Tra cứu ảnh dựa trên lưới và ứng dụng

Giới thiệu về tra cứu ảnh, các đặc trưng của ảnh, cấu trúc hệ thống tra cứu ảnh theo nội dung và một số lĩnh vực ứng dụng của tra cứu ảnh.. Trình bày một số phương pháp trích chọn đặc t

Tra cứu ảnh dựa trên lưới và ứng dụng

Lê Thị Lan Anh

Trường Đại học Công nghệ Luận văn Thạc sĩ ngành: Hệ thống thông tin; Mã số: 60 48 05

Người hướng dẫn: PGS.TS Ngô Quốc Tạo

Năm bảo vệ: 2012

Abstract Giới thiệu về tra cứu ảnh, các đặc trưng của ảnh, cấu trúc hệ thống tra cứu

ảnh theo nội dung và một số lĩnh vực ứng dụng của tra cứu ảnh Trình bày một số phương pháp trích chọn đặc trưng hình ảnh như màu sắc, kết cấu, hình dạng … Tập trung tìm hiểu kỹ thuật tra cứu ảnh dựa trên lưới Giới thiệu phương pháp tra cứu ảnh kết hợp giữa đặc trưng màu sắc và hình dạng có sử dụng kỹ thuật lưới vùng Từ

cơ sở lý thuyết đã xây dựng ở chương 3 đưa ra ý tưởng, thuật toán xây dựng chương

trình mô phỏng tra cứu ảnh dựa trên lưới

Keywords Hệ thống thông tin; Kỹ thuật xử lý ảnh; Hình ảnh; Công nghệ thông tin

Content

MỞ ĐẦU

Ngày nay, bên cạnh sự phong phú của kho dữ liệu văn bản thì kho dữ liệu ảnh cũng ngày càng trở nên khổng lồ vượt quá sự kiểm soát của con người Khi có nhu cầu tra cứu một vài bức ảnh nào đó trong một cơ sở dữ liệu có hàng trăm ngàn ảnh, điều này khó có thể thực hiện được khi ta tìm kiếm bằng tay theo cách thông thường, nghĩa là xem lần lượt từng tấm ảnh một cho đến khi tìm thấy ảnh có nội dung cần tìm

Do đó, việc xây dựng các hệ thống tra cứu là rất cần thiết Các công cụ tra cứu ảnh thường dựa vào hai đặc trưng chính là văn bản đi kèm ảnh hoặc nội dung ảnh Tra cứu ảnh theo nội dung đã nhận được nhiều sự quan tâm của các nhà khoa học

Tra cứu ảnh dựa trên lưới là một hướng nghiên cứu mới Một số phương pháp tra cứu ảnh dựa trên lưới có thể sử dụng lưới kết hợp với đặc trưng hình dạng hoặc đặc trưng màu sắc trong quá trình tra cứu

Nội dung luận văn giới thiệu một số vấn đề liên quan đến tra cứu ảnh, tra cứu ảnh theo nội dung và một số phương pháp trích chọn đặc trưng hình ảnh Nghiên cứu phương pháp tra cứu ảnh dựa trên lưới và tìm hiểu phương pháp kết hợp đặc trưng màu sắc với đặc trưng hình dạng Cuối cùng đi xây dựng chương trình ứng dụng mô phỏng phương pháp tra cứu ảnh dựa trên lưới

Nội dung luận văn gồm có bốn chương:

Chương 1: Tổng quan về tra cứu ảnh

Chương 2: Một số phương pháp trích chọn đặc trưng hình ảnh

Chương 3: Tra cứu ảnh dựa trên lưới

Chương 4: Thiết kế và cài đặt chương trình tra cứu ảnh dựa trên lưới

Chương 1: TỔNG QUAN VỀ TRA CỨU ẢNH 1.1 Giới thiệu chung

Quá trình thực thi của hệ thống xử lý ảnh bao gồm:

- Thu nhận ảnh

- Số hóa ảnh

- Phân tích ảnh

- Nhận dạng ảnh

Tra cứu ảnh là một quá trình tìm kiếm ảnh trong một cơ sở dữ liệu ảnh những ảnh thoả mãn một yêu cầu nào đó

Khi tra cứu ảnh người ta có thể sử dụng phương pháp tra cứu ảnh theo văn bản đi kèm hay theo nội dung ảnh

Tra cứu ảnh theo nội dung được thực hiện theo nguyên tắc sử dụng các đặc trưng mức thấp của ảnh như màu sắc, kết cấu, … để biểu diễn ảnh Sau đó tính độ tương tự giữa ảnh cần tìm và ảnh trong cơ sở dữ liệu để đưa ra kết quả là bức ảnh có độ tương tự cao nhất

1.2 Các đặc trưng mức thấp của ảnh

Đặc trưng mức thấp của ảnh là một vài đặc điểm thu nhận được từ một bức ảnh như: Hình dạng, màu sắc, kết cấu, và mối liên hệ không gian giữa các đối tượng

Đặc trưng màu sắc là đặc trưng được sử dụng phổ biến hơn cả do đặc trưng này cho phép con người nhận ra sự khác biệt rõ ràng nhất giữa các hình ảnh

Hình dạng của đối tượng có thể thu được bởi đường viền bao xung quanh Có hai cách tiếp cận được sử dung để phân tích hình dạng, đó là dựa trên vùng hình dạng và biên

Hình 1.1: Đặc trưng hình dạng

Kết cấu cũng là một đặc trưng quan trọng trong nhận dạng bản mẫu và tra cứu ảnh

Nó cung cấp bản mẫu trực quan về vùng của ảnh Các thuộc tính quan trọng của đặc trưng kết cấu như: Độ tương phản, thuộc tính thô, hướng, tính quy luật, chu kỳ và tính ngẫu nhiên

Hình 1.2: Đặc trưng kết cấu

Mối quan hệ không gian dùng để phân biệt các đối tượng khác nhau trong một ảnh

Hình 1.3: Biểu diễn hình dạng qua mối quan hệ không gian

1.3 Cấu trúc của hệ thống tra cứu ảnh theo nội dung

Một hệ thống tra cứu ảnh có thể thực hiện qua nhiều công đoạn: Nhập ảnh truy vấn, nhập dữ liệu ảnh cho cơ sở dữ liệu, chuẩn hóa ảnh, trích chọn đặc trưng của ảnh truy vấn và ảnh trong cơ sở dữ liệu, tính toán độ tương tự và cách hiển thị kết quả lên màn hình, …

Hình 1.4: Cấu trúc hệ thống tra cứu ảnh theo nội dung

1.4 Một số hệ thống tra cứu ảnh theo nội dung

1.4.1 Hệ thống QBIC

Hệ thống QBIC của hãng IBM là một hệ thống tra cứu ảnh dựa trên nội dung cho phép người sử dụng tra cứu ảnh dựa vào màu sắc, hình dạng và kết cấu

1.4.2 Hệ thống Photobook

Hệ thống này được phát triển ở viện kỹ thuật Massachusetts cho phép người sử dụng tra cứu ảnh dựa trên màu sắc, hình dạng và kết cấu

1.4.3 Hệ thống VisualSEEK và WebSEEK

Cả hai hệ thống này đều được phát triển tại Trường Đại học Colombia VisualSEEK

là hệ thống cơ sở dữ liệu ảnh WebSEEK là công cụ tìm kiếm trên website

1.4.4 Hệ thống RetrievalWare

Hệ thống này được phát triển bởi tập đoàn công nghệ Excalibur cho phép người sử dụng tra cứu ảnh bởi nội dung màu, hình dạng, kết cấu, độ sáng, kết cấu màu và hệ số co

1.4.5 Hệ thống Imatch

Hệ thống này cho phép người sử dụng tra cứu ảnh bởi nội dung màu, hình dạng, và kết cấu

1.5 Một số ứng dụng cơ bản của tra cứu ảnh

Tra cứu ảnh cùng với sự phát triển lớn mạnh của mình ngày càng được ứng dụng rộng rãi trong các lĩnh vực: Ngân hàng, sở hữu trí tuệ, ngăn chặn tội phạm, quân sự, giải trí …

1.6 Kết luận chương

Tra cứu ảnh theo nội dung (CBIR) là một lĩnh vực khoa học được phát triển dựa trên

cơ sở lý thuyết và ứng dụng của xử lý ảnh Hệ thống cho phép người dùng tra cứu các ảnh tương tự trong một cơ sở dữ liệu hình ảnh

Tra cứu ảnh theo nội dung được thực hiện thông qua việc tính độ tương tự giữa hai bức ảnh được biểu diễn bởi một trong số các đặc trưng mức thấp của ảnh như: Màu sắc, hình dạng, kết cấu… Kết quả đưa ra là tập các bức ảnh tương tự với ảnh truy vấn được xắp xếp theo thứ tự giảm dần độ tương tự

Chương 2: MỘT SỐ PHƯƠNG PHÁP TRÍCH CHỌN ĐẶC TRƯNG HÌNH ẢNH 2.1 Phương pháp trích chọn đặc trưng theo màu sắc

2.1.1 Không gian màu

Không gian màu phổ biến: RGB, CMY, HSx, …

Không gian màu RGB

RGB là không gian màu được sử dụng phổ biến nhất để hiển thị ảnh Không gian RGB bao gồm 3 thành phần màu là Đỏ (Red), Xanh lá cây (Green) và Xanh lam (Blue) Các thành phần này gọi là màu cộng bởi vì các màu sắc trong không gian RGB đều có thể thu được bằng cách cộng 3 thành phần màu này lại với nhau

Hình 2.1 Không gian màu RGB

Không gian màu CMY

CMY là viết tắt của Cyan-Magenta-Yellow (màu lục lam, màu đỏ tươi, màu vàng), đó

là ba màu chính tương ứng với ba màu mực in

Không gian màu HSx

Hình 2.2 Mô tả không gian màu HSV

2.1.2 Lượng tử hoá màu

Lượng tử hóa màu là quá trình làm giảm số màu sắc được sử dụng để mô tả ảnh Việc lượng tử hóa màu trong không gian màu RGB được thực hiện bằng cách chia khối hình lập phương lớn thành những khối nhỏ và mỗi khối nhỏ có thể đại diện cho một màu đơn

Khi giảm một màu {R, G ,B} 24 bit màu thành màu mới {R’, G’ ,B’} với n3

màu ta đặt:

8

2

*

' n R

R

8

2

* ' n G

G

28

* ' n B

B

(2.1)

Vì vậy, sau khi giảm số màu sẽ có n*n*n=n3

màu

2.1.3 Các moment màu

Công thức toán học để biểu diễn 3 moment :





j ij

1



2 1

) ( 1

i N

j ij

N 

3

1

3

) (

1 





j

i ij

N

Trong đó fij là giá trị của thành phần màu thứ i của điểm ảnh thứ j và N là số lượng điểm ảnh của ảnh đó

2.1.4 Biểu đồ màu

Biểu đồ màu (Color Histogram) để biểu diễn nội dung màu của một bức ảnh Trong biểu đồ màu của ảnh, giá trị của mỗi mức sẽ là tổng số điểm ảnh có cùng màu tương ứng Để

so sánh những ảnh có kích cỡ khác nhau biểu đồ màu nên được chuẩn hóa và biểu đồ màu chuẩn hóa được định nghĩa:

H’={H’[0], H’[1], H’[2], , H’[i], H’[N]} (2.5)

i H i

H' ]  ]

(2.6) và P là tổng số các điểm trong ảnh

2.2 Phương pháp trích chọn đặc trưng theo kết cấu

2.2.1 Các đặc trưng Tamura

Độ thô

Độ thô được dùng để đo tính chất hạt của kết cấu Để tính toán độ thô, tại mỗi điểm ảnh (x,y) ta tính toán một trung bình động (average moving) Ak(x,y) sử dụng một cửa sổ kích thước 2k×2k (k = 0, 1, , 5):

k y

y j x x i k

k

k k

k

j i g y

x

1 2

2

1 2

2

2 / ) , ( )

,

(

1

1 1























(2.7) Trong đó g(i,j) là độ sáng của điểm ảnh ở vị trí (i,j)

Độ thô được tính toán bằng cách lấy giá trị trung bình của Sbest trên phạm vi toàn bức ảnh, nghĩa là:









j best m

i

n m

F

1 1

) , (

1

(2.11)

Độ tương phản

Công thức tính độ tương phản như sau:

4

4







con

F

(2.12)

Độ định hướng

Độ lớn và góc pha của véc tơ này được định nghĩa:

2

|

|

|

|

|

|G  H  V

(2.13)

2 ) ( tan 1 





H V

(2.14) Tính toán histogram tổng hợp của cả ảnh để xác định độ định hướng tổng thể dựa trên

độ sắc của các đỉnh:



















p p

w

D p n

p

F ( ) 2 ( )

(2.15)

2.2.2 Các đặc trưng Wold

Một cách tiếp cận khác để biểu diễn kết cấu là sử dụng phân tích Wold Phân tích Wold có 3 thành phần độ hài hoà, độ phai mờ và độ bất định tương ứng với các đặc điểm tính chu kỳ, tính định hướng và tính ngẫu nhiên của kết cấu

Trong miền tần số ta xây dựng được các công thức:

) , ( ) , ( ) , ( ) , ( ) ,

(

)

,

(   u   d   u   h   e  

(2.16)

2.2.3 Mô hình SAR

Trong mô hình SAR, độ chói của các điểm ảnh được coi như các biến ngẫu nhiên Độ chói g(x,y) của điểm ảnh (x,y) được coi như là một tổ hợp tuyến tính độ chói của điểm ảnh liền kề g(x’,y’) và mẫu nhiễu dương (x,y) tức là:











D y x

y x y

x g y x y

x

g

) ' ,' (

) , ( ) ' , ' ( ) ' , ' ( )

,

(2.17)

2.2.4 Ma trận đồng khả năng

Một số đặc trưng của kết cấu có thể tính được dựa vào phương pháp ma trận đồng khả năng là:

Năng lượng:  

j i

j i

C2 ( , )

Entropy:  

j i

j i C j i

C( , ) log ( , )

Độ tương phản:   

j i

j i C j

i ) ( , ) ( 2

Tính đồng nhất:    

j

j i C

|

| 1 ) , (

2.2.5 Lọc Gabor

Hàm lọc Gabor hai chiều g(x,y) được định nghĩa:

jWx y

x y

x

g

y x y

x









1 exp[

2

1 )

,

2 2

2









(2.18)

2.2.6 Biến đổi dạng sóng

Biến đổi dạng sóng phân tích một tín hiệu thành một họ các hàm cơ sở mn(x) bằng cách dịch chuyển và co giãn một hàm gốc (x), tức là:

mn(x) = 2-m/2(2-mx - n) (2.24)

Trong đó m và n là tham số co giãn và tham số dịch chuyển Một tín hiệu f(x) có thể được biểu diễn dưới dạng:





n m

mn

mn x c

x

f

,

) ( )

(2.25)

2.3 Phương pháp trích chọn đặc trưng hình dạng

Biểu diễn hình dạng của đối tượng ảnh có thể chia thành hai kiểu: Theo đường bao quanh (biên) và theo vùng

Hình 2.3 Biểu diễn hình dạng theo đường biên và theo vùng 2.3.1 Biên và các phương pháp phát hiện biên

Phương pháp phát hiện biên trực tiếp

Phương pháp này làm nổi biên dựa vào sự biến thiên độ xám của ảnh Kỹ thuật chủ yếu dùng để phát hiện biên là kỹ thuật đạo hàm

Phương pháp phát hiện biên gián tiếp

- Thuật toán dò biên tổng quát như sau:

Bước 1: Xác định cặp nền-vùng xuất phát: cặp nền-vùng xuất phát được xác định bằng cách duyệt ảnh lần lượt từ trên xuống dưới, từ trái sang phải và kiểm tra theo định nghĩa cặp nền-vùng

Bước 2: Xác định cặp nền-vùng tiếp theo

Bước 3: Lựa chọn điểm biên

Bước 4: Nếu gặp lại cặp xuất phát thì dừng, nếu không quay lại bước 2

2.3.2 Xử lý ảnh trong miền tần số và biến đổi Fourier

Để biểu diễn dữ liệu trong miền tần số cần phải thực hiện một số biến đổi thông qua các phép biến đổi: Fourier,

Xét một ví dụ đơn giản: tín hiệu đầu vào có dạng hình cosin được biểu diễn trong miền thời gian và miền tần số:

Hình 2.4 Biểu diễn hình dạng theo miền thời gian và miền tần số

Hình 2.5: Ảnh thực (a) và ảnh thu được sau biến đổi Fourier (b)

2.4 Thông tin không gian

Thu thông tin không gian của các đối tượng trong một ảnh là một quá trình quan trọng đối với các hệ thống GIS Quá trình này bao gồm việc biểu diễn vị trí không gian tuyệt đối và cũng bao gồm vị trí không gian tương đối của các đối tượng Các thao tác như giao và chồng được sử dụng Bố cục màu kết hợp thông tin không gian với thông tin màu xuất hiện trong ảnh và tạo ra một đặc trưng quan trọng trong quá trình tra cứu

2.5 Phân đoạn

Phân đoạn là quá trình phân ảnh ra thành các vùng mà về lý tưởng nó sẽ tương ứng với các đối tượng xuất hiện trong ảnh Trong phân đoạn các yêu cầu chính xác phân đoạn là rất khác nhau cho các đặc trưng hình và các đặc trưng bố cục

2.6 Kết luận

Như vậy chương 2 đã tập trung giới thiệu một số phương pháp trích chọn đặc trưng hình ảnh trong tra cứu ảnh theo nội dung Với mỗi phương pháp lại có các kỹ thuật tương ứng khác nhau Tùy vào từng trường hợp cụ thể chúng ta có thể sử dụng phương pháp trích chọn nào đó cho phù hợp để trả về kết quả tra cứu là tốt nhất

Chương 3: TRA CỨU ẢNH DỰA TRÊN LƯỚI 3.1 Định nghĩa lưới

Hình 3.1: Biểu diễn lưới

3.2 Phương pháp tra cứu ảnh dựa trên lưới

Tra cứu ảnh dựa trên lưới là phương pháp tra cứu dựa trên hình đại diện và độ đo tương tự

3.2.1 Một số khái niệm cơ bản

3.2.1.1 Khái niệm về hình dạng

Hình dạng không phải là một thuộc tính của ảnh, hình dạng chỉ là biên của đối tượng bất kỳ có trong ảnh

3.2.1.2 Trục chính của hình dạng

Trục chính của hình dạng là đoạn thẳng nối hai điểm thuộc đường bao của vùng hình dạng và có độ dài lớn nhất

3.2.1.3 Trục phụ của hình dạng

Trục phụ của hình dạng là đoạn thẳng vuông góc với tru ̣c chính, có đô ̣ dài đảm bảo để

có thể vẽ một hình chữ nhật bao khít hình dạng có các cạnh song song và có độ dài b ằng với trục chính và trục phu ̣

3.2.1.4 Độ lệch tâm

Độ lệch tâm là tỉ lệ đô ̣ dài của tru ̣c chính trên tru ̣c phu ̣

3.2.1.5 Độ đo tương tự

Sự tương tự giữa hai hình ảnh p , q được xác đi ̣nh bằng đô ̣ đo tương tự s (p,q) Nếu s(p,q) = 1 có nghĩa là hai hình ảnh đượ c coi là giống nhau , ngươ ̣c lại thì hai hình ảnh khác nhau

3.2.2 Tra cứu ảnh dựa trên lưới

3.2.2.1 Tách vùng hình dạng của đối tượng

Từ một ảnh ban đầu, chúng ta có thể thực hiện tách vùng hình dạng bằng cách sử dụng các phương pháp tách biên (nổi biên) hoặc biến đổi từ miền quan sát sang miền tần số

3.2.2.2 Biểu diễn vùng hình dạng dựa trên lưới

Đầu tiên ta vẽ đè mô ̣t lưới g ồm các ô có cùng kích thước lên vùng hình dạng Quy ước rằng:

- Số 1 tương ứ ng với ô có ít nhất 15% số điểm ảnh của vùng hình dạng phủ lên ô lưới

- Số 0 ứng vớ i mỗi ô còn la ̣i

Đọc l ần lượt các số trong lưới theo thứ tự từ trái sang phải , từ trên xuống dưới để được dãy bít đa ̣i diê ̣n cho vùng hình da ̣ng

Ví dụ, 11100000 11111000 01111110 01111111

Hình 3.2: Tạo chuỗi bít biểu diễn vùng hình dạng

3.2.2.3 Chuần ho ́ a xoay

Mục đích của chuẩn hóa độ xoay là đặt vùng hình d ạng theo mô ̣t hướng cố đi ̣nh duy nhất, bằng cách xoay vùng hình d ạng sao cho tru ̣c chính của nó song song với tru ̣c hoành Ox (hoặc trục tung Oy tùy theo từng chương trình ) Khi đó vẫn có hai khả năng xảy ra đối với vi ̣ trí của vùng hình dạng

Hình 3.3: Hai hướng của cùng một vùng hình dạng

3.2.2.4 Chuẩn ho ́ a co dãn

Thống nhất đưa vù ng hình da ̣ng về kích thướ c đồng da ̣ng mà ở đó tru ̣c chính của nó

có cùng độ dài không đổi là 192 điểm ảnh (pixel)

3.2.2.5 Chỉ mục vùng hình dạng

Sau khi chuẩn hóa xoay , chuẩn hóa co dãn và cho ̣n kích thước ô lưới phủ , chúng ta chỉ cần lưu trữ một chuỗi bít biểu diễn duy nhất cho mỗi vùng hình da ̣ng trong cơ sở dữ liê ̣u , với giả đi ̣nh rằng mỗi vùng chỉ có một tru ̣c chính

3.2.2.6 Độ đo tương tự

Giả sử: R và R’ là các véctơ hàng của hai ảnh, C và C’ là các véctơ cột của hai ảnh

Ta thực hiện:

- Tính toán độ đo tương tự

- Tính toán các véctơ hàng và cột của mọi vùng hình dạng trong ảnh truy vấn

- Tìm khác biệt hàng và cột giữa các vùng hình dạng trong hai ảnh

- Ri và Ci là bit thứ i của các véctơ ảnh thứ nhất

- Ri’ và Ci’ là bit thứ i của các véctơ ảnh thứ hai

- Nếu (Rd+Cd) < T (ngưỡng) thì hai ảnh tương tự

3.2.2.6 Các phép toán khác

Ngoài ra chúng ta cần quan tâm tới phép đối xứng theo trục ngang và đối xứng theo trục thẳng đứng

Hình 3.4: Phép đối xứng

3.2.2.7 Xư ̉ lý trường hợp vùng hình dạng có hơn một trục chính

Với những vùng hình da ̣ng có nhiều hơn m ột tru ̣c, ta cần phải tìm chuỗi bít chỉ mu ̣c của vùng hình d ạng đó theo từng tru ̣c chính của nó Khi đó viê ̣c so sánh để tìm kiếm ảnh sẽ đươ ̣c thực hiê ̣n tốn kém hơn bằng cách so sánh từng că ̣p chuỗi bít trong tất cả các chuỗi bít biểu diễn vùng hình da ̣ng trong CSDL với 4 chuỗi bít phát sinh cho vùng hình da ̣ng truy vấn

3.2.2.8 Quy tri ̀nh tạo chỉ mục và tra cứu ảnh dựa trên lưới

Xử lý các trích chọn đặc trưng để t ạo chỉ mu ̣c cho các hình da ̣ng trong cơ sở dữ liê ̣u , bao gồm các bước:

- Xác định trục chính, trục phụ, độ lê ̣ch tâm

- Chuẩn hóa co dãn và chuẩn hóa xoay

- Xác định kích thước lưới phủ, kích thước ô lưới và cố định kích thước đó đ ể phủ lên vùng hình dạng

- Xác định chuỗi bít chỉ mục

- Chuỗi bít duy nhấ t, đô ̣ dài tru ̣c phu ̣ ta ̣o thành chỉ mu ̣c cho vùng hình da ̣ng và đươ ̣c lưu trữ trong cơ sở dữ liê ̣u

Như vậy trong quá trình tra cứu gồm các bước:

1 Vùng hình dạng trong ảnh truy vấn được mô tả bởi chiều dài trục phụ và chuỗi bít nhị phân

2 Thực hiện so sánh bốn chuỗi bít nhị phân với các chuỗi trong cơ sở dữ liệu để tìm kiếm

3 Khoảng cách giữa vùng hình dạng truy vấn với một vùng hình dạng trong cơ sở dữ liệu được tính toán bởi số lượng các vị trí bít bị sai khác

4 Các vùng hình dạng tương tự được hiển thị hoặc lấy thứ tự tăng dần các khoảng cách

3.3 Tra cứu ảnh dựa vào chỉ mục kết hợp màu sắc và hình dạng

3.3.1 Các đặc trưng màu sắc và hình dạng

3.3.1.1 Phương pháp lập chỉ mục màu sắc

Không gian phân loại màu

Toàn bộ không gian màu RGB được mô tả bằng cách sử dụng một tập con các màu như trong hình 3.5

Hình 3.5: Bảng tra cứu màu Kết hợp màu sắc và vùng lựa chọn

Sử dụng giá trị màu tại điểm ảnh p và giá trị trong bảng màu tương ứng C, khoảng cách màu Cd được tính toán bằng cách sử dụng công thức tính khoảng cách Euclidean:

2 2

2 25

B G

R g i b i i

r i

d MIN p C p C p C

Các bước thực hiện phân đoạn và dò biên:

1 Đọc ảnh và tạo một ma trận ảnh

2 For mỗi điểm ảnh trong ảnh do

2 2

2

) ( ) ( ) ((I r C r I g C g I b C b

- Gán các thành phần RGB trong bảng tra cứu màu cho một điểm ảnh có khoảng cách

D nhỏ nhất

3 Xác định sự xuất hiện đầu tiên của một điểm ảnh có giá trị RGB tương tự như bảng tần suất

4 Gán vị trí điểm ảnh theo chiều ngang và chiều dọc

5 Dựa vào iseed, jseed để đánh dấu toàn bộ vùng sử dụng thuật toán phát hiện biên gián tiếp (8 lân cận)