- Xử lý ảnh dựa trên mặt nạ lọc là: Thông qua bộ lọc, trích rút ra các điểm lân cận với điểm ảnh cần xử lý, áp dụng hàm của mặt nạ lọc lên giá trị của các điểm ảnh trong vùng lân cận, đặ
Trang 1TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT VĨNH LONG
KHOA CÔNG NGHỆ THÔNG TIN
TIỂU LUẬN
ĐỀ TÀI 05: VIẾT CHƯƠNG TRÌNH THỰC HIỆN PHÉP LỌC NHIỄU BẰNG PHƯƠNG PHÁP LỌC TRUNG BÌNH, LỌC TRUNG VỊ
TRÊN ẢNH XÁM.
Giáo viên hướng dẫn: TS Phan Anh Cang
Học phần: Xử lý ảnh
Sinh viên thực hiện:
19004249 - Trần Bùi Mỹ Yến
19004187 - Nguyễn Ngọc Mai Thảo
Học kì: Học kì I (2020- 2021)
Vĩnh Long-2020
Trang 2MỤC LỤC
I Đặt vấn đề Page3
II Lý Thuyết Page3
III Lọc trung bình - Mean Filter
a Ý tưởng Page5
b Thuật toán Page5
c Tác dụng Page6
d Lọc trung bình trong Matlab Page6
IV.Lọc trung vị - Median Filter
a Ý tưởng Page7
b Thuật toán Page8
c Tác dụng Page8
d Lọc trung vị trong Matlab Page9
So sánh hai bộ lọc
P a g e 2 | 12
Trang 3ĐỀ TÀI 05: VIẾT CHƯƠNG TRÌNH THỰC HIỆN PHÉP LỌC NHIỄU
BẰNG PHƯƠNG PHÁP LỌC TRUNG BÌNH, LỌC TRUNG VỊ
TRÊN ẢNH XÁM NHẬN XÉT KẾT QUẢ CỦA HAI PHÉP LỌC.
I Đặt vấn đề
Trong thời đại công nghệ hiện nay, lưu giữ thông tin, kỷ niệm, bằng hình ảnh là một việc vô cùng phổ biến và tiện lợi, hình ảnh mang đến cho chúng ta cảm giác chân thực và sống động 110'11 Nhưng trong một số trường hợp ảnh của chúng ta
sẽ bị nhiễu làm cho chất lượng ảnh không được như mong muốn.
Ví dụ một số trường hợp ảnh bị nhiễu:
- Ảnh bị nhiễu do độ sáng quá cao.
- Ảnh bị nhiễu do nén file ảnh.
- Ảnh bị nhiễu do quá trình phóng to in ấn.
- Một số trường hợp khác như quá trình chụp không tốt, điều kiện chụp kém, ảnh được lưu trữ qua lâu,
Do đó, chúng ta cần phải xử lý các hình ảnh để cho ra một ảnh mới có chất lượng tốt h0n.
Hình ảnh có thể được sửa đổi bằng cách áp dụng một chức năng cụ thể trên từng giá trị của điểm ảnh Xử lý vùng lân cận có thể coi là một phần
mở rộng của điều này, trong đó một hàm được áp dụng cho vùng lân cận của mỗi điểm ảnh Sự kết hợp giữa mặt nạ và chức năng được gọi là bộ lọc
II Lý thuyết
- Lọc ảnh (làm mịn ảnh, làm mượt ảnh) là một bước rất quan trọng trong xử lý ảnh Lọc ảnh thực tế có rất nhiều tác dụng như loại bỏ nhiễu, tìm biên đối tượng
- Mặt nạ lọc là một mảng 2 chiều có kích thước tương đối nhỏ (thường
Trang 4là ma trận 3 X 3) Các giá trị trong mảng 2 chiều này được gọi là hệ số của mặt
nạ Kỹ thuật tăng cường ảnh dựa vào mặt nạ được gọi là xử lý mặt nạ hoặc lọc
Trang 5- Xử lý ảnh dựa trên mặt nạ lọc là: Thông qua bộ lọc, trích rút ra các điểm lân cận với điểm ảnh cần xử lý, áp dụng hàm của mặt nạ lọc lên giá trị của các điểm ảnh trong vùng lân cận, đặt giá trị điểm ảnh tương ứng trên đầu ra
bằng giá trị trả được về bởi hàm của mặt nạ lọc
- Quá trình lọc gồm các bước sau:
• B1: Xác định điểm tập trung của mặt nạ
• B2: Tại điểm (x,y) đang xét (trùng với tâm mặt nạ), thực hiện phép toán lọc trên các điểm lân cận (mặt nạ bao phủ)
• B3: Ghi nhận kết quả phép lọc là giá trị mức xám của điểm ảnh (x,y) trong ảnh đầu ra
• B4: Lần lượt trượt mặt nạ tới những điểm chưa xét Lặp lại bước B2 Qúa trình lọc kết thúc khi điểm trung tâm của mặt nạ đi qua hết từng điểm ảnh của ảnh đầu vào, ta thu được kết quả ảnh đã được lọc ở đầu ra
- Ta có 2 loại bộ lọc:
• Bộ lọc tuyến tính: pixel đầu ra kết quả được tính là tổng các kết quả của các giá trị pixel và hệ số mặt nạ trong vùng lân cận của pixel trong ảnh gốc
• Bộ lọc phi tuyến: pixel đầu ra kết quả được chọn từ một chuỗi các giá trị pixel được sắp xếp trong vùng lân cận của pixel trong ảnh gốc
- Tích chập là phép toán tuyến tính, cho ra kết quả là một hàm bằng việc tính toán dựa trên hai hàm đã có (f và g) Thành phần không thể thiếu của phép tích chập là ma trận kernel (bộ lọc)
Ví dụ: đối với phép lọc ảnh, phép tích chập giữa ma trận lọc và ảnh, cho ra kết quả ảnh đã được xoá nhiễu (làm mờ)
Trang 6Công thức tích chập giữa hàm ảnh f(x, y) và bộ lọc k(x, y) (kích thước mxn):
m 2 / n / 2
k(x,
y]*f(x
)-f(x
-u,y-v)
u =- m /2 v =- n /2
Ví dụ:
III Lọc trung bình
a Ý tưởng
Với lọc trung bình, mỗi
điểm ảnh (Pixel) được thay thế bằng trung bình
trọng số của các điểm trong vùng lân cận
Giả sử rằng có 1 ma trận lọc (Kernel) (3x3) quét qua từng điểm ảnh của ảnh đầu vào input Tại vị trí mỗi điểm ảnh lấy giá trị của các điểm ảnh tương ứng trong vùng (3x3) của ảnh gốc đặt vào ma trận lọc (Kernel) Giá trị điểm ảnh của ảnh đầu
ra output là giá trị trung bình của tất cả các điểm trong ảnh trong ma trận lọc (Kernel)
Mô tả:
7+6+5+3+1+8+4+9+2 = 45
Mặt nạ
Trang 7b Thuật toán
Giả Sử cho một ảnh đầu vào với I(x,y) là giá trị điểm ảnh tại một điểm (x,y) và một ngưỡng T
• Bước 1: Tính tổng các thành phần trong ma trận lọc (Kernel)
• Bước 2: Chia lấy trung bình của tổng các thành phần trong ma trận được tính ở trên với số lượng các phần tử của cửa sổ lọc ra 1 giá trị Itb(x, y)
• Bước 3: Hiệu chỉnh:
o Nếu I(x,y) - Itb(x,y) > T thì I(x,y) = Itb(x,y)
o Nếu I(x,y) - Itb(x,y) <= T thì I(x,y) = Itb(x,y)
Chú ý
T là 1 giá trị cho trước và có thể có hoặc không tùy thuộc vào mục đích
c Tác dụng
Trong lọc trung bình, thường ưu tiên cho các hướng để bảo vệ biên của ảnh
khỏi bị mờ khi làm trơn ảnh Các kiểu ma trận lọc (Kernel) được sử dụng tùy theo
P a g e 6 | 12
Giá trị chưa được lọc
Khi đã lọc
Trang 8các trường hợp khác nhau Các bộ lọc trên là bộ lọc tuyến tính theo nghĩa là điểm ảnh ở tâm cửa sổ sẽ được thay bởi tổ hợp các điểm lân cận chập với ma trận lọc (Kernel)
d Lọc trung bình trong Matlab
19 “ 0 for * đùng code lọc trung bình
20
- [ íor i“2:n-l 21
- Med(l) ■ A(l-l,j-l);
22
- Med(2) -A|i-lJ) ỉ
23
- Med(3) -A(i-l
f j+l);
24
- Hed(4) • A(iJ-l|;
25 -Med(5) • A(í,j);
26
- Med(€) • A(i,j+1);
27
- Med(7) - A(í+ld-l);
28
- Ned(8)
s A(i+lJ);
29 -Mẽd|9) -AỊí+M+l);
30 -sum=Q;
31
- íor k-lí$
32
- 3um=sum+Med(k)!
33
-end
34
- A(i,j)
8 (sum/9);
35
- end 36
- -end 37
- aubplot(2,2,4);
38’ iMhov(A);
39
1 );
UntMed.m X Untìtled2,m* X GDSS_2BoLoc.m X untitled,m X LocTrungBinh.m* X bo.loc.m X
18 (///////////
Kết quả:
P a g e 8 | 12
Trang 9IV.Bộ lọc Trung vị - Median íilter
a Ý tưởng
Lọc Trung vị là một kĩ thuật lọc phi tuyến (non-linear), nó khá hiệu quả đối với hai loại nhiễu: nhiễu đốm (speckle noise) và nhiễu muối tiêu (salt-pepper noise) Kĩ thuật này là một bước rất phổ biến trong xử lý ảnh
Ý tưởng chính của thuật toán lọc Trung vị như sau: ta sử dụng một
cửa sổ lọc (matrận 3x3) quét qua lần lượt từng điểm ảnh của ảnh đầu vào
input Tại vị trí mỗiđiểm ảnh lấy giá trị của các điểm ảnh tương ứng trong
vùng 3x3 của ảnh gốc “lấp”vào ma trận lọc Sau đó sắp xếp các điểm ảnh
trong cửa sổ này theo thứ tự (tăngdần hoặc giảm dần tùy ý) Cuối cùng, gán điểm ảnh nằm chính giữa (Trung vị) củadãy giá trị điểm ảnh đã được sắp
xếp ở trên cho giá trị điểm ảnh đang xét của ảnhđầu ra output.
P a g e 9 | 12
Trang 10Mô tả
0, 1, 12, 10, 13, 18, 47, 52, 99
b Thuật toán
Sơ lược một cách ngắn gọn các bước của giải thuật:
- Bước1 Quét cửa sổ lọc lên các thành phần của ảnh gốc; điền
các giá trị được quét vào cửasổ lọc
- Bước 2 Lấy các thành phần trong của sổ lọc để xử lý
- Bước 3 Sắp xếp theo thứ tự các thành phần trong cửa sổ lọc
- Bước 4 Lưu lại thành phần trung vị, gán cho ảnh output
Chú ý
Trong khi lập trình là với cửa số 2 chiều 3x3 ở trên sẽ khó xử lý nên tất cả sẽ được gán qua mảng 1 chiều gồm 9 phần tử
c Tác dụng
Trang 11Loại bỏ các điểm ảnh mà vẫn đảm bảo độ phân giải.
Hiệu quả trong việc giảm đi điểm nhiễu trong ma trận lọc (Kernel) lớn
hay bằng 1 nửa số điểm trong ma trận lọc (Kernel)
d Lọc trung vị trong Matlab
Trang 12Kết quả
Ảnh xám
Page 12 | 12
Trang 13V So sánh hai bộ lọc
Qua các lần thực nghiệm qua các loại ảnh và loại nhiễu khác nhau, chúng ta có thể thấy dù là lọc trung bình hay lọc trung vị thì ảnh đầu ra cũng sẽ được lọc bớt nhiễu Lọc trung bình phát huy hiệu quả tốt nhất đối với các các ảnh nhiễu Gaussian, còn đối với nhiễu Salt & Pepper thì hiệu quả không tốt bằng Nếu dùng các mặt nạ có kích thước lớn hơn thì nhiễu sẽ được lọc bớt nhiều hơn nhưng đổi lại ảnh sẽ bị mờ Lọc trung bình thường ưu tiên cho các hướng để bảo vệ biên của ảnh khỏi bị mờ khi làm trơn ảnh
Lọc trung vị sẽ hiệu quả nhất đối với nhiễu Salt & Pepper, còn đối với nhiễu
Gaussian thì chất lượng lọc sẽ không được như vậy Qúa trình xử lý của lọc trung
vị chậm, do mỗi lần đều phải sắp xếp lại nxn lần
Ảnh màu
Page 13 | 12