khôi phục hình dạng ảnh và ứng dụng

Nó đóng vai trò quan trọng trong một số ngành như: ánh xạ bề mặt, biến hình, tạo bề mặt,…Ngoài ra, các kết quả của nó còn có nhiều ý nghĩa trong các ngành xử lý ảnh, cảm ứng từ xa, thư g

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CNTT&TT

- -VŨ VĂN DƯƠNG

KHÔI PHỤC HÌNH DẠNG ẢNH VÀ ỨNG DỤNG

LUẬN VĂN THẠC SỸ KHOA HỌC MÁY TÍNH

Chuyên ngành : Khoa học máy tính

Mã số : 60 48 01

Thái Nguyên, năm 2011

MỤC LỤC

MỤC LỤC 1

LỜI CAM ĐOAN 4

LỜI CẢM ƠN 5

Phần 1: PHẦN MỞ ĐẦU 6

1 Giới thiệu tổng quan về đề tài 6

2 Lý do chọn đề tài 7

3 Bố cục của luận văn 7

Phần 2: NỘI DUNG 9

Chương 1: KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ KHÔI PHỤC ẢNH 9

1.1 Một số khái niệm cơ bản trong xử lý ảnh 9

1.1.1 Xử lý ảnh 9

1.1.2 Các vấn đề cơ bản trong xử lý ảnh 10

1.1.2.1 Một số khái niệm cơ bản 10

1.1.2.2 Nắn chỉnh biến dạng 10

1.1.2.3 Khử nhiễu 11

1.1.2.4 Chỉnh mức xám 11

1.1.2.5 Trích chọn đặc điểm 11

1.1.2.6 Nhận dạng 12

1.1.2.7 Nén ảnh 13

1.1.3 Thu nhận và biểu diễn ảnh 13

1.1.3.1 Thu nhận, các thiết bị thu nhận ảnh 13

1.1.3.2 Biểu diễn ảnh 14

1.2 Khôi phục ảnh 16

1.2.1 Khái niệm khôi phục ảnh 16

1.2.2 Định nghĩa khôi phục ảnh 16

1.2.3 Các nguồn biến dạng 17

1.2.4.Các kỹ thuật khôi phục ảnh 17

1.2.5 Các mô hình quan sát và tạo ảnh 17

1.2.5.1 Mô hình quan sát 17

1.2.5.2 Mô hình nhiễu 18

1.2.5.3 Các bộ lọc 19

1.2.5.4 Khôi phục ảnh bằng phương pháp bình phương tối thiểu 20

Chương 2: CÁC KỸ THUẬT KHÔI PHỤC HÌNH DẠNG ẢNH 21

2.1 Phép biến đổi ảnh 21

2.1.1 Hệ tọa độ Barycentric và phép nội suy Affine 21

2.1.1.1.Hệ tọa độ Barycentric 21

2.1.1.2 Phép nội suy Affine 22

2.1.2 Phép biến đổi ảnh Morphing 23

2.1.2.1 Mục đích 23

2.1.2.2 Khái niệm 23

2.1.3 Một số thuật toán biến đổi ảnh thường gặp 23

2.1.3.1.Thuật toán bóp méo ảnh( Image Warping) 23

2.1.3.2 Thuật toán thay đổi kích thước ảnh.(Image Scale) 24

2.1.3.3 Thuật toán quay ảnh (Image Rotate) 25

2.1.3.4 Thuật toán xoáy ảnh, cuộn (Image Fun) 26

2.2 Thuật toán bóp méo ảnh 27

2.2.1 Giới thiệu 27

2.2.2 Thuật toán bóp méo ảnh 30

2.2.2.1 Ý tưởng cơ bản của thuật toán 30

2.2.2.2 Xây dựng thuật toán 31

2.3 Một số kỹ thuật thường dùng trong bóp méo ảnh 32

2.3.1 Kỹ thuật xếp chồng ảnh 32

2.3.2 Kỹ thuật nắn chỉnh 33

2.3.3 Kỹ thuật cải tiến 35

2.3.4 Kỹ thuật dựa trên các điểm tương đương 36

Chương 3: CHƯƠNG TRÌNH THỬ NGHIỆM 37

3.1 Bài toán biến đổi hình dạng ảnh 37

3.1.1 Giới thiệu bài toán 37

3.1.2 Xây dựng thuật toán 38

3.2 Chương trình thử nghiệm 40

3.2.1 Các khối modul chính trong chương trình 40

3.2.1.1 Khối đọc và thao tác ảnh 40

3.2.1.2 Khối thực hiện biến đổi ảnh dựa trên điểm đặc trưng 40

3.2.1.2.1 Hàm tính tọa độ Barycentric của M đối với ba điểm P 1 , P 2 , P 3 41

3.2.1.3 Khối hiển thị kết quả ảnh 48

3.2.2 Giao diện chương trình 49

3.2.2.1 Giao diện chính của chương trình 49

3.2.2.2 Giao diện khi tiếp nhận một ảnh đầu vào 49

3.2.2.3 Giao diện khi tiếp nhận hai ảnh đầu vào 49

3.2.2.4 Giao diện khi đọc các điểm đặc trưng từ tệp 50

3.2.2.5 Giao diện thực hiện nội suy khôi phục hình dạng ảnh 50

3.2.3 Kết quả chạy thử nghiệm 52

3.2.3.1 Bộ ảnh của em Hằng lúc 6 tuổi và lúc 18 tuổi 52

3.2.3.2 Bộ ảnh của bác Lộng lúc 35 tuổi và lúc 65 tuổi 53

3.2.3.3 Bộ ảnh của một người Nhật lúc 7 tuổi và lúc 45 tuổi 53

Phần 3: PHẦN KẾT LUẬN 54

1 Các kết quả đạt được 54

2 Hướng phát triển của đề tài 55

TÀI LIỆU THAM KHẢO 55

LỜI CAM ĐOAN

Tôi xin cam đoan luận văn “Khôi phục hình dạng ảnh và ứng dụng” là công trình nghiên cứu của riêng tôi dưới sự hướng dẫn của PGS.TS Đỗ Năng Toàn Các

số liệu, hình ảnh được sử dụng trong luận văn cũng như các kết quả nghiên cứu được trình bày trong luận văn là trung thực

VŨ VĂN DƯƠNG

LỜI CẢM ƠN

Để hoàn thành luận văn này, em xin bày tỏ lòng biết ơn sâu sắc đến cô giáo

TS Nguyễn Thị Hồng Minh đã tận tình hướng dẫn trong suốt quá trình em thực hiện luận văn

Em chân thành cảm ơn quý Thầy, Cô trong Trường Đại học Công nghệ thông tin & truyền thông - Đại học Thái Nguyên; quý Thầy, Cô trong Việc công nghệ thông tin đã tận tình truyền đạt kiến thức cho chúng em trong 2 năm học tập

và nghiên cứu Với vốn kiến thức được tiếp thu trong quá trình học không chỉ là nền tảng cho quá trình nghiên cứu luận văn này mà còn là hành trang quí báu, nền tảng vững chắc để em tiếp tục nghiên cứu, hoạt động trong lĩnh vực công nghệ thông tin Cuối cùng em kính chúc quý Thầy, Cô sức khỏe, hạnh phúc và thành công hơn nữa trong cuộc sống

Trân trọng cảm ơn!

Phần 1: PHẦN MỞ ĐẦU

1 Giới thiệu tổng quan về đề tài

Khôi phục ảnh là một lĩnh vực phát triển trong xử lý ảnh nói riêng và trong

ngành đồ họa nói chung Kỹ thuật dùng để khôi phục ảnh: “Kỹ thuật nắn chỉnh biến

dạng hình học ảnh – thực hiện biến đổi ảnh”

Nắn chỉnh ảnh là một kỹ thuật được sử dụng nhiều trong đồ hoạ máy tính Nó đóng vai trò quan trọng trong một số ngành như: ánh xạ bề mặt, biến hình, tạo bề mặt,…Ngoài ra, các kết quả của nó còn có nhiều ý nghĩa trong các ngành xử lý ảnh, cảm ứng từ xa, thư giãn-giải trí,…

Nắn chỉnh ảnh thực hiện việc biến đổi hình học giữa hai ảnh: ảnh nguồn và ảnh đích Sự biến đổi hình học định nghĩa mối quan hệ giữa các điểm ảnh nguồn và điểm ảnh đích Mối quan hệ này có thể được xác định bằng các hàm toán học được

áp dụng trên toàn bộ ảnh hoặc chỉ trên một vùng ảnh nào đó Trong nhiều trường hợp ngoài việc xác định các hàm toán học nắn chỉnh ảnh, phải xác định thêm các đặc trưng sử dụng trong quá trình nắn chỉnh

Có rất nhiều tiêu chí để phân lớp các thuật toán nắn chỉnh ảnh Nếu phân chia theo luồng dữ liệu biến đổi thì có thể phân lớp nắn chỉnh ảnh ra thành 2 lớp: các phương pháp tính xuôi và các phương pháp tính ngược Trong các phương pháp tính xuôi, các điểm ảnh trên ảnh nguồn được xử lý theo từng dòng quét và các kết quả được thiết lập trên ảnh đích Trong khi đó các phương pháp tính ngược ánh xạ ngược các điểm ảnh đích tới các điểm ảnh nguồn Đối với các ảnh số thì việc thực thi theo các phương pháp tính xuôi thường không cho kết quả tốt Do vậy, hầu hết các thuật toán hiện nay đều là các phương pháp tính ngược

Nếu phân biệt theo miền tác động của thuật toán nắn chỉnh thì ta có 2 phương pháp: phương pháp tác động toàn cục và phương pháp tác động cục bộ Phương pháp tác động toàn cục là phương pháp áp dụng thuật toán, tiêu chí như nhau đối với mọi điểm ảnh Đối với phương pháp cục bộ thì việc nắn chỉnh ảnh chỉ

áp dụng trên một số vùng ảnh, các vùng khác được giữ nguyên

Các thuật toán nắn chỉnh toàn cục có tốc độ xử lý tương đối nhanh, tuy nhiên chỉ áp dụng được đối với các yêu cầu đơn giãn như co, giãn ảnh, nắn chỉnh cả ảnh

thành hình tứ giác hay một số hiệu ứng khác như mắt cá, kính núp,…Thuật toán nắn chỉnh ảnh cục bộ là thuật toán cho kết quả ấn tượng hơn Tuy nhiên, để có thể bóp méo cục bộ theo từng vùng thì nó đòi hỏi phải xác định thêm tập các đặc trưng Đặc trưng này có thể tập các đoạn thẳng, điểm, lưới tam giác,…Ngoài ra, việc xây dựng thuật toán cũng tương đối phức tạp

2 Lý do chọn đề tài

Cùng với sự phát triển của Multimedia, với khối lượng hình ảnh và phim lưu trữ ngày càng lớn, cùng với sự phát triển vượt bậc của các thiết bị điện tử, tin học và viễn thông đã thu hút khá nhiều chuyên gia đi vào nghiên cứu những công cụ cung cấp cho việc lấy thông tin từ dữ liệu là các file ảnh

Khi máy tính ra đời việc xử lý thông tin bằng hình ảnh ngày càng trở nên phổ biến Ngày nay, thông tin hình ảnh đóng vai trò ngày càng quan trọng trong việc trao đổi thông tin, bởi phần lớn thông tin mà con người thu được là qua thị giác Bên cạnh đó, lượng dữ liệu là video số tăng lên cùng với việc ứng dụng đa phương tiện trong giáo dục, giải trí, kinh doanh, y tế,…Thực tế này đặt ra bài toán: giảm dung lượng video và tăng tốc độ xử lý, tổ chức lưu trữ và tìm kiếm video hiệu quả, hiểu nội dung video, nhận dạng đối tượng trong video Một trong những lĩnh vực giúp thực hiện được vấn đề này chính là xử lý ảnh

Xuất phát từ mục đích trên, em đã xây dựng đề tài: “Khôi phục hình dạng

ảnh và ứng dụng” Thuật toán biến đổi ảnh là sự kết hợp của các thuật toán biến

đổi ảnh truyền thống đó là: thuật toán trộn ảnh, thuật toán biến đổi ảnh Morphing và phép nội suy tam giác Barycentric Kết quả cuối cùng, là việc áp dụng các thuật toán trên để xây dựng hệ thống nội suy ảnh với ảnh đầu vào sẽ cho ra ảnh đích là các góc nhìn khác nhau của ảnh gốc

Ứng dụng này được xây dựng cũng đã góp phần giải quyết được vấn đề tốn kém dung lượng bộ nhớ khi lưu trữ dữ liệu là các file ảnh Bởi vì, chúng ta chỉ cần lưu trữ ít nhất hai ảnh đầu vào thay vì phải lưu trữ một chuỗi các hình ảnh ở từng góc nhìn khác nhau

3 Bố cục của luận văn

 Phần mở đầu: Nêu lý do chọn đề tài và bố cục luận văn

 Nội dung:

CHƯƠNG 1: KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ KHÔI PHỤC ẢNH

1.1 Một số khái niệm cơ bản trong xử lý ảnh

2.1.3 Các thuật toán biến đổi ảnh thường gặp

2.1.3.1.Thuật toán bóp méo ảnh ( Image Warping) 2.1.3.2 Thuật toán thay đổi kích thước ảnh (Image Scale) 2.1.3.3 Thuật toán quay ảnh (Image Rotate)

2.1.3.4 Thuật toán xoáy ảnh, cuộn (Image Fun)

2.2 Các kỹ thuật thường dùng trong khôi phục hình dạng ảnh

2.2.1 Kỹ thuật xếp chồng ảnh 2.2.2 Kỹ thuật nắn chỉnh 2.2.4 Kỹ thuật dựa trên các điểm tương đương 2.3 Thuật toán bóp méo ảnh áp dụng vào khôi phục hình dạng ảnh

2.3.1 Giới thiệu

2.3.2 Thuật toán bóp méo ảnh áp dụng vào khôi phục ảnh

2.3.2.1 Ý tưởng cơ bản của thuật toán 2.3.2.2 Xây dựng thuật toán

CHƯƠNG 3: CHƯƠNG TRÌNH THỬ NGHIỆM

3.1 Bài toán biến đổi hình dạng ảnh ứng dụng cho khôi phục ảnh

3.1.1 Giới thiệu bài toán 3.1.2 Xây dựng thuật toán 3.2 Chương trình thử nghiệm

3.2.1 Các khối modul chính trong chương trình 3.2.2 Giao diện chương trình

3.2.3 Kết quả chạy thử nghiệm

 Phần kết luận: Tóm tắt các kết quả đạt được, hướng phát triển tiếp

 Tài liệu tham khảo

Phần 2: NỘI DUNG Chương 1: KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ KHÔI PHỤC ẢNH

1.1 Một số khái niệm cơ bản trong xử lý ảnh

1.1.1 Xử lý ảnh

Con người thu nhận thông tin qua các giác quan, trong đó thị giác đóng vai trò quan trọng nhất Những năm trở lại đây với sự phát triển của phần cứng máy tính, xử lý ảnh và đồ hoạ đó phát triển một cách mạnh mẽ và có nhiều ứng dụng trong cuộc sống Xử lý ảnh và đồ hoạ đóng một vai trò quan trọng trong tương tác người máy

Quá trình xử lý ảnh được xem như là quá trình thao tác ảnh đầu vào nhằm cho ra kết quả mong muốn Kết quả đầu ra của một quá trình xử lý ảnh có thể là một ảnh “tốt hơn” hoặc một kết luận

Ảnh có thể xem là tập hợp các điểm ảnh và mỗi điểm ảnh được xem như

là đặc trưng cường độ sáng hay một dấu hiệu nào đó tại một vị trí nào đó của đối tượng trong không gian và nó có thể xem như một hàm n biến P(c1, c2, , cn) Do

đó, ảnh trong xử lý ảnh có thể xem như ảnh n chiều

Sơ đồ tổng quát của một hệ thống xử lý ảnh:

ẢNH TỐT HƠN

KẾT LUẬN Hình 1.1.1.1 Quá trình xử lý ảnh

Đối sánh rút ra kết luận

Hệ quyết đinh

Lưu trữ

Hình 1.1.1.2 Sơ đồ tổng quát của xử lý ảnh

1.1.2 Các vấn đề cơ bản trong xử lý ảnh

1.1.2.1 Một số khái niệm cơ bản

* Ảnh và điểm ảnh

Điểm ảnh được xem như là dấu hiệu hay cường độ sáng tại 1 toạ độ trong không gian của đối tượng và ảnh được xem như là 1 tập hợp các điểm ảnh

* Mức xám và màu: Là số các giá trị có thể có của các điểm ảnh của ảnh

1.1.2.2 Nắn chỉnh biến dạng

Ảnh thu nhận được thường bị các biến dạng do các thiết bị quang học và điện

tử

Để khắc phục người ta sử dụng các phép chiếu, các phép chiếu thường được xây dựng trên tập các điểm điều khiển

Có 2 ảnh gốc và ảnh đích, tập các điểm điều khiển của chúng là: (Pi,Pi’) với i

= 1 n

1

2







n

i

i

i p p f

Giả sử ảnh bị biến đổi chỉ bao gồm: Tịnh tiến, quay, tỷ lệ, biến dạng bậc nhất tuyến tính Khi đó hàm f có dạng:

f(x,y)= (a1x + b1y + c1 , a2x + b2y + c2 )

Ta có:

 = n

i=1 [ (a1xi + b1yi + c1 – xi’ )2

+ ( a2xi + b2yi + c2 - yi’ )2

]

Để  đạt min thì :

P’ i

f( P i )

Hình 1.1.2.2 Ảnh thu nhận và ảnh mong muốn

i i n

i i

n

i i i n

i i n

i i n

i

i i

n

i i i n

i i n

i

i i n

i i

x x nc

y b x

a

x y y

c y

b y

x a

x x x

c y

x b x

1 1 1

1

1 '

1 1 1

2 1 1

1

1 ' 1

1 1

1 1

2 1

Có 2 loại nhiễu cơ bản trong quá trình thu nhận ảnh

- Nhiễu hệ thống: Là nhiễu có quy luật có thể khử bằng các phép biến đổi

- Nhiễu ngẫu nhiên: Vết bẩn không rõ nguyên nhân  Khắc phục bằng các phép lọc

- Tăng số mức xám: Thực hiện nội suy ra các mức xám trung gian bằng kỹ thuật nội suy Kỹ thuật này nhằm tăng cường độ mịn cho ảnh

- Đặc điểm biên và đường biên: Đặc trưng cho đường biên của đối tượng và

do vậy rất hữu ích trong việc trích trọn các thuộc tính bất biến được dùng khi nhận dạng đối tượng Các đặc điểm này có thể được trích chọn nhờ toán tử gradient, toán

tử la bàn, toán tử Laplace, toán tử “chéo không” (zero crossing) v.v

Việc trích chọn hiệu quả các đặc điểm giúp cho việc nhận dạng các đối tượng ảnh chính xác, với độ tính toán cao và dung lượng nhớ lưu trữ giảm xuống

1.1.2.6 Nhận dạng

Nhận dạng tự đông (automatic recognition), mô tả đối tượng, phân loại và phân nhóm các mẫu là những vấn đề quan trọng trong thị giác máy, được ứng dụng trong nhiều ngành khoa học khác nhau Tuy nhiên, một câu hỏi đặt ra là: mẫu (pattern) là gì? Watanabe, một trong những người đi đầu trong lĩnh vực này

đã định nghĩa: “Ngược lại với hỗn loạn (chaos), mẫu là một thực thể (entity), được xác định một cách ang áng (vaguely defined) và có thể gán cho nó một tên gọi nào đó” Ví dụ mẫu có thể là ảnh của vân tay, ảnh của một vật nào đó được chụp, một chữ viết, khuôn mặt người hoặc một ký đồ tín hiệu tiếng nói Khi biết một mẫu nào đó, để nhận dạng hoặc phân loại mẫu đó có thể:

Hoặc phân loại có mẫu (supervised classification), chẳng hạn phân tích

phân biệt (discriminant analyis), trong đó mẫu đầu vào được định danh như một thành phần của một lớp đã xác định

Hoặc phân loại không có mẫu (unsupervised classification hay

clustering) trong đó các mẫu được gán vào các lớp khác nhau dựa trên một tiêu chuẩn đồng dạng nào đó Các lớp này cho đến thời điểm phân loại vẫn chưa biết hay chưa được định danh

Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau đây:

1 Thu nhận dữ liệu và tiền xử lý

2 Biểu diễn dữ liệu

3 Nhận dạng, ra quyết định

Bốn cách tiếp cận khác nhau trong lý thuyết nhận dạng là:

1 Đối sánh mẫu dựa trên các đặc trưng được trích chọn

2 Phân loại thống kê

3 Đối sánh cấu trúc

4 Phân loại dựa trên Nơ-ron nhân tạo

Trong các ứng dụng rõ ràng là không thể chỉ dùng có một cách tiếp cận đơn lẻ để phân loại “tối ưu” do vậy cần sử dụng cùng một lúc nhiều phương pháp và cách tiếp cận khác nhau Do vậy, các phương thức phân loại tổ hợp hay được sử dụng khi nhận dạng và nay đã có những kết quả có triển vọng dựa trên thiết kế các hệ thống lai (hybrid system) bao gồm nhiều mô hình kết hợp

Việc giải quyết bài toán nhận dạng trong những ứng dụng mới, nảy sinh trong cuộc sống không chỉ tạo ra những thách thức về thuật giải, mà còn đặt

ra những yêu cầu về tốc độ tính toán Đặc điểm chung của tất cả những ứng dụng

đó là những đặc điểm đặc trưng cần thiết thường là nhiều, không thể do chuyên gia đề xuất, mà phải được trích chọn dựa trên các thủ tục phân tích dữ liệu

1.1.2.7 Nén ảnh

Nhằm giảm thiểu không gian lưu trữ Thường được tiến hành theo cả hai cách khuynh hướng là nén có bảo toàn và không bảo toàn thông tin Nén không bảo toàn thì thường có khả năng nén cao hơn nhưng khả năng phục hồi thì kém hơn Trên cơ sở hai khuynh hướng, có 4 cách tiếp cận cơ bản trong nén ảnh:

Nén ảnh thống kê: Kỹ thuật nén này dựa vào việc thống kê tần xuất xuất hiện của giá trị các điểm ảnh, trên cơ sở đó mà có chiến lược mã hóa thích hợp Một ví dụ điển hình cho kỹ thuật mã hóa này là *.TIF

Nén ảnh không gian: Kỹ thuật này dựa vào vị trí không gian của các điểm ảnh để tiến hành mã hóa Kỹ thuật lợi dụng sự giống nhau của các điểm ảnh trong các vùng gần nhau Ví dụ cho kỹ thuật này là mã nén *.PCX

Nén ảnh sử dụng phép biến đổi: Đây là kỹ thuật tiếp cận theo hướng nén không bảo toàn và do vậy, kỹ thuật thướng nến hiệu quả hơn *.JPG chính là tiếp cận theo kỹ thuật nén này

Nén ảnh Fractal: Sử dụng tính chất Fractal của các đối tượng ảnh, thể hiện sự lặp lại của các chi tiết Kỹ thuật nén sẽ tính toán để chỉ cần lưu trữ phần gốc ảnh và quy luật sinh ra ảnh theo nguyên lý Fractal

1.1.3 Thu nhận và biểu diễn ảnh

1.1.3.1 Thu nhận, các thiết bị thu nhận ảnh

Các thiết bị thu nhận ảnh bao gồm camera, scanner các thiết bị thu nhận này có thể cho ảnh đen trắng

Các thiết bị thu nhận ảnh có 2 loại chính ứng với 2 loại ảnh thông dụng Raster, Vector

Các thiết bị thu nhận ảnh thông thường Raster là camera các thiết bị thu nhận ảnh thông thường Vector là sensor hoặc bàn số hoá Digitalizer hoặc được chuyển đổi từ ảnh Raster

Nhìn chung các hệ thống thu nhận ảnh thực hiện 1 quá trình

Cảm biến: biến đổi năng lượng quang học thành năng lượng điện Tổng hợp năng lượng điện thành ảnh

+ Giảm thời gian xử lý

Việc lưu trữ thông tin trong bộ nhớ có ảnh hưởng rất lớn đến việc hiển thị,

in ấn và xử lý ảnh được xem như là 1 tập hợp các điểm với cùng kích thước nếu

sử dụng càng nhiều điểm ảnh thì bức ảnh càng đẹp, càng mịn và càng thể hiện rõ hơn chi tiết của ảnh người ta gọi đặc điểm này là độ phân giải

Việc lựa chọn độ phân giải thích hợp tuỳ thuộc vào nhu cầu sử dụng và đặc trưng của mỗi ảnh cụ thể, trên cơ sở đó các ảnh thường được biểu diễn theo

2 mô hình cơ bản

1.1.3.2.1 Biểu diễn ảnh theo mô hình Raster

Đây là cách biểu diễn ảnh thông dụng nhất hiện nay, ảnh được biểu diễn dưới dạng ma trận các điểm (điểm ảnh) Thường thu nhận qua các thiết bị như camera, scanner Tuỳ theo yêu cầu thực thế mà mỗi điểm ảnh được biểu diễn qua 1 hay nhiều bít

Mô hình Raster thuận lợi cho hiển thị và in ấn Ngày nay công nghệ phần cứng cung cấp những thiết bị thu nhận ảnh Raster phù hợp với tốc độ nhanh

và chất lượng cao cho cả đầu vào và đầu ra Một thuận lợi cho việc hiển thị trong môi trường Windows là Microsoft đưa ra khuôn dạng ảnh DIB (Device

Independent Bitmap) làm trung gian Hình 1.4 thể hình quy trình chung để hiển thị ảnh Raster thông qua DIB

Một trong những hướng nghiên cứu cơ bản trên mô hình biểu diễn này là

kỹ thuật nén ảnh các kỹ thuật nén ảnh lại chia ra theo 2 khuynh hướng là nén bảo toàn và không bảo toàn thông tin nén bảo toàn có khả năng phục hồi hoàn toàn

dữ liệu ban đầu còn nếu không bảo toàn chỉ có khả năng phục hồi độ sai số cho phép nào đó Theo cách tiếp cận này người ta đã đề ra nhiều quy cách khác nhau như BMP, TIF, GIF, PCX…

Hiện nay trên thế giới có trên 50 khuôn dạng ảnh thông dụng bao gồm cả trong đó các kỹ thuật nén có khả năng phục hồi dữ liệu 100% và nén có khả năng phục hồi với độ sai số nhận được

1.1.3.2.2 Biểu diễn ảnh theo mô hình Vector

Biểu diễn ảnh ngoài mục đích tiết kiệm không gian lưu trữ dễ dàng cho hiển thị và in ấn còn đảm bảo dễ dàng trong lựa chọn sao chép di chuyển tìm kiếm… Theo những yêu cầu này kỹ thuật biểu diễn vector tỏ ra ưu việt hơn

Trong mô hình vector người ta sử dụng hướng giữa các vector của điểm ảnh lân cận để mã hoá và tái tạo hình ảnh ban đầu ảnh vector được thu nhận trực tiếp từ các thiết bị số hoá như Digital hoặc được chuyển đổi từ ảnh Raster thông qua các chương trình số hoá

Công nghệ phần cứng cung cấp những thiết bị xử lý với tốc độ nhanh và chất lượng cho cả đầu vào và ra nhưng lại chỉ hỗ trợ cho ảnh Raster

Do vậy, những nghiên cứu về biểu diễn vectơ đều tập trung từ chuyển đổi

từ ảnh Raster

BMP

Thay đổi Paint

Hình 1.1.3.2.1 Quá trình hiển thị và chỉnh sửa, lưu trữ ảnh thông qua DIB

hóa

Raster hóa

Hình 1.1.3.2.2 Sự chuyển đổi giữa các mô hình biểu diễn ảnh

1.2 Khôi phục ảnh

1.2.1 Khái niệm khôi phục ảnh

Khôi phục ảnh là phục hồi lại ảnh gốc so với ảnh ghi được đã bị biến dạng Nói cách khác, khôi phục ảnh là các kỹ thuật cải thiện chất lượng những ảnh ghi đảm bảo gần được nhưn thật khi ảnh bị méo

Để khôi phục được ảnh có kết quả, điều cần thiết là phải biết được các nguyên nhân, các hàm (hay dạng) gây ra biến dạng ảnh Các nguyên nhân biến dạng thương do:

+ Do camera, đầu thuảnh chất lượng kém

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

+ Do chất lượng

1.2.2 Định nghĩa khôi phục ảnh

Kỹ thuật khôi phục ảnh có thể được xác định như việc ước lượng lại ảnh gốc hay ảnh lý tưởng từảnh quan sát được bằng cách đo ngược lại những hiện tượng gây biếndạng, qua đó ảnh được chụp Như vậy, kỹ thuật khôi phục ảnh đòi hỏi kiến thức về các hiện tượng gây biến dạng ảnh

Mô hình chung: Hầu hết các mô hình xác định ảnh gốc (mô hình tuyến tính, phi tuyến, khả biến, bất biến trong không gian) đều dựa trên hàm đáp ứng xung hai chiều h(m, n) (hay còn gọi là hàm trái điểm PSF (Point-Spread Function) như sau:

0

, ,

, ,

N

k M

l

n m l

n k m h n m u n

(hay quá trình hình thành: formation) ảnh nên còn gọi là ma trận biến dạng trong quá trình khôi phục

- Biến dạng màu sắc (Chromatic)

Do quá trình tạo ảnh ghi đƣợc liên quan đến điểm ảnh xung quanh, chúng

ta tập trung xét các biến dạng trong không gian Một số ví dụ điển hình của biến dạng không gian đƣợc xem xét nhƣ sau

- Nhiễu loạn của khí quyển (thiên văn) giữa các ống kính thu và đối tƣợng trong quá trình chụp ảnh Do sai số hệ thống (hệ phi tuyến)

-Sai lệch hệ thống có thể biểu diễn bằng sai lệch hàm truyền (ví dụ: sự dịch pha hàm truyền cohenent trong quang học…)

1.2.4.Các kỹ thuật khôi phục ảnh

- Mô hình khôi phục ảnh có: mô hình tạo ảnh, mô hình gây nhiễu, mô hình quan sát

- Lọc tuyến tính có: lọc ngƣợc, đáp ứng xung, lọc hữu hạn FIR

- Các kỹ thuật khác: Entropy cực đại, mô hình Bayes, giải chập

1.2.5 Các mô hình quan sát và tạo ảnh

1.2.5.2 Mô hình nhiễu

Mô hình nhiễu là mô hình tổng quát Trong hệ thống cụ thể như quang điện,

mô hình nhiễu gây biến dạng được biểu diễn cụ thể như sau:

Trongđó 1m, nlà nhiễu phụ thuộc thiết bị,ở đ ó xảy ra việc truyềnđiện tử ngẫu nhiên Việc truyềnđiện tử ngẫu nhiên thườngđược biểu diễn bằng phân bổ Poisson (một số trường hợp phân bổ nhiễu này tiệm cận đến phân bổ Gauss) Do phân bổ Poisson có sai lệch bằng nhau nên nếu 1 có sai lệch là đơn vị thì thành phần sai lệch gắn liền với 1 là  Thành phần 2 m, n biểu diễn gây ra do nhiệt

và thường được mô hình hóa theo nhiễu trắng

- Một số mô hình không gian ảnh hưởng nhiệt một cách đáng kể do đó như

Hình 1.2.5.1 Quá trình phát hiện và lưu trữ ảnh

Trong đó e1/3;1/2 là hệ số chuẩn hóa

* Tính khoảng cách gần đúng: Các thành phần bị nhiễu 1m, n tác động gây khó khăn cho việc khôi phục ảnh Để giải quyết theo phương pháp tương đương (hay gần đúng) người ta dùng giá trị trung bình không gian wthay cho w

Và   m, n trở thành mô hình nhiễm trắng Gauss

Nhiễu đốm: Ngoài một số mô hình trên ảnh còn có thể bị biến dạng bởi

nhiễu đốm (Specke Noise) Nhiễu đốm xảy ra nếu bề mặt đối tượng có bị lồi lõm dạng bức sóng và tăng mức độ nếu đối tượng đó có độ phân giải thấp Mô hình nhiễu đốm có thể được mô tả như sau:

;,,,

k

T

l y k x l k l k h l y x h

Hình 1.2.5.3 Kỹ thuật lọc ngược

được H Tw1, w2 Tương tự ta tìm được G Tw1, w2

1.2.5.4 Khôi phục ảnh bằng phương pháp bình phương tối thiểu

Mô hình nhiễu có thể viết lại dưới dạng vecto và ma trận như sau:

Hu v hay Hu

u y

u H v u H v u

Chương 2: CÁC KỸ THUẬT KHÔI PHỤC HÌNH DẠNG ẢNH

w v u

yc w yb v ya u ym

xc w xb v xa u xm

Giải hệ phương trình này ta có một nghiệm duy nhất :

v=

)(

*)(

)(

*)(

)(

*)(

)(

*)(

yb ya xc xa xb xa yc ya

ym ya xc xa xm xa yc ya

*)(

)(

*)(

)(

*)(

)(

*)(

yb ya xc xa xb xa yc ya

yb ya xm xa xb xa ym ya

- Điểm M như trên có tọa độ Barycentric là (u,v,w) đối với 3 điểm A,B,C

- Đối với tọa độ của một điểm ảnh M với hệ trục tọa độ được xác định như sau: Tọa độ là góc trên bên trái của ảnh; trục ox trùng với trục tọa độ Euclide; trục

oy ngược với trục tọa độ Euclide thì được gọi là tọa độ một điểm ảnh M

b) Một số đặc điểm cần chú ý của tọa độ Barycentric

- Đối với mỗi điểm một tọa độ Barycentric của nó là duy nhất

- Tọa độ của một điểm phụ thuộc vào tỷ lệ khoảng cách từ nó đến các đỉnh của tam giác chứ không phải là khoảng cách tuyệt đối giữa chúng

- Nếu khoảng cách tương đối của điểm cần biểu diễn đến điểm cơ sở nhỏ thì

hệ số tương ứng với nó sẽ lớn hơn

Minh họa cho khái niệm hệ tọa độ Barycentric:

2.1.1.2 Phép nội suy Affine

Đây là phép nội suy 2 tam giác trong hệ tọa độ Euclide Giả sử chúng ta có 2 tam giác và muốn nội suy hai tam giác này cho nhau Một cách đơn giản nhất là sử dụng kỹ thuật ánh xạ dựa trên hệ tọa độ Barycentric, được minh họa như hình sau :

Trước tiên chúng ta định nghĩa một ánh xạ T cho các đỉnh của tam giác : T(A)=D, T(B)=E, T(C)=F Với mỗi điểm còn lại chúng ta ánh xạ chúng theo tọa độ Barycentric(1,2,3)nghĩa là :

P=  *A + 2*B + 3*C Trong đó,  i 0 và 1+ 2+ 3=1

Một điểm Q là ánh xạ của P qua T được tính toán như sau:

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn

= 1*D + 2*E + 3*F Như vậy, để sử dụng phép nội suy Affine ta phải chuyển từ hệ tọa độ Euclide sang hệ tọa độ Barycentric

2.1.2 Phép biến đổi ảnh Morphing

2.1.2.1 Mục đích

Ảnh thu được sau khi nắn chỉnh khung có hình dáng khung theo mong muốn nhưng các bề mặt của đối tượng sau khi biến đổi này thường bị méo mó, để khắc phục ta sử dụng kỹ thuật Morphing

2.1.2.2 Khái niệm

Kỹ thuật Morphing là kỹ thuật nội suy nhằm hiệu chỉnh bề mặt trên cơ sở các điểm điều khiển Với mỗi điểm M trên bề mặt đối tượng gốc sẽ được ánh xạ sang ảnh đích bằng cách xác định n điểm điều khiển có ảnh hưởng đến M nhiều nhất và điểm M thuộc đa giác tạo bởi n điểm đó Sau đó, sử dụng phép nội suy để xác định

vị trí của M’ với M trên ảnh đích Thông thường, người ta hay dùng n=3 hoặc n=4 Nếu n=3 ta sử dụng phép nội suy Affine, nếu n=4 ta sử dụng phép nội suy Bilinear

2.1.3 Một số thuật toán biến đổi ảnh thường gặp

2.1.3.1.Thuật toán bóp méo ảnh( Image Warping)

Ở thuật toán này, ảnh mới được tạo ra từ sự bóp méo ảnh ban đầu Trong khi, kích thước của ảnh vẫn giữ nguyên nhưng nội dung của ảnh đã bị thay đổi, hay ảnh

đã bị biến dạng

2.1.3.2 Thuật toán thay đổi kích thước ảnh.(Image Scale)

Ảnh mới được tạo ra, từ sự phóng to hoặc thu nhỏ của ảnh đầu vào theo một

hệ số scale nhất định Ở đây, chỉ thay đổi về kích thước của ảnh còn nội dung, bản chất ảnh không thay đổi

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn

25

Thuật toán :

Scale(src,dst, sx,sy)

float wmax(1.0/sx, 1.0/sy)

for( int x=0 ; x<xmax ; x++)

{

for(int y=0 ; y<ymax ; y++) {

float u=x/ sx ; float v= y/ sy ; dst(x,y)= src(u,v) ; }

}

2.1.3.3 Thuật toán quay ảnh (Image Rotate)

Ảnh mới được ra do việc quay ảnh gốc theo một góc quay nào đó mà kích thước của ảnh vẫn được giữ nguyên

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn

} }

2.1.3.4 Thuật toán xoáy ảnh, cuộn (Image Fun)

Ảnh được tạo ra có cùng kích thước với ảnh gốc, nhưng ảnh đã bị xoáy hay cuộn theo một góc nào đó

} }

2.2 Thuật toán bóp méo ảnh

2.2.1 Giới thiệu

Bóp méo ảnh (Image Wapring) là một kỹ thuật được sử dụng nhiều trong đồ

hoạ máy tính Nó đóng vai trò quan trọng trong một số ngành như: ánh xạ bề mặt, biến hình, tạo bề mặt,…Ngoài ra, các kết quả của nó còn có nhiều ý nghĩa trong các ngành xử lý ảnh, cảm ứng từ xa, thư giãn-giải trí,…

Bóp méo ảnh thực hiện việc biến đổi hình học giữa hai ảnh: ảnh nguồn và ảnh đích Sự biến đổi hình học định nghĩa mối quan hệ giữa các điểm ảnh nguồn và điểm ảnh đích Mối quan hệ này có thể được xác định bằng các hàm toán học được

áp dụng trên toàn bộ ảnh hoặc chỉ trên một vùng ảnh nào đó Trong nhiều trường hợp ngoài việc xác định các hàm toán học bóp méo ảnh, phải xác định thêm các đặc trưng sử dụng trong quá trình bóp méo

Có rất nhiều tiêu chí để phân lớp các thuật toán bóp méo ảnh Nếu phân chia theo luồng dữ liệu biến đổi thì có thể phân lớp bóp méo ảnh ra thành 2 lớp: các phương pháp tính xuôi và các phương pháp tính ngược Trong các phương pháp tính

xuôi, các điểm ảnh trên ảnh nguồn được xử lý theo từng dòng quét và các kết quả được thiết lập trên ảnh đích Trong khi đó các phương pháp tính ngược ánh xạ ngược các điểm ảnh đích tới các điểm ảnh nguồn Đối với các ảnh số thì việc thực thi theo các phương pháp tính xuôi thường không cho kết quả tốt Do vậy, hầu hết các thuật toán hiện nay đều là các phương pháp tính ngược

for(int y=0;y<=ymax;y++) {

float u=f-1x(x,y);

float v= f-1y(x,y);

dst(x,y)= src(u,v);

} }

Nếu phân biệt theo miền tác động của thuật toán bóp méo thì ta có 2 phương pháp: phương pháp tác động toàn cục và phương pháp tác động cục bộ Phương pháp tác động toàn cục là phương áp dụng thuật toán, tiêu chí như nhau đối với mọi điểm ảnh Đối với phương pháp cục bộ thì việc bóp méo ảnh chỉ áp dụng trên một

số vùng ảnh, các vùng khác được giữ nguyên

Các thuật toán bóp méo toàn cục có tốc độ xử lý tương đối nhanh, tuy nhiên chỉ áp dụng được đối với các yêu cầu đơn giãn như co, giãn ảnh, bóp méo cả ảnh thành hình tứ giác hay một số hiệu ứng khác như mắt cá, kính núp,…Thuật toán bóp méo ảnh cục bộ là thuật toán cho kết quả ấn tượng hơn Tuy nhiên, để có thể bóp méo cục bộ theo từng vùng thì nó đòi hỏi phải xác định thêm tập các đặc trưng Đặc

Hình 2.2.1: Giải thuật tính xuôi và tính ngược