B = {(0,0), (-1, 0), (0, 1)} với (0,0) là điểmgốc.  Áp dụng công thức phép giãn nở ta có: Isrc(0,0) ={(1, 2), (2,1), (2, 2), (2, 3), (2, 4), (2, 5), (3, 2), (3, 3), (3, 4), (3, 5), (4, 2), (4, 4), (5, 1), (5, 2), (5, 3), (5, 4), (5, 5)}.  Isrc(-1,0) ={(0, 2), (1,1), (1, 2), (1, 3), (1, 4), (1, 5), (2, 2), (2, 3), (2, 4), (2, 5), (3, 2), (3, 4), (4, 1), (4, 2), (4, 3), (4, 4), (4, 5)}  Isrc(0, 1) ={(1, 3), (2,2), (2, 3), (2, 4), (2, 5), (2, 6), (3, 3), (3, 4), (3, 5), (3, 6), (4, 3), (4, 5), (5, 3), (5, 3), (5, 4), (5, 5), (5, 6)}  Phép giãn nở của Isrc bởi B là hợp của Isrc(0,0), Isrc(-1,0) và Isrc(0,1) hay là Idst. Với phần tử cấu trúc không có điểm gốc (Origin), cách tính toán cũng tương tự. * Phép co trên ảnh nhị phân Công thức 푨 ⊖ 푩 = {풄 |(푩)c ⊆ A} (2.2) Trong đó:  A: Ma trận điểm ảnh của ảnh nhị phân.  B: Là phần tử cấu trúc. Phép co ảnh sẽ cho ra một tập điểm ảnh c thuộc A, nếu bạn đi chuyển phần tử cấu trúc B theo C, thì B nằm trong đối tượng A. E(i) là một tập con của tập 15 ảnh bị co A. Chú ý: Nhận xét này không hoàn toàn đúng với trường hợp phần tử cấu trúc B không có gốc (Origin) hay nói cách khác là gốc mang giá trị 0. Ví dụ: ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟏ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟏ ퟏ ퟏ ퟏ ퟏ ퟎ ퟎ ퟎ ퟏ ퟎ ퟎ ퟎ ퟎ ퟏ ퟎ 퐈 ퟎ ퟎ ퟏ ퟏ ퟏ ퟏ ퟎ 퐁 = [ ] 퐈 ퟎ ퟎ ퟏ ퟏ ퟏ ퟎ ퟎ 퐬퐫퐜= ퟏ ퟏ 퐝퐬퐭= ퟎ ퟎ ퟏ ퟎ ퟏ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟏ ퟏ ퟏ ퟏ ퟏ ퟎ ퟎ ퟎ ퟏ ퟎ ퟏ ퟎ ퟎ [ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ] [ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ ퟎ]  Ta có ma trận điểm ảnh Isrc, ma trận điểm ảnh sau phép co Idst và cấu trúc phần tử B.  Ứng với công thức ở trên, ta lần lượt đặt phần tử cấu trúc vào các điểm ảnh có giá trị 1 của ma trận điểm ảnh Isrc. Kết quả thu được là ma trận điểm ảnh Idst. Tính toán  Ta có ở ma trận điểm ảnh Isrc = {(1, 2), (2,1), (2, 2), (2, 3), (2, 4), (2, 5), (3, 2), (3, 3), (3, 4), (3, 5), (4, 2), (4, 4), (5, 1), (5, 2), (5, 3), (5, 4), (5, 5)}.  Ta có ở ma trận phần tử cấu trúc B = {(0,0), (-1, 0), (0, 1)} với (0,0) là điểm gốc.  Ở đây, ta không quan tâm tới toàn bộ các điểm đen (mang giá trị 1) ở Isrc, ta chỉ quan tâm tới đến những tọa độ của những điểm đen của Isrc khi mà ta di chuyển phần tử cấu trúc trên đối tượng ảnh Isrc thì gốc của B trùng với một điểm ảnh và các điểm lân cận mang giá trị 1 của phần tử cấu trúc B trùng với điểm đen (Mang giá trị 1) của Isrc theo phần tử cấu trúc B. Ví dụ ở đây ta có 6 điểm đen (Mang giá trị 1) trên Isrc phù hợp với điều kiện trên: Isrc(2, 2), Isrc(3, 2), Isrc(3, 3), Isrc(3, 4), Isrc(5, 2), Isrc(2, 4).  Isrc(2,1) = Isrc(2,2) = 1 & Isrc(1,1) = 0. Vậy nên Isrc(2,1) không thỏa với cấu trúc phần tử. Nên Isrc(2,1) = 0.  Isrc(2,2) = Isrc(1,2) = Isrc(2,3) = 1. Vậy nên Isrc(2,2) thỏa với cấu trúc phần