intTypePromotion=3

Bài giảng Xử lý ảnh số: Chương 7 - TS. Ngô Quốc Việt

Chia sẻ: 4584125 4584125 | Ngày: | Loại File: PDF | Số trang:71

0
91
lượt xem
20
download

Bài giảng Xử lý ảnh số: Chương 7 - TS. Ngô Quốc Việt

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng Xử lý ảnh số - Chương 7 trình bày các nội dung liên quan đến xử lý ảnh dựa trên Morphological như: Giới thiệu Binary Morphology, một số khái niệm về tập hợp, các phép toán cơ bản, ứng dụng morphology vào các bài toán xử lý ảnh. Mời các bạn cùng tham khảo.

Chủ đề:
Lưu

Nội dung Text: Bài giảng Xử lý ảnh số: Chương 7 - TS. Ngô Quốc Việt

  1. XỬ LÝ ẢNH DỰA TRÊN MORPHOLOGICAL NGÔ QUỐC VIỆT TPHCM-2014
  2. 1. Giới thiệu Binary Morphology 2. Một số khái niệm về tập hợp 3. Các phép toán cơ bản  Phát triển và bào mòn (Dilation and erosion)  Mở và đóng (Opening and closing)  Biến đổi trúng hay trật (Hit-or-miss transformation) 4. Ứng dụng morphology vào các bài toán xử lý ảnh  Dò biên  Trích các thành phần liên thông (Extraction of Connected Components)  Tìm bao lồi (Convex Hull)  Tô vùng (Region Filling)  Làm mảnh (Thinning)  Làm dầy (Thickening)  Lọc xương/Lấy cạnh trung tâm (Skeleton) Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 2
  3.  Trang bị kiến thức về cách tiếp cận cấu trúc (tập hợp) vào giải quyết các bài toán xử lý ảnh đã được giải quyết bằng các biến đổi giải tích trước đó, và một số xử lý khác.  Trang bị các kỹ năng sử dụng OpenCV để thực hiện các xử lý dựa trên morphology Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 3
  4.  Phương pháp phi tuyến  Dựa trên lý thuyết tập hợp Minkowski  Là một phần của lý thuyết finite lattices  Dùng để phân tích ảnh dựa trên hình dáng  Phương pháp hiệu quả, nhưng chưa được sử dụng nhiều.  Morphology nhị phân là morphology trên ảnh đen trắng cho những bài toán xử lý ảnh cơ bản Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 4
  5.  Cải tiến ảnh (image  Phân tích hình dáng enhancement) (shape analysis)  Phân đoạn ảnh (image  Nén ảnh (Image segmentation) compression)  Phục hồi ảnh (image  Phân tích thành phần restoration) (Component analysis)  Dò cạnh  Curve filling  Phân tích Texture (texture  Làm mỏng tổng quát analysis) (General thinning)  Phân tích particle  Tìm đặc trưng (Feature  Phát sinh đặc trưng detection) (feature generation)  Giảm nhiễu (Noise  Trích xương reduction) (Skeletonization)  Lọc không-thời gian (Space-time filtering) Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 5
  6. Ảnh là một ánh xạ I từ tập SP các tọa độ pixel đến tập G các giá trị sao cho mỗi vector tọa độ p = (r,c) trong SP, có một vector I(p) thuộc G. SP được gọi là image plane. Ảnh nhị phân có hai giá trị. Nghĩa là, G = {vfg , vbg}, với vfg là giá trị foreground và vbg là giá trị background. Thông thường, foreground vfg = 0, và background vbg = –. Một số khả năng kháclà {vfg , vbg} = {0,}, {0,1}, {1,0}, {0,255}, và {255,0}. Bài giảng sử dụng {vfg , vbg} = {255, 0} mà không làm mất tính tổng quát. Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 6
  7. Foreground của ảnh nhị phân  FG  I   I  p , p   r, c   SP I( p)  vfg ,  Tập các vị trí p, với I(p) = vfg. Tương tự background là  BG  I   I  p , p   r, c   SP I(p)  vbg .  Chú ý FG I   BG I   I và FG I   BG I    và BG I    FG I   và FG I    BG I  . C C Background là bù của foreground và ngược lại. Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 7
  8. A ={(3,1), (4,1),(3,2),(4,2),(3,3)}. Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 8
  9. Structuring element là ảnh nhỏ – được dùng làm cửa sổ dịch chuyển – giá của SE thể hiện các pixel lân cận Example SEs BG is white FG is gray ; SE có thể có hình dáng và kích thước bất kỳ, hoặc liên thông (nhiều hơn 1 piece, có lỗ). Dấu tròn trên hình thể hiện gốc của SE. Gốc này có thể đặt bất kỳ đâu trong SE. Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 9
  10. Cho ảnh I và Z là SE. Z+p nghĩa là Z được dịch chuyển sao cho gốc trùng với vị trí p trong SP. Z+p là translate của Z đến p trong SP. Tập các vị trí trong ảnh ký hiệu bởi Z+p được gọi là Z-neighborhood của p trong I. Ký hiệu là N{I,Z}(p). Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 10
  11. Cho Z là SE và S lưới vuông các vị trí pixlel chứa tập {(r,c), (-r,-c) | (r,c)supp(Z)}. Thì  Z (a, b)  Z (a,b), (a, b)  sup p( Z ) Là phản chiếu của structuring element.  Z là Z quay 180º quanh gốc của nó. Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 11
  12.  Phép toán Dilation đối tượng A theo đối tượng Z (thường là SE) được định nghĩa bởi D( A, Z )  A  Z  a  z | a  A, z  B  Đối tượng A tịnh tiến theo từng vectơ (vị trí) trong Z.  Kết quả sau khi tịnh tiến tạo ra các đối tượng A1,A2,…. An (n là số phần tử trong Z). D(A,Z) là hợp các Ai. Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 12
  13. Một số định nghĩa khác về dilation. Tập tất cả vị trí pixel p, trong  I  Z  p  SP    ( Z  p)  I   .  ảnh mà phần giao của Ž+p với I khác rỗng. I Z   ( Z  p) . Hội những copies của SE, mỗi bản copy p  supp I là dịch chuyển đến vị trí pixel foreground trong ảnh. I Z  (I p) . Hội những copies của ảnh, mỗi bản là dịch p  supp Z chuyển đến vị trí pixel foreground của SE. Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 13
  14. A = {(2,1),(3,1),(4,1),(3,2)} Z = {(0,0),(0,1)} AZ A1 = {(2,1),(3,1),(4,1),(3,2)} A2 = A tịnh tiến bởi vector (0,1) của Z A1 = A tịnh tiến bởi vector (0,0) của Z A2 = {(2,2),(3,2),(4,2),(3,3)} D(A,B) = A1 U A2 = {(2,1),(3,1),(4,1),(3,2), (2,2),(4,2),(3,3)} Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 14
  15.  Sử dụng SE 3x3 – Z8 có dạng cho phép mở rộng đều về cả 8 hướng.  Kết quả dilate trên ảnh mẫu như sau 1 1 1 1 1 1   1 1 1 Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 15
  16. SE được áp lên mọi pixel của ảnh. Tâm của SE được kết hợp với từng pixel, toàn bộ SE được áp cho pixel đang xét theo cách thay thế pixel đó bằng SE. Khái niệp “áp” là hoạt động “công logic nhị phân giữa các giá trị 0, 1”. SE Ảnh nguồn Đã giãn Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 16
  17. Tham khảo mã nguồn openCV_Dilate Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 17
  18.  Phép toán Erosion đối tượng A theo đối tượng Z được định nghĩa bởi: E ( A, Z )  {x | x  z  A, z  Z}  Với vector a bất kỳ , khi tịnh tiến a theo từng vectơ trong Z. Kết quả sau khi tịnh tiến a là các vectơ mới: a1,a2,..an (n là số lượng phần tử trong Z).  Nếu tất cả các vector a1,a2,..an đều thuộc A  a sẽ thuộc tập E(A,Z). Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 18
  19. Một số định nghĩa khác Tập tất cả các pixel p,  I  Z  p  Sp Z  p  I  trong ảnh sao cho Z+p chứa trong I.  Phần giao của các copies của reflected.      I Z Z p . SE, mỗi cái dịch chuyển đến vị trí pixel p  supp I thuộc foreground của ảnh. I Z  I p.  p  supp Z Phần giao của các copies của mỗi bản sao - là dịch chuyển đến vị trí pixel thuộc goreground của refl. SE. Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 19
  20. A = {(1,1),(2,1),(3,1),(4,1),(1,2),(3,2),(1,3),(2,3)} Z= {(1,0),(0,1)} Lấy Vector (1,1) tịnh tiến theo các vector trong Z a1 = (1,1) + (1,0) = (2,1) thuộc A a2 = (1,1) + (0,1) = (1,2) thuộc A  (1,1) thuộc E(A,B). Lấy Vecto (3,1) tịnh tiến theo các vector trong Z a1 = (3,1) + (1,0) = (4,1) thuộc A a2 = (3,1) + (0,1) = (3,2) thuộc A (3,1) thuộc E(A,Z). Lấy Vecto (2,2) tịnh tiến theo các vector trong Z a1 = (2,2) + (1,0) = (3,2) thuộc A E(A,Z) = {(1,1),(3,1),(2,2)} a2 = (2,2) + (0,1) = (2,3) thuộc A (2,2) thuộc E(A,Z). Các vectơ khác khi tịnh tiến sẽ có vectơ không thuộc A. Không thuộc E(A,Z) 20

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản