Phân loại sản phẩm dựa vào dạng hình học bằng phương pháp xử lý ảnh và ứng dụng phương pháp này trong việc phân loại các sản phẩm đồ hộp,đề tài nghiên cứu khoa học sinh viên

Phần mở đầu: Đề tài nghiên cứu phân loại sản phẩm dựa vào dạng hình học bằng phương pháp xử lý ảnh xuất phát từ việc ứng dụng các hàm xử lý ảnh trong MATLAB với lý thuyết biến đổi Houg

NỘI DUNG

TỔNG QUAN VỀ HỆ THỐNG PHÂN LOẠI SẢN PHẨM

Các loại mô hình phân loại sản phẩm

Các hệ thống phân loại tự động có quy mô đa dạng tùy thuộc vào mức độ phức tạp của yêu cầu phân loại, nhưng đều có chi phí cao, đặc biệt là ở Việt Nam Hiện nay, nhiều doanh nghiệp vẫn phụ thuộc vào sức lao động con người cho công việc này, trong khi các hệ thống phân loại tự động chủ yếu được áp dụng cho những yêu cầu phức tạp Ngoài việc sử dụng băng chuyền để vận chuyển sản phẩm, các doanh nghiệp còn cần hệ thống phân loại sản phẩm hiệu quả Có nhiều phương pháp phân loại sản phẩm khác nhau, bao gồm phân loại theo kích thước, màu sắc, khối lượng, mã vạch và hình dạng.

Hệ thống phân loại sản phẩm sử dụng xử lý ảnh

Hệ thống tự động nhận dạng và phân loại sản phẩm là một bước tiến quan trọng để đáp ứng nhu cầu hiện nay Công nghệ này sử dụng phương pháp xử lý ảnh và có thể phân loại sản phẩm dựa trên các tiêu chí như màu sắc, kích thước và hình dạng.

Hình 1.2: Dây chuyền sản phẩm đồ hộp

Hệ thống này bao gồm:

Khi sản phẩm di chuyển trên băng chuyền đến vị trí phân loại, camera sẽ chụp hình và gửi dữ liệu vào hệ thống xử lý Tùy thuộc vào từng trường hợp phân loại, nhà thiết kế sẽ phát tín hiệu điều khiển để robot gắp hoặc gạt các sản phẩm tương ứng.

MATLAB VÀ CÁC HÀM XỬ LÝ ẢNH

Cơ bản về xử lý ảnh số

2.2.1 Biểu diễn và xuất nhập ảnh Đọc và ghi dữ liệu ảnh:

Hàm imread trong Matlab cho phép đọc ảnh từ nhiều định dạng khác nhau với các chiều sâu bit khác nhau Thông thường, các file ảnh sử dụng 8 bit cho giá trị pixel, và khi được đọc vào bộ nhớ, chúng được lưu trữ dưới dạng uint8 Đối với các file 16 bit như PNG và TIFF, Matlab lưu trữ chúng dưới dạng uint16 Đặc biệt, với ảnh chỉ số, hàm imread luôn đọc bản đồ màu vào một chuỗi thuộc lớp double, ngay cả khi mảng ảnh thuộc lớp uint8 hoặc uint16.

Chẳng hạn, đoạn mã sau sẽ đọc một ảnh RGB vào không gian làm việc của Matlab lưu trong biến RGB

Hàm imread trong Matlab tự động nhận diện định dạng file từ tên file, nhưng người dùng cũng có thể chỉ định định dạng file như một tham số Matlab hỗ trợ nhiều định dạng đồ họa phổ biến như BMP, GIF, JPEG, PNG và TIFF Để tìm hiểu thêm về các kiểu gọi hàm và tham số, hãy tham khảo tài liệu trợ giúp trực tuyến của Matlab.

Để hiển thị một bức ảnh trong Matlab, bạn có thể sử dụng hàm imview Hàm này cho phép bạn chỉ định bức ảnh mà bạn muốn hiển thị, bao gồm cả những bức ảnh đã được nhập vào không gian làm việc của Matlab.

Ta cũng có thể chỉ định tên của file ảnh như trong ví dụ sau: imview(‘S’);

Để xem ảnh, chúng ta có thể sử dụng hàm imshow thay vì imview Hàm imshow cho phép hiển thị một ảnh đã được nhập vào trong không gian làm việc, ví dụ như sau: imshow(S);

Khi áp dụng cấu trúc này, dữ liệu ảnh sẽ không được nhập vào không gian làm việc Tuy nhiên, chúng ta vẫn có thể đưa ảnh vào không gian làm việc một cách dễ dàng.

Page 12 cách sử dụng hàm getimage Hàm này sẽ nhận dữ liệu ảnh từ handle của một đối tượng ảnh hiện tại.

2.2.2 Các hàm biến đổi hình ảnh

Việc chuyển đổi ảnh từ định dạng này sang định dạng khác là rất hữu ích, đặc biệt khi cần lọc một màu trong ảnh được lưu trữ dưới dạng ảnh chỉ số Để thực hiện điều này, ta nên chuyển đổi ảnh chỉ số thành định dạng RGB.

Khi áp dụng phép lọc cho ảnh RGB, Matlab sẽ điều chỉnh giá trị cường độ tương ứng trong ảnh Tuy nhiên, nếu cố gắng lọc ảnh chỉ số, Matlab chỉ áp dụng phép lọc lên ma trận ảnh chỉ số mà không mang lại ý nghĩa thực sự.

Khi chuyển đổi ảnh từ định dạng này sang định dạng khác, kết quả có thể khác biệt so với ảnh gốc Ví dụ, chuyển đổi ảnh màu chỉ số sang ảnh cường độ sẽ tạo ra một ảnh đen trắng.

Danh sách sau đây sẽ liệt kê các hàm được sử dụng trong việc chuyển đổi kiểu ảnh:

 dither: Tạo một ảnh nhị phân từ một ảnh cường độ đen trắng bằng cách trộn, tạo một ảnh chỉ số từ một ảnh RGB bằng cách trộn (dither)

 gray2id: Tạo một ảnh chỉ số từ một ảnh cường độ đen trắng

 grayslice: Tạo một ảnh chỉ số từ một ảnh cường độ đen trắng bằng cách đặt ngưỡng

 im2bw: Tạo một ảnh nhị phân từ một ảnh cường độ, ảnh chỉ số hay ảnh RGB trên cơ sở của ngưỡng ánh sáng

 ind2gray: Tạo một ảnh cường độ đen trắng từ một ảnh chỉ số

 ind2rgb: Tạo một ảnh RGB từ một ảnh chỉ số

 mat2gray: Tạo một ảnh cường độ đen trắng từ dữ liệu trong một ma trận bằng cách lấy tỉ lệ giữ liệu

 rgb2gray: Tạo một ảnh cường độ đen trắng từ một ảnh RGB

 rgb2ind: Tạo một ảnh chỉ số từ một ảnh RGB

Ví dụ: o Hàm rgb2gray:

Hình 2.2: Kết quả so sánh của ảnh ban đầu với ảnh sau khi biến đổi gray o Hàm im2bw

Hình 2.3: Kết quả so sánh của ảnh ban đầu với ảnh sau khi biến đổi trắng đen Thay đổi kích thước ảnh:

 Để thay đổi kích thước của một ảnh, sử dụng hàm imresize Sử dụng hàm này ta có thể:

 Chỉ ra kích thước của ảnh kết quả

 Chỉ ra phương pháp nội suy được sử dụng

 Chỉ ra bộ lọc được sử dụng để ngăn ngừa hiện tượng răng cưa

 Chỉ ra kích thước cho ảnh kết quả

Sử dụng hàm imresize, ta chó thể chỉ ra kích thước của ảnh kết quả theo hai cách:

 Bằng cách chỉ ra hệ số phóng đại được sử dụng trên ảnh

 Bằng cách chỉ ra chiều của ảnh kết quả

 Sử dụng hệ số phóng đại ảnh:

Để thay đổi kích thước ảnh, bạn cần chỉ định hệ số phóng đại Để mở rộng ảnh, sử dụng hệ số lớn hơn 1, trong khi để thu nhỏ, chọn hệ số nằm giữa 0 và 1 Ví dụ, lệnh sau sẽ tăng kích thước của ảnh I lên 1.25 lần: s=imread('logo.jpg'); h=imresize(s,1.25); imshow(h).

Hình 2.4: Kết quả so sánh của ảnh ban đầu với ảnh sau khi phóng lớn

 Thu nhỏ kích thước của ảnh ra

Để chỉ định kích thước của ảnh đầu ra, ta có thể sử dụng một véc tơ chứa số lượng hàng và cột Ví dụ, các lệnh sau đây sẽ tạo ra một ảnh Y với 100 hàng và 150 cột: \$y = \text{imresize}(h, [100, 150]); \text{imshow}(y)\$.

Hình 2.5: Kết quả so sánh của ảnh ban đầu với ảnh sau khi chỉnh sửa kích thước

 Sử dụng bộ lọc để ngăn chặn hiện tượng răng cưa

Việc giảm kích thước hình học của ảnh có thể dẫn đến hiện tượng răng cưa ở biên ảnh, do thông tin bị mất trong quá trình này Hiện tượng răng cưa xuất hiện dưới dạng những gợn sóng trong ảnh cuối cùng.

Khi giảm kích thước ảnh bằng cách sử dụng nội suy song tuyến tính hoặc song khối, hàm imresize tự động áp dụng bộ lọc thông thấp để giảm thiểu hiện tượng răng cưa Người dùng có thể chỉ định kích thước của bộ lọc này hoặc thay thế bằng một bộ lọc khác.

Chất lượng ảnh có thể bị ảnh hưởng ngay cả khi sử dụng bộ lọc thông thấp, vì thông tin luôn bị mất trong quá trình nội suy.

Hàm imresize không áp dụng bộ lọc thông thấp cho ảnh khi sử dụng phương pháp nội suy các pixel gần nhất Phương pháp này ban đầu được thiết kế cho các ảnh chỉ số, và bộ lọc thông thấp không phù hợp với loại ảnh này.

 Ta cũng có thể chỉ ra một bộ lọc tự tạo thay cho các bộ lọc có sẵn o Hàm imresize

Cú pháp của hàm này như sau:

B = imresize( ,method,h) o Ví dụ: d=imresize(s,0.25); imshow(d)

Hình 2.6: Kết quả so sánh của ảnh ban đầu với ảnh sau khi thu nhỏ

 Để quay một ảnh, sử dụng hàm imrotate Hàm này chấp nhận hai tham số chính:

Góc quay được tính theo độ, với giá trị dương làm cho hàm imrotate quay ảnh theo chiều ngược chiều kim đồng hồ, trong khi giá trị âm sẽ quay ảnh theo chiều kim đồng hồ Ví dụ, khi quay một ảnh 35 độ theo chiều ngược chiều kim đồng hồ, kết quả sẽ là ảnh được xoay đúng theo yêu cầu.

 Ví dụ: s=imread('logo.jpg'); h=imrotate(s,35);

Hình 2.7: Kết quả so sánh của ảnh ban đầu với ảnh sau khi xoay

 Để trích một vùng chữ nhật của một ảnh, sử dụng hàm imcrop Hàm imcrop chấp nhận hai tham số chính:

 Các góc của hình chữ nhật xác định vùng xén

PHƯƠNG PHÁP BIẾN ĐỔI HOUGH

Cơ bản về biến đổi Hough

3.1.1 Lịch sử biến đổi Hough Được phát minh bởi Hough năm 1959

Nó đã được giới thiệu vào năm 1962 và lần đầu tiên được sử dụng để tìm dòng trong hình ảnh một thập kỷ sau đó bởi Richard Duda 1972

3.1.2 Phương pháp thực hiện của biến đổi hough

Biến đổi Hough cơ bản là 1 thuật toán được sử dụng để xác định đường thẳng

Kỹ thuật biến đổi Hough được áp dụng trong nhiều phiên bản hình ảnh máy tính, bao gồm việc xác định đường nét và khung viền Lợi ích chính của phương pháp này là khả năng lấp đầy hoặc xóa bỏ các lỗ hổng trong mô tả đường viền, đồng thời xử lý nhiễu hiệu quả.

Biến đổi Hough gần thẳng là một phương pháp đơn giản để xác định đường thẳng trong không gian hình ảnh Đường thẳng được mô tả bởi phương trình \$y=mx+b\$ và thường được biểu diễn bằng các cặp điểm ảnh (x,y) Điều quan trọng là các tính chất của đường thẳng không nằm ở các điểm ảnh x hay y, mà thể hiện qua các biến số m và b.

 Xác định đường tròn và elip

Và các hình này có thể được thể hiện bởi công thức y=ax+b

Trong công thức này, giá trị a(1,2) có thể được áp dụng cho x và y, khiến a và b trở thành các tham số cho các đường thẳng đi qua điểm A Nhờ vào tính chất này, chúng ta có thể mô tả bất kỳ đường thẳng nào đi qua một điểm đã cho.

Chúng ta kết hợp với kết quả của dãy bộ đếm, bắt đầu với giá trị mặc định là 0 cho tất cả các ô nhớ Sau đó, các giá trị của a sẽ được xác định tương ứng.

1 giá trị của b, giá trị của ô nhớ tăng lên 1

Khi vẽ tất cả các đường thẳng có thể đi qua điểm A, một số trong số đó cũng sẽ đi qua các điểm B và C Thông thường, các đường thẳng đi qua điểm B cũng sẽ đi qua điểm A và C Giá trị trong bộ đếm sẽ tăng lên khi đường thẳng đi qua các điểm này Ở giai đoạn xử lý cuối cùng, ô có giá trị cao nhất sẽ đại diện cho đường thẳng có số điểm cao nhất trong dãy ảnh nguồn.

Phương pháp này gặp phải một số trở ngại, đặc biệt khi đường thẳng vuông góc và giá trị của a bằng 0 hoặc là một số nguyên Trong những trường hợp này, a có thể được thể hiện một cách phổ biến hơn, và đường thẳng a sẽ được xác định như sau:

Biến đổi Hough có thể được sử dụng để xác định hình tròn và các tham số hình học trong các hình dạng khác Theo lý thuyết, bất kỳ dạng đường cong nào cũng có thể được xác định nếu chúng ta có thể mô tả chúng dưới dạng một hàm cụ thể, ví dụ như \$P = x \cdot \cos + y \cdot \sin\$.

Ví dụ : hình tròn có thể được biểu diễn:

Phương trình ( − ) +( − ) − = 0 (3.2) mô tả một hình tròn trong không gian Trong mô hình này, chúng ta có ba tham số không gian tương ứng với các kích thước: hai tham số xác định trung tâm của hình tròn và một tham số cho bán kính của nó.

Biến đổi Hough nổi bật với khả năng ngăn chặn nhiễu từ hình ảnh gốc và duy trì khoảng cho phép trong giới hạn viền Hình 3.1 và 3.2 cho thấy sự so sánh giữa biến đổi Hough của đường thẳng và chấm điểm, cho thấy kết quả gần như không có sự khác biệt Phần tiếp theo sẽ cung cấp thêm nhiều ví dụ về những lợi ích này.

Biến đổi Hough, mặc dù là một phương pháp brute-force, đã trở nên phức tạp trong tính toán với hai khó khăn chính: yêu cầu dung lượng bộ nhớ lớn và tốc độ xử lý chậm Để xác định tham số mặt phẳng một cách chính xác, không gian tham số cần được chia thành ba vùng trực tiếp, và mỗi khóa cần có một bộ đếm riêng Việc làm đầy các bộ đếm này tốn nhiều thời gian do số lượng lớn.

Biến đổi Hough nhanh (FHT) giúp tăng tốc độ xử lý và giảm dung lượng bộ nhớ cần thiết Thay vì chia các biến số không gian một cách không đồng bộ, FHT quy tụ chúng về một nghiệm duy nhất, loại bỏ các diện tích trống trong các biến số không gian liên quan.

Một điểm yếu nữa của biến đổi hough là thường nhận diện các đường thẳng thông thường thay vì hình đúng

Trước khi thảo luận về lệnh thi hành cụ thể, cần nhắc đến hoạt động của [HAA99] và [TAN06], vì một số ý tưởng trong thi hành của tôi dựa trên cơ sở làm việc của chúng Để thực hiện biến đổi Hough, cần thực hiện 4 bước: nhập ảnh, xác định biên, áp dụng thuật toán Hough và cuối cùng là biểu diễn hình ảnh.

Chương trình MATLAB sẽ cho phép chúng ta nhập nhiều loại ảnh khác nhau Sau khi nhập, ảnh sẽ được chuyển đổi sang thang màu xám bằng một hàm có sẵn.

Để xác định biên, chúng ta sẽ áp dụng các phương pháp cơ bản, trong đó có sử dụng MATLAB Hai hàm quan trọng cần chú ý là “threshold” và “sigma”, giúp chúng ta xác định biên một cách hiệu quả Bước này rất quan trọng, vì việc xác định biên chính xác sẽ tạo điều kiện thuận lợi cho việc thực hiện biến đổi Hough MATLAB sẽ tự động làm hẹp các đường biên, giúp quá trình xử lý hình ảnh trở nên dễ dàng hơn.

Page 22 trong phiên bản MATLAB của tác giả, tác giả không thể vô hiệu hóa tính năng này Nhưng dù sao thì giảm số lượng điểm chấm ở biên cũng không là 1 ý kiến tệ

Phương pháp nhận dạng hình chữ nhật

Đầu tiên, bạn chia hình ảnh ban đầu thành nhiều mảng màu R,G,B

Sau đó, với mỗi mảng màu, bạn biểu diễn cách xác định đường biên, và vì vậy ngưỡng có thể đạt nhiều giá trị khác nhau như 50,100,… vv

Trong số tất cả các ảnh nhị phân, chúng ta cần xác định các cạnh Lưu ý rằng do có nhiều ảnh cần xử lý, quá trình này có thể tốn thời gian Nếu bạn muốn tiết kiệm thời gian, có thể bỏ qua một số ngưỡng.

Sau khi đã tìm đươc cạnh, loại bỏ bớt những điểm ảnh nhiễu không mong muốn bằng cách sử dụng bộ lọc dựa trên vùng miền

Lấy xấp xỉ độ dài các cạnh

Vì hình chữ nhật có 4 góc, v

Bộ lọc các cạnh sẽ d chắn sẽ cho kết quả là 4 Đó c việc xác định hình chữ nhật.

Tiếp theo, ở đây có th biết được đấy không phải là hình ch định hình chữ nhật, tất cả các góc xác đ

 Vì vậy chúng ta xác đ quan hệ dưới đây:

 Nếu cos( )