Chương 3. Xử lý và nâng cao chất lượng ảnh

Xử lý tín hiệu và mã hóa (Master program) Xử lý tín hiệu và mã hóa (Master program) Giảng viên TS Phạm Việt Hà Email phamviethagmail com ĐT CQ (04) 37544486 Địa chỉ CQ 122 Hoàng Quốc Việt, Cầu Giấy, Hà Nội 1 Chương 3 Xử lý và nâng cao chất lượng ảnh Viện Khoa học Kỹ thuật Bưu điện 2 3 1 Các kỹ thuật tăng cường ảnh 3 1 1 Các kỹ thuật tăng cường ảnh sử dụng toán tử điểm 3 1 2 Cải thiện ảnh dùng toán tử không gian 3 2 Khôi phục ảnh 3 2 1 Mô hình quan sát và tạo ảnh 3 2 2 Kỹ thuật lọc tuyến tính Tă.

Chương 3 Xử lý và nâng cao chất lượng ảnh

3.1 Các kỹ thuật tăng cường ảnh

3.1.1 Các kỹ thuật tăng cường ảnh sử dụng toán tử điểm

3.1.2 Cải thiện ảnh dùng toán tử không gian

3.1.1 Các kỹ thuật tăng cường ảnh sử dụng toán tử điểm

 Xử lý điểm ảnh là 1 trong các phép xử lý cơ bản và đơn giản Có 2 cách tiếp cận trong cách xử lý này:

 Dùng 1 hàm thích hợp tùy theo mục đích cải thiện ảnh để biến đổi giá trị của điểm ảnh sang một giá trị khác

 Dựa vào kỹ thuật biến đổi lược đồ xám (Histogram)

3.1.1.1 Tăng độ tương phản

Nếu ảnh của ta có độ tương phản kém, ta có thể thay đổi tuỳ theo ý muốn

3.1.1.1 Tăng độ tương phản

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:

Với các độ dốc α , β , γ xác định độ tương phản tương đối, L là số mức xám tối đa của ảnh

 α = β = γ= 1 : Ảnh kết quá trùng với ảnh gốc

 α , β , γ > 1 : Giãn độ tương phản

 α , β , γ < 1 : Co độ tương phản

3.1.1.2 Tách nhiễu và phân ngưỡng

Tách nhiễu: Là trường hợp đặc biệt của giãn độ tương phản khi có độ dốc α= γ= 0

Ứng dụng để quan sát ảnh, cắt ảnh hoặc giảm nhiễu khi biết tín hiệu đầu vào nằm trên khoảng [a, b].

Phân ngưỡng (Thresholding): Là trường hợp đặc biệt của tách nhiễu khi

a = b = const

Ứng dụng tạo các ảnh nhị phân, in ảnh 2 màu

3.1.1.3 Biến đổi âm bản (Digital Negative)

 Biến đổi âm bản nhận được khi dùng phép biến đổi v = L − s

 Ứng dụng khi hiện các ảnh y học

3.1.1.4 Cắt theo mức (Intensity Level Slicing)

 Làm nổi bật một miền mức xám nhất định (để tăng cường một số đặc điểm nào đó)

 Có 2 kỹ thuật thực hiện:

 Hiển thị giá trị cao cho tất cả các mức xám trong vùng quan tâm, và ngược lại (không nền)

 Làm sáng vùng mức xám mong muốn, nhưng giữ nguyên các giá trị xám khác (có nền)

3.1.1.4 Cắt theo mức (Intensity Level Slicing)

3.1.1.5 Trích chọn bít (Bit Plane Slicing)

Mục đích là để làm nổi bật các thành phần trên toàn ảnh bởi việc sử dụng các bit đặc biệt

 Mỗi mức xám s của 1 điểm ảnh được mã hóa trên B bit, và được biểu diễn:

 Trong các bit mã hóa, người ta chia làm 2 loại: Bit bậc thấp và bit bậc cao Với bit bậc cao, độ bảo toàn thông tin cao hơn nhiều so với bit bậc thấp, các bit bậc thấp thường biểu diễn nhiễu hay nền

 Muốn trích chọn bit thứ n và hiện chúng,

ta dùng biến đổi:

3.1.1.6 Trừ ảnh

 Trừ ảnh được dùng để nén ảnh, tách ảnh khỏi nền, truyền ảnh, nhận dạng, phân đoạn, làm nổi đường biên, tách nhiễu khỏi nền

 Kỹ thuật này hay được dùng trong dự báo thời tiết, trong y học, an ninh…

 Trong an ninh báo động kẻ đột nhập

Cho hai ảnh I1, I2 (cùng kích thước, tính chất) Ta lấy hiệu hai ảnh bằng cách trừ từng toạ độ của I2 cho I1

Chỉ ra sự khác biệt giữa ảnh I1 và ảnh I2 : I(P)=I2(P)-I1(P) ∀P (P là toạ độ)

3.1.1.6 Trừ ảnh

 Trừ ảnh được dùng để nén ảnh, tách ảnh khỏi nền, truyền ảnh, nhận dạng, phân đoạn, làm nổi đường biên, tách nhiễu khỏi nền

 Kỹ thuật này hay được dùng trong dự báo thời tiết, trong y học, an ninh…

 Trong an ninh báo động kẻ đột nhập

Cho hai ảnh I1, I2 (cùng kích thước, tính chất) Ta lấy hiệu hai ảnh bằng cách trừ từng toạ độ của I2 cho I1

Chỉ ra sự khác biệt giữa ảnh I1 và ảnh I2 : I(P)=I2(P)-I1(P) ∀P (P là toạ độ)

3.1.1.6 Trừ ảnh

Ví dụ: Cho 2 ảnh

0 0 0 0 0 0 8 8 8 8 8 8

0 0 0 0 0 0 8 8 8 8 8 8 abs(I1-I2) 0 0 0 0 0 0 Max-abs(I1-I2)= 8 8 8 8 8 8

0 0 0 0 1 1 8 8 8 8 7 7

0 0 0 1 1 1 8 8 8 7 7 7

0 0 1 1 1 1 8 8 7 7 7 7

0 0 0 0 0 0 8 8 8 8 8 8

3.1.1.7 Mô hình hóa và biến đổi lược đồ xám

 Lược đồ xám: Là một hàm rời rạc cung cấp tần suất xuất hiện của mỗi mức xám

h(sk ) = nk

• sk là mức xám thứ k

• nk là số các điểm ảnh khác có cùng mức xám sk

• n là tổng số các điểm ảnh trong ảnh

 Biểu diễn lược đồ xám:

 Trục tung biểu diễn số điểm ảnh cho một mức xám (hoặc tỷ lệ số điểm ảnh có cùng mức xám trên tổng số điểm ảnh)

 Trục hoành biễu diễn các mức xám

3.1.1.7 Mô hình hóa và biến đổi lược đồ xám

3.1.1.7 Mô hình hóa và biến đổi lược đồ xám

a. Phương pháp giãn lược đồ xám (Histogram Stretching)

Các giá trị xám không phủ đều trên toàn dải động sẵn có của ảnh, làm cho ảnh quá tối, quá sáng hoặc tương phản kém

Để giải quyết điều này, ta thực hiện thao tác giãn lược đồ xám lên toàn dải động của ảnh

3.1.1.7 Mô hình hóa và biến đổi lược đồ xám

a. Phương pháp giãn lược đồ xám (Histogram Stretching)

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 ÷ 2B-1

.Giá trị xám nhỏ nhất của ảnh → giá trị 0

.Giá trị xám lớn nhất của ảnh → giá trị 2B-1

3.1.1.7 Mô hình hóa và biến đổi lược đồ xám

b Phương pháp cân bằng lược đồ xám (Histogram Equalization)

Mục đích là đưa ra một ảnh có mức xám được phân bố đồng đều

Ý nghĩa: Dãn đều ảnh đen, trắng Kết quả sẽ dễ nhìn hơn nhưng phân tích khó hơn

 Cân bằng lý tưởng: với mọi g, g’: g ≠ g’ thì h(g)=h(g’)



3.1.1.7 Mô hình hóa và biến đổi lược đồ xám

b Phương pháp cân bằng lược đồ xám (Histogram Equalization)

3.1.1.7 Mô hình hóa và biến đổi lược đồ xám

b Phương pháp cân bằng lược đồ xám (Histogram Equalization)

Ví dụ: Cho I và new_level=6, hãy cân bằng histogram

3.1.1.7 Mô hình hóa và biến đổi lược đồ xám

b Phương pháp cân bằng lược đồ xám (Histogram Equalization)

3.1.2 Cải thiện ảnh dùng toán tử không gian

 Cải thiện ảnh là làm cho ảnh có chất lượng tốt hơn theo ý đồ sử dụng

 Các toán tử không gian dùng trong kỹ thuật tăng cường ảnh được phân theo nhóm theo công dụng: Làm trơn nhiễu, nổi biên

Để làm trơn nhiễu hay tách nhiễu người ta sử dụng các bộ lọc tuyến tính hay lọc phi tuyến

3.1.2.1 Làm trơn nhiễu bằng lọc tuyến tính

a. Lọc trung bình không gian

Mỗi điểm ảnh được thay thế bằng lọc trung bình trọng số của các điểm lân cận:

Nếu ta dùng các trong số như nhau, công thức trở thành:

l n k m

y N

n m

v

) , (

) ,

(

1 )

, (

kl

N

3.1.2.1 Làm trơn nhiễu bằng lọc tuyến tính

a. Lọc trung bình không gian

. y(m,n): ảnh đầu vào

1 1

H

3.1.2.1 Làm trơn nhiễu bằng lọc tuyến tính

a. Lọc trung bình không gian

1 1 1

1 1 1 9

1 2 1

1 1 1 10

2 4 2

1 2 1 16

13

H

3.1.2.1 Làm trơn nhiễu bằng lọc tuyến tính

a. Lọc trung bình không gian

3.1.2.1 Làm trơn nhiễu bằng lọc tuyến tính

a. Lọc trung bình không gian

3.1.2.1 Làm trơn nhiễu bằng lọc tuyến tính

a. Lọc trung bình không gian

3.1.2.1 Làm trơn nhiễu bằng lọc tuyến tính

a. Lọc trung bình không gian

Hình A) ảnh

gốc

Hình B) ảnh qua lọc H1

Hình D) ảnh qua lọc H3 Hình C) ảnh

qua lọc H2

3.1.2.1 Làm trơn nhiễu bằng lọc tuyến tính

1 2 1

0 1 0 8

=

1 1

1 1

) 2 (

2

b

b b

b

b b

H b

3.1.2.1 Làm trơn nhiễu bằng lọc tuyến tính

c Lọc trung bình với dữ liệu hợp lệ

 Mục đích: Khắc phục hiện tượng làm mờ biên ảnh của lọc trung bình Nó chỉ có tác dụng đối với các điểm thoả mãn một số tiêu chuẩn, nhằm tránh các tác động không cần thiết lên các điểm ảnh mà chúng là một phần của các đặc trưng riêng biệt của ảnh

Một tiêu chuẩn đơn giản cho các điểm ảnh trong ảnh gốc là độ sáng phải nằm trong khoảng đã được định nghĩa trước [min, max]

Xét điểm ảnh (m,n), mặt nạ cuộn được xác định trong vùng lân cận O như

i m

g j

, (

1 )

, (

3.1.2.2 Làm trơn nhiễu bằng lọc phi tuyến

a Lọc trung vị

Khái niệm: Phần tử b của dãy có 2m+1 phần tử

x1, x2, , xm, xm+1, xm+2, , x2m, x2m+1

Được gọi là trung vị nếu có m phần tử lớn hơn hoặc bằng b và m phần tử nhỏ hơn hoặc bằng b

Ví dụ 1: Dãy {1, 2, 9, 5, 4} có trung vị bằng 4, vì có 2 phần tử {1, 2, 9, 5, 4} bé hơn và 2 phần tử {1, 2, 9 5, 4} lớn hơn

Ví dụ 2: Dãy {15, 17,18, 16, 78, 17, 17, 15, 20} có trung vị bằng 17, vì có 4 phần tử (gạch chân) bé hơn hoặc bằng {15, 17,18, 16,

78, 17, 17, 15, 20}

và 4 phần tử (được đánh dấu bằng màu đỏ) lớn hơn hoặc bằng: {15, 17, 18 , 16, 78, 17 , 17, 15, 20}

3.1.2.2 Làm trơn nhiễu bằng lọc phi tuyến

a Lọc trung vị

 Thuật toán:

 Di chuyển một cửa sổ 3×3 trên mặt phẳng ảnh, từ trái qua phải, từ trên xuống dưới Mỗi lần di chuyển một cột – từ trái qua phải, hết một hàng, di chuyển một hàng – từ trên xuống dưới

 Tại mỗi vị trí, xét 9 phần tử ảnh trong cửa sổ, thay thế phần tử ở giữa bằng trung vị của 9 phần tử trong cửa sổ

 Ngoài cửa sổ 3×3 có thể sử dụng cửa sổ kích thước 5×5 hoặc 7×7 Thủ tục lọc có thể được thực hiện nhiều lần, cho đến khi thủ tục lọc không làm thay đổi ảnh

3.1.2.2 Làm trơn nhiễu bằng lọc phi tuyến

3.1.2.2 Làm trơn nhiễu bằng lọc phi tuyến

a Lọc trung vị

Ví dụ 3:

Theo ví dụ trên, trung vị của dãy này là 17 Giá trị mới của phần tử ảnh tại điểm (x,y) sẽ là 17

3.1.2.2 Làm trơn nhiễu bằng lọc phi tuyến

a. Lọc trung vị

3.1.2.2 Làm trơn nhiễu bằng lọc phi tuyến

b Lọc giả trung vị

Thí dụ với dãy số: a, b, c, d, e lọc giả trung vị được định nghĩa như sau:

GTV(a,b,c,d,e)=

 Thuật toán:

 Lấy các phần tử trong cửa sổ ra mảng một chiều (L phần tử)

 Tìm min của lần lượt các chuỗi con rồi lấy max: gọi m1 là giá trị này

 Tìm max của lần lượt các chuỗi con rồi lấy min: gọi m2 là giá trị tìm được

 Gán giá trị điểm đang xét là trung bình cộng của m1 và m2

, , ( ),

, ,

( 2

1

e d c Max d

c b Max c

b a Max MIN

e d c Min d

c b Min c

b a Min MAX

3.1.2.2 Làm trơn nhiễu bằng lọc phi tuyến

c Lọc ngoài (Outlier Filter)

 Tiến hành so sánh giá trị của một điểm ảnh với trung bình số học 8 lân cận của nó Nếu sự sai lệch này lớn hơn ngưỡng, điểm ảnh này được coi như nhiễu

 Trong trường hợp này ta thay thế giá trị của điểm ảnh bằng giá trị trung bình 8 lân cận vừa tính được

với α(w) là trung bình cộng các điểm trong lân cận w; δ là ngưỡng ngoài.

 Các cửa sổ tính toán thường là 3x3 Tuy nhiên cửa sổ có thể mở rộng đến 5x5 hay 7x7 để đảm bảo tính tương quan giữa các điểm ảnh

3.2 Khôi phục ảnh

 Khái niệm: Khôi phục ảnh là các kỹ thuật cải thiện chất lượng những ảnh ghi đảm bảo gần được như ảnh thật khi ảnh bị méo.

 Các nguyên nhân biến dạng:

 Do camera, đầu thu ảnh chất lượng kém

 Do môi trường, ánh sáng, hiện trường (scene), khí quyển, nhiễu xung

3.2.1 Mô hình quan sát và tạo 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)

 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

3.2.1 Mô hình quan sát và tạo ảnh



3.2.2 Kỹ thuật lọc tuyến tính

 Để đơn giản ta gài thiết bị là hệ thống không có nhiễu Như vậy thì vấn đề chỉ còn xác định hàm phân tán điểm h(m,n)

3.2.2 Kỹ thuật lọc tuyến tính

 Mô hình ảnh rung động mờ (Blur Motion)

 Lý tưởng: Ảnh không rung động mờ

 Ảnh có rung động mờ tuyến tính (dịch chuyển, xoay…):

L: Độ dịch chuyển, ϕ góc xoay

3.2.2 Kỹ thuật lọc tuyến tính

 Rung động đồng nhất ngoài tiêu điểm

 Biến dạng ảnh do nhiễu loạn của khí quyển

k: là hệ số hiệu chỉnh, k<1