kỹ thuật cân bằng equalization

Equalizer hay thường được gọi tắt EQ là một thiết bị rất quan trọng dùng để lọc tần số âm thanh trong quá trình sản xuất âm nhạc, chương trình biểu diễn diễn sân khấu, trong các cuộc họp, hội nghị ngày nay… Mỗi người chúng ta hẳn đã từng dùng EQ ở một góc độ nào đó. Đơn giản nhất là thiết bị nghe nhạc mp3 hay các phần mềm nghe nhạc hiện nay đều tích hợp tính năng cắt lọc tần số. Nhưng để hiểu sâu về nó và cân chỉnh cho phù hợp với từng bài hát, từng chất giọng của mỗi người thì không hề đơn giản chút nào. Trong bài viết này, tôi sẽ giúp các bạn tìm hiểu sâu về nguyên lý hoạt động của bộ xử lý Equalizer, cũng như một số ứng dụng và thuật ngữ nói về nó.

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA KHOA ĐIỆN TỬ VIỄN THÔNG

BÁO CÁO GIỮA KÌ XỬ LÝ ẢNH

ĐỀ TÀI: INTERPOLATION

GVHD: TS HỒ PHƯỚC TIẾN

NHÓM: 15NH38

SVTH: VÕ THANH TRIỀU 15DT2

HUỲNH ANH TUẤN 15DT1

1

MỤC LỤC

Trang

Chương 1: KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ NỘI SUY ẢNH……… 1

1.1 Khái quát về xử lý ảnh……… 1

1.2 Những khái niệm cơ bản trong xử lý ảnh……….…1

1.2.1 Điểm ảnh……… 1

1.2.2 Mức xám của ảnh……… 1

1.2.2.1 Các thang giá trị mức xám thông thường………2

1.2.2.2 Mức xám ảnh đen trắng……… 2

1.2.2.3 Mức xám ở ảnh nhị phân……….2

1.2.2.4 Mức xám ở ảnh màu………2

Chương 2: MỘT SỐ KỸ THUẬT NỘI SUY ẢNH………2

2.1 Nội suy song khối……….4

2.1.1 Giải thuật nội suy song khối (Bicubic)……….4

2.2 Nội suy song tuyến………

6 Chương 3: MỘT SỐ ỨNG DỤNG CỦA NỘI SUY ẢNH……… 8

3.1 Nội suy sau khi tăng kích thước ảnh……….8

PHẦN KẾT LUẬN………11

TÀI LIỀU THAM KHẢO……….…11

Chương 1: KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ NỘI SUY ẢNH

1.1 Khái quát về xử lý ảnh

Xử lý ảnh là một phân ngành trong xử lý số tín hiệu với tín hiệu xử lý là ảnh Đây

là một phân ngành khoa học mới rất phát triển trong những năm gần đây Xử lý ảnh gồm

4 lĩnh vực chính: xử lý nâng cao chất lựong ảnh, nhận dạng ảnh, nén ảnh và truy vấn ảnh

Sự phát triển của xử lý ảnh đem lại rất nhiều lợi ích cho cuộc sống của con người

Ngày nay xử lý ảnh đã được áp dụng rất rộng rãi trong đời sống như: photoshop, nén ảnh, nén video, nhận dạng biển số xe, nhận dạng khuôn mặt, nhận dạng chữ viết, xử

lý ảnh thiên văn, ảnh y tế…

1.2 Những khái niệm cơ bản trong xử lý ảnh

1.2.1 Điểm ảnh

Trong kỹ thuật ảnh số, một pixel hay điểm ảnh (tiếng Anh: pixel hay pel, viết tắt picture element) là một điểm vật lý trong một hình ảnh raster, hoặc một khối màu là rất nhỏ và là đơn vị cơ bản nhất để tạo nên một bức ảnh kỹ thuật số Địa chỉ của một điểm ảnh tương ứng với tọa độ vật lý ITS Pixel LCD được sản xuất trong một mạng lưới hai chiều, và được sử dụng dấu chấm hoặc đại diện hình vuông trong thường, nhưng điểm ảnh CRT tương ứng với cơ chế thời gian của chúng và tỷ lệ quét 1 pixel không có kích thước cố định

Mỗi điểm ảnh là một mẫu của một hình ảnh ban đầu, nhiều điểm ảnh hơn thường cung cấp đại diện chính xác hơn của bản gốc Cường độ của mỗi điểm ảnh có thể thay đổi Hình ảnh trong hệ thống màu sắc, màu sắc thường là ba hoặc bốn đại diện trong cường độ thành phần như màu đỏ, xanh lá cây, và màu xanh, hoặc màu lục lam, đỏ tươi, màu vàng, và màu đen Hầu hết các chương trình ứng dụng đồ họa đều diễn tả độ phân giải của hình ảnh bằng pixel dimensions - kích thước pixel, với số đo chiều ngang đi trước

1.2.2 Mức xám của ảnh

Mức xám của điểm ảnh là cường độ sáng của nó được gán bằng giá trị số tại điểm

đó Trong biểu diễn số của các ảnh đa mức xám, một ảnh được biểu diễn dưới dạng một

ma trận hai chiều mỗi phần tử của ma trận biểu diễn cho mức xám hay cường độ của ảnh

tại vị trí đó Mỗi phần tử ma trận biểu diễn cho mức xám hay cường độ của ánh sang tại

đó Mỗi phần tử trong ma trận được gọi là một phần tử ảnh hoặc điểm ảnh Một điểm ảnh

có hai đặc trưng cơ bản vị trí (x,y) của điểm ảnh và độ xám

1.2.2.1 Các thang giá trị mức xám thông thường

Thông thường các thang mức xám như 16, 32, 64, 128, 256 (với lý do kỹ thuật máy tính dung 1 byte để biểu diễn mức xám thì có thể biểu diễn : 256 mức, mức 256 la mức phổ dụng

1.2.2.2 Mức xám ảnh đen trắng

Ảnh đen trắng là ảnh chỉ có 2 màu đen trắng, mức xám của các điểm ảnh có thể khác nhau, Nếu dùng 8 bit để biểu diễn mức xám, thì số các mức xám có thể biểu diễn là

256 Mỗi mức xám được biể diễn dưới dạng là một số nguyên nằm trong khoảng từ o đến

255, mới mức 0 biểu diễn cho mức cường độ đen nhất và 255 biểu diên cho mức cường

độ sang nhất

1.2.2.3 Mức xám ở ảnh nhị phân

Ảnh chỉ có hai mức đen , trắng phân biệt, tức dùng 1 bit mô tả 21 mức khác nhau Nói cách khác mỗi điểm ảnh của một ảnh nhị phân chỉ có thể là 0 hoặc 1

1.2.2.4 Mức xám ở ảnh màu

Ảnh màu được tạo nên từ 3 màu cơ bản (Red, Blue, Green), người ta dùng 3 byte

để mô tả mức màu, khi đó giá trị màu 28*3 = 224 16,7 triệu màu

Với ảnh màu, cách biểu diễn cũng tương tự như với ảnh trắng đen , chỉ khác là các

số tại mỗi phần tử của mỗi ma trận biểu diễn cho ba màu riêng rẽ gồm 24 bit, 24 bit này được chia thành ba khoảng 8 bit Mỗi khoảng này biểu diễn cho cường độ sang của một trong các màu chính

Chương 2: MỘT SỐ KỸ THUẬT NỘI SUY ẢNH

Hầu như tất cả các phần mềm chỉnh sửa ảnh điều sủ dụng 1 hoặc nhiều phương pháp nội suy trong quá trình bién đổi ảnh Hình ảnh sẽ mịn màng h, không bị vỡ hạt khi phóng to, thu nhỏ tùy vào thuật toán được sử dụng trong giải thuật nội suy Điều quan trọng là giải thuật nội suy sẽ không them thông tin gì mới cho hinhd ảnh, nó chỉ thêm điểm ảnh và làm tăng dung lượng của tập tin

5

Trong chế bản hay những công việc có lien quan đến hình ảnh đều gặp phải một trở ngại đó là phóng to ảnh sẽ đến tính trạng ảnh bể, nên không thể in và chỉnh sửa được Muốn phóng to ảnh người ta dùng phương pháp chụp, rửa hình, dùng máy quét để quét với độ phân giải cao, nhưng làm như thế rất mất thời gian lại không kinh tế Hiện có rất nhiều nhà sản xuất phần mềm đã khắc phục được các vấn đề này bằng cách dùng các phương pháp nội suy ảnh, và bù đắp sự tương quan màu sác trong quá trình biến đổi ảnh Các phương pháp nội suy này được ứng dụng rất nhiều trong thực tế, như để xử lý biến đổi ảnh, sản xuất những chiếc máy ảnh đời mới,

Tóm lại vấn đề:

Nếu có giá trị nội suy, chất lượng hình ảnh sẽ đảm bảo theo mức thiết lập cho máy chụp ảnh kỹ thuật số

Giá trị nội suy được gán cho 1 bức ảnh càng cao thì chất lượng file ảnh đó càng thấp vì các pixel nội suy gia tăng dựa trên các pixel thực mà ống kính máy ảnh thu nhận được (sự gia tăng đó đôi khi không phản ánh đúng sự thật)

Nếu không có giá trị nội suy, chất lượng của máy ảnh kỹ thuật số sẽ hoàn toàn phụ thuộc vào ống kính, bộ cảm biến và chip xử lý dữ liệu

Tuy nhiên hiện nay bên cạnh những máy ảnh kỹ thuật số có sử dụng phương pháp nội suy thì đã xuất hiện nhiều phần mềm nội suy ảnh cho phép phóng to ảnh, bóp méo ảnh hay biến đổi ảnh, sinh ảnh trung giang mà hình ảnh vẫn rõ nét, cho ra ảnh có dung lương rất gọn, tính tùy biến caom cho phép phóng to ảnh theo dung lượng file, cho phép sinh ra các khung hình trung gian trông tự nhiên như thật

Mặc dù nội suy có những hạn chế nhưng để có thể khăc phục những nhược điểm của hình ảnh, chúng ta vẫn nên thực hiện nội suy những bức ảnh kém chất lượng khi thực hiện phóng to ảnh Chất lượng của ảnh phụ thuộc rất nhiều vào việc sử dụng giải thuật nội suy, vì giải thuật nội suy chính là thuật toán xác định các giá trị màu sắc của các điểm ảnh mới được tính toán

Thực hiện nội suy là tốt cho công việc phóng to hình ảnh, biến đổi hình ảnh, có iều phương pháp nôi suy khác nhau, phương pháp pháp này sử dụng tốt cho hình ảnh này, nhưng phương pháp khác lại thích hợp với hình ảnh khác Vì vậy việc sử phương pháp nội suy là rất quan trọng

Các giải thuật nội suy có thể được nhóm thành hai loại là thích nghi và không thích nghi Những phương pháp thích nghi thay đổi phụ thuộc vào những gì đang nội suy (tăng độ sắc nét, làm mịn cạnh), trong khi những phương pháp không thích nghi thực hiện với tất cả các điểm ảnh điều như nhau Thuật toán không thích nghi gồm: nội suy các pixel gần nhất, nôi suy tuyến tính, nội suy song tuyến tính, nội suy tam giác, nội suy song khối, nội suy tam tuyến và một số thuật toán khác

Vì thời gian có hạn nên bạn em sẽ đi sâu và 2 phương pháp là nội suy

2.1 Nội suy song khối

Trong xử lý hình ảnh, phép nội suy song khối thường được chọn hơn so với phép nội suy song tuyến hoặc lân cận gần nhất trong việc lấy lại hình ảnh, khi tốc độ không phải là vấn đề Điểm ảnh mới được tạo ra sẽ có giá trị trung bình của 16 điểm ảnh gốc gần nhất (4 x 4) Vì tái tạo chi tiết màu từ nhiều điểm ảnh gốc nên quy trình này sẽ tốn nhiều thời gian và bộ nhớ trong xử lý hơn

2.1.1 Giải thuật nội suy song khối (Bicubic)

Giả thiết những giá trị hàm f và dẫn xuất fx, fy và fxy được biết tại bốn góc (0,0), (1,0), (0,1), và (1,1) của đơn vị thẳng góc Chèn thêm bề mặt có thể được viết

Vấn đề nội suy gồm có việc xác định 16 hệ số aij Sự Thích ứng p(x, y) với những giá trị của hàm thực hiện bốn phương trình sau:

7

Giống như vậy, Tám phương trình sau cho những dẫn xuất trong x hướng và y hướng

Và bốn phương trình cho dẫn xuất xy

Các biểu thức nói trên đã sử dụng các căn cứ nhận dạng sau đây:

Thủ tục này mang lại một bề mặt p(x, y) trên đơn vị thẳng góc mà liên tục và với những dẫn xuất liên tục

2.2 Nội suy song tuyến

Trong toán học, nội suy song tuyến (Bilinear interpolation) là mở rộng của nội suy tuyến tính cho nội suy hai biến Chìa khóa để thực hiện ý tưởng là nội suy tuyến tính hướng đầu tiên, và sau đó nội suy tuyến tính một lần nữa trong hướng khác

Nói cách khác, đây là kỹ thuật xác định một hàm biến đổi từ một hình vuông kích thước 0,1x0,1 tới một tứ giác trong không gian (tứ giác này không nhất thiết phải đồng phẳng)

Nếu chúng ta giả sử toạ độ của khối hình vuông là x và y thì phép biến đổi B được thực hiện như sau:

Phép biến đổi được thực hiện tương đương với hai việc Việc thứ nhất là nội suy trên các cạnh AD và BC thu được điểm P và Q

Việc tiếp theo là nội suy trên đoạn PQ sử dụng thông số y:

Nội suy song tuyến (Bilinear) tương tự như nội suy tuyến tính, Lấy

Trung bình của 4 điểm xung quanh lưới điện được sử dụng để xác định giá trị nội suy

Ví dụ: Tìm nội suy của điểm P

Bốn dấu chấm màu đỏ hiển thị các điểm dữ liệu và các dấu chấm màu xanh lá cây

là một điểm mà ở đó chúng ta muốn nội suy

Giả sử chúng ta muốn tìm thấy giá trị chưa biết f tại điểm P = (x, y)

Giả định rằng chúng ta biết giá trị của f tại bốn điểm Q11 = (x1, y1), Q12 = (x1, y2),

Q21 = (x2, y1), Q22 = (x2, y2)

Trong đó: y1 là một biến có chứa các dữ liệu điểm dọc trục

x1 là một biến có chứa các dữ liệu điểm ngang trục;

x2 là một biến có chứa các điểm ngang nơi nội suy sẽ được thực hiện;

y2 là một biến có chứa các điểm dọc nơi nội suy sẽ được thực hiện;

Đầu tiên chúng ta làm nội suy tuyến tính trong x-hướng Cho kết quả:

Chúng ta tiến hành nội suy trong y-hướng sẽ được:

9

Điều này cho phép chúng ta ước tính f (x, y)

Nếu chúng ta chọn một hệ thống phối hợp trong đó có bốn điểm e , nơi f có giá trị (0,0), (0,1), (1,0), và (1,1), sau đó các công thức nội suy được đơn giản thành: f (x, y) = f (0,0)(1 - x)(1 - y) + f (1,0)x(1 - y) + f (0,1)(1 - x)y + f(1,1)xy

Hoặc tương đương, trong ma trận:

Trong cả trường hợp này, số lượng thay đổi bất kỳ tương ứng với số lượng các điểm dữ liệu, nơi f được định sẵn Nội suy là theo đường tuyến tính song song với x hướng hoặc y hướng Tương tự nếu x hoặc y được đặt bất kỳ cùng với một đường thẳng khác thì nội suy là bậc hai

Chương 3: MỘT SỐ ỨNG DỤNG CỦA NỘI SUY ẢNH

3.1. Dùng nội suy sau khi tăng kích thước ảnh

Để điều chỉnh kích cỡ ảnh, ta dùng hàm imresize với các thông số đi kèm Sử

dùng hàm này ta có thể xác định kích cỡ cuẩ ảnh đầu ra, phương pháp nội suy được sử dụng và bộ lọc dùng để chặn răng cưa

Cú pháp của hàm imresize được biểu diễn theo nhiều cách như sau:

B = imresize(A,m)

Trong đó:

- B là vector dữ liệu ảnh đầu ra

- A là vector dữ liệu ảnh đầu vào

- m là hằng số

B = imresize(A,m) trả về một ảnh B có kích cỡ bằng m lần kích cỡ của A.

Ảnh A có thể là ảnh đa mức xám, RGB hay ảnh nhị phân Nếu m nằm trong

khoảng (0,1) thì B nhỏ hơn A Ngược lại, B lớn hơn A.

B = imresize(A,m,method)

Trong đó:

- B là vector dữ liệu ảnh đầu ra

- A là vector dữ liệu ảnh đầu vào

- m là hằng số

- Method là phương pháp nội suy

B = imresize(A,m,method) trả về một ảnh có kích cỡ gấp m lần kích cỡ của A,

dùng phương pháp nội suy được chỉ ra bởi tham số method Tham số này là một xâu có

thể có một trong các giá trị dưới đây

Giá trị tham số Phương pháp nội suy

‘Nearest’ Nội suy các pixel gần nhất

(mặc định)

‘Bilinear’ Nội suy song tuyến tính

‘Bicubic’ Nội suy song khối

B = imresize(A,[mrows ncols],method)

Trong đó:

- B là vector dữ liệu ảnh đầu ra

- A là vector dữ liệu ảnh đầu vào

- m,n là hằng số

- Method là phương pháp nội suy

B = imresize(A,[mrows ncols],method) trả về một ảnh có kích cỡ mrows x ncols

(là số cột và số hàng của ảnh mới) Nếu kích cỡ của ảnh đầu ra nhỏ hơn kích cỡ của ảnh

đầu vào và method là ‘bilinear’ hoặc ‘bicubic’ thì imresize áp dụng bộ lọc thông thấp

trước khi phép nội suy làm giảm lượng răng cưa Kích cỡ mặc định của bộ lọc là 11x11

B = imresize( ,method,n)

11

Trong ví dụ sau, hàm imresize sử dụng phương pháp nội suy song tuyến tính:

Ví dụ:

I=imread('circuit.tif');

J=imresize(I,[100 500],'bilinear');

imshow(I), figure, imshow(J)

Hình 1: Hình sau và trước khi sử dụng làm imresize với phương pháp nội suy

song tuyến tính

PHẦN KẾT LUẬN

Trong quá trình làm báo cáo, sau khi tìm hiểu về các thuật toán nội suy, em

đã bổ sung thêm cho mình nhiều kiến thức quý giá Em đã tìm hiểu sâu hơn, đầy

đủ hơn về các phương pháp nội suy ảnh và một số ứng dụng của nó Em đã có thêm những kiến thức mới về xử lý ảnh trong công việc sử dụng nội suy để phóng

to, bóp méo ảnh, quay ảnh, sinh ảnh trung gian cùng với các ứng dụng của nó, hiện tượng răng cưa cũng như vỡ hạt trên hình ảnh được cải thiện rất nhiều khi thực hiện nội suy, các hình ảnh trung gian được sinh ra tạo cho hình ảnh trở nên tự nhiên như thực

Vì thời gian có hạn nên bạn em chỉ đi sâu về phương pháp nội suy song tuyến tính (Bilinear interpolation) và nội suy song khối

Đây là các phương pháp có ưu điểm hơn cả trong việc khắc phục các hiện tượng răng cưa,vỡ hạt, lấp lỗ hổng, sinh ảnh tiết kiệm được thời gian thực hiện giải thuật

TÀI LIỆU THAM KHẢO

Tiếng Việt

[1] Giáo trình xử lý ảnh, TS Hồ Phước Tiến

Trang wed

[1] https://vi.wikipedia.org/wiki/X%E1%BB%AD_l%C3%BD_%E1%BA%A3nh [2] https://en.wikipedia.org/wiki/Bicubic_interpolation

[3] https://en.wikipedia.org/wiki/Bilinear_interpolation

13