Bài giảng Xử lý ảnh số: Chương 5 (phần 2) – ThS. Võ Quang Hoàng Khang

Chia sẻ: Star Star | Ngày: | Loại File: PDF | Số trang:32

Thêm vào BST

Báo xấu

75
lượt xem 6
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Chương 5 (phần 2) – Tiền xử lý ảnh. Mục tiêu của bài giảng này nhằm giúp người học có thể ứng dụng các phép biến đổi trên mức xám để điều chỉnh chất lượng ảnh; mô tả được các phép biến đổi hình học trên ảnh; áp dụng các kỹ thuật dựa trên dữ liệu cục bộ để làm mịn ảnh, làm nổi biên ảnh, xác định cạnh. Mời các bạn cùng tham khảo.

Chủ đề:

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

Lưu

Nội dung Text: Bài giảng Xử lý ảnh số: Chương 5 (phần 2) – ThS. Võ Quang Hoàng Khang

Chương 5: TIỀN XỬ LÝ ẢNH (tt) Võ Quang Hoàng Khang TPHCM - 2016
1. Các biến đổi trên mức xám 2. Biến đổi trên Geometry 3. Tiền xử lý sử dụng dữ liệu cục bộ 4. Biến đổi Fourier 5. Biến đổi Wavelets 6. Tổng kết 2
 Ứng dụng các phép biến đổi trên mức xám để điều chỉnh chất lượng ảnh.  Mô tả được các phép biến đổi hình học trên ảnh.  Áp dụng các kỹ thuật dựa trên dữ liệu cục bộ để làm mịn ảnh, làm nổi biên ảnh, xác định cạnh.  Áp dụng các kỹ thuật phân tích trên miền tần số để phân tích các đặc điểm của ảnh.  Mô tả được mục đích sử dụng các bộ lọc. 3
 Làm ảnh “tốt” hơn cho mục đích nhất định  Do đó: rất phụ thuộc vào từng ứng dụng cụ thể  Phương pháp:  Xử lý trên miền không gian ▪ Xử lý trên điểm ảnh ▪ Xử lý mặt nạ  Xử lý trên miền tần số ▪ Các phép lọc 4
Tìm hiểu các kỹ thuật lọc không gian:  Neighbourhood operations  Lọc không gian là gì?  Kỹ thuật làm mịn ảnh  Xử lý trường hợp đặc biệt
 Cửa sổ lân cận tính giá trị Origin x cho phần tử trung tâm.  Kích thước của cửa sổ: (2m+1)x(2n+1) (x, y) Neighbourhood y Image f (x, y)
Origin x a b c r s t d g e h f i * u x v y w z Original Image Filter Simple 3*3 Pixels e 3*3 Filter Neighbourhood eprocessed = v*e + r*a + s*b + t*c + u*d + w*f + y Image f (x, y) x*g + y*h + z*i Lặp lại quá trình trên cho mỗi pixel của ảnh gốc.
a b g ( x, y )    w(s, t ) f ( x  s, y  t ) s   at   b • Filtering có thể biểu diễn bởi phương trình trên.
Đơn giản nhất chúng ta có thể làm mịn ảnh là:  Tính trung bình của các giá trị trong neighbourhood cho giá trị trung tâm.  Có tác dụng loại bỏ nhiễu trong ảnh  Làm nổi bật các chi tiết tổng thể. 1/ 1/ 1/ 9 9 9 Bộ lọc 1/ 1/ 1/ 9 9 9 trung bình đơn giản 1/ 1/ 1/ 9 9 9
Origin x 104 100 108 1/ 1/ 1/ 9 9 9 99 106 98 95 90 85 * 1/ 1/ 9 1/ 1/ 9 1/ 1/ 9 9 9 9 1/ 100 104 9 1/ 108 9 1/ 9 Original Image Filter Simple 3*3 1/ 1/ 1/ 3*3 Smoothing Pixels 999 106 9 989 Neighbourhood 195 /9 190 /9 185 /9 Filter e = 1/9*106 + 1/ *104 + 1/ *100 + 1/ *108 + 9 9 9 1/ *99 + 1/ *98 + 9 9 y Image f (x, y) 1/ *95 + 1/ *90 + 1/ *85 9 9 9 = 98.3333 Lặp lại cho mỗi pixel trong ảnh gốc để tạo ra ảnh được làm mịn.
Cho ảnh gốc (trên trái) kích thước size 500*500 pixels Kết quả của bộ lọc trung bình với kích thước:3, 5, 9, 15 và 35 Chú ý: các chi tiết bắt bắt đầu biến mất.
Làm mịn ảnh hiệu quả hơn khi cho trọng số của các pixel lân cận là khác nhau.  Các pixel gần với pixel 1/ 2/ 1/ 16 16 16 trung tâm là quan trọng hơn. 2/ 4/ 2/ 16 16 16 1/ 2/ 1/ 16 16 16 Bộ lọc trung bình có trọng số.

 Tác dụng:  Loại bỏ được nhiễu mà không làm mờ cạnh nhiều.  Hiệu quả đối với hai loại nhiễu: nhiễu đốm (speckle noise) và muối tiêu (salt-pepper noise)  Phổ biến