Bài Giảng Công Nghệ Xử Liý Ảnh Số - Mai Cường Thọ phần 6

Chia sẻ: Dqwdqweferg Vgergerghegh | Ngày: | Loại File: PDF | Số trang:7

Thêm vào BST

Báo xấu

44
lượt xem 4
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Mô hình là mô tả của các đối tượng ba chiều bằng một ngôn ngữ được định nghĩa chặt chẽ hoặc bằng một cấu trúc dữ liệu.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài Giảng Công Nghệ Xử Liý Ảnh Số - Mai Cường Thọ phần 6

36 Bài gi ng X lý nh s 1. Các k thu t tăng cư ng nh s d ng toán t i m - X lý i m nh là 1 trong các phép x lý cơ b n và ơn gi n. Có 2 cách ti p c n trong cách x lý này: + Dùng 1 hàm thích h p (hàm tuy n tính hay hàm phi tuy n) tùy theo m c ích c i thi n nh bi n i giá tr c a i m nh (m c xám, sáng) sang m t giá tr khác (m c xám m i). + D a vào k thu t bi n i lư c xám (Histogram). (i). Tăng tương ph n Trư c tiên c n làm rõ khái ni m tương ph n. nh s là t p h p các i m mà m t ngư i d c m nh n nh m i i m có giá tr sáng khác nhau, ây sáng song không ph i là quy t nh. Th c t ch ra r ng hai i tư ng có cùng sáng nhưng t trên hai n n khác nhau s cho c m nh n khác nhau. Như v y, tương sáng c a i tư ng so v i n n, m t cách nôm na ph n bi u di n s thay i tương ph n là n i c a i m nh hay vùng nh so v i n n. V i khái ni m này, n u tương ph n kém, ta có th thay i tuỳ theo ý mu n. nh c a ta có Hình 5.2. Các hình vuông con cùng 1 m c xám xu t hi n trên các n n khác nhau Nguyên lý: i u ch nh l i biên trên toàn d i hay d i có gi i h n b ng cách bi n i tuy n tính (T là hàm tuy n tính) hay phi tuy n biên u vào. + Cách bi n i tuy n tính: v s≤a  αs  v = β ( s − a ) + v a a
37 Bài gi ng X lý nh s ví d : 10 20 20 30 20 22 30 26 S 23 24 27 26 120 160 170 130 180 190 100 200 gi s ch n: a = 10, b = 30,α = 0.5, β = 8, γ = 0.5 tính ư c: v a = 5, vb = 165 β =8 γ = 0.5 α = 0.5 s 10 20 22 23 24 26 27 30 100 120 130 160 170 180 190 200 v 5 85 101 109 117 133 141 165 200 210 215 230 235 240 245 250 + Cách bi n i phi tuy n: trong trư ng h p bi n i phi tuy n, ngư i ta s d ng các hàm mũ hay hàm log d ng: v = c log(1 + s) , v = cs γ , c, γ là h ng s hi u ch nh và γ > 0. (ii). Tách nhi u và phân ngư ng Tách nhi u Là trư ng h p c bi t c a phân ngư ng khi v L d c α = γ = 0. các ng d n g quan sát nh, c t nh ho c gi m nhi u khi bi t tín hi u u vào n m trên kho ng [a, b] . β th minh h a: → Phân ngư ng (Thresholding) s a b L - Là trư ng h p c bi t c a tách nhi u khi a = b = const v L - ng d ng t o các nh nh phân, in nh 2 màu, vì nh g n nh phân không th cho ra nh nh phân khi quét nh b i có s xu t hi n c a nhi u do b c m bi n và s bi n i c a n n. Thí d trư ng h p nh vân tay. th minh h a: → - s a≡ b L v (ii). Bi n i âm b n (Digital Negative) L i âm b n nh n ư c khi dùng phép bi n - Bi n i v = L − s . ng d ng khi hi n các nh y h c và trong quá tròng t o các nh âm b n s L GV. Mai Cư ng Th
38 Bài gi ng X lý nh s (iii). C t theo m c (Intensity Level Slicing) - Làm n i b t m t mi n m c xám nh t nh ( tăng cư ng m t s c i m nào ó). Có 2 k thu t th c hi n: + Hi n th giá tr cao cho t t c các m c xám trong vùng quan tâm, và ngư c l i (không n n). + Làm sáng vùng m c xám mong mu n, nhưng gi nguyên các giá tr xám khác (có n n). L a ≤ s ≤ b L a ≤ s ≤ b Không n n: v =  Có n n: v =  ≠ ≠ 0 s (iv). Trích ch n bít (Bit Plane Slicing) M c ích là làm n i b t các thành ph n trên toàn nh b i vi c s d ng các bít c b i t. - M i m c xám s c a 1 i m nh ư c mã hóa trên B bít, và ư c bi u di n: s = k1 2 B −1 + k 2 2 B −2 + ... + k B −1 2 + k B - Trong các bít mã hóa, ngư i ta chia làm 2 lo i: bít b c th p và bít b c cao. V i bít b o toàn thông tin cao hơn nhi u so v i bít b c th p, các bít b c th p b c cao, thư ng bi u di n nhi u hay n n. L k n = 1 i: v =  ≠ 0 Mu n trích ch n bít th n và hi n chúng, ta dùng bi n (v). Các toán t logic và i s S d ng toán t logic: ng d ng i v i các nh nh phân NOT, AND, OR, XOR, NOT_AND... S d ng toán t i s : C ng, Tr , Nhân… - Tr nh: m c ích tìm ra s khác nhau c a nh khi quan sát nh 2 th i i m khác nhau. S d ng bi n i v( m, n) = st1 (m, n) − st 2 ( m, n) K thu t này ư c dùng trong d báo th i ti t, trong y h c. GV. Mai Cư ng Th
39 Bài gi ng X lý nh s i lư c (vi). Mô hình hóa và bi n xám Lư c xám: là m t hàm r i r c cung c p t n su t xu t hi n c a m i m c xám. h( s k ) = n k + sk là m c xám th k + nk là s các i m nh khác có cùng m c xám sk + n là t ng s các i m nh trong nh - Bi u di n lư c xám: + Tr c tung bi u di n s i m nh cho m t m c xám (ho c t l s i m nh có cùng m c xám trên t ng s i m nh) + Tr c hoành bi u di n các m c xám Ví d : # Phương pháp giãn lư c xám (Histogram Stretching ) - Thư ng thì trong m t s nh, các giá tr xám không ph u trên toàn d i ng s n có c a nh, mà ch t p trung m t s m c xám nh t nh (t n t i nhi u giá tr xám =0, ho c là 2B-1). i u này làm cho nh quá t i, quá sáng ho c tương ph n kém. h(sk) h(sk) sk sk nh t i nh sáng h(sk) h(sk) nh tương ph n cao nh tương ph n th p sk sk GV. Mai Cư ng Th
40 Bài gi ng X lý nh s gi i quy t i u này, ta th c hi n thao tác giãn lư c xám lên toàn d i ng c a nh. sáng ) c a nh là 0 ÷ 2 B − 1 , thì: thao tác này là m t ánh Gi s d i ng (d i x sao cho: Giá tr xám nh nh t c a nh → giá tr 0 Giá tr xám l n nh t c a nh → giá tr 2B-1 (2 ) B −1 Ánh x này là: v k = ( s k − min) max − min # Phương pháp san b ng lư c xám (Histogram Equalization) M c ích c a phương pháp này là c g ng chuy n lư c xám c a nh v g n v i 1 lư c nh trư c. h(sk) h(sk) sk sk a b Max a b Max nh g c nh sau khi san b ng Thu t toán san b ng: + Kh i t o H for (i=0; i
41 Bài gi ng X lý nh s Ví d Cân b ng histogram c a nh S 10 20 30 40 50 20 40 70 30 30 S = 40 60 50 50 70 70 70 60 60 30 20 10 10 20 30 Xác nh t n s m c xám m c xám 10 20 30 40 50 60 70 t ns 3 4 5 3 33 4 3 3 3 18 Hr (10) = Hr (50) = Hc(10) = , Hc(50) = , 25 25 25 25 4 3 7 21 Hr (20) = Hr (60) = Hc(20) = , Hc (60) = , 25 25 25 25 ; 5 4 12 25 Hr (30) = Hr (70) = Hc(30) = , Hc(70) = , 25 25 25 25 3 15 Hr (40) = Hc(40) = 25 25 Áp d ng ImEq[i,j]=255*Hc[Im[i,j]] và làm tròn s li u ta có M c xám sin 10 20 30 40 50 60 70 Thay th b i sout 31 72 122 153 184 214 255 I.2. K thu t tăng cư ng nh s d ng các toán t c c b (mi n không gian) -K thu t l c s mi n không gian - Nhi u gây cho ta nh ng khó khăn khi phân tích tín hi u, trong khi các k thu t trên rõ ràng là chưa áp ng ư c v n gi m nhi u. Vì v y, k thu t l c s mi n không gian ư c ng d ng. - Cơ s lý thuy t c a l c s là d a trên tính dư th a thông tin không gian. - Trong k thu t này, ngư i ta s d ng m t m t n và di chuy n kh p nh g c. Tùy theo cách t h p i m ang xét v i các i m lân c n mà ta có k thu t l c tuy n tính hay phi tuy n. i m nh ch u tác ng c a bi n i là i m tâm m t n . - Mô hình l c s : S(m,n) V(m,n) h(m,n) GV. Mai Cư ng Th
42 Bài gi ng X lý nh s I.2.1. K thu t l c tuy n tính (Linear Filter) (i) L c trung bình không gian - M c ích: san b ng nh, làm m n nh, lo i b các thành ph n nhi u mu i, tiêu. - Ý tư ng: m i i m nh ư c thay th b ng t ng tr ng s hay trung bình tr ng s c a các i m lân c n v i v i m t n . - Công th c toán h c bi u di n như sau: ∑ ∑ w( s, t )s(m + s, n + t ) a b v (m, n ) = s = − at = − b a = ( M − 1) , b = ( N − 1) , MxN là s l . 2 2 W: c a s l c, w( s, t ) là các tr ng s c a b l c. Trên là công th c tính t ng ch p, v y ây chính là vi c nhân ch p nh v i m t n l c nh. - Th c t ta thư ng dùng m t n MxN = 3 x3 , - Nói chung, ngư i ta s d ng nhi u ki u m t n khác nhau. 1 1 1 1 1 1 1 2 1  H 1 = 1 1 1 , 1 H 2 = 1 2 1 , 1 H 3 =  2 4 2 1    1 1 1 1 1 1 1 2 1        9 10 16 Ví d : Dùng m t n H1 20 20 30 40 30 50 70 60 S= 20 200 30 10 40 100 30 70  30 + 50 + 70 + 20 + 200 + 30 + 40 + 100 + 30  S (3,2) =   =63   9 (ii). L c thông th p không gian (Spacial Low- Pass Filter). - M c ích: Kh nhi u c ng và n i suy nh - Trong l thu t này, hay dùng m t s m t n sau: 0 1 0 1 b 1 H t1 = 1 2 1 , H b = 1 b b 2 b    1 (b + 2 )2 0 1 0 1 b 1     8 GV. Mai Cư ng Th