Tìm ngưỡng tự động của ảnh
|
Show Nội dung chính
XỬ LÝ VÀ NÂNG CAO CHẤT LƯỢNG ẢNHCải thiện ảnh sử dụng các toán tử điểmCác phép toán không phụ thuộc không gian là các phép toán không phục thuộc vị trí của điểm ảnh. Ví dụ: Phép tăng giảm độ sáng, phép thống kê tần suất, biến đổi tần suất v.v.. Một trong những khái niệm quan trọng trong xử lý ảnh là biểu đồ tần suất (Histogram) Biểu đồ tần suấtBiểu đồ tần suất mức xám g của ảnh I là số điểm ảnh có giá trị g của ảnh I. Ký hiệu là h(g). TáchngưỡngGiả sử ta có ảnh I ~ kích thước m ´ n, hai số Min, Max và ngưỡng q khi đó: Kỹ thuật tách ngưỡng được thể hiện for (i = 0; i < m; i + +) for (j = 0; j < n; j + +) I [i, j] = I [i, j] > = q? Max : Min; * Ứng dụng: Nếu Min = 0, Max = 1 kỹ thuật chuyển ảnh thành ảnh đen trắng được ứng dụng khi quét và nhận dạng văn bản có thể xảy ra sai sót nền thành ảnh hoặc ảnh thành nền dẫn đến ảnh bị đứt nét hoặc dính. BócụmKỹ thuật nhằm giảm bớt số mức xám của ảnh bằng cách nhóm lại số mức xám gần nhau thành 1 nhóm Nếu chỉ có 2 nhóm thì chính là kỹ thuật tách ngưỡng. Thông thường có nhiều nhóm với kích thước khácnhau. Để tổng quát khi biến đổi người ta sẽ lấy cùng 1 kích thước bunch_size
I [i,j] =[ I [i,j]/ bunch _size ]* bunch_size "(i,j) Ví dụ: Bó cụm ảnh sau với bunch_size= 3
Ảnh I được gọi là cân bằng "lý tưởng" nếu với mọi mức xám g, g’ ta có h(g) = h(g’) Giả sử, tacóảnh I ~ kích thước m ´n, new_level ~ số mức xám của ảnh cân bằng Ví dụ: Cân bằng ảnh sau với new_level= 4
Lần lượt tính h(g), t(g) và f(g).
Chú ý: Ảnh sau khi thực hiện cân bằng chưa chắc đã là cân bằng "lý tưởng" Kỹ thuật tách ngưỡng tựđộngNgưỡng q trong kỹ thuật tách ngưỡng thường được cho bởi người sử dụng. Kỹ thuật tách ngưỡng tự động nhằm tìm ra ngưỡng q một cách tự động dựa vào histogram theo nguyên lý trong vật lý là vật thể tách làm 2 phần nếu tổng độ lệnh trong từng phần là tốithiểu. Giả sử, tacóảnh I ~ kích thước m ´n G ~ là số mức xám của ảnh kể cả khuyết thiếu t(g) ~ số điểm ảnh có mức xám £ g Ví dụ: Tìm ngưỡng tự động của ảnh sau:
Biến đổi cấp xám tổng thểNếu biết ảnh và hàm biến đổi thì ta có thể tính được ảnh kết quả và do đó ta sẽ có được histogram của ảnh biến đổi. Nhưng thực tế nhiều khi ta chỉ biết histogram của ảnh gốc và hàm biến đổi, câu hỏi đặt ra là liệu ta có thể có được histogram của ảnh biến đổi. Nếu có như vậy ta có thể hiệu chỉnh hàm biến đổi để thu được ảnh kết quả có phân bố histogram như mong muốn. Bài toán đặt ra là biết histogram của ảnh, biết hàm biến đổi hãy vẽ histogram của ảnh mới.
Bước 1: Vẽ Histogram của ảnh cũ
Bước 2: Vẽ đồ thị hàm f(g)
Bước 3: Vẽ Histogram của ảnh mới
Histogram của ảnh mới thua được bằng cách chồng hình và tính giá trị theo các q (= f(g)) theo công thức tính trên. Kết quả cuối thu được sau phép quay góc 90 thuận chiều kim đồng hồ. Cải thiện ảnh sử dụng các toán tử không gianPhép cuộn và mẫuGiả sử ta có ảnh I kích thước M ´ N, mẫu T có kích thước m ´ n khi đó, ảnh I cuộn theo mẫu T được xác định bởi công thức.
Ví dụ cuộn ảnh I sau đây theo mẫu T
Áp dụng công thức (3.1) , ta có: Và được kết quả:
Tương tự, tính theo công thức cuộn mẫu (3.2)
Cuộn mẫu T, code bằng C#public Image PhepCuon(Image imageInput, int Option) { //Option=0,1,2 tuong duong voi mau T,T1,T2 switch (Option) { case 0: //Nap anh vao bitmap BitmapData bmData = imageRoot.LockBits(new Rectangle(0, 0, imageRoot.Width, imageRoot.Height), ImageLockMode.ReadWrite, imageRoot.PixelFormat); int stride = bmData.Stride; System.IntPtr Scan0 = bmData.Scan0; unsafe { byte* p = (byte*)(void*)Scan0; int nOffset = stride - imageRoot.Width * 3; byte red, green, blue; for (int y = 0; y < imageRoot.Height-1; y++) { for (int x = 0; x < imageRoot.Width; x++) { blue = p[0]; green = p[1]; red = p[2]; byte* pi = p ; //pi la dong tiep theo cua ma tran pi += nOffset; p[0] = (byte)(p[0] + pi[3]); //if (p[0]>255) //{ // p[0] = 255; //} p[1] = (byte)(p[1] + pi[4]); //if (p[1]>255) //{ // p[1] = 255; //} p[2] = (byte)(p[2]+pi[5]); //if (p[2]>255) //{ // p[2] = 255; //} p += 3; } //p += imageRoot.Width; p += nOffset; } } imageRoot.UnlockBits(bmData); return imageRoot; }}
Một số mẫu thông dụng
~ Dùng để khử nhiễu -> Các điểm có tần số cao
Áp dụng kỹ thuật cộng hằng số với c = -27, ta có:
0 -1 0 T2= -1 4 -1 0 -1 0 ~ Dùng để phát hiện các điểm có tần số cao.
Lọc trungvịCho dãy x1; x2...; xn đơn điệu tăng (giảm). Khi đó trung vị của dãy ký hiệu là Med({xn}), được định nghĩa: Kỹ thuật lọc trung vị: Giả sử ta có ảnh I ngưỡng θ cửa sổ W(P) và điểm ảnh P Khi đó kỹ thuật lọc trung vị phụ thuộc không gian bao gồm các bước cơ bản sau: Ví dụ: Giá trị 16, sau phép lọc có giá trị 2, các giá trị còn lại không thay đổi giá trị. Lọc trung bìnhĐịnh nghĩa (Trungbình) Cho dãy x1, x2…, xn khi đó trung bình của dãy ký hiệu AV({xn}) được định nghĩa: Mệnh đề Kỹ thuật lọc trung bình Giả sử ta có ảnh I, điểm ảnh P, cửa sổ W(P) và ngưỡng . Khi đó kỹ thuật lọc trung bình phụ thuộc không gian bao gồm các bước cơ bản sau: + Bước 1: Tìm trung bình {I(q)| q Î W(P)} ® AV(P)
Giá trị 16 sau phép lọc trung bình có giá trị 3, các giá trị còn lại giữ nguyên sau phép lọc. Lọc trung bình theo k giá trị gần nhấtGiả sử ta có ảnh I, điểm ảnh P, cửa sổ W(P), ngưỡng q và số k. Khi đó, lọc trung bình theo k giá trị gần nhất bao gồm các bước sau: Ví dụ, cho ảnh I và các thông số như dưới, ta sẽ có ảnh kết quả như sau: Nhận xét: Nếu k lớn hơn kích thước cửa sổ thì kỹ thuật chính là kỹ thuật lọc trungbình Nếu k= 1 thì ảnh kết quả không thayđổi Þ Chất lượng của kỹ thuật phụ thuộc vào số phân tử lựa chọn k. Khôi phục ảnhNội dung khôi phục ảnh sẽ bàn tới trong bài viết khác. Bài tập cuối bài.
Bài tiếp theo: |
