Báo cáo bài tập lớn Phân vùng ảnh trong phân tích ảnh

Tìm hiểu tác dụng của phân vùng ảnh trong phân tích ảnh. Trình bày và xây dựng ứng dụng thử nghiệm của phương pháp phân vùng ảnh dựa trên phương pháp gia tăng vùng. Sử dụng MATLAB để thử nghiệm. Lý thuyết về xử ý ảnh và phương pháp phân vùng ảnh.

BÁO CÁO BÀI TẬP LỚN NHẬP MÔN XỬ LÝ ẢNH

Mục Lục

Danh mục hình ảnh

Nhận xét đánh giá

………

………

………

………

………

………

………

………

………

………

Lời nói đầu

Trong những năm gần đây, cùng với sự phát triển vượt bậc của khoa học máytính, thì xử lý ảnh là một lĩnh vực đang được quan tâm và đã trở thành môn họcchuyên ngành của sinh viên ngành Công Nghệ Thông Tin cũng như một số ngành kỹthuật khác trong các trường Đại học

Xử lý ảnh là ngành khoa học nghiên cứu các quá trình xử lý thông tin dạng hìnhảnh Hình ảnh là một dạng thông tin vô cùng phong phú, đa dạng và là phương tiệngiao tiếp, trao đổi chủ yếu của con người Thông tin hình ảnh ngày nay có thể được xử

lý dễ dàng bằng máy tính

Có thể thấy xử lí ảnh đóng vai trò quan trọng trong các ứng dụng thực tế về khoa học kĩ thuật cũng như cuộc sống thường ngày Để xử lí được một bức ảnh thì phải trải qua nhiều khâu khác nhau tùy theo mục đích của việc xử lí, nhưng khâu quan trọng và khó khăn nhất đó là phân vùng ảnh Trong một số lượng lớn các ứng dụng về xử lí ảnh và hiện thị trên máy tính, phân vùng ảnh đóng vai trò chính yếu như là bước đầu tiên trước khi áp dụng các thao tác xử lí ảnh ở mức cao hơn như: nhậndạng ảnh, biểu diễn ảnh Nếu bước phân vùng ảnh không tốt thì dẫn đến việc nhận diện sai lầm về các đối tượng có trong ảnh

1 TỔNG QUAN VỀ PHÂN VÙNG ẢNH

1.1 Tổng quan về một hệ thống xử lí ảnh

1.1.1 Các bước cơ bản trong một hệ thống xử lí ảnh

Xử lý ảnh là một ngành khoa học tương đối mới mẻ so với các ngành khoa học khác, nhất là trên quy mô công nghiệp Tuy nó là một ngành khoa học mới mẻ so với nhiều ngành khoa học khác nhưng tốc độ phát triển của nó rất nhanh, kích thích các trung tâm nghiên cứu, ứng dụng, đặc biệt là máy tính chuyên dụng riêng cho nó Tổng quan về một hệ thống xử lý ảnh được thể hiện bằng hình ảnh bên dưới:

Hình 1-1: Các bước cơ bản trong một hệ thống xử lí ảnh

Trước hết là quá trình thu nhận ảnh: Ảnh có thể nhận qua camera màu hoặc đen trắng Thường ảnh nhận qua camera là ảnh tương tự ( loại camera ống chuẩn CCIR vớitần số 1/25, mỗi ảnh 25 dòng), cũng có loại có camera số hóa (như loại CCD – ChangeCoupled Device) là loại photodiot tạo cường độ sáng tại mỗi điểm ảnh Camera thườngdùng là loại quét dòng: ảnh tạo ra có dạng hai chiều Chất lượng mỗi ảnh thu nhận được phụ thuộc và thiết bị thu và môi trường (ánh sáng, phong cảnh)

Tiền xử lí: sau bộ thu nhận, ảnh có thể nhiễu độ tương phản thấp nên cần đưa vào bộ tiền xử lí để nâng cao chất lượng Chức năng chính của bộ tiền xử lí là lọc nhiễu, nâng độ tương phản để làm ảnh rõ nét hơn

Phân đoạn (phân vùng): phân vùng ảnh là tách một ảnh đầu vào thành các vùng thành phần để biểu diễn phân tích, nhận dạng ảnh Ví dụ, để nhận dạng chữ (hoặc mã vạch) trên phong bì thư cho mục đích phân loại bưu phẩm, cần chia các câu, chữ về địa chỉ hoặc tên người thành các từ, các chữ, các số ( hoặc các vạch) riêng biệt để nhậndạng Đây là phần phức tạp khó khăn nhất trong xử lí ảnh và cũng dễ gây lỗi, làm mất

độ chính xác của ảnh Kết quả nhận dạng ảnh thụ thuộc rất nhiều và công đoạn này

Biểu diễn ảnh: đầu ra phân vùng ảnh chứa các điểm ảnh của vùng ảnh (ảnh đã phân đoạn) cộng với mã liên kết với các vùng lân cận Việc biến đổi các số liệu này thành dạng thích hợp là cần thiết cho xử lí ảnh tiếp theo bằng máy tính Việc chọn các tính chất để thể hiện ảnh gọi là trích đoạn đặc trưng gắn với việc tách các đặc tính của ảnh dưới dạng các thông tin định lượng hoặc làm cơ sở để phân biệt lớp đối tượng khác trong phạm vi ảnh nhận được

Nhận dạng và nội suy ảnh: nhận dạng ảnh là quá trình xác định ảnh Quá trình này thường thu được bằng cách so sánh với mẫu chuẩn đã được lọc (hoặc lưu) từ trước Nội suy là phán đoán theo ý nghĩa trên cơ sở nhận dạng

Cơ sở tri thức: trong nhiều khâu xử lí phân tích ảnh ngoài việc đơn giản các phương pháp toán học đảm bảo tiện lợi cho xử lí, người ta mong muốn bắt chước quy trình tiếp nhận và xử lí ảnh theo cách của con người Trong các bước xử lí đó, nhiều khâu hiện nay đã xử lí theo các phương pháp trí tuệ con người Vì vậy, ở đây các cơ sởtri thức được phát huy

- Hiểu đầu vào để có những mô tả về ảnh ở mức cao hơn, sâu hơn.

Xử lí ảnh có liên quan đến nhiều ngành như: hệ thống thông tin, lý thuyết thôngtin, lý thuyết thống kê, trí tuệ nhân tạo, nhận dạng,…

Xử lí ảnh cũng tạo ra được rất nhiều ứng dụng hữu ích trong thực tế như: bàitoán nhận dạng vân tay, chữ viết, giọng nói…

1.1.3 Một số ví dụ về xử lí ảnh

Hình 1-3 Giảm nhiễu

Hình 1-4 Điều chỉnh độ tương phản

Hình 1-5 Tìm biên

Hình 1-6 Nén ảnh

Vùng ảnh (Region): là tập hợp các điểm ảnh có chung các thuộc tính về một đốitượng nào đó.

Phân vùng ảnh ( Image Segmentation): là quá trình phân hoạch tập điểm các điểm ảnh của X thành các tập con của R (hay một vùng ảnh) thỏa mãn các điều kiện sau:

Hình 1-9 Minh họa phân vùng ảnh

(a) Ảnh gốc (b) Ảnh sau khi phân vùng

1.2.2 Các hướng tiếp cận phân vùng ảnh

Phân vùng ảnh là chia ảnh thành các vùng không trùng lắp Mỗi vùng gồm mộtnhóm pixel liên thông và đồng nhất theo một tiêu chí nào đó Tiêu chí này phụ thuộcvào mục tiêu của quá trình phân đoạn Ví dụ như đồng nhất về màu sắc, mức xám, kếtcấu, độ sâu của các layer… Sau khi phân đoạn mỗi pixel chỉ thuộc về một vùng duynhất Để đánh giá chất lượng của quá trình phân đoạn là rất khó Vì vậy trước khi phânđoạn ảnh cần xác định rõ mục tiêu của quá trình phân đoạn là gì Xét một cách tổngquát, ta có thể chia các hướng tiếp cận phân đoạn ảnh thành các nhóm chính như sau:

- Dựa trên tính đồng đều ( độ tương tự của mức xám và các thuộc tính chung của các điểm ảnh trong mỗi vùng)

- Phân vùng dựa trên sự biến thiên của hàm độ xám hoặc mức xám ( phân vùng dựa trên tách biên)

1.2.3 Các công đoạn chính của phân vùng ảnh

Gồm 3 công đoạn sau:

- Tiền xử lí ảnh ( nếu có)

- Quá trình phân vùng ảnh ( thực hiện dựa trên các thuật toán)

- Đánh nhãn cho các vùng ảnh được phân tách và điều chỉnh nếu cần

1.2.4 Một số thuộc tính của điểm ảnh và vùng ảnh

- Giả sử có một điểm ảnh X = { P } , trong đó P là pixel thứ i ( i = 1,…,M*N)

Có 2 loại ảnh sau:

+ Ảnh đơn màu : P được biểu diễn bằng giá trị mức xám ( độ xám ) Kíhiệu A(P) hoặc X(P)

+ Ảnh đa màu ( đa phổ ) : mỗi pixel được biểu diễn bởi một vecto màu

mà ta gọi là vecto thuộc tính

Trong đó : card(R) là số phần tử của vùng R ( lực lượng của vùng R )

A(P) là giá trị mức xám của một điểm ảnh

m là giá trị trung bình được tính bằng công: m = A(P)

- Hàm vị từ của R ( Pred (R) ) : để đo độ đồng đều của mức xám, được địnhnghĩa như sau:

Pred(R) =

Trong đó: θ là ngưỡng tự chọn

: nếu Pred(R) = 1 thì vùng R là vùng đồng đều

Pred(R) = 0 thì vùng R là không đồng đều

- Thuộc tính tần số, thuộc tính thống kê, thuộc tính cấu trúc

1.2.5 Một số phương pháp phân vùng ảnh

Với một số ứng dụng, như nhận diện ảnh hay nén ảnh, ta không thể xử lý toàn

bộ bức ảnh một cách trực tiếp bởi lí do đó không hiệu quả và phi thực tế Vì vậy, một vài thuật toán về phân vùng ảnh đã được đưa ra nhằm phân vùng ảnh trước khi nhận diện hoặc nén Phân vùng ảnh là phân loại hoặc nhóm ảnh thành nhiều phần (vùng) tùytheo đặc tính của ảnh Cho tới nay có rất nhiều thuật toán về phân vùng ảnh vẫn tồn tại

và được ứng dụng rộng rãi trong khoa học và cuộc sống thường ngày Tùy theo

phương pháp phân vùng ảnh, có thể phân loại chúng thành phân vùng ảnh dựa vào vùng, nhóm dữ liệu, và phân vùng ảnh dựa vào biên (cạnh)

Phân vùng ảnh rất hữu ích trong nhiều ứng dụng Phân vùng ảnh có thể phát hiện những vùng cần quan tâm trong một cảnh hoặc chú giải dữ liệu

Các loại phương pháp phân vùng ảnh sau đây hay được sử dụng:

1 Phân vùng dựa vào ngưỡng

2 Phân vùng dựa vào cạnh

3 Phân vùng dựa vào phát triển vùng

4 Kỹ thuật phân nhóm

Hình 1-10 Các kĩ thuật phân vùng ảnh

1.2.6 Phương pháp phân vùng theo ngưỡng biên độ

Các đặc tính đơn giản, cần thiết nhất của ảnh là biên độ và các tính chất vật lý như:

độ tương phản, độ truyền sáng, màu sắc hoặc đáp ứng phổ Như vậy, có thể dùngngưỡng biên độ để phân vùng khi biên độ đủ lớn đặc trưng cho ảnh Thí dụ, biên độtrong bộ cảm biến ảnh hồng ngoại có thể phản ánh vùng có nhiệt độ thấp hay vùng cónhiệt độ cao Kỹ thuật phân ngưỡng theo biên độ rất có lợi đối với ảnh nhị phân nhưvăn bản in, đồ họa, ảnh màu hay ảnh X-quang Việc chọn ngưỡng rất quan trọng Nóbao gồm các bước :

• Xem xét lược đồ xám của ảnh để xác định các đỉnh và các khe Nếu ảnh có dạngrắn lượn (nhiều đỉnh và khe), các khe có thể dùng để chọn ngưỡng

• Chọn ngưỡng t sao cho một phần xác định trước η của toàn bộ số mẫu là thấp hơn

t

• Điều chỉnh ngưỡng dựa trên lược đồ xám của các điểm lân cận

• Chọn ngưỡng theo lược đồ xám của những điểm thỏa mãn tiêu chuẩn chọn Thí

dụ, với ảnh có độ tương phản thấp, lược đồ của những điểm có biên độ Laplace g(m,n)lớn hơn giá trị t định trước (sao cho từ 5% đến 10% số điểm ảnh với Gradient lớnnhất sẽ coi như biên) sẽ cho phép xác định các đặc tính ảnh lưỡng cực tốt hơn ảnh gốc

• Khi có mô hình phân lớp xác suất, việc xác định ngưỡng dựa vào tiêu chuẩn xácsuất nhằm cực tiểu xác suất sai số hoặc dựa vào một số tính chất khác của luật Bayes

Trong phân vùng dựa vào ngưỡng, các điểm ảnh của đầu vào được so sánh vớimột hoặc nhiều ngưỡng T, từ đó xếp các điểm ảnh vào các vùng khác nhau

Hình 1-11 Biểu đồ xám và ngưỡng T

Trong hình 1-4 có biểu đố xám và ngưỡng T có thể dùng để phân vùng các đối tượng/ nền Hạn chế cơ bản của phương pháp này là biểu đồ không cung cấp thông tin không gian, chỉ có phân phối các mức xám

Các tiêu chuẩn lựa chọn ngưỡng:

- Xác suất lỗi cực tiểu

- Giá trị cực tiểu

- Phương sai trong nhóm cực tiểu

- Kiểm tra bằng mắt

Hình 1-12 Ví dụ lấy ngưỡng

1.2.6.1 Kĩ thuật lấy ngưỡng

Kỹ thuật này dựa trên một ý tưởng hết sức đơn giản Một tham số q, gọi là ngưỡng

độ sáng, sẽ được chọn để áp dụng cho một ảnh a[m,n] theo cách sau:

giá trị ngưỡng không đổi 128 trên thang độ sáng từ 0 đến 255 sẽ là một giá trị chọn

khá chính xác Chính xác ở đây nên được hiểu theo nghĩa là số lượng các điểm ảnh bịphân lớp sai là cực tiểu

Trong hầu hết các trường hợp, ngưỡng được chọn từ lược đồ độ sáng của vùng hayảnh cần được phân đoạn

Có rất nhiều kỹ thuật chọn ngưỡng tự động xuất phát từ lược đồ xám Những kỹthuật phổ biến nhất trong số đó sẽ được trình bày dưới đây Những kỹ thuật này có thểtận dụng lợi thế do sự làm trơn dữ liệu lược đồ ban đầu mang lại, nhằm loại bỏ nhữngdao động nhỏ về độ sáng Tuy nhiên các thuật toán làm trơn cần phải cẩn trọng khôngđược làm dịch chuyển các vị trí đỉnh của lược đồ

1.2.7 Phương pháp phân vùng dựa vào cạnh

Phân vùng dựa vào cạnh thường chỉ ra phương pháp phân vùng dựa vào các cạnh trong một ảnh Các phương pháp đơn giản áp dụng một số phương pháp phát hiện cạnh trước khi phân vùng Một số phương pháp phát hiện cạnh được thực hiện theo độ dốc và biến đổi Hilbert

1.2.8 Kĩ thuật phân cụm

Mặc dù phân nhóm/ cụm đôi khi được dùng như một từ đồng nghĩa các các kĩ thuật phân vùng, song ở đây phân nhóm để chỉ kĩ thuật được sử dụng chủ yếu thăm dò phân tích dữ liệu của các mẫu Trong ngữ nghĩa này, các phương pháp phân nhóm sắp xếp các mô hình tương tự cào từng nhóm với một ý nghĩa nhất định Mục tiếu này rất

giống với những gì ta đang làm khi phân vùng một ảnh, và thực sự một số kĩ thuật phân nhóm có thể dễ dàng áp dụng cho phân vùng ảnh.

1.2.9 Phương pháp dựa vào vùng

Các phân vùng dựa trên phân vùng là phân vùng của một ảnh vào các vùng tương đồng / đồng nhất của các điểm giống nhau giữa các tập đại diện của các điểm ảnh Mỗi điểm trong ảnh trong một vùng tương tự như đối với một số đặc tính hoặc tính toán như cường độ, màu và kết cấu Phát triển vùng bắt đầu với tạo vùng bằng việc chọn một số điểm ảnh làm hạt giống Tiếp theo kiểm tra các điểm ảnh lân cận của

“điểm hạt giống” ban đầu và xác định liệu những điểm lân cận nên được thêm vào vùng

2 PHÂN VÙNG ẢNH VỚI THUẬT TOÁN PHÁT TRIỂN VÙNG

2.1 Thuật toán phát triển vùng

Thuật toán phát triển vùng (region growing) là một thuật toán phân đoạn ảnh được sử dụng để phân chia các vùng khác nhau trên một ảnh Đặc điểm của các thuậttoán phát triển vùng phụ thuộc vào thông số để kết thúc quá trình tìm kiếm trong vùng Thông thường, quá trình phát triển vùng sẽ được dừng khi không có pixel thỏa mãn tiêu chuẩn của vùng đó Khi thông tin ban đầu không thể tìm kiếm được, quá trình phát triển vùng sẽ dựa vào những pixel có cùng đặc tính để quyết định xem pixel có nằm trong vùng cần tính hay không Việc lựa chọn các tiêu chuẩn tương đồng phụ thuộc đặc điểm của đối tượng cần xét trên ảnh và loại dữ liệu ảnh Tiêu chuẩn có thể bao gồm giá trị cường độ xám, đặc điểm cấu trúc hoặc chỉ số thống kê

và không tiến hành tính toán lại các pixel đã tính trong vùng Việc lựa chọn tiêu

chuẩn chính xác sẽ làm tăng khả năng xác định của thuật toán phát triển vùng cả về kích thước của vùng xét và hình dạng của vùng

2.2 Một số thuật toán phát triển vùng

2.2.1 Phát triển vùng từ các hạt

Thuật toán phát triển vùng từ các hạt ( Seeded Region Growing – SRG) là một trong những phương pháp phân vùng dựa vào vùng đơn giản nhất Thuật toán thực hiện một phân vùng ảnh với việc kiểm tra những điểm ảnh lân cận của một tập hợp điểm, được gọi là những điểm hạt và quyết định liệu những điểm này có được phân loại thành nhóm các điểm hạt hay không

Quy trình thuật toán được thực hiện như sau:

Một điều chắc chắn là những vùng được phân vùng ảnh SRG đều có độtương đồng màu cao Tuy nhiên, vẫn có 2 hạn chế, đó là ở việc chọn hạt đầu tiên và vấn đề tốn kém thời gian

- Vấn đề điểm hạt đầu tiên tức là chọn các điểm hạt đầu tiên khác nhau dẫn đến những kết quả phân vùng ảnh khác nhau Vấn đề này làm giảm tính ổn định của các kết quả phân vùng ảnh từ cùng một ảnh Hơn nữa, việc quyết định xem có bao nhiêu điểm hạt cũng là một vấn đề quan trọng bởi vì nhữngảnh khác nhau đều có số phân vùng ảnh riêng phù hợp

- Một vấn đề nữa là tiêu tốn thời gian, vì SRG cần rất nhiều thời gian tính toán, và đây cũng là vấn đề nghiêm trọng nhất trong SRG

2.2.2 Phát triển vùng không dùng hạt

Thuật toán phát triển vùng không dùng hạt (Unseed Region Growing-URG) được đề xuất bởi Lin và cộng sự Sự khác biệt là không cần chọn hạt Trong quá trình phân vùng, các hạt có thể được phát sinh một cách tự động Vì thế, phương pháp này

có thể thực hiện phân vùng ảnh tự động đầy đủ cùng với lợi ích thiết thực khi trở thànhmột phân vùng ảnh dựa vào vùng

Thuật toán phát triển vùng không dùng hạt

R đại diện cho toàn bộ vùng ảnh và quyết định một vị từ P Nếu P (R) FALSE, ta chia ảnh R vào bốn phần Nếu P là FALSE cho bất kỳ phần nào, ta chia nhỏ phần đó vào 4 phần nhỏ hơn, và cứ thế Cho đến khi, với bất kỳ vùng Ri, P(Ri) TRUE Khi đó

quá trình tách vùng, sát nhập vùng là quá trình kết hợp hai vùng liền kề Rj và Rk nếu P(Rj, Rk) = True.

Bước 3 Chỉ dừng lại nếu không có thêm sát nhập nào là còn khả năng.

Hình 2-13 a) Cấu trúc lược đồ hình cây, trong đó R đại diện cho toàn bộ vùng ảnh b) Phân

Nhược điểm: Thuật toán có thể tạo ra các phân vùng ảnh dạng ô vuông đều Vấn

đề phân vùng ảnh ô vuông có thể được giảm bằng cách chia tách ở cấp độ cao hơn,

2.3 Một số ứng dụng của thuật toán phát triển vùng

- Trong lĩnh vực nhận dạng đối tượng, quá trình phân vùng ảnh sẽ tách đối tượng ra khỏivùng nền Đối tượng ở đây có thể là con người hoặc một vật gì đó chuyển động thuộc vùng tiền cảnh (Fg) Đối tượng sau khi được tách ra trong quá trình phân vùng có thể được xử lý trong các hệ thống như đếm số lượng người ra vào, nhận dạng cử chỉ tay, nhận dạng khuôn mặt

- Tronglĩnh vực camera giám sát, quá trình phân vùng ảnh có thể ứng dụng trong việc xác định, giám sát đối tượng đi vào vùng giám sát, cảnh báo chuyển động khi đối tượng di chuyển vào vùng giám sát

- Trong lĩnh vực hình ảnh y tế, các kỹ thuật hình ảnh y tế như chụp CT (Computer Tomography), chụp MRI (Magnetic Resonance Imaging), chụp X-Quang, USG

(Ultrasound) không thể thiếu để có thể phân tích chính xác nhiều bệnh lý khác nhau, qua đó đã hộ trợ đáng kể bác sĩ trong việc chẩn đoán bệnh Trong quá trình phân tích, người chẩn đoán cần phân trích xuất các đường biên cần thiết, các bề mặt hoặc các bộ phận cơ thể ra khỏi bức hình, kỹ thuật này được gọi là phân vùng (segmentation)[2] Tuy nhiên, quá trình phân vùng thủ công là rất tốn thời gian và có thể không cho kết quả tốt Các phân vùng và đường biên này là rất quan trọng đối với các bác sĩ Chính

vì vậy, trong vài thập kỷ qua, nhiều thuật toán phân vùng ảnh y tế được đề xuất nhằm tăng độ chính xác trong quá trình phân vùng ảnh