Bài giảng xử lý ảnh số chương 3 xử lý ảnh trong miền không gian

 Thực hiện trên các pixel của ảnh xámvà nền Bài giảng Xử lý ảnh-TS... Bằngcách lấy trung bình pixel từ các ảnh nhiễu ngẫunhiên, nhiệt, v.v để tạo ra pixel cùng tọa độ trongảnh output.xá

Trang 1

XỬ LÝ ẢNH TRONG MIỀN KHÔNG GIAN

NGÔ QUỐC VIỆT

Trang 2

1. Các xử lý logic và số học trên ảnh

2. Các bộ lọc không gian cơ bản

3. Các bộ lọc không gian làm trơn ảnh

Trang 3

 Thực hiện các phép logic giữa hai hoặc nhiều ảnh.

Chỉ cần 3 toán tử: AND, OR, NOT

 Mỗi thao tác thực hiện trên từng điểm ảnh

Trang 4

4 Bài giảng Xử lý ảnh-TS Ngô Quốc Việt

Gốc

Trang 5

 Sử dụng các thao tác logic trên ma trận của OpenCV

int _tmain(int argc, _TCHAR* argv[])

{

IplImage *img1 = cvLoadImage(“ \\ \\images\\building.jpg");

IplImage *img2 = cvLoadImage(".\\ \\images\\black.jpg");

IplImage *img3, iplhdr;

CvMat * mat1, * mat2, mat3, mathdr1, mathdr2;

mat1 = cvGetMat(img1, &mathdr1);

mat2 = cvGetMat(img2, &mathdr2);

mat3 = *mat1;

cvAnd(mat1, mat2, &mat3); //cvOr; cvNot; cvAdd; cvSub

img3 = cvGetImage(&mat3, &iplhdr);

Trang 6

 Thực hiện trên các pixel của ảnh xám

và nền

Bài giảng Xử lý ảnh-TS Ngô Quốc Việt 6

Thao tác Định nghĩa Kiểu dữ liệu Output

ADD c = a + b Nguyên SUB c = a – b Nguyên MUL c = a * b Nguyên hoặc thực DIV c = a / b Thực

LOG c = log (a) Thực EXP c = exp(a) Thực SQRT c = sqrt(a) Thực TRIG c = sin/cos/tan(a) Thực INVERT c = (2 b -1 ) - a Nguyên

Trang 7

 Nhằm loại bớt phần “nền” ra khỏi ảnh cần phân tích(y khoa, thiên văn, …)

Nguồn: R F Gonzalez & R.Wood

Trang 8

 Có thể ứng dụng để làm giảm nhiễu trong ảnh Bằngcách lấy trung bình pixel từ các ảnh nhiễu (ngẫunhiên, nhiệt, v.v) để tạo ra pixel cùng tọa độ trongảnh output.

xác định bởi

 Ảnh được làm rõ hơn bằng tạo ra K ảnh nhiễu (ngẫu nhiên, muối tiêu – thảo luận sau), và lấy trung bình các ảnh này.

) , ( )

, ( )

, (x y f x y n x y

y x g

1

) , (

1 )

, (

Hàm noise

Trang 9

 Trung bình của ảnh nhiễu tiến gần đến ảnh tốt f(x,y).

 Phương sai

 K càng tăng  nhiễu sẽ giảm

 Sinh viên hãy viết chương trình giảm nhiễu bằng kỹ

thuật “trung bình ảnh”

),())

,(

) , ( )

, (

1

y x g y

cvGetSize: lấy kích thước ảnh

cvCloneImage: tạo ảnh mới

cvGetReal2D: get pixel value cvSetReal2D: set pixel value

Trang 10

K = 8 noisy images K = 16 noisy images

K = 64 noisy images K = 128 noisy images Ảnh bị nhiễu Gần giống với ảnh gốc

Trang 11

 Dựa trên cáp phép toán về tích chập (convolution) trên

lân cận của từng pixel.

 Lân cận vuông của một pixel sẽ được thực hiện chập với subimage cùng kích thước để tạo ra giá trị mới của pixel đang xét.

 Subimage gọi là: filter (bộ lọc), mask (mặt nạ), kernel

(nhân chập), template (mẫu chập), hay window (cửa

sổ chập).

Phép toán chập là trung tâm của hầu hết xử lý trên ảnh

Trang 12

 Filter/Mask được di

chuyển từng pixeltrên ảnh và thựchiện chập để tạo ragiá trị điểm ảnh mới

cơ chế lọc

Trang 13

 Liên tục: Tích chập của 2 hàm f(x) và h(x) được định

h n

f n

Trang 14

 Liên tục: Tích chập của 2 hàm f(x) và h(x) hai chiều

được định nghĩa bởi:

h l k f

n m h n

m f

n m g

) ,

( ) , (

) , ( )

, ( )

, (

Trang 15

 Kích thước kernel mxn, ảnh kích thước MxN, tích

chập được định nghĩa bởi

b

b k

l k h l y

k x

f y

x

2 / ) 1 ( 

 n b

2 / ) 1 ( 

a

Trang 16

 Tích chập giữa f(M 1 xN 1 ) và nhân h(M 2 xN 2 ) có thể tạo

ra các ma trận có kích thước như sau, tùy thuộc vàokiểu chập

 Giữ nguyên kích thước: M 1 xN 1(same convolution)

 Tăng kích thước : (M 1 +M 2 -1)x(N 1 +N 2 -1) (fullconvolution)

 Giảm kích thước: (M 1 -M 2 +1)x(N 1 -N 2 +1) (validconvolution)

Trang 17

 Nhân chập h(j,k) là tách được nếu

 Khi đó, phép lọc có thể thực hiện theo cách sau

O(J*K) giảm xuống O(J+K).

) ( )

( )

, (

) ( )

, (

J

j

col K

k

row k a m j n k h j h

n m c

Trang 18

Giữ nguyên kích thước

Trang 20

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

for(int x = 0; x < width; ++x) {

sum = 0;

for(int i = 0; i < kHeight-1; i++) {

for(int j = 0; j < kWidth-1; j++) {

if((y+(i-kMiddleHeight)) < 0 || (y+(i-kMiddleHeight)) >= height

|| (x+(j-kMiddleWidth)) < 0 || (x+(j-kMiddleWidth)) >= width) { result = 0;

Trang 21

 Sử dụng các nhân chập với các hệ số thay đổi có thểtạo ra các hiệu ứng khác nhau trên ảnh output Một

số hiệu ứng của lọc không gian

hoặc 5x5 Một số trường hợp dùng ma trận 7x7

 Ngoài ra có thể sử dụng các lọc phi tuyến (thảo luậntrong “Xla_BaiGiang04”)

Trang 22

 Sử dụng bộ lọc không gian tuyến tính để tính giá trịpixel output là trung bình của các pixel trong nhânchập.

 Còn được gọi là bộ lọc trung bình hay lowpass filter

1 1 1 1 1

25

1 )

, ( j k

1 1 1 1 1

0 1 1 1 0

21

1 ) , (j k

h circ

Trang 23

 Có thể dùng các bộ lọc biến thể khác để làm trơnảnh

 Mặt nạ thứ hai được gọi là lấy trung bình có trọng

số Nghĩa là các pixel sẽ được nhân với các hệ sốkhác nhau

 Với trung bình có trọng số, pixel output được xácđịnh bởi

1 1 1

1 1 1 9

1 ) ,

2 4 2

1 2 1 16

1 )

,

( k j h

b

b t

t s w

t y s x f t s w y

x g

) , (

) ,

( ) , ( )

, (

Trang 24

 Một số bộ lọc làm trơn ảnh khác: tam giác, Gauss,

bộ lọc trên miền Fourier (thảo luận sau), các bộ lọcphi tuyến (trung vị, Kuwahara)

nhất (đều chữ nhật hoặc đều tròn)

2 4 6 4 2

3 6 9 6 3

2 4 6 4 2

1 2 3 2 1

81

1 ) , ( j k

0 2 2 2 0

1 2 5 2 1

0 2 2 2 0

0 0 1 0 0

25

1 )

, ( j k

h circ

Dạng nón

Trang 25

 Kết quả làm trơn ảnh với bộ lọc trung bình có kíchthước 3, 5, 9, 15, 35

Ảnh gốc

Trang 26

 Có nhiều cách để tạo bộ lọc Gauss (tham khảo tàiliệu [1] trang 96-100).

5 0

0 0

0 5 18

32 18

5 0

0 18 64

100 64

18 0

5 32 100

100 100

32 5

0 18 64

100 64

18 0

0 5 18

32 18

5 0

0 0 0

5 0

0 0

Trang 28

 Bộ lọc trung vị

 Giá trị điểm ảnh output trong nhân chập đang xét

bằng giá trị độ sáng thứ (J*K)/2 trong phần ảnhđang được chập

 Một biến thể: thay vì lọc trung vị, có thể lọc phần

trăm Nghĩa là thay vì lấy 50% giá trị sáng màbằng p% (từ 0% - lọc cực tiểu - đến 100% - lọc cựcđại)

 Cho phép giữ lại các “cạnh” trên ảnh trong quá

trình làm trơn

Trang 29

 Trung vị: cho dãy {x 1 , x 2 , …, x n} , trung vị của dãyđược xác định bởi

n x or

n x

odd n

n x x

Med n

1 2

1 2 })

1

Trang 30

 Tìm trung vị trong phần ảnh đang xét (cửa sổ quétqua)

 Gán giá trị cho pixel “tâm”

 Ví dụ:

) ( )}

(

| ) ( {I q qW P  Med P

Med

P Med P

I P

I

) (

0 )

( )

2

1 1 2

4

1 2 16 4

2 3 2

1 1 2 4

1 2 2 4

2 3 2 1

I

Trang 31

Sắp xếp các cường độ sáng trong lân cận

của p

131 133 133 136 140 143 147

152

154 157 160 162 163 164 165 171

p

median được gán cho pixel

tại vị trí p

trong ảnh output.

Trang 32

noisy

blurred

median

Trang 33

3x3-median x 1 3x3-blur x 1 Ảnh nhiễu

 Lọc trung vị cho kết quả khử nhiễu tốt hơn so vớicác bộ lọc làm trơn ảnh

 Lọc trung vị duy trì cạnh tốt hơn so với blurringfilter

Trang 34

 Chia nhân chập thành các vùng con Tính độ sángtrung bình của mỗi vùng con.

nhất làm độ sáng của pixel trong nhân chập lớnđang xét

Trang 35

Bộ lọc Miền Kiểu Giá Tách được

Trang 36

 Sinh viên sử dụng các hàm sau để thực hiện yêu cầulàm trơn ảnh với các nhân chập khác nhau.

cvFilter2D: để thực hiện lọc ảnh (đổi nhân chập để làm trơn ảnh)

cvSmooth: làm trơn ảnh với các nhân chập được định nghĩa sẵn trong OpenCV)

Định dạng
Số trang	36
Dung lượng	1,84 MB