Hệ thống thông minh tính điểm tự động cho bia bắn báo cáo tổng kết đề tài nghiên cứu khoa học cấp trường

Đặc biệt trong quân đội, bia bắn được sử dụng hằng ng y tại c c thao trường, dùng để cho quân đội tập luyện khả n ng bắn súng, nó được tính điểm sau mỗi cú bắn để ước lượng khả n ng bắn

BỘ CÔNG THƯƠNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH

BÁO CÁO TỔNG KẾT ĐỀ TÀI KHOA HỌC

KẾT QUẢ THỰC HIỆN ĐỀ TÀI NGHIÊN CỨU KHOA HỌCCẤP TRƯỜNG

Tên đề tài: Hệ th ng th ng minh t nh điểm t đ ng cho bia bắn

MỤC LỤC

CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI ……… 3

1 ĐẶT VẤN ĐỀ………3

2 MỤC TIÊU CỦA ĐỀ TÀI……… 4

2.1 MỤC TIÊU TỔNG QUÁT………4

2.2 MỤC TIÊU CỤ THỂ……….4

3 PHƯƠNG PHÁP NGHIÊN CỨU………6

3.1 NGHIÊN CỨU LÝ THUYẾT……… 6

3.2 NGHIÊN CỨU XÂY DỰNG PHẦN MỀM……….6

3.3 NGHIÊN CỨU XÂY DỰNG PHẦN CỨNG……… 6

CHƯƠNG 2 CƠ SỞ LÝ THUYẾT XỬ LÝ ẢNH……… 6

2.1 NHỮNG VẤN ĐỀ CƠ BẢN TRONG XỬ LÝ ẢNH SỐ……….6

2.1.1 ĐIỂM ẢNH……… 6

2.1.2 ĐỘ PHÂN GIẢI CỦA ẢNH……… 6

2.1.3 MỨC XÁM CỦA ẢNH……… 7

2.1.4 QUAN HỆ GIỮA CÁC ĐIỂM ẢNH……….7

2.1.5 HÔNG GIAN MÀU……… 8

2.1.6 CÁC THÀNH PHẦN CƠ BẢN CỦA HỆ THỐNG XỬ LÝ ẢNH……… 9

2.2 THU NHẬN ẢNH………9

2.2.1 CÁC THIẾT BỊ THU NHẬN ẢNH……… 9

2.2.2 LẤY MẪU VÀ LƯỢNG TỬ HÓA………9

2.2.3 MỘT SỐ PHƯƠNG PHÁP BIỂU DIỄN ẢNH……… 11

2.2.4 CÁC ĐỊNH DẠNG ẢNH……… 12

2.3 NÂNG CAO CHẤT LƯỢNG ẢNH………12

2.3.1 CẢI THIỆN ẢNH SỬ DỤNG TOÁN TỬ ĐIỂM………12

2.3.2 CẢI THIỆN ẢNH DÙNG TOÁN TỬ HÔNG GIAN……… 15

2.3.3 MỘT SỐ KỸ THUẬT CẢI THIỆN ẢNH NHỊ PHÂN……… 18

2.4 NHẬN DẠNG ẢNH……… 18

2.4.1 NHẬN DẠNG DỰA VÀO PHÂN HOẠCH HÔNG GIAN……….18

2.4.2 NHẬN DẠNG DỰA THEO CẤU TRÖC……….21

2.4.3 NHẬN DẠNG DỰA TRÊN MẠNG NƠRON……… 21

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU……… 23

3.1 NGHIÊN CỨU LÝ THUYẾT XỬ LÝ ẢNH……….23

3.1.1 TÁCH VÀ NHẬN DẠNG BIA BẮN RA KHỎI FRAME ẢNH……… 24

3.1.2 SO SÁNH TƯƠNG QUAN ĐỂ TÌM VỊ TRÍ VẾT ĐẠN……… 29

3.1.3 MÔ HÌNH HÓA CÁC CUNG TRÕN/CUNG ELIP TÍNH ĐIỂM…… 31

3.2 NGHIÊN CỨU XÂY DỰNG PHẦN MỀM……… 34

3.2.1 GIAO DIỆN TỔNG QUÁT……… 34

3.2.2 KHỐI NHẬP NGÀY THÁNG NẮM……… 35

3.2.3 KHỐI HIỂN THỊ BIA BẮN………36

3.2.4 KHỐI ĐIỀU KHIỂN VÀ TÍNH ĐIỂM……… 36

3.2.5 KHỐI NHẬP THÔNG TIN NGƯỜI BẮN……….37

3.2.6 KHỐI HIỂN THỊ KẾT QUẢ TÍNH ĐIỂM………37

3.2.7 NÖT NHẤN LƯU FILE……… 38

3.2.8 QUY TRÌNH VẬN HÀNH PHẦN MỀM CHO BÀI BẮN CỐ ĐỊNH….39 3.2.9 QUY TRÌNH VẬN HÀNH PHẦN MỀM CHO BÀI BẮN BIA ẨN/HIỆN39 3.3 NGHIÊN CỨU XÂY DỰNG PHẦN CỨNG……… 40

3.3.1 BẢN VẼ THIẾT KẾ MÔ HÌNH……….41

3.3.2 PHẦN CỨNG TỔNG QUÁT……… 42

3.3.3 KHUNG GẦM……… 43

3.3.4 BỘ ĐIỀU KHIỂN……….44

3.3.5 BIA BẮN………47

3.3.6 CAMERA……… 48

3.3.7 NGUỒN……….49

CHƯƠNG 4: ẾT QUẢ ĐỀ TÀI ……… 50

4.1 TỔNG KẾT VỀ KẾT QUẢ ĐỀ TÀI……… 50

4.2 ĐÁNH GIÁ CÁC ẾT QUẢ ĐẠT ĐƯỢC VÀ ẾT LUẬN………50

4.3 TÓM TẮT KẾT QUẢ……… 54

TÀI LIỆU THAM KHẢO……… 55

CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI

1 ĐẶT VẤN ĐỀ

Bia bắn l loại thiết bị được sử dụng rất phổ biến Trong c c cuộc thi bắn súng, nó được

sử dụng l m thiết bị đo độ chính x c cú bắn v dựa v o đó tính điểm cho người bắn Đặc biệt trong quân đội, bia bắn được sử dụng hằng ng y tại c c thao trường, dùng để cho quân đội tập luyện khả n ng bắn súng, nó được tính điểm sau mỗi cú bắn để ước lượng khả n ng bắn súng của mỗi người lính Do đó, việc tính điểm diễn ra rất thường xuyên v lặp lại rất nhiều lần trong mỗi buổi tập

Trong điều kiện kinh tế nước ta hiện nay thì việc tính điểm sau mỗi cú bắn trên c c thao trường của quân đội hầu hết được thực hiện một c ch thủ công, sau mỗi lần bắn cần có người gi m s t di chuyển đến bia bắn v tính điểm một c ch thủ công C ch tính điểm thủ công n y có rất nhiều hạn chế:

- Người gi m s t cần di chuyển khoảng c ch xa để tính điểm

- Thời gian trì hoãn giữa c c lần bắn lớn nên số lần bắn trong mỗi buổi tập không nhiều

- Vì điểm được tính dựa trên mắt người quan s t nên điểm tính được còn mang tính chủ quan

Trong c c Sư đo n lớn như Sư đo n BB5 thuộc quân khu 7 đặt tại Tây Ninh, do nhu cầu tính điểm bia bắn rất cao nên Sư đo n đã cải tiến mô hình chấm điểm bằng c ch sử dụng hệ thống camera quan s t để chụp ảnh bia bắn v tính điểm dựa trên ảnh chụp được

Hình 1.1 Hệ thống camera quan s t được sử dụng tính điểm bia bắn tại Sư đo n

BB5

Hệ thống tính điểm đang sử dụng tại Sư đo n BB5 có ưu điểm l giảm được việc gi m

s t di chuyển đến bia bắn để tính điểm Tuy nhiên, hệ thống n y cũng cần tính điểm một

c ch thủ công v vẫn còn nhiều hạn chế:

- Cần có thời gian trì hoãn giữa c c lần bắn để người gi m s t quan s t trên m n hình

v tính điểm

- Hệ thống sử dụng camera quan s t có kích thước lớn, vị trí đặt bắt buộc phải thẳng

h ng bia bắn nên chiếm tầm bắn, có thể bị đạn bắn trúng gây hư hỏng

- Hệ thống camera quan s t cần sử dụng đầu thu v m y tính, gây tốn kém, cồng kềnh

- Hệ thống yêu cầu nguồn điện lưới 22 v, điều n y l không khả thi tại c c thao trường lớn không thể kéo điện lưới

- Vì điểm được tính từ người gi m s t quan s t trên m n hình nên điểm tính được không được kh ch quan

- Người bắn không thể biết điểm bắn của mình trực tiếp

Với c c yêu cầu v nhược điểm của c c hệ thống tính điểm bia bắn hiện tại, đề t i đi v o xây dựng hệ thống tính điểm tự động dựa trên xử lý ảnh, hệ thống tự động n y sẽ khắc phục tất cả c c nhược điểm của hệ thống hiện hữu, đ p ứng yêu cầu thực tế trong cuộc sống đặc biệt l trong lĩnh vực quốc phòng Hệ thống sau khi xậy dựng xong sẽ được lắp đặt, vận

h nh tại Sư đo n BB5 v sẽ được nhân rộng, ứng dụng rộng rãi trong lĩnh vực quốc phòng Bia bắn được sử dụng tại c c thao trường l loại bia như hình 1.2, với c c vòng tròn vòng elip, cung tròn cung elip đồng tâm quy định mức điểm bắn được tương ứng Bên trong bia bắn có khắc họa hình người với c c chi tiết m u sắc v hình th i kh c nhau Loại bia bắn n y phức tạp hơn nhiều so với loại bia được sử dụng trong c c cuộc thi – loại bia chỉ chứa c c vòng tròn đồng tâm quy định mức điểm v không chứa khắc họa hình người

Hình 1.2 Loại bia bắn được sử dụng tại c c thao trường: bia số 4, bia số 7 v bia số 8

2 MỤC TIÊU CỦA ĐỀ TÀI

2.1 MỤC TIÊU TỔNG QUÁT

Đề t i xây dựng hệ thống tính điểm bia bắn tự động Hệ thống xử lý v tính điểm một

c ch tự động v ngay lập tức sau mỗi lần bắn Hệ thống hoạt động trong mọi điều kiện môi trường ban ng y, ban đêm, mưa, nắng, một c ch chính x c, nhanh chóng, kh ch quan Điểm sau khi tính to n tự động sẽ thông b o trên giao diện phần mềm, đồng thời lưu trên m y tính dưới dạng file exel Hệ thống sử dụng nguồn từ bộ lưu điện UPS thay cho điện lưới nên có thể p dụng dễ d ng cho mọi thao trường Kích thước hệ thống nhỏ gọn, đặt ở vị trí độc lập

v c ch xa bia bắn nên không ảnh hưởng đến tầm bắn Hệ thống sau khi ho n th nh được ứng dụng tính điểm tự động trên c c thao trường của Sư đo n BB5

2.2 MỤC TIÊU CỤ THỂ

C c mục tiêu cụ thể của hệ thống:

Đọc ảnh đầu v o

Tiền xử lý ảnh theo điều kiện môi trường

Tiền xử lý ảnh theo điều kiện ban đêm Tiền xử lý ảnh theo điều kiện ban ng y Tiền xử lý ảnh theo điều kiện trời mưa

Lọc nhiễu ảnh do nhiễu nh s ng/nhiễu đỗ bóng

X c định vị trí bia bắn

X c định tâm bia bắn/c c vòng tròn điểm tương ứng trên bia

X c định vết đạn bắn

X c định vết đạn bắn mới hay cũ/trùng với vết bắn cũ

Tính tương quan vết bắn mới với vòng tròn tính điểm v ra quyết định điểm số

Truyền dữ liệu không dây Bắt đầu

Kết thúc

Hình 1.2 Lưu đồ thuật to n xử lý ảnh tính điểm bia bắn

- Tính điểm tự động một c ch chính x c, độ chính x c đạt trên 99%; tốc độ tính to n < giây, thời gian tính điểm xong sau mỗi cú bắn l < giây; tính to n trong mọi điều kiện thời tiết: mưa, nắng, gió, ban ng y, ban đêm Hệ thống đảm nhận mục tiêu tính điểm được thực hiện trên camera IP dân dụng v m y tính c nhân Camera thu nhận ảnh liên tục, m y tính sau khi đọc ảnh từ camera sẽ thực thi thuật to n tính điểm theo lưu đồ như hình 1.2:

- Sử dụng camera IP cho tốc độ truyền tải hình ảnh rất nhanh, camera có kích thước nhỏ gọn, có thể kết nối trực tiếp với m y tính, gi th nh camera thấp, có thể dễ d ng bảo trì, bảo dư ng, thay thế

- Kết quả tính điểm sẽ được thực thi trên m y tính, thời gian tính điểm cho mỗi lần bắn

< 2 giây, điểm sau khi tính to n sẽ được hiển thị trên giao diện phần mềm để người bắn có thể biết được kết quả ngay lập tức Kết quả còn được lưu trữ trực tiếp trên

m y tính dưới dạng file exel tổng hợp kết quả bắn theo ng y

- Hệ thống có gi th nh thấp trong giai đoạn triển khai đại tr , gi th nh có thể rẻ hơn 1/10 so với c c hệ thống hiện hữu trên thế giới

- Xây dựng phần mềm trên m y tính có thể quan s t trực tiếp bia bắn, đọc điểm bắn, lưu trữ kết quả theo ng y th ng n m n m, truy cập điểm bắn cũ

- Hệ thống được m y tính tính to n tự động nên đảm bảo tính kh ch quan

3 PHƯƠNG PHÁP NGHIÊN CỨU

3.1 NGHIÊN CỨU LÝ THUYẾT

Thuật to n xử lý ảnh được sử dụng để tính to n tự động điểm bắn sau mỗi lần bắn Với đặc điểm phức tạp của loại bia bắn được yêu cầu Nhóm nghiên cứu đã tiến h nh nghiên cứu c c c c thuật to n xử lý ảnh để x c định chính x c, nhanh chóng điểm bắn

3.2 NGHIÊN CỨU XÂY DỰNG PHẦN MỀM

Để thiết kế giao diện người dùng, nhóm nghiên cứu sử dụng ngôn ngữ lập trình Python, thư viện nguồn mở OPENCV cho xử lý ảnh real-time Giao diện người dùng được tạo ra bao gồm c c khối chức n ng dựa trên yêu cầu sử dụng thực tế của Sư đo n BB5

3.3 NGHIÊN CỨU XÂY DỰNG PHẦN CỨNG

Phần cứng được xây dựng v hiệu chỉnh dựa trên c c yêu cầu thực tế từ c c b i bắn tại Sư đo n BB5, có tham gia đóng góp ý kiến của Sư đo n để hiệu chỉnh theo yêu cầu thực

tế C c yêu cầu thực tế từ c c b i bắn đạn thật gồm:

+ Có thể ẩn/hiện tất cả c c bia bắn trong b i bắn số 2

+ Sử dụng nguồn điện dự phòng thay cho điện lưới vì điều kiện trường bắn không thể lắp đặt điện lưới

+ Có thể truyền tín hiệu ở khoảng c ch 5 m từ bia bắn đến vị trí người gi m s t, khoảng c ch của c c bia tương ứng l 5m

Sau khi tiến h nh lắp đặt thực nghiệm bắn đạn thật tại Sư đo n BB5, nhóm nghiên cứu đã tiến h nh hiệu chỉnh v ho n thiện lại hệ thống kết cấu phần cứng

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT XỬ LÝ ẢNH

2.1 NHỮNG VẤN ĐỀ CƠ BẢN TRONG XỬ LÝ ẢNH SỐ

2.1.1 ĐIỂM ẢNH

Gốc của ảnh (ảnh tự nhiên) l ảnh liên tục về không gian v độ s ng Để xử lý bằng

m y tính (số), ảnh cần phải được số ho Số ho ảnh l sự biến đổi gần đúng một ảnh liên tục th nh một tập điểm phù hợp với ảnh thật về vị trí (không gian) v độ s ng (mức x m) Khoảng c ch giữa c c điểm ảnh đó được thiết lập sao cho mắt người không phân biệt được ranh giới giữa chúng Mỗi một điểm như vậy gọi l điểm ảnh (PEL: Picture Element) hay gọi tắt l Pixel Trong khuôn khổ ảnh hai chiều, mỗi pixel ứng với cặp tọa độ (x, y)

Điểm ảnh (Pixel) l một phần tử của ảnh số tại toạ độ (x, y) với độ x m hoặc m u nhất định Kích thước v khoảng c ch giữa c c điểm ảnh đó được chọn thích hợp sao cho mắt người cảm nhận sự liên tục về không gian v mức x m (hoặc m u) của ảnh số gần như ảnh thật Mỗi phần tử trong ma trận được gọi l một phần tử ảnh

2.1.2 ĐỘ PHÂN GIẢI CỦA ẢNH

Độ phân giải (Resolution) của ảnh l mật độ điểm ảnh được ấn định trên một ảnh số được hiển thị Theo định nghĩa, khoảng c ch giữa c c điểm ảnh phải được chọn sao cho mắt người vẫn thấy được sự liên tục của ảnh Việc lựa chọn khoảng c ch thích hợp tạo nên một

mật độ phân bổ, đó chính l độ phân giải v được phân bố theo trục x v y trong không gian hai chiều

Ví dụ: Độ phân giải của ảnh trên m n hình CGA (Color Graphic Adaptor) l một lưới điểm theo chiều ngang m n hình: 3 điểm chiều dọc * điểm ảnh (3 * ) Rõ r ng, cùng

m n hình CGA ” ta nhận thấy mịn hơn m n hình CGA 7” độ phân giải 3 * Lý do: cùng một mật độ (độ phân giải) nhưng diện tích m n hình rộng hơn thì độ mịn (liên tục của

c c điểm) kém hơn

2.1.3 MỨC XÁM CỦA ẢNH

Một điểm ảnh (pixel) có hai đặc trưng cơ bản l vị trí (x, y) của điểm ảnh v độ x m của nó Dưới đây chúng ta xem xét một số kh i niệm v thuật ngữ thường dùng trong xử lý ảnh

Định nghĩ : Mức x m của điểm ảnh l cường độ s ng của nó được g n bằng gi trị số tại

Ảnh nhị phân: ảnh chỉ có 2 mức đen trắng phân biệt tức dùng bit mô tả 21 mức kh c

nhau Nói c ch kh c: mỗi điểm ảnh của ảnh nhị phân chỉ có thể l hoặc 1

Ảnh màu: trong khuôn khổ lý thuyết ba m u (Red, Blue, Green) để tạo nên thế giới m u,

người ta thường dùng 3 byte để mô tả mức m u, khi đó c c gi trị m u: 8*3= ≈ ,7 triệu m u

2.1.4 QUAN HỆ GIỮA CÁC ĐIỂM ẢNH

Một ảnh số giả sử được biểu diễn bằng h m f(x, y) Tập con c c điểm ảnh l S; cặp điểm ảnh có quan hệ với nhau ký hiệu l p, q Chúng ta nêu một số c c kh i niệm sau

Các lân cận củ điểm ảnh: Giả sử có điểm ảnh p tại toạ độ (x, y) p có điểm lân cận gần

nhất theo chiều đứng v ngang (có thể coi như lân cận hướng chính: Đông, Tây, Nam, Bắc)

{(x-1, y); (x, y-1); (x, y+1); (x+1, y)} = N4(p)

trong đó: số l gi trị logic; N4(p) tập điểm lân cận của p

Các lân cận chéo: C c điểm lân cận chéo N p(p) (Có thể coi lân cận chéo la hướng: Đông-Nam, Đông-Bắc, Tây-Nam, Tây-Bắc)

(p)

p

N = { (x+1, y+1); (x+1, y-1); (x-1, y+1); (x-1, y-1)}

Tập kết hợp: N8(p) N4(p) N p(p) l tập hợp 8 lân cận của điểm ảnh p

C c mối liên kết điểm ảnh:

C c mối liên kết được sử dụng để x c định giới hạn (Boundaries) của đối tượng vật thể hoặc x c định vùng trong một ảnh Một liên kết được đặc trưng bởi tính liền kề giữa c c điểm v mức x m của chúng

Giả sử V l tập c c gi trị mức x m Một ảnh có c c gi trị cường độ s ng từ thang mức

x m từ 3 đến được mô tả như sau : V={32, 33, … , 3, }

Có 3 loại liên kết

Liên kết : Hai điểm ảnh p v q được nói l liên kết 4 với c c gi trị cường độ s ng V nếu q nằm trong một c c lân cận của p, tức q thuộc N4(p)

Liên kết 8: Hai điểm ảnh p v q nằm trong một c c lân cận 8 của p, tức q thuộc N8(p)

Liên kết m (liên kết hỗn hợp): Hai điểm ảnh p v q với c c gi trị cường độ s ng V được nói

l liên kết m nếu q thuộc N4(p) hoặc q thuộc N p(p)

2.1.5 KHÔNG GIAN MÀU

2.1.5.1 h ng gi n RGB

Không gian m u RGB được tạo từ 3 th nh phần cơ bản R, G, B.Sự pha m u mang tính chất

cộng Mỗi m u được biểu diễn bởi một bộ ba số (R,G,B) Th nh phần R, G, B l số thực

gi trị độ, m u xanh l (Blue) tại độ v quay trở về m u đỏ 3 độ.Không gian m u

n y thường được ứng dụng trong thị gi c m y, đồ họa m y tính

Hình 2.2 Hệ tọa độ trụ cho không gian màu HSV

C c thiết bị thu nhận ảnh thông thường Raster l camera, c c thiết bị thu nhận ảnh thông thường Vector l sensor hoặc b n số ho Digitalizer hoặc được chuyển đổi từ ảnh Raster Nhìn chung c c hệ thống thu nhận ảnh thực hiện 2 qu trình

Thu nhận: biến đổi n ng lượng quang học th nh n ng lượng điện (giai đoạn lấy mẫu)

Tổng hợp: tổng hợp n ng lượng điện th nh ảnh (giai đoạn lượng tử hóa)

2.2.2 LẤY MẪU VÀ LƢỢNG TỬ HÓA

2.2.2.1 Lấ mẫu

Lấy mẫu l một qu trình, qua đó ảnh được tạo nên trên một vùng có tính liên tục được chuyển th nh c c gi trị rời rạc theo tọa độ nguyên Qu trình n y gồm 2 lựa chọn:

- Một l : khoảng lấy mẫu

- Hai l : c ch thể hiện dạng mẫu

Lựa chọn thứ nhất được đảm bảo nhờ lý thuyết lấy mẫu của Shannon Lựa chọn thứ hai liên quan đến độ đo (Metric) được dùng trong miền rời rạc

Khoảng lấy mẫu (Sampling Interval):

Ảnh lấy mẫu có thể được mô tả như việc lựa chọn một tập c c vị trí lấy mẫu trong không gian hai chiều liên tục Đầu tiên mô tả qua qu trình lấy mẫu một chiều với việc sử dụng

h m delta:

0 khi 0)

Các dạng lấy mẫu (Tesselation)

Dạng lẫy mẫu (Tesselation) điểm ảnh l c ch b i trí c c điểm mẫu trong không gian hai chiều Một số dạng mẫu điểm ảnh được cho l dạng chữ nhật, tam gi c, lục gi c Mỗi một mẫu, ngo i việc thể hiện hình d ng còn cho biết đặc điểm liên thông của chúng Ví dụ, mẫu chữ nhật có liên thông hoặc 8 (nói về c c mẫu liền kề); mẫu lục gi c có liên thông 6; mẫu tam gi c có liên thông 3 hoặc 6

Mẫu điểm ảnh chữ nhật Mẫu điểm ảnh tam gi c Mẫu điểm ảnh lục gi c

mô tả bằng l i theo qu trình trên đây, khi đó sai số của qu trình lấy mẫu có thể được x c định theo :

2.2.3 MỘT SỐ PHƯƠNG PHÁP BIỂU DIỄN ẢNH

Sau bước số hóa, ảnh sẽ được lưu trữ hay chuyển sang giai đoạn phân tích Trước khi đề cập đến vấn đề lưu trữ ảnh, cần xem xét ảnh sẽ được biểu diễn ra sao trong bộ nhớ m y tính Một số phương ph p biểu diễn thường dùng chi tiết

- Biểu diễn mã loạt d i (Run-length Code)

- Biểu diễn mã xích (Chain Code)

- Biểu diễn mã tứ phân (Quad Tree Code)

2.2.3.1 Mã loạt dài

Phương ph p n y hay dùng để biểu diễn cho vùng ảnh hay ảnh nhị phân Một vùng ảnh R có thể biểu diễn đơn giản nhờ một ma trận nhị phân:

1 khi (m, n) R(m, n)

Hình 2.6 Hướng các điểm biên và mã tương ứng: A11070110764545432

2.2.3.3 Mã tứ phân

Theo phương ph p mã tứ phân, một vùng ảnh coi như bao kín một hình chứ nhật Vùng n y được chia l m vùng con (Quadrant) Nếu một vùng con gồm to n điểm đen ( ) hay to n điểm trắng ( ) thì không cần chia tiếp Trong trường hợp ngược lại, vùng con gồm cả điểm đen v trắng gọi l vùng không đồng nhất, ta tiếp tục chia th nh vùng con tiếp v kiểm tra tính đồng nhất của c c vùng con đó Qu trình chia dừng lại khi mỗi vùng con chỉ chứa thuần nhất điểm đen hoặc điểm trắng Qu trình đó tạo th nh một cây chia theo bốn phần gọi l cây tứ phân Như vậy, cây biểu diễn ảnh gồm một chuỗi c c ký hiệu b (black), w (white) v g (grey) kèm theo ký hiệu mã hóa vùng con Biểu diễn theo phương ph p n y

ưu việt hơn so với c c phương ph p trên, nhất l so với mã loạt d i Tuy nhiên, để tính to n

số đo c c hình như chu vi, mô men l tương đối khó kh n

2.2.4 CÁC ĐỊNH DẠNG ẢNH

2.2.4.1 hái niệm chung

Ảnh thu được sau qu trình số hóa thường được lưu lại cho c c qu trình xử lý tiếp theo hay truyền đi Trong qu trình ph t triển của kỹ thuật xử lý ảnh, tồn tại nhiều định dạng ảnh

kh c nhau từ ảnh đen trắng (với định dạng IMG), ảnh đa cấp x m cho đến ảnh m u: (BMP, GIF, JPEG…) Tuy c c định dạng n y kh c nhau, song chúng đều tuân theo một cấu trúc chung nhất Nhìn chung, một tệp ảnh bất kỳ thường bao gồm 3 phần:

- M o đầu tệp (Header)

- Dữ liệu nén (Data Compression)

- Bảng m u (Palette Color)

M o đầu tệp: M o đầu tệp l phần chứa c c thông tin về kiểu ảnh, kích thước, độ phân giải,

số bit dùng cho pixel, c ch mã hóa, vị trí bảng m u…

Dữ liệu nén: Số liệu ảnh được mã hóa bởi kiểu mã hóa chỉ ra trong phần Header

Bảng m u: Bảng m u không nhất thiết phải có ví dụ khi ảnh l đen trắng Nếu có, bảng m u cho biết số m u dùng trong ảnh v bảng m u được sử dụng để hiện thị m u của ảnh

2.2.4.2 Qu trình đọc m t tệp ảnh

Trong qu trình xử lý ảnh, đầu tiên phải tiến h nh đọc tệp ảnh v chuyển v o bộ nhớ của

m y tính dưới dạng ma trận số liệu ảnh Khi lưu trữ dưới dạng tệp, ảnh l một khối gồm một

số c c byte Để đọc đúng tệp ảnh ta cần hiểu ý nghĩa c c phần trong cấu trúc của tệp ảnh như đã nêu trên Trước tiên, ta cần đọc phần m o đầu (Header) để lấy c c thông tin chung

v thông tin điều khiển Việc đọc n y sẽ dừng ngay khi ta không gặp đựợc chữ ký (Chữ ký

ở đây thường được hiểu l một mã chỉ ra định dạng ảnh v đời (version) của nó) mong muốn Dựa v o thông tin điều khiển, ta x c định đựợc vị trí bảng m u v đọc nó v o bộ nhớ Cuối cùng, ta đọc phần dữ liệu nén

Sau khi đọc xong c c khối dữ liệu ảnh v o bộ nhớ ta tiến h nh nén dữ liệu ảnh C n cứ v o phương ph p nén chỉ ra trong phần Header ta giải mã được ảnh Cuối cùng l khâu hiện ảnh Dựa v o số liệu ảnh đã giải nén, vị trí v kích thước ảnh, cùng sự trợ giúp của bảng m u ảnh được hiện lên trên m n hình

2.3 NÂNG CAO CHẤT LƢỢNG ẢNH

2.3.1 CẢI THIỆN ẢNH SỬ DỤNG TOÁN TỬ ĐIỂM

Nâng cao chất lượng l bước cần thiết trong xử lý ảnh nhằm ho n thiện một số đặc tính của ảnh Nâng cao chất lượng ảnh gồm hai công đoạn kh c nhau: t ng cường ảnh v khôi phục ảnh T ng cường ảnh nhằm ho n thiện c c đặc tính của ảnh như :

- Lọc nhiễu, hay l m trơn ảnh

- T ng độ tương phản, điều chỉnh mức x m của ảnh

- L m nổi biên ảnh

C c thuật to n triển khai việc nâng cao chất lượng ảnh hầu hết dựa trên c c kỹ thuật trong miền điểm, không gian v tần số To n tử điểm l phép biến đổi đối với từng điểm ảnh đang xét, không liên quan đến c c điểm lân cận kh c, trong khi đó, to n tử không gian sử dụng

c c điểm lân cận để quy chiếu tới điểm ảnh đang xét Một số phép biến đổi có tính to n phức tạp được chuyển sang miền tần số để thực hiện, kết quả cuối cùng được chuyển trở lại miền không gian nhờ c c biến đổi ngược

hái niệm về toán tử điểm:

Xử lý điểm ảnh thực chất l biến đổi gi trị một điểm ảnh dựa v o gi trị của chính nó m không hề dựa v o c c điểm ảnh kh c Có hai c ch tiệm cận với phương ph p n y C ch thứ nhất dùng một h m biến đổi thích hợp với mục đích hoặc yêu cầu đặt ra để biến đổi

gi trị mức x m của điểm ảnh sang một gi trị mức x m kh c C ch thứ hai l dùng lược đồ mức x m (Gray Histogram) Về mặt to n học, to n tử điểm l một nh xạ từ gi

trị cường độ nh s ng u(m, n) tại toạ độ (m, n) sang gi tri cường độ nh s ng kh c v(m, n) thông qua h m f(.), tức l :

Nói một c ch kh c, to n tử điểm l to n tử không bộ nhớ, ở đó một mức x c u 0, N

được nh xạ sang một mức x m v 0, N :  v  f u ( ) Ứng dụng chính của c c to n tử điểm

l biến đổi độ tương phản của ảnh Ánh xạ f kh c nhau tùy theo c c ứng dụng C c dạng

to n tử điểm được giới thiệu cụ thể như sau:

C c cấp độ α , β ,γ x c định độ tương phản tương đối L l số mức x m cực đại

T ch nhiễu v phân ngư ng:

Trong đó a = b = t gọi l phân ngư ng

Biến đổi âm bản:

Cắt theo mức:

L a (u)

2.3.1.1 Tăng đ tương phản (Stretching Contr st)

Trước tiên cần l m rõ kh i niệm độ tương phản Ảnh số l tập hợp c c điểm, mỗi điểm có

gi trị độ s ng kh c nhau Ở đây, độ s ng để mắt người dễ cảm nhận ảnh song không phải l quyết định Thực tế chỉ ra rằng hai đối tượng có cùng độ s ng nhưng đặt trên hai nền kh c nhau sẽ cho cảm nhận s ng kh c nhau Như vậy, độ tương phản biểu diễn sự thay đổi độ

s ng của đối tượng so với nền Nói một c ch kh c, độ tương phản là độ nổi của điểm ảnh

hay vùng ảnh so với nền Như vậy, nếu ảnh có độ tương phản kém, ta có thể thay đổi tùy ý

theo ý muốn

Ảnh với độ tương phản thấp có thể do điều kiện s ng không đủ hay không đều, hoặc do tính không tuyến tính hay biến động nhỏ của bộ cảm nhận ảnh Để điều chỉnh lại độ tương phản của ảnh, cần điều chỉnh lại biên độ trên to n dải hay trên dải có giới hạn bằng c ch biến đổi tuyến tính biên độ đầu v o (dùng h m biến đổi l h m tuyến tính) hay phi tuyến

(h m mũ hay h m lôgarit) Khi dùng h m tuyến tính c c độ dốc α, β, γ phải chọn lớn hơn

một trong miền cần dãn C c tham số a v b (c c cận) có thể chọn khi xem xét lược đồ

x m của ảnh Chú ý, nếu dãn độ tương phản bằng h m tuyến tính ta có:

Hình 2.7 Dãn độ tương phản

2.3.1.2 Tách nhiễu và phân ngƣỡng

T ch nhiễu l trường hợp đặc biệt của dãn độ tương phản khi hệ số góc α= γ=0 T ch nhiễu được ứng dụng có hiệu quả để giảm nhiễu khi biết tín hiệu v o trên khoảng [a, b]

Phân ngư ng l trường hợp đặc biệt của t ch nhiễu khi a=b=const Trong trường hợp n y,

ảnh đầu v o l ảnh nhị phân (có 2 mức) Phân ngư ng thường dùng trong kỹ thuật in ảnh 2

m u vì ảnh gần nhị phân không cho ảnh nhị phân khi quét ảnh do có nhiễu từ bộ cảm biến

v biến đổi của nền ví dụ trường hợp lọc nhiễu của ảnh vân tay

Hình 2.8 Tách nhiễu và phân ngưỡng

2.3.1.3 Biến đổi âm bản (Digit l Neg tive)

Âm bản nhận được bằng phép biến đổi âm Phép biến đổi rất có nhiều hữu ích trong c c phim ảnh dùng trong c c ảnh y học

2.3.1.4 Trừ ảnh

Trừ ảnh được dùng đẻ t ch nhiễu khỏi nền Người ta quan s t ảnh ở 2 thời điểm kh c nhau,

so s nh chúng để tìm ra sự kh c nhau Người ta dóng thẳng 2 ảnh rồi trừ đi v thu được ảnh mới Ảnh mới n y chính l sự kh c nhau Kỹ thuật n y hay được dùng trong dự b o thừoi tiết, trong y học

2.3.1.5 Nén dải đ sáng

Đôi khi do dải động của ảnh lớn, việc quan s t ảnh không thuận tiện Cần phải thu nhỏ dải

độ s ng lại m ta gọi l nén giải độ s ng Người ta dùng phép biến đổi logarit sau:

2.3.2 CẢI THIỆN ẢNH DÙNG TOÁN TỬ HÔNG GIAN

Cải thiện ảnh l l m cho ảnh có chất lượng tốt hơn theo ý đồ sử dụng Thường l ảnh thu nhận có nhiễu cần phải loại bỏ nhiễu hay ảnh không sắc nét bị mờ hoặc cần l m tõ c c chi tiết như đường biên ảnh C c to n tử không gian dùng trong kỹ thuật t ng cường ảnh được phân nhóm theo công dụng: l m trơn nhiễu, nổi biên Để l m trơn nhiễu hay t ch nhiễu, người ta sử dụng c c bộ lọc tuyến tính (lọc trung bình, thông thấp) hay lọc phi tuyến (trung

vị, giả trung vị, lọc đồng hình) Từ bản chất của nhiễu (thường tương ứng với tần số cao) v

từ cơ sở lý thuyết lọc l : bộ lọc chỉ cho tín hiệu có tần số n o đó thông qua do đó, để lọc nhiễu người ta thường dùng lọc thông thấp (theo quan điểm tần số không gian) hay lấy tổ hợp tuyến tính để san bằng (lọc trung bình) Để l m nổi cạnh (ứng với tần số cao), người ta dùng c c bộ lọc thông cao, lọc Laplace

Trước khi xem xét chi tiết c c kỹ thuật p dụng, cần phân biệt c c loại nhiễu hay can thiệp trong qu trình xử lý ảnh Trên thực tế tồn tại nhiều loại nhiễu; tuy nhiên người ta thường xem xét 3 loại nhiễu chính: nhiễu cộng, nhiễu nhân v nhiễu xung:

• Nhiễu cộng

Nhiễu cộng thường phân bố khắp ảnh Nếu gọi ảnh quan s t (ảnh thu được) l Xqs, ảnh gốc

l Xgốc, nhiễu l η, ảnh thu được có thể biểu diễn bởi:

2.3.2.1 Làm trơn nhiễu bằng lọc tu ến t nh: lọc trung bình và lọc dải th ng thấp

Do có nhiều loại nhiễu can thiệp v o qu trình xử lý ảnh nên cần có nhiều bộ lọc thích hợp Với nhiễu cộng v nhiễu nhân ta dùng c c bộ lọc thông thấp, trung bình v lọc đồng hình (Homomorphie); với nhiễu xung ta dùng lọc trung bị, giả trung vị, lọc ngo i (Outlier)

1 1 19

1

0 1 01

1 2 18

Lọc đồng hình thực hiện lấy logarit của ảnh quan s t Do vậy ta có kết quả sau:

log( ( , ))X m n log( ( , )) log( ( , ))X m n   m n (2.21)

Rõ r ng, nhiễu nhân có trong ảnh sẽ bị giảm Sau qu trình lọc tuyến tính, ta chuyển về ảnh

cũ bằng phép biến đổi h m e mũ

2.3.2.2 Làm trơn nhiễu bằng lọc phi tu ến

C c bộ lọc phi tuyến cũng hay được dùng trong kỹ thuật t ng cường ảnh Trong kỹ thuật

n y, người ta dùng bộ lọc trung vị, giả trung vị, lọc ngo i Với lọc trung vị, điểm ảnh đầu

v o sẽ được thay thế bởi trung vị c c điểm ảnh còn lọc giả trung vị sẽ dùng trung bình cộng của 2 gi trị “trung vị” (trung bình cộng của max v min)

Giả thiết có ngư ng n o đó cho c c mức nhiễu (có thể dựa v o lược đồ x m) Tiến h nh so

s nh gi trị độ x m của một điểm ảnh với trung bình số học 8 lân cận của nó Nếu sai lệch lớn hơn ngư ng, điểm ảnh n y được coi như nhiễu Trong trường hợp đó, thay thế gi trị của điểm ảnh bằng gi trị trung bình 8 lân cận vừa tính được

2.3.3 MỘT SỐ Ỹ THUẬT CẢI THIỆN ẢNH NHỊ PHÂN

Với ảnh nhị phân, mức x m chỉ có gi trị l hay , Do vậy, ta xét một phần tử ảnh như một phần tử logic v có thể p dụng c c to n tử hình học dựa trên kh i niệm biến đổi hình học của một ảnh bởi một phần tử cấu trúc Phần tử cấu trúc l một mặt nạ dạng bất kỳ m

c c phần tử của nó tạo nên một mô-típ Người ta tiến h nh rê mặt nạ đi khắp ảnh v tính gi trị điểm ảnh bởi c c điểm lân cận với mô-típ của mặt nạ theo c ch lấy hội hay lấy tuyển Dựa v o nguyên tắc trên, người ta sử dụng 2 kỹ thuật: dãn ảnh (Dilatation) v co ảnh (Erosion)

2.3.3.1 Dãn ảnh

Dãn ảnh nhằm loại bỏ điểm đen bị vây bởi c c điểm trắng Trong kỹ thuật n y, một cửa sổ (N+ )x(N+ ) được rê đi khắp ảnh v thực hiện đối s nh một pixel của ảnh với (N+1)2-1 điểm lân cận (không tính điểm ở tâm) Phép đối s nh ở đây thực hiện bởi phép tuyển logic

2.3.3.2 Co ảnh

Co ảnh l thao t c đối ngẫu của dãn ảnh nhằm loại bỏ điểm trắng bị vây bởi c c điểm đen Trong kỹ thuật n y, một cửa sổ (N+ ) được rê đi khắp ảnh v thực hệin so s nh một pixel của ảnh với (N+1)2- điểm lân cận Việc so s nh ở đây thực hiện bởi phép hội logic Áp dụng: người ta thường vận dụng kỹ thuật n y cho c c ảnh nhị phân như ảnh vân tay, chữ viết Để không ảnh hưởng đến kích thước của đối tượng trong ảnh, người ta tiến h nh n lần dãn v n lần co

- Nhận dạng dựa v o kỹ thuật mạng nơron

Hai c ch tiếp cận đầu l c ch tiếp cận kinh điển C c đối tượng ảnh quan s t v thu nhận được phải trải qua giai đoạn tiền xử lý nhằm t ng cường chất lượng, l m nổi c c chi tiết, tiếp theo l trích chọn v biểu diễn c c đặc trưng, cuối cùng mới l giai đoạn nhận dạng

C ch tiếp cận thứ ba ho n to n kh c Nó dựa v o cơ chế đo n nhận, lưu trữ v phân biệt đối tượng mô phỏng theo hoạt động của hệ thần kinh con người Do cơ chế đặc biệt, c c đối tượng thu nhận bởi thị gi c người không cần qua giai đoạn cải thiện m chuyển ngay sang giai đoạn tổng hợp, đối s nh với c c mẫu đã lưu trữ để nhận dạng

2.4.1 NHẬN DẠNG DỰA VÀO PHÂN HOẠCH HÔNG GIAN

Trong kỹ thuật n y thì đối tượng được biểu diễn bằng một vector nhiều chiều, mỗi chiều l một tham số thể hiện một đặc điểm của đối tượng đó

2.4.1.1 Phân hoạch kh ng gi n

Giả sử không gian đối tượng X : X  {Xi i,  1, 2, ,m} thì P l phân hoạch không gian X

th nh c c lớp C C i, i X sao cho

1 , ,

g X W W X  W X (2.23) trong đó:

- Wi l c c trọng số g n cho c c th nh phần Xi

- W0 l trọng số để viết cho gọn

Trong trường hợp g l tuyến tính, người ta nói l việc phân lớp l tuyến tính hay siêu phẳng (Hyperplane) C c h m phân biệt thường được xây dựng dựa trên kh i niệm khoảng c ch hay dựa v o x c suất có điều kiện Nếu khoảng c ch nhỏ hơn một ngư ng τ n o đấy thì coi đối tượng l giống nhau v gộp chúng v o một lớp Ngược lại, nếu khoảng c ch lớn hơn ngư ng, có nghĩa l chúng kh c nhau v t ch th nh lớp

2.4.1.3 Thuật toán nhận dạng kh ng gi n (thuật toán nhận dạng trong t học)

Một số thuật to n tiêu biểu:

Thuật to n dựa v o khoảng c ch lớn nhất

Thuật to n k trung bình (K-mean)

Thuật to n ISODATA

Thuật to n k l ng giềng (K-nearest neighbor)

2.4.1.3.1 Thuật toán trung bình ( - means)

Đây l thuật to n dựa v o K phần tử đầu tiên trong không gian (x c định K lớp với K

đã cho trước) C ch chọn K l tìm K lớp sao cho khoảng trung bình giữa c c phần tử v tâm của lớp c c phần tử n y thuộc l nhỏ nhất

- X c định lại tâm mới cho c c nhóm

- Thực hiện lại bước cho đến khi không có sự thay đổi nhóm n o của c c đối tượng

2.4.1.3.2 Thuật toán khoảng cách lớn nhất

Với một tập gồm m đối tượng Khoảng c ch giữa c c đối tượng có thể được x c định như l đại lượng để phân lớp Khoảng c ch lớn nhất ứng với phần tử xa nhất tạo nên lớp mới Sự phân lớp sẽ hình th nh dần dần dựa v o việc tính khoảng c ch giữa c c đối tượng v c c lớp

Hình 2.9 Thuật toán khoảng cách lớn nhất

o Nếu D k< θd kết thúc thuật to n (phân lớp xong)

o Nếu không sẽ tạo nên lớp g3 có X k l phần tử trung tâm Z3

o Tính d3  (D12D13D23) 3 / Thuật to n lặp đi lặp lại cho đến khi kết thúc

2.4.1.3.3 Thuật toán láng giềng

Thuật to n n y dựa v o vị trí của đối tượng cần xét để x c định lớp đối tượng đó thuộc về l lớp n o C c mẫu sẽ được biểu diễn trên không gian đối tượng Mỗi đối tượng cần x c định lớp sẽ tìm k mẫu gần nhất xung quanh Đối tượng đầu v o n y sẽ thuộc lớp có số lượng lớn nhất trong số k l ng giềng

Vì thuật to n chọn số đông để quyết định việc phân lớp nên thông thường lớp lớn nhất trong tập mẫu thường có xu hướng thống trị Để l m giảm việc n y thì trọng số liên quan đến

khoảng c ch có thể được thêm v o, v mẫu c ng xa sẽ có ảnh hưởng ít hơn so với mẫu ở gần

2.4.2 NHẬN DẠNG DỰA THEO CẤU TRÖC

Ngo i c ch biểu diễn định lượng thì còn tồn tại kiểu đối tượng định tính Ví dụ mối quan hệ giữa c c đối tượng hoặc dạng của đối tượng Giả sử đối tượng có thể được biểu diễn bởi một chuỗi ký tự v mỗi ký tự sẽ thể hiện một đặc tính H m phân biệt sẽ l h m logic nhận diện

c c từ có cùng độ d i Có hai giai đoạn trong quy trình nhận diện:

X c định quy tắc xây dựng

X c định c c dạng dựa v o c c quy tắc đó

Trong hai giai đoạn thì x c định quy tắc xây dựng l rất khó kh n v l vấn đề chính cần giải quyết trong quy trình nhận diện dạng n y

2.4.3 NHẬN DẠNG DỰA TRÊN MẠNG NƠRON

Mạng nơron bao gồm nhiều phần tử xử lý đơn giản hoạt động song song Tính n ng của hệ thống phụ thuộc v o cấu trúc liên kết giữa c c nơron v trọng số của c c liên kết n y Trong mạng nơron có c c nơron đầu v o v c c nơron đầu ra

2.4.3.1 Mạng Hopfield

Mạng Hopfield l mạng nơron:

- 1 lớp NN

- Ánh xạ dữ liệu tín hiệu v o sang tín hiệu ra theo kiểu tự kết hợp

- Nếu tín hiệu v o l X thuộc miền D thì tín hiệu ra Y cũng thuộc miền D

- Mạng Hopfield mô phỏng khả n ng hồi tưởng của não người (nhận ra người quen khi nhận ra c c nét quen trên khuôn mặt)

Mạng Hopfield có một lớp ra có kích thước bằng kích thước tín hiệu v o, liên kết nơron l đầy đủ Mạng Hopfield yêu cầu tín hiệu v o có gi trị lư ng cực - v

i

i j

s a

w l trọng số của liên kết giữa nơron thứ i với nơ ron thứ j

Mạng Hopfield học có gi m s t Giả sử có p mẫu học tương ứng với c c vector tín hiệu v o Xs, s= p Mạng cần x c định bộ trọng số W sao cho Xs=f(Xs,W) với mọi s=1 p

Ta xây dựng ma trận trọng số W như sau:

1

, 0,

p

sj si s

- Tính Y t l tín hiệu đầu ra tương ứng với X t lan truyền trong mạng một lần

o Nếu Y t kh c X t thì tiếp tục với t=t+ v X t1 = Y t

o Nếu Y t=X t thì dừng lại v kết quả của mạng l Y t

W không thay đổi trong qu trình tính Y

Một vài tình huống có thể nảy sinh

- Mạng không dừng: Mạng có thể đưa ra luân phiên một v i mẫu học hoặc ảnh ngược của chúng

- Mạng dừng v X t=X: X đã được đo n đúng dựa trên mẫu học, X có thể l một trong

2.4.3.2 Mạng ohonen h bản đồ ohonen hoặc bản đồ t tổ chức

Mạng Kohonen tập trung v o mối liên hệ có tính cấu trúc trong c c vùng lân cận hoặc trong

to n thể không gian mẫu Trong mạng Kohonen c c vector tín hiệu v o gần nhau sẽ được

nh xạ sang c c nơ ron trong mạng lân cận nhau

Mạng Kohonen rất gần với mạng sinh học về cấu tạo lẫn cơ chế học Mạng Kohonen có một lớp kích hoạt l c c nơron được phân bố trong mặt phẳng hai nhiều kiểu lưới vuông hoặc lục gi c Phân bố n y l m cho mỗi nơ ron có cùng số nơ ron trong từng lớp l ng giềng v

c c đầu v o tương tự nhau sẽ kích hoạt c c nơron gần nhau (không gian chiều sẽ phải được cuộn để th nh một không gian liên tiếp) Tất cả c c nơ ron ở lớp kích hoạt được nối đầy đủ với lớp v o mỗi kết nối n y sẽ có một trọng số C c nơron trên lớp kích hoạt chỉ nối với c c lớp lân cận nên khi có tín hiệu đầu v o sẽ chỉ tạo ra kích hoạt địa phương Vùng được kích hoạt sẽ chỉ ra vị trí của tín hiệu đầu v o trong không gian đối tượng

Việc học của mạng kohonen dựa trên kỹ thuật cạnh tranh không cần mẫu học Trọng số của

c c nơ ron được khởi tạo bằng một số bất kỳ nhỏ Mạng được học qua một lượng lớn mẫu gần nhau v thường nhiều lần theo c c vòng lặp Tại một thời điểm chỉ có một nơron duy nhất C trong lớp kích hoạt được lựa chọn với nguyên tắc l nơron C có vector trọng số gần với tín hiệu v o nhất Sau khi có nơron C, c c trọng số wci được hiệu chỉnh nhằm cho gần với trọng số mong muốn (đầu v o) Nếu tín hiệu v o x ci v trọng số wci tạo kết quả ra qu lớn thì phải giảm trọng số v ngược lại

Tỉ lệ giảm hoặc t ng trọng số sẽ nhỏ dần theo thời gian v khoảng c ch sai số giữa vector đầu v o v vector trọng số với công thức:

w ( s ) w s( )(u v s) ( )( ( ) s D t w( ))s (2.27) Với:

- s l thứ tự bước

- D(t) l vector đầu v o t

- u l số thứ tự của nơron C được chọn

- θ(u,v,s) l h m tỷ lệ khoảng c ch giữa nơron v v u (có thể l h m ngư ng hoặc h m Gaussian)

Vì mạng Kohonen được huấn luyện dựa v o sự kích hoạt địa phương v c c nơron lân cận nên c c đối tượng gần nhau sẽ kích hoạt c c nơron gần nhau Khi chuyển một tín hiệu đầu

v o v o mạng thì một vùng nơron sẽ được kích hoạt cho chúng ta thấy tín hiệu đầu v o n y thuộc vùng dữ liệu n o

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU

3.1 NGHIÊN CỨU LÝ THUYẾT XỬ LÝ ẢNH

Thuật to n xử lý ảnh được sử dụng để tính to n tự động điểm bắn sau mỗi lần bắn Với đặc điểm phức tạp của loại bia bắn được yêu cầu Nhóm nghiên cứu đã tiến h nh nghiên cứu c c c c thuật to n xử lý ảnh để x c định chính x c, nhanh chóng điểm bắn Lưu

đồ thuật to n được trình b y chi tiết như hình 3.1

Bắt đầu

Nhận dạng loại bia bắn

Bia số 4 Bia số 7 Bia số 8

T ch bia ra khỏi frame ảnh cho 2 ảnh trước v sau khi bắn

X c định tương quan vị trí vết đạn

v c c vòng tính điểm, từ đó x c định điểm của c c vết đạn Tính điểm tổng kết/xếp loại

Đưa kết quả lên giao diện v lưu

Lọc nhiễu G ussi n

Gaussian blurr l một loại bộ lọc l m mờ ảnh, sử dụng lý thuyết h m Gaussian (cũng được biết đến như l dạng phân t n chuẩn (Normal Distribution) trong thống kê) để tính

to n việc chuyển đổi (Transformation) mỗi Pixel của hình Dưới đây l phương trình h m Gaussian dùng trong không gian một chiều v hai chiều

Trong đó x v y l tọa độ theo hai trục đứng v ngang còn σ l phương sai chuẩn của phân t n Gaussian hay l gi trị quyết định độ lệch giữa c c điểm trên bề mặt Gaussian Trong không gian hai chiều, công thức n y sản sinh ra những đường viền l những đường tròn đồng tâm, tuân theo logic phân t n Gaussian từ điểm trung tâm Gi trị từ hệ thống phân t n n y sẽ được sử dụng để xây dựng một ma trận tích chập (Convolution) dùng tính tóan phép tích chập (Convolution) với hình ảnh gốc

Gi trị mới của mỗi Pixel sau khi tính tích chập với kernel đại diện cho h m Gaussian

có thể coi l trung bình lượng gi của c c pixel xung quanh nó Ta thấy rằng gi trị lượng

gi của phần tử trung tâm kernel tương ứng với pixel đang xét l lớn nhất, gi trị n y sẽ nhỏ hơn đối với c c phần tử tương ứng với những pixel kế cận một c ch đối xứng v tỉ lệ thuận với khoảng c ch của phần tử n y với trung tâm Tính chất n y giúp giữ lại đường viền v biên cũng như l m mờ một c ch đồng bộ hơn so với c c phương ph p kh c Kết quả lọc nhiễu Gaussian trên 3 bia như hình 3

Hình 3.2 Kết quả lọc nhiễu Gaussian trên 3 ảnh

Ảnh sau khi lọc nhiễu để giảm sự t c động của chiếu s ng v môi trường xung quanh

sẽ được chuyển sang hệ m u HSV từ hệ m u RGB Vì c c bia được t ch dựa trên đặc trưng

m u sắc, việc chuyển sang hệ m u HSV v giữ lại th nh phần V để nhận dạng v t ch bia sẽ cho kết quả chính x c ho n to n m không bị phụ thuộc v o điều kiện môi trường

Hệ màu HSV

Không gian m u HSV l sự biến đổi của không gian RGB Không gian HSV được mô tả bằng khối phương RGB quay trên đỉnh Black H (Hue) l góc quay trục V (value) qua 2 đỉnh Black v White như hình 3.3

C c gi trị biến thiên của H, S, V như sau: H (Hue) chỉ sắc th i có gi trị từ 00 – 3600 S (Saturation) chỉ độ bảo ho V (Value) có gi trị từ 0 - C c m u đạt gi trị bảo hòa khi s =

v v =

Hình 3.3 Không gian m u HSV

Việc chuyển từ hệ m u RGB sang hệ m u HSV được thực hiện theo công thức sau:

Kết quả chuyển từ ảnh RGB sang HSV trên 3 bia bắn như hình 3.4:

Hình 3.4 Kết quả chuyển từ hệ m u RGB sang hệ m u HSV trên 3 bia

Từ ảnh thu được với hệ m u HSV, ta giữ lại th nh phần V(value) v loại bỏ th nh H v S Việc không sử dụng th nh phần H v S giúp cho hệ thống không bị t c động bởi sự thay đổi độ s ng v độ bão hòa Kết quả giữ lại th nh phần V trên 3 ảnh như hình 3.5

Hình 3.5 Th nh phần V của 3 ảnh trong hệ m u HSV

Với ảnh H có được ứng với 3 bia, thuật to n phân ngư ng dựa v o gi trị pixel được

sử dụng để lọc c c pixel thuộc về bia bắn, loại bỏ c c pixel bên ngo i bia bắn Việc n y giúp

ta x c định v giữ lại được tất cả c c pixel thuộc về bia bắn

Phân ngưỡng d vào giá trị pixel

Thuật to n phân ngư ng dựa trên gi trị pixel thực hiện theo c c bước như sau:

Bước 1: Lấy gi trị pixel, vì chỉ giữ lại một th nh phần V trên ảnh nên mỗi pixel sẽ l

một gi trị cụ thể biểu thị pixel đó

Bước 2: Kiểm tra gi trị pixel theo công thức

Trong đó, lowerb v upperb l gi trị ngư ng cao v ngư ng thấp được chọn dựa

v o thực nghiệm, gi trị n y phụ thuộc v o môi trường v camera Hai gi trị trên được chọn lần lượt l 5 v 8 trong đề t i

Bước 3: Pixel tương ứng trên kết quả l nếu thỏa điều kiện trong bước , l nếu

không thỏa điều kiện trong bước

Bước 4: Lặp lại Bước – Bước 3 cho tất cả c c pixel

Sau khi phân ngư ng dựa v o gi trị pixel, ta được ảnh kết quả sẽ l ảnh nhị phân tương ứng với c c ảnh số , số 7, số 8 như hình 3

Hình 3.6 Kết quả phân ngư ng trên c c ảnh Tách bi d vào phương pháp projection

Ảnh nhị phân sau phân ngư ng sẽ loại bỏ gần như ho n to n c c pixel không thuộc vùng bia (c c pixel m u đen, gi trị bằng ), giữ lại hầu hết c c pixel trên bia (c c pixel m u trắng, gi trị bằng ) Phép lọc Gaussian tiếp tục được sử dụng để loại bỏ c c nhiễu còn lại Sau đó, phương ph p projection được p dụng để tìm tọa độ điểm bắt đầu v kết thúc của bia bắn Chi tiết phương ph p projection như minh họa ở hình 3.7 v hình 3.8 Sau khi tìm được tọa độ bắt đầu, kết thúc với mỗi bia, ta t ch từng bia tương ứng ra khỏi frame ảnh, kết quả minh họa như hình 3.9

Hình 3.7 Minh họa phương ph p projection theo phương ngang trên bia số

Hình 3.8 Minh họa phương ph p projection theo phương dọc trên bia số