Bài giảng Xử lý ảnh - Chương 1: Giới thiệu chung - Hoàng Văn Hiệp

Nội dung text: Bài giảng Xử lý ảnh - Chương 1: Giới thiệu chung - Hoàng Văn Hiệp

1. 8/24/2011 Xử lý ảnh Hoàng Văn Hiệp Bộ môn Kỹ thuật máy tính Viện Công nghệ thông tin và Truyền thông Email: hiephv@soict.hut.edu.vn Mục đích Cung cấp các kiến thức cơ bản về xử lý ảnh số Cung cấp các kỹ năng cần thiết giúp sinh viên có thể viết được các ứng dụng xử lý ảnh . Matlab . C++, C# 1
2. 8/24/2011 Đánh giá Thi: 70 % Bài tập lớn: 30 % . Đề tài: Tuần thứ 4, 5 . Bảo vệ BTL: Tuần 15 . Chia nhóm thực hiện: (2 người – 3 người) Nội dung Chương 1. Giới thiệu chung Chương 2. Thu nhận & số hóa ảnh Chương 3. Cải thiện & phục hồi ảnh Chương 4. Phát hiện tách biên, phân vùng ảnh Chương 5. Trích chọn các đặc trưng trong ảnh Chương 6. Nén ảnh Chương 7. Lập trình xử lý ảnh bằng Matlab và C 3
3. 8/24/2011 Khái niệm ảnh Thông tin về vật thể hay quang cảnh được chiếu sáng mà con người quan sát và cảm nhận được bằng mắt và hệ thống thần kinh thị giác Biểu diễn ảnh về mặt toán học: o F(x, y): trong đó x, y là tọa độ không gian 2 chiều và f là độ lớn của độ chói (ảnh đơn sắc), màu (đối với ảnh màu) o Chú ý: x, y biến thiên liên tục và f cũng liên tục Khái niệm ảnh số Ảnh số là ảnh thu được từ ảnh liên tục bằng phép lấy mẫu và lượng tử hóa y Gray level x pixel Original picture Digital image f(x, y) I[i, j] or I[x, y] 5
4. 8/24/2011 Khái niệm ảnh số (tiếp) Một cách biểu diễn khác của ảnh số là dưới dạng vector (ảnh vector) . Không biểu diễn ảnh dưới dạng ma trận các điểm ảnh mà hướng đến đối tượng trong ảnh . Thường bao gồm các thành phần cơ bản như hình tròn, đường thẳng Circle(100, 20, 20) Line(xa1, ya1, xa2, ya2) Line(xb1, yb1, xb2, yb2) Line(xc1, yc1, xc2, yc2) Line(xd1, yd1, xd2, yd2) Ảnh bitmap vs ảnh vector  Bitmap  Vector  Biểu diễn các hình phức  Biểu diễn các hình đơn tạp hơn giản  Tính toán chậm  Tính toán nhanh  Hạn chế khi zoom, các  Đuôi file: *.EPS, *.AI, phép biến hình *CDR, or *.DWG.  Đuôi file: BMP, JPG 7
5. 8/24/2011 Lịch sử về xử lý ảnh Bắt nguồn từ hai ứng dụng: nâng cao chất lượng thông tin hình ảnh và xử lý số liệu cho máy tính Ứng dụng đầu tiên là việc truyền thông tin ảnh báo giữa London và New York vào năm 1920 qua cáp Bartlane. Mã hóa dữ liệu ảnh  khôi phục ảnh Thời gian truyền ảnh: Từ 1 tuần  3 tiếng 17 Lịch sử về xử lý ảnh Ảnh số được tạo ra vào năm 1921 từ băng mã hóa của một máy in điện tín. (McFarlane) Ảnh số được tạo ra vào năm 1922 từ card đục lỗ sau 2 lần truyền qua Đại Tây Dương. Một vài lỗi có thể nhìn thấy được. 18 9
6. 8/24/2011 Lịch sử về xử lý ảnh Song song với các ứng dụng trong khám phá không gian, các kỹ thuật xử lý ảnh cũng đã bắt đầu vào cuối những năm 1960 và đầu những năm 1970 trong y học, theo dõi tài nguyên trái đất và thiên văn học. Đến nay xử lý ảnh đã có một bước tiến dài trong nhiều ngành khoa học, từ những ứng dụng đơn giản đến phức tạp. 21 Mô hình hệ thống xử lý ảnh Nhìn từ phía người dùng 11
7. 8/24/2011 Các cấp độ trong xử lý ảnh Level 0: Image acquisition (thu nhận ảnh, lấy mẫu, lượng tử hóa, nén) Level 1: Image to Image (tăng cường ảnh, khôi phục ảnh, phân đoạn ảnh) Level 2: Image to parameter (trích chọn đặc trưng: feature extraction, feature selection) Level 3: Parameter to decision (recognition, interpretation) Mô hình hệ thống xử lý ảnh Những vấn đề cần giải quyết (cần học) Preprocessing – low level High-level IP Image Image Image Enhancement Restoration Segmentation Image Image Image Acquisition Compression Coding Representation & Description Morphological Wavelet Recognition & Image Processing Analysis Interpretation Knowledge Base 13
8. 8/24/2011 Xử lý ảnh và các lĩnh vực liên quan Phân biệt một số khái niệm  Image formation: . object in image out (level 0)  Image processing (level 0, 1) . Image in image out  Image analysis (level 1, 2) . Image in features out Computer vision (level 2, 3) . Image in interpretation out  Computer graphic . Number in image out  Visualization . Image in representation out 15
9. 8/24/2011 Các ứng dụng của xử lý ảnh  Ảnh Gamma 33 Các ứng dụng của xử lý ảnh a b  Ảnh Gamma c d Ảnh phóng xạ (a) Quét bộ xương (b) Chụp PET (Positron Emission Tomography) Ảnh thiên văn (c) Chùm sao thiên nga Ảnh phản ứng hạt nhân (d) Sự bức xạ tia Gamma từ lò phản ứng 34 17
10. 8/24/2011 Các ứng dụng của xử lý ảnh (tiếp)  Ảnh tia X (ảnh X-Quang) Hệ thống máy chụp ảnh cắt lớp CT 37 Các ứng dụng của xử lý ảnh (tiếp)  Ảnh tia X Ảnh chụp cắt lớp CT 38 19
11. 8/24/2011 Các ứng dụng của xử lý ảnh (tiếp)  Ảnh hồng ngoại Ảnh hồng ngoại chụp bề mặt trái đất. Những nơi có ánh sáng mạnh là những nơi có nguồn nhiệt lớn. 41 Các ứng dụng của xử lý ảnh (tiếp)  Ảnh hồng ngoại Ảnh hồng ngoại chụp không gian trên bề mặt trái đất. Ảnh này cho biết lượng hơi nước tích tụ trong không gian, phục vụ cho việc dự báo thời tiết. 42 21
12. 8/24/2011 Các ứng dụng của xử lý ảnh (tiếp) Các ứng dụng của xử lý ảnh (tiếp) 23
13. 8/24/2011 Các ứng dụng của xử lý ảnh (tiếp) Các ứng dụng của xử lý ảnh (tiếp) Nhận dạng chữ viết 25
14. 8/24/2011 Giới thiệu một số hệ thống retrieval Google image similarity IMARS . MediaMill . crossbrowser.php . Demo1 . Demo2 CuVid . Video summarization Matrix và vector Các phép xử lý ảnh thực chất là các phép tính toán trên các ma trận và các vectors  review lại một số khái niệm trong toán học về matrix và vector 27
15. 8/24/2011 Một số khái niệm (tiếp) Vector cột (column vector) là ma trận mx1 Vector hàng (row vector) là ma trận 1xm Các phép tính trong ma trận A, B cùng kích thước m x n . C = A + B C kích thước m x n và 푖푗 = 푖푗 + 푖푗 . D = A – B D kích thước m x n và 푖푗 = 푖푗 - 푖푗 A(m, n); B(n, q) . C = AB C kích thước m x q và 29
16. 8/24/2011 Vector spaces (tếp) Điều kiện B . 1. c(dx) = (cd)x với mọi số c, d và vector x . 2. (c + d)x = cx + dx . 3. c(x + y) = cx + cy Điều kiện C . 1x = x Vector spaces (tiếp) Tổ hợp tuyến tính (linear combination) của các vectors: 푣1, 푣2, , 푣푛 Vetor v gọi là phụ thuộc tuyến tính (linearly dependent) của các vectors 푣1, 푣2, , 푣푛 nếu v có thể viết là tổ hợp tuyến tính của tập vector này. Ngược lại v là độc lập tuyến tính của tập vector trên (linearly independent) 31
17. 8/24/2011 Quan hệ giữa 2 vector Cosin Suy ra cách tính khác của tích vô hướng (inner product) 2 vector gọi là trực giao (orthogonal) với nhau nếu và chỉ nếu tích vô hướng = 0 2 vector gọi là trực chuẩn (orthonormal) nếu . Chúng trực giao . Norm của mỗi vector = 1 Quan hệ giữa các vectors Tập các vector là trực giao nếu mọi cặp 2 vector trực giao từng đôi một Tập các vector là trực chuẩn nếu mọi cặp 2 vector trực chuẩn từng đôi một 33
18. 8/24/2011 Eigenvalues và eigenvectors (tiếp) Công thức tính: Dựa trên biểu thức Trong đó: det là định thức Ví dụ: Tìm trị riêng, vector riêng của ma trận sau: Eigenvalues và eigenvectors (tiếp) Giải: Suy ra: λ = 1 and λ = 3 Với λ = 3, tìm vector riêng tương ứng x = y, 35
19. 8/24/2011 . Tính chất của eigenvalues và eigenvectors A là ma trận vuông Một số khái niệm cơ bản Điểm ảnh (pixel) Độ phân giải (resolution) Mức xám (gray scale) Lân cận (neighbors) Liên thông (conectivity) 37
20. 8/24/2011 Một số khái niệm cơ bản (tiếp) Mức xám (gray) . Mức xám là kết quả của việc mã hoá ứng với một cường độ sáng của mỗi điểm ảnh với một giá trị số. Thông thường ảnh được mã hoá dưới dạng 16, 32, 64 hay 256 mức. . Ví dụ: tại điểm ảnh tọa độ (20, 40) có mức xám là 60, tại điểm ảnh tọa độ (30, 40) có mức xám là 23, Một số khái niệm cơ bản (tiếp) Lân cận (neighbours) . Một điểm ảnh p tại tọa độ (x, y) có x o 4 lân cận ngang - dọc của p: Ký hiệu là N4(p) x p x (x+1,y), (x-1,y), (x,y+1), (x,y-1) x o 4 lân cận chéo của p: Ký hiệu là ND(p) x x (x+1,y+1), (x+1,y-1), (x-1,y+1), (x-1,y-1) p o 8 lân cận của p: Ký hiệu N8(p) x x là sự kết hợp của N4(p) và ND(p) (x+1,y), (x-1,y), (x,y+1), (x,y-1), x x x (x+1,y+1), (x+1,y-1), (x-1,y+1), (x-1,y-1) x p x x x x 39