Bài giảng Xử lý ảnh số - Bài: Các phương pháp cải thiện chất lượng ảnh - Nguyễn Linh Giang

Nội dung text: Bài giảng Xử lý ảnh số - Bài: Các phương pháp cải thiện chất lượng ảnh - Nguyễn Linh Giang

1. Xử lý ảnh số Các phương pháp cải thiện chất lượng ảnh Chương trình dành cho kỹ sư CNTT Nguyễn Linh Giang
2. Tổng quan •Cải thiện chất lượng ảnh: –Tăng cường các đặc điểm của ảnh về mặt cảm nhận hoặc cục bộ như các đường nét, đường biên, hay độ tương phản, màu sắc, , lọc nhiễu. –Tăng cường có hiệu quả cho các bước xử lý tiếp theo như hiển thị ảnh hoặc phân tích ảnh. –Xử lý cải thiện ảnh chất lượng ảnh không làm tăng thông tin vốn có chứa trong dữ liệu. – Làm tăng dải động của các thuộc tính của ảnh. Những thuộc tính này giúp cho phân biệt dễ dàng các chi tiết trên ảnh.
3. Tổng quan •Phân loại các phương pháp cải thiện chất lượng ảnh Cải thiện chất lượng ảnh Toán tử trên điểm Toán tử không gian Toán tử trên Giả màu miền tần số • Tăng độ tương phản; • Lọc làm trơn nhiễu; • Lọc tuyến tính; • Sai màu • Xoá nhiễu; • Lọc trung vị; • Lọc lũy thừa; • Giả màu • Chia cửa sổ; • Làm nổi biên; • Lọc đồng hình; • Mô hình hoá biểu đồ • Lọc thông thấp, thông đơn sắc ( histogram ); cao; •Phóng đại ảnh.
4. Các phương pháp xử lý trên điểm ảnh –Các phương pháp: •Biến đổi tuyến tính từng đoạn •Biến đổi logarithm •Biến đổi âm bản
5. Các phương pháp xử lý trên điểm ảnh •Việc lựa chọn các tham số α, β, γ xác định các vùng ảnh sẽ được tăng cường: –Nếu β > 1, độ tương phản trong vùng II [a, b] được tăng cường; –Nếu α < 1, độ tương phản trong vùng I [0, a ] được giảm; –Nếu γ < 1, độ tương phản trong vùng III [ b, L-1 ] được giảm; –Việc lựa chọn các giá trị a, b phụ thuộc vào biểu đồ mức đơn sắc ( histogram ) và theo kinh nghiệm.
6. Các phương pháp xử lý trên điểm ảnh – Tách nhiễu và lấy ngưỡng ảnh • Tách nhiễu: –Là trường hợp riêng của giãn độ tương phản khi α = γ = 0; – Ứng dụng để giảm nhiễu khi biết tín hiệu nằm trong khoảng [a,b]; •Lấy ngưỡng ảnh: –Là trường hợp riêng của tách nhiễu khi a = b = θ -là ngưỡng. – Ứng dụng trong trường hợp biến đổi từảnh đa mức xám vềảnh nhị phân ν ⎧ L − 1, u ≥ θ v = ⎨ ⎩ 0, u < θ L-1 θ u
7. Các phương pháp xử lý trên điểm ảnh •Biến đổi âm bản – Chuyển đổi dương bản thành âm bản; – v = f(u) = L - 1 - u – Dùng để tăng cường các chi tiết trắng hoặc xám trên nền tối ν L-1-u L-1 u Biến đổi âm bản
8. Các phương pháp xử lý trên điểm ảnh –Biến đổi tuyến tính dải động: v = au + b v= au+ b ⇒
9. Các phương pháp xử lý Histogram •Các phương pháp xử lý histogram: – Histogram: phân bố các mức xám trong ảnh; – Là đánh giá gần đúng hàm mật độ phân bố xác suất; – h(u) = Số lượng điểm ảnh có giá trị mức xám bằng u; – Xác suất xuất hiện của một giá trị mức xám trên ảnh: h(xi ) pu (xi ) = L−1 , i = 0,1, , L −1 ∑ h(xi ) i=0 – Mô hình biểu diễn ảnh: mô hình ngẫu nhiên với giả thiết: •Mỗi điểm ảnh là một giá trị của các hàm ngẫu nhiên độc lập với cùng một phân bố xác suất
10. Các phương pháp xử lý Histogram •Cân bằng histogram: – Ánh xạ độ chói của ảnh vào vùng giá trị mới sao cho histogram mới nhận được có dạng phân bố đều.
11. Các phương pháp xử lý Histogram –Thuật toán: • Ảnh ban đầu U có u nhận các giá trị mức xám xi, i = 0, 1, , L – 1; • Xác suất xuất hiện các mức xám trong ảnh ban đầu: h(xi ) pu (xi ) = L−1 , i = 0, 1, , L -1 ∑h(xi ) i=0 u u v Uniform v* p (x ) ∑ u i quantization xi =0 pu(xi) u •Biến ngẫu nhiên phân bố đều v: v(u) = ∑ pu (xi ) xi ⎡(v(u) − vmin ) ⎤ • Giá trị điểm ảnh mới: v *(u) = Int⎢ (L −1) + 0.5⎥ ⎣ 1− vmin ⎦
12. Các phương pháp xử lý Histogram •Biến đổi histogram –Mở rộng của cân bằng histogram với các hàm biến đổi khác. – Trong cân bằng histogram: u v = f (u) = ∑ pu (xi ) xi – Trong các trường hợp khác: v = f(u), trong đó hàm f có thể u là: 1/ n ∑ pu (xi ) v = f (u) = xi =0 , n = 2, 3, 4, xL−1 v = f(u) = log(1 + u), u ≥ 0 1/ n pu (xi ) 1/n ∑ v = f(u) = u , u = 2, 3, xi u v Uniform v* v=f(u) quantization
13. Lọc ảnh • Khái niệm nhiễu; • Các phép lọc trên miền không gian; • Các phép lọc trên miền tần số.
14. Khái niệm tạp nhiễu •Nhiễu trắng: – Là nhiễu có phổ năng lượng không đổi; –Cường độ nhiễu trắng không đổi khi tần số tăng; – Thông thường nhiễu trắng được sử dụng để xấp xỉ thô tạp nhiễu trong nhiều trường hợp; –Hàm tự tương quan của nhiễu trắng là hàm del-ta. Như vậy nhiễu trắng không tương quan tại hai mẫu bất kỳ; –Sử dụng nhiễu trắng là mô hình nhiễu đơn giản nhất và có lợi về mặt tính toán.
15. Khái niệm tạp nhiễu • Ảnh chịu ảnh hưởng của nhiễu Gauss với trị trung bình không và phương sai bằng 13:
16. Khái niệm tạp nhiễu •Ví dụ nhiễu dạng muối tiêu: với tỷ lệ nhiễu là 1% và 5% tương ứng. Giá trị của các điểm ảnh trong khoảng [0, 255].
17. Các phép lọc trên miền không gian •Mặt nạ không gian –Mặt nạ không gian biểu diễn bộ lọc có đáp ứng xung hữu hạn hai chiều ( 2-D FIRF ); –Các dạng mặt nạ thông dụng có kích thước 2x2, 3x3, 5x5, 7x7; – Phép lọc được xác định bằng cách lấy tổng chập hàm lọc với hình ảnh v(m,n) = Σs(m-k, n-l) h(k,l) –Biểu diễn trên miền tần số: V( k, l ) = S( k, l ) x H( k, l ) –Các ứng dụng: •Lọc làm trơn: lọc thấp; •Lọc làm nét: lọc cao
18. Các phép lọc trên miền không gian –Lọc trung bình là lọc làm trơn nhiễu: x(m,n) = s(m,n) + η(m,n) – η(m,n) - nhiễu trắng với giá trị trung bình không và 2 phương sai ση . –Một số dạng mặt nạ bộ lọc: l -1 01 k k l -1 01 l 01 k -1 1 1 1 -1 0 1 0 0 1 1 1 1 1 0 1 1 1 0 1 2 1 1 8 4 1 1 9 1 1 1 1 1 0 1 0
19. Các phép lọc trên miền không gian –Nhược điểm: •Làm mờ đường nét trên ảnh –Ví dụ:
20. Các phép lọc trên miền không gian •Lọc trung vị – Dùng trong trường hợp: •Xuất hiện các điểm nhiễu cô lập ngẫu nhiên dàn trải trên ảnh; •Lọc trung bình có thể làm ảnh bị mờ; –Phương pháp lọc trung vị: •Lấy điểm trung vị trong dãy được sắp các giá trị trong cửa sổ; •Lọc trung vị là lọc phi tuyến: Median{ x(m) + y(m) } ≠ Median{x(m)} + Median{y(m)} • Thông thường cửa sổ có số điểm lẻ: 3x3, 5x5, 5 điểm +; •Cửa sổ có số điểm chẵn: lấy giá trị trung bình của 2 điểm ở giữa
21. Các phép lọc trên miền không gian Ảnh ban đầu Ảnh có nhiễu Ảnh sau khi lọc trung vị 3x3 Lọc trung bình 5x5 Lọc trung vị 3x3, lặp 3 lần Lọc trung vị 5x5
22. Các phép lọc trên miền không gian –Các bước thực hiện: • Xác định đường nét: lọc các thành phần tần cao bằng các bộ lọc thông cao; •Tăng cường đường nét trên ảnh: cộng các thành phần biến thiên nhanh vào ảnh – làm tăng cường các thành phần biến thiên nhanh. v(m,n) = s(m,n) + λg(m,n) Trong đó g(m, n) là thành phần biến thiên nhanh. • Các thành phần biến thiên nhanh có thể được xác định bằng phương pháp đạo hàm( cấp 1 hoặc cấp 2)
23. Các phép lọc trên miền không gian – Tách các thành phần biến thiên nhanh: • G(m, n): gradient tại điểm ( m, n ); • Đáp ứng xung của bộ lọc đạo hàm bậc hai Laplace: ∆ 1 g(m,n)=s(m,n)− []s(m−1,n)+s(m,n−1)+s(m+1,n)+s(m,n−1) 4 • Đặc điểm của bộ lọc đạo hàm Laplace: – Đạo hàm bậc 2: ∂2 f (x, y) ∂2 f (x, y) ∆f (x, y) = ∇(∇f (x, y)) = + ∂x2 ∂y2 – Các hệ số dương nằm gần tâm – Các hệ số âm nằm ở vùng ngoài biên; –Tổng các hệ số của bộ lọc bằng 0: không có thành phần DC;
24. Các phép lọc trên miền tần số •Cơ sở các phép lọc cải thiện ảnh trên miền tần số •Lọc thông thấp –Lọc thông thấp lý tưởng; –Lọc lũy thừa; –Lọc Butterworth; •Lọc thông cao –Lọc thông cao từ lọc thông thấp; –Lọc thông cao lý tưởng; –Lọc thông cao lũy thừa; –Lọc thông cao Butterworth
25. Cơ sở lọc trên miền tần số •Các bộ lọc thông thấp làm trơn ảnh và lọc nhiễu; •Các bộ lọc thông cao làm nét ảnh và tách đường biên; •Xây dựng bộ lọc thông cao từ bộ lọc thông thấp.
26. Lọc thông thấp
27. Lọc thông thấp •Lọc thông thấp Butterworth: –Lọcthông thấp; loại bỏ các thành phần tần số cao hơn D0Tần số cắt D0 : xác định các mức năng lượng được loại bỏ; –Bậc của bộ lọc n: xác định độ nét của bộ lọc. n càng lớn, hiệu ứng loại bỏ các tần số cao càng lớn 1 H (u, v) = 2 n 1 + []D(u, v) / Do
28. Lọc thông thấp – Ảnh hưởng của các tham số n và D0 D0=0.1 ảnh gốc n = 1 n = 3 n = 5
29. Lọc thông thấp – Đặc điểm của bộ lọc Butterworth: •Lọc thông thấp; • Do làm suy giảm các thành phần tần cao nên làm mờ ảnh, đồng thời loại bỏ nhiễu; • Do vẫn lưu giữ các thành phần tần cao ( tuy có làm suy giảm về biên độ ) nên ảnh vẫn sắc nét hơn so với lọc thông thấp lý tưởng với cùng tần số cắt D0; • Do hàm có tính trơn tại mọi điểm ( kể cả tại điểm cắt ) nên làm suy giảm đáng kể hiệu ứng Gibbs; •Dễ dàng điều khiển hiệu ứng của bộ lọc theo các tham số D0 và tham số bậc n.
30. Lọc thông cao
31. Lọc thông cao Laplace •Biểu diễn 3D của toán tử Laplace; • Ảnh 2D của toán tử Laplace; • Đáp ứng miền không gian với vùng trung tâm được khuếch đại; •Mặt nạ đáp ứng xấp xỉ
32. Lọc đồng hình – γL và γH được chọn thỏa mãn γL 1; –Hàm lọc có xu hướng làm suy giảm các thành phần tần thấp và tăng cường các thành phần tần cao; –Kết quả cuối cùng là vừa thực hiện nén giải động và làm tăng cường độ tương phản.
33. Giả màu • Đặc điểm của hệ thống thị giác: –Hệ thống thị giác của người chỉ có thể phân biệt được 30 sắc thái màu xám; –Có thể phân biệt hàng trăm sắc màu. •Phương pháp giả màu: –Giả màu là kỹ thuật gán màu cho các mức xám. –Các phương pháp gán giả màu: • Phân lớp cường độ sáng: gán mầu cho tất cả các mức xám dưới một giá trị xác định và gán màu khác cho những giá trị vượt quá một giá trị xác định.
34. Giả màu • Các thủ tục gán màu tự động – Ánh xạ vị trí: các giá trị của ánh xạ tại những vị trí bất kỳ trong bảng được tạo ra là hàm của vị trí ( index). Ở đây không có sự phụ thuộc vào tính chất của giá trị điểm ảnh mà chỉ phụ thuộc vào bố trí vật lý – Ánh xạ phụ thuộc dữ liệu: các giá trị của ánh xạ được tạo ra là các hàm của giá trị điểm. Ảnh đơn sắc Ảnh đơn sắc với thang mức xám