intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE

Bài giảng Xử lý ảnh: Chương 6 - Nguyễn Thị Hoàng Lan

Chia sẻ: Ti Vu | Ngày: | Loại File: PDF | Số trang:8

59
lượt xem
3
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng Xử lý ảnh - Chương 6: Phát hiện và tách biên. Nội dung chính trong chương này gồm có: Giới thiệu và biểu diễn biên ảnh, phát hiện biên dựa trên phương pháp đạo hàm, các phương pháp hiện biên truyền thống, các phương pháp phát hiện và tách biên tiên tiến, kết nối điểm biên và khép kín đường biên.

Chủ đề:
Lưu

Nội dung Text: Bài giảng Xử lý ảnh: Chương 6 - Nguyễn Thị Hoàng Lan

®¹i häc B¸ch khoa Hµ néi<br /> <br /> Khoa C«ng nghÖ Th«ng tin<br /> <br /> Chapitre 6<br /> <br /> Ph¸t hiÖn vµ t¸ch biªn<br /> 1. Giíi thiÖu vµ biÓu diÔn biªn ¶nh<br /> • Mét sè kh¸i niÖm<br /> - Biªn ¶nh (Edge) : lµ c¸c ®−êng biªn giíi gi÷a c¸c vïng ¶nh cho phÐp x¸c ®Þnh h×nh d¹ng<br /> c¸c ®èi t−îng trong ¶nh.<br /> - Vïng ¶nh (Region) : lµ tËp hîp c¸c ®iÓm ¶nh thuéc vÒ ®èi mét t−îng trong ¶nh.<br /> Ranh giíi c¸c vïng ¶nh lµ biªn ¶nh, vµ c¸c ®−êng biªn khÐp kÝn cho phÐp x¸c ®Þnh vïng<br /> ¶nh. Biªn ¶nh vµ vïng ¶nh lµ 2 ®Æc tr−ng ®èi ngÉu ¶nh.<br /> • BiÓu diÔn biªn ¶nh<br /> Biªn ¶nh lµ nh÷ng ®iÓm ¶nh mµ t¹i ®ã hµm ®é s¸ng cña ¶nh liªn tôc cã b−íc nh¶y hoÆc biÕn<br /> thiªn nhanh.<br /> • C¬ së to¸n häc cña ph¸t hiÖn vµ t¸ch biªn : phÐp to¸n ®¹o hµm<br /> • Giíi thiÖu vÒ c¸c ph−¬ng ph¸p ph¸t hiÖn biªn<br /> - Ph−¬ng ph¸p trùc tiÕp : ph¸t hiÖn biªn dùa trªn phÐp ®¹o hµm :<br /> ®¹o hµm bËc 1, ®¹o hµm bËc 2<br /> - Ph−¬ng ph¸p gi¸n tiÕp : Ph¸t hiÖn biªn dùa trªn ph©n vïng ¶nh<br /> <br /> Xñ lý ¶nh<br /> <br /> NguyÔn ThÞ Hoµng Lan<br /> <br /> ®¹i häc B¸ch khoa Hµ néi<br /> <br /> Khoa C«ng nghÖ Th«ng tin<br /> <br /> 2. Ph¸t hiÖn biªn dùa trªn ph−¬ng ph¸p ®¹o hµm<br /> • C¸c to¸n tö ®¹o hµm ¶nh : Gradient cña ¶nh : G(x,y) , ®¹o hµm bËc 1<br /> Laplace cña ¶nh : L(x,y), ®¹o hµm bËc 2<br /> <br /> Xñ lý ¶nh<br /> <br /> NguyÔn ThÞ Hoµng Lan<br /> <br /> ®¹i häc B¸ch khoa Hµ néi<br /> <br /> Khoa C«ng nghÖ Th«ng tin<br /> <br /> • Gradient cña mét ¶nh liªn tôc f(x,y) däc theo r víi gãc θ<br /> <br /> df<br /> ∂ f dx<br /> ∂ f dy<br /> =<br /> = fxCos θ + fySin θ<br /> +<br /> ∂ y dr<br /> dr<br /> ∂ x dr<br /> • Nguyªn t¾c cña ph−¬ng ph¸p ph¸t hiÖn biªn dùa trªn phÐp ®¹o hµm<br /> - Ph¸t hiªn biªn dùa trªn ®¹o hµm bËc 1 : t×m cùc trÞ ®Þa ph−¬ng cña gradient<br /> - Ph¸t hiªn biªn dùa trªn ®¹o hµm bËc 2 : x¸c ®Þnh ®iÓm ®i qua gi¸ trÞ kh«ng cña laplace<br /> <br /> Xñ lý ¶nh<br /> <br /> NguyÔn ThÞ Hoµng Lan<br /> <br /> ®¹i häc B¸ch khoa Hµ néi<br /> <br /> Khoa C«ng nghÖ Th«ng tin<br /> <br /> • Bé läc sè (läc tuyÕn tinh) thùc hiÖn gÇn ®óng c¸c phÐp to¸n ®¹o hµm.<br /> <br /> ∂F ( x, y) = ∆F ≈ F (m, n + 1) − F (m, n −1) ≈ F (m, n) * (k ) ,<br /> Dx<br /> ∆n<br /> 2<br /> ∂x<br /> ∂F ( x, y) = ∆F ≈ F (m + 1, n) − F (m − 1, n) ≈ F (m, n) * (k ) ,<br /> Dy<br /> ∂y<br /> ∆m<br /> 2<br /> ∂ F ( x, y ) ≈<br /> H x (k , l ) * X (m, n) = G x (m, n)<br /> ∂x<br /> <br /> vµ<br /> <br /> víi<br /> <br /> 1⎡<br /> <br /> D X (k ) = 2 ⎢⎣1<br /> <br /> ⎤<br /> 0 − 1⎥<br /> ⎦<br /> <br /> ⎡1 ⎤<br /> 1⎢ ⎥<br /> víi D y = ⎢0 ⎥<br /> 2<br /> ⎢⎣ − 1⎥⎦<br /> <br /> ∂ F ( x, y )<br /> ≈ H y (k , l ) * X (m, n) = G y (m, n)<br /> ∂y<br /> <br /> 3. C¸c ph−¬ng ph¸p hiÖn biªn truyÒn thèng<br /> 3.1 Ph¸t hiÖn biÖn dùa trªn gradient cña ¶nh<br /> - To¸n tö Prewitt<br /> ⎡1 0 − 1⎤<br /> H x = ⎢⎢1 0 − 1⎥⎥<br /> ⎢⎣1 0 − 1⎥⎦<br /> <br /> 1⎤<br /> ⎡1 1<br /> ⎢<br /> Hy = ⎢ 0<br /> 0 0 ⎥⎥<br /> ⎢⎣− 1 − 1 − 1⎥⎦<br /> <br /> ⎡1 0 − 1 ⎤<br /> H x = ⎢⎢2 0 − 2⎥⎥<br /> ⎢⎣1 0 − 1 ⎥⎦<br /> <br /> 2<br /> 1⎤<br /> ⎡1<br /> ⎢<br /> Hy = ⎢ 0<br /> 0<br /> 0 ⎥⎥<br /> ⎢⎣− 1 − 2 − 1⎥⎦<br /> <br /> - To¸n tö Sobel<br /> <br /> Xñ lý ¶nh<br /> <br /> NguyÔn ThÞ Hoµng Lan<br /> <br /> ®¹i häc B¸ch khoa Hµ néi<br /> <br /> Khoa C«ng nghÖ Th«ng tin<br /> <br /> - To¸n tö Robert<br /> - To¸n tö ®¹o hµm h−íng (Compass gradient) :<br /> 3<br /> <br /> 2<br /> <br /> 5<br /> <br /> 0<br /> 6<br /> <br /> ⎫<br /> <br /> i<br /> <br /> ⎪⎩<br /> <br /> ⎪⎭<br /> <br /> 1<br /> <br /> X(m,n)<br /> 4<br /> <br /> ⎧<br /> <br /> G = max ⎪⎨ H i (k , l ) * X (m, n) ; avec i ∈ [0,7]⎪⎬<br /> <br /> Hi(k,l)*X(m,n)<br /> <br /> 7<br /> <br /> Gi(m,n)<br /> <br /> max{GiIi =0, 7}<br /> <br /> G(m,n)<br /> <br /> ϕ<br /> <br /> Ng−ìng<br /> Gradient<br /> <br /> biªn<br /> <br /> 5<br /> 5⎤<br /> ⎡5<br /> ⎢<br /> H = ⎢− 3 0 − 3⎥⎥<br /> ⎢⎣− 3 − 3 − 3⎥⎦<br /> <br /> To¸n tö Kirsh<br /> - Qu¸ tr×nh t¸ch biªn dùa trªn gradient<br /> + TÝnh gradient cña ¶nh theo to¸n tö lùa chän :<br /> <br /> ⎡G x (m,n) ⎤<br /> G(mn,) = ⎢<br /> ⎥ , víi G x (m, n) = H x (k , l ) * X (m, n) vµ G y (m, n) = H y (k , l ) * X (m, n)<br /> (<br /> m<br /> ,<br /> n<br /> )<br /> G<br /> y<br /> ⎣<br /> ⎦<br /> + TÝnh ®é lín cña vect¬ gradient :<br /> <br /> G(m,n)<br /> <br /> + X¸c ®Þnh ®iÓm biªn dùa trªn ng−ìng cña gradient hoÆc t×m cùc trÞ ®Þa ph−¬ng cña gradient<br /> <br /> Xñ lý ¶nh<br /> <br /> NguyÔn ThÞ Hoµng Lan<br /> <br />
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
4=>1