Professional Documents
Culture Documents
ương V ử lý và nâng cao chất lượng ảnh
ương V ử lý và nâng cao chất lượng ảnh
Chương V
Xử lý và nâng cao chất lượng ảnh
Nâng cao chất lượng ảnh là một bước quan trọng tạo tiền đề cho xử lý ảnh.
Mục đích: làm nổi bật một số đặc tính của ảnh: Thay đổi độ tương phản, lọc
nhiễu, nổi biên, làm trơn biên, khuếch đại ảnh…
- Tăng cường ảnh: Nhằm hoàn thiện trạng thái quan sát của một ảnh. Bao gồm
điều khiển mức xám, thay đổi độ tương phản, giảm nhiễu, làm trơn, nội
suy…
- Khôi phục ảnh: Nhằm khôi phục ảnh gần với trạng thái thực nhất trước khi
biến dạng, tùy theo nguyên nhân gây ra biến dạng.
Các phương pháp thực hiện:
- Thực hiện trên miền không gian
+ Toán tử điểm (Point Operations): giá trị 1 điểm ảnh đầu ra phụ thuộc duy
nhất vào 1 giá trị đầu vào tại vị trí tương ứng trên ảnh vào.
+ Toán tử cục bộ (Local Operations): giá trị một điểm ảnh đầu ra phụ thuộc
vào giá trị của chính nó và các lân cận của nó trong ảnh vào.
- Thực hiện trên miền tần số
+ Toán tử tổng thể (Global Operations): giá trị của 1 điểm ảnh đầu ra phụ
thuộc vào tất cả giá trị các điểm ảnh trong ảnh vào
I. Tăng cường ảnh
I.1. Các thao tác trên miền không gian (Spatial Operations)
- Là hàm thao tác trực tiếp trên tập các điểm ảnh.
- Biểu diễn công thức tổng quát như sau: V (m, n) = T [ S (m, n)]
- Một láng giềng (Neighborhood) của (m,n) được định nghĩa bởi việc sử dụng một
ảnh con (subimage) hình vuông, hình chữ nhật hoặc bát giác, có tâm điểm tại (m,n).
- Khi láng giềng là 1x1, thì hàm T trở thành hàm biến đổi hay ánh xạ mức xám
(gray level transformation function).
v = T[s]
s, v là các mức xám của S(m,n) và V(m,n).
Hình 5.2. Các hình vuông con cùng 1 mức xám xuất hiện trên các nền khác nhau
Nguyên lý: Điều chỉnh lại biên độ trên toàn dải hay dải có giới hạn bằng cách
biến đổi tuyến tính (T là hàm tuyến tính) hay phi tuyến biên độ đầu vào.
+ Cách biến đổi tuyến tính: v
αs s≤a
v = β ( s − a ) + v a a<s≤b
L
γ
γ ( s − b) + v
vb
b<s≤ L
β
b
ví dụ:
10 20 20 30
20 22 30 26
S 23 24 27 26
120 160 170 130
180 190 100 200
giả sử chọn: a = 10, b = 30,α = 0.5, β = 8, γ = 0.5
tính được: v a = 5, vb = 165
α = 0.5 β =8 γ = 0.5
+ Cách biến đổi phi tuyến: trong trường hợp biến đổi phi tuyến, người ta sử dụng
các hàm mũ hay hàm log dạng: v = c log(1 + s) , v = cs γ , c, γ là hằng số hiệu chỉnh và
γ > 0.
các độ dốc α = γ = 0 .
L
Ứng dụng để quan sát ảnh, cắt ảnh hoặc giảm nhiễu khi biết
tín hiệu đầu vào nằm trên khoảng [a, b] . β
Đồ thị minh họa: →
Phân ngưỡng (Thresholding) a b L s
- Ứng dụng tạo các ảnh nhị phân, in ảnh 2 màu, vì ảnh gần nhị
L
phân không thể cho ra ảnh nhị phân khi quét ảnh bởi có sự
xuất hiện của nhiễu do bộ cảm biến và sự biến đổi của nền.
Thí dụ trường hợp ảnh vân tay.
- Đồ thị minh họa: → s
a≡ b L
v
(ii). Biến đổi âm bản (Digital Negative) L
- Biến đổi âm bản nhận được khi dùng phép biến đổi
v = L − s . Ứng dụng khi hiện các ảnh y học và trong quá tròng
tạo các ảnh âm bản
L s
h(sk) h(sk)
ảnh tối sk
ảnh sáng sk
h(sk) h(sk)
Để giải quyết điều này, ta thực hiện thao tác giãn lược đồ xám lên toàn dải động của
ảnh.
Giả sử dải động (dải độ sáng ) của ảnh là 0 ÷ 2 B − 1 , thì: thao tác này là một ánh
xạ sao cho:
Giá trị xám nhỏ nhất của ảnh → giá trị 0
Giá trị xám lớn nhất của ảnh → giá trị 2B-1
a b Max sk a b Max sk
Ảnh gốc Ảnh sau khi san bằng
Ví dụ
Cân bằng histogram của ảnh S
10 20 30 40 50
20 40 70 30 30
S = 40 60 50 50 70
70 70 60 60 30
20 10 10 20 30
mức xám 10 20 30 40 50 60 70
tần số 3 4 5 3 3 3 4
3 3 3 18
Hr (10) = , Hr (50) = Hc(10) = , Hc(50) =
25 25 25 25
4 3 7 21
Hr (20) = , Hr (60) = Hc(20) = , Hc (60) =
25 25 25 25
;
5 4 12 25
Hr (30) = , Hr (70) = Hc(30) = , Hc(70) =
25 25 25 25
3 15
Hr (40) = Hc(40) =
25 25
I.2. Kỹ thuật tăng cường ảnh sử dụng các toán tử cục bộ (miền không gian) -Kỹ
thuật lọc số miền không gian
- Nhiễu gây cho ta những khó khăn khi phân tích tín hiệu, trong khi các kỹ thuật
trên rõ ràng là chưa đáp ứng được vấn đề giảm nhiễu. Vì vậy, kỹ thuật lọc số miền
không gian được ứng dụng.
- Cơ sở lý thuyết của lọc số là dựa trên tính dư thừa thông tin không gian.
- Trong kỹ thuật này, người ta sử dụng một mặt nạ và di chuyển khắp ảnh gốc.
Tùy theo cách tổ hợp điểm đang xét với các điểm lân cận mà ta có kỹ thuật lọc tuyến
tính hay phi tuyến. Điểm ảnh chịu tác động của biến đổi là điểm ở tâm mặt nạ.
- Mô hình lọc số:
S(m,n) h(m,n) V(m,n)
∑ ∑ w( s, t )s(m + s, n + t )
a b
v (m, n ) =
s = − at = − b
a = ( M − 1) , b = ( N − 1) , MxN là số lẻ.
2 2
W: cửa sổ lọc, w( s, t ) là các trọng số của bộ lọc.
Trên là công thức tính tổng chập, vậy đây chính là việc nhân chập ảnh với
mặt nạ lọc ảnh.
- Thực tế ta thường dùng mặt nạ MxN = 3x3 ,
- Nói chung, người ta sử dụng nhiều kiểu mặt nạ khác nhau.
1 1 1 1 1 1 1 2 1
H 1 = 1 1 1 ,
1
H 2 = 1 2 1 ,
1
H 3 = 2 4 2
1
30 + 50 + 70 + 20 + 200 + 30 + 40 + 100 + 30
S (3,2) = =63
9
(ii). Lọc thông thấp không gian (Spacial Low- Pass Filter).
- Mục đích: Khử nhiễu cộng và nội suy ảnh
- Trong lỹ thuật này, hay dùng một số mặt nạ sau:
0 1 0 1 b 1
H t1 = 1 2 1 , H b =
1 b b 2
b
1
8
0 1 0
(b + 2 )2 1 b 1
mi = ∑ s(m, n)
1 Vùng 3
Λ ( m ,n )∈ℜ
Pixel trung tâm
µi2 = ∑ (s(m, n) − mi )2
1
Λ − 1 ( m,n)∈ℜ
+ Giá trị đầu ra của pixel trung tâm trong cửa sổ là giá trị trung bình của vùng
có bình phương độ lệch chuẩn nhỏ nhất.
- Λ là số điểm ảnh của vùng ℜ
(ii). Lọc thông cao, thông dải (Spacial High- pass, Band -pass Filter)
- Mục đích: làm trơn ảnh và trích chọn biên.
- Nếu ta có bộ lọc thông thấp không gian là hLP (m, n) , thì bộ lọc thông cao được
định nghĩa hHP = δ (m, n) − hLP (m, n) , và bộ lọc thông d ải là
hBP = hLP1 (m, n) − hLP 2 (m, n)
- Dưới đây là cac mặt nạ hay dùng cho lọc thông cao.
− 1 − 1 − 1 0 −1 0 1 −2 1
HP1 = − 1 9 − 1 , HP2 = − 1 5 − 1 , HP3 = − 2 5 − 2
− 1 − 1 − 1 0 − 1 0 1 − 2 1
Bộ lọc
Mô hình lọc số miền tần số
x(m,n) h(m,n) y(m,n)
Đồ thị không gian của bộ lọc thông thấp lý tưởng, biểu diễn dưới dạng ảnh, lát cắt của đồ thị
- Bộ lọc ButterWorth thông thấp: Hàm truyền đạt bậc n với quĩ tích tần số cắt tại
D0
H (u , v ) =
1
D (u , v)
1+
2n
D0
Đồ thị không gian của bộ lọc thông thấp lý tưởng, biểu diễn dưới dạng ảnh, lát cắt của đồ thị
0 D (u , v) ≤ D0
-Bộ lọc thông cao lý tưởng: H (u, v ) =
1 D(u, v ) > D0
D (u , v)
- Hướng tiếp cận: Một mô hình sẽ được xây dựng từ các ảnh kiểm nghiệm để xác
định đáp ứng xung của hệ thống nhiễu.
II.1. Mô hình quan sát và tạo ảnh
- Cơ sở lý thuyết của kỹ thuật khôi phục ảnh: Quá trình gây ra biến dạng ảnh gốc
phụ thuộc vào hệ thống quan sát và tạo ảnh. Ta phải xem xét ảnh quan sát được
biểu diễn thế nào trên cơ sở đó mô hình hóa nhiễu sinh ra. Tiếp theo là dùng biến
đổi ngược (lọc ngược) để khử nhiễu và thu lấy ảnh gốc.
- Ảnh quan sát được gồm: ảnh gốc + nhiễu: u (m, n) + η (m, n)
- Nhiễu gồm:
+ Nhiễu nhân: thành phần nhiễu phụ thuộc kiểu thiết bị quan sát và tạo ảnh
η1 (m, n)
+ Nhiễu cộng : thành phần nhiễu ngẫu nhiên độc lập η 2 (m, n)
Như vậy là: nếu bằng cách nào đó xác định được các loại tác động biến dạng (phụ
thuộc vào hệ thống và thiết bị) thì ta suy ra được ảnh gốc.
η(m,n)
- h(m,n): còn được gọi là hàm phân tán điểm (point-spread function.)
1 m=n=0
- Trong trường hợp lý tưởng, h(m, n) = δ (m, n) =
0 m ≠ 0 hay n ≠ 0
h(m,n)
H −1 (α , β )
- H −1 (α , β ) =
1
H (α , β )
Để đơn giản ta gải thiết là hệ thống không có nhiễu. Như vậy thì vấn đề chỉ còn
xác định xác định hàm phân tán điểm h(m,n).
H (α , β ) = e − k (α 2 + β 2 ) 6