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
Origin
Cửa sổ lân cận tính giá trị cho phần tử trung tâm. Kích thước của cửa sổ:
(2m+1)x(2n+1)
x
(x, y)
Neighbourhood
y
Image f (x, y)
a
b
c
r
s
t
d
e
f
u
v w
Origin x
*
g
h
i
x
y
z
Filter
3*3 Filter
e
Simple 3*3 Neighbourhood
eprocessed = v*e +
Original Image Pixels
r*a + s*b + t*c + u*d + w*f + x*g + y*h + z*i
Lặp lại quá trình trên cho mỗi pixel của ảnh gốc.
y Image f (x, y)
• 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.
1/9
1/9
1/9
1/9
1/9
1/9
Bộ lọc trung bình đơn giản
1/9
1/9
1/9
104 100 108
99 106 98
Origin x
*
95
90
85
1/9 1/9 1/9
1/9 1/9 1/9
1/9 1/9 1/9 Filter
Simple 3*3 Neighbourhood
3*3 Smoothing Filter
1/9 104 1/9 99 1/9 95
1/9 1/9 100 108 1/9 1/9 106 98 1/9 1/9 90 85
e = 1/9*106 +
Original Image Pixels
1/9*104 + 1/9*100 + 1/9*108 + 1/9*99 + 1/9*98 + 1/9*95 + 1/9*90 + 1/9*85
= 98.3333
Lặp lại cho mỗi pixel trong ảnh gốc để tạo ra ảnh được làm mịn.
y Image f (x, y)
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.
1/16
2/16
1/16
Các pixel gần với pixel trung tâm là quan trọng hơn.
2/16
4/16
2/16
1/16
2/16
1/16
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
Original Image With Noise
Image After Averaging Filter
Image After Median Filter
Bộ lọc thường dùng để loại bỏ nhiễu trong ảnh. Trong một số trường hợp lọc trung vị có hiệu quả tốt hơn bộ lọc trung bình.
x
123 127 128 119 115 130
133 154 183 192 194 191
140 145 148 153 167 172
194 199 207 210 198 195
164 170 175 162 173 151
y
Tại các cạnh của ảnh?
x
e
e
e
e
e
Origin e
y
e Image f (x, y)
Một vài phương pháp giải quyết:
Bỏ pixel bị thiếu
▪ Kích thước nhỏ hơn ảnh gốc
Nhân rộng biên Thêm các dòng và cột quanh biên ảnh
▪ Có thể tạo ra các hình ảnh lạ
x
123 127 128 119 115 130
133 154 183 192 194 191
140 145 148 153 167 172
194 199 207 210 198 195
164 170 175 162 173 151
y
Filtered Image: Zero Padding
Original Image Filtered Image: Nhân rộng biên
Filtered Image: Wrap Around Edge Pixels
