Nang cao chat luong anh bằng wavelet rời rạc DWT

HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG
KHOA ĐÀO TẠO SAU ĐẠI HỌC

TIỂU LUẬN
Đề tài: “NÂNG CAO CHẤT LƯỢNG ẢNH MÀU DỰA
TRÊN BIẾN ĐỔI WAVELET RỜI RẠC”

Hà Nội – 4/2022
MỤC LỤC
1


2


LỜI MỞ ĐẦU
Nâng cao chất lượng đóng một yếu tố quan trọng hơn trong xử lý hình ảnh; cải
thiện chất lượng của hình ảnh được gọi là nâng cao chất lượng hình ảnh. Cải tiến chất
lượng có thể được thực hiện trên cả ảnh Xám và ảnh màu. Nhiều thuật toán đã được
ứng dụng để tăng cường chất lượng ảnh xám. Gần đây, kỹ thuật nâng cao độ phân
giải hình ảnh sử dụng Biến đổi Wavelet rời rạc (DWT) cho các hình ảnh Vệ tinh, đã
được báo cáo bởi Demirel và Anbarjafari [1]. Phương pháp nội suy trong xử lý ảnh là
một phương pháp để tăng số lượng pixel (điểm ảnh) trong ảnh kỹ thuật số. Phương
pháp nội suy đã được sử dụng rộng rãi trong nhiều ứng dụng xử lý ảnh [2], Trong khi
đó, lọc Homomorphic, lọc thơng thấp và lọc thông cao là các kỹ thuật khác hoạt
động trong miền khơng gian [3] và [4]. Sau đó, các kỹ thuật này cũng được sử dụng
để tăng cường hình ảnh màu sắc. Wu và su đã đề xuất một kỹ thuật nâng cao độ phân
giải hình ảnh dựa trên phép biến đổi wavelet [5]. Vì một phần của hình ảnh được lọc
thông cao được thêm vào dữ liệu gốc, kết quả thu được là nâng cao chất lượng vùng
biên ảnh và đồng thời cũng khuếch đại nhiễu. Để giải quyết vấn đề này, các phương
pháp tiếp cận hiệu quả hơn là sử dụng bộ lọc phi tuyến nhằm cân bằng tốt hơn giữa

độ sắc nét hình ảnh và giảm nhiễu [6]. Hệ thống nâng cao chất lượng ảnh do
Fabrizio Russo đề xuất sử dụng một hàm tuyến tính mảnh (PWL) đơn giản, trong
thuật tốn của ơng chỉ có một hàm tuyến tính mảnh (PWL) để kết hợp các hiệu ứng
làm mịn và làm sắc nét [7]. Các hệ thống mờ do F. Russo và G. Ramponi đề xuất rất
thích hợp để mơ hình hóa sự khơng chắc chắn xảy ra khi các hiện tượng xung đột
diễn ra, (tức là) làm sắc nét chi tiết và khử nhiễu. S.Gopinath et.al đã phát triển thuật
tốn tuyến tính thơng minh (PWL) cho phương pháp lọc phi tuyến của ảnh xám bằng
cách sử dụng Biến đổi wavelet rời rạc. Kaganami, et.al đã trình bày phương pháp
chuyển đổi màu của ảnh màu để nâng cao chất lượng dựa trên tính bất biến Hue với
các đặc điểm màu sắc trực quan của con người trong mẫu màu HSV .
3


Trong nội dung bài tiểu luận, trình bày một phương pháp xử lý ảnh màu để cải
thiện chất lượng hình ảnh đồng thời khử nhiễu dựa trên tính gần đúng mượt của hàm
tuyến tính mảnh PWL và kỹ thuật DWT theo [8]. Cấu trúc của Tiểu luận bao gồm:
I. Mô hình được đề xuât
II. Kết quả thực nghiệm và các ứng dụng trong thực tế
III. Ví dụ về phần mềm nâng cao chất lượng ảnh và mô phỏng DWT trong python

4


I. MƠ HÌNH ĐỀ XUẤT
Lưu đồ của phương pháp đề xuất được thể hiện trong Hình.1. Đầu tiên, hình
ảnh màu có nhiễu RGB được chuyển đổi thành định dạng màu HSV, sau khi thành
phần độ chói (V) được biến đổi DWT một mức (DWT 2 chiều) phân tích (Sử dụng
hàm Haar).Nó sẽ phân rã hình ảnh gốc thành bốn dải tần con (LL, LH, HL và HH) .
Sau đó, nhiễu trong các hệ số tần số được giảm bớt bằng kỹ thuật lọc PWL xấp xỉ
trơn tru. Cuối cùng, độ chói V được nâng cao thu được thơng qua biến đổi Wavelet

ngược, biểu đồ Thích ứng được cân bằng S và H được chuyển đổi trở lại thành hình
ảnh nâng cao RGB.

5


1.1 Ví dụ ảnh đầu vào là ảnh màu có kích thước 512x512
1.2 Chuyển đổi màu sắc
Bước đầu tiên trong phương pháp này là chuyển đổi gía trị RGB (Đỏ, Xanh lục
và Xanh lam) của mỗi pixel của bất kỳ segment nào của hình ảnh gốc thành các giá
trị HSV (Hue, Saturation và Luminance). Sự chuyển đổi được thể hiện bằng phương
trình (1) :

1.3 Biến đổi Wavelet rời rạc 2 chiều (2-D DWT)
Biến đổi Wavelet đã được sử dụng khá thường xun trong xử lý hình ảnh. Hình
ảnh có thể được biểu diễn cùng một lúc trên miền tần số và không gian cục bộ bằng
cách sử dụng các phép biến đổi Wavelet. Phép biến đổi Fourier và DCT cung cấp các
đặc tính tần số tồn cục của một hình ảnh, nhưng chúng khơng cung cấp các đặc tính
tần số cục bộ. Hạn chế này được khắc phục trong các phép biến đổi wavelet. Một
biến đổi wavelet rời rạc (DWT) trong đó các wavelet được lấy mẫu riêng biệt để
phân tích số và phân tích hàm. Điều này được DWT khắc phục, nó ghi nhận được cả
thơng tin trên miền tần số và thời gian. Biến đổi wavelet rời rạc (DWT) phân tách tín
hiệu thành các dải con có băng thông nhỏ hơn và tốc độ lấy mẫu chậm hơn, cụ thể là
Thấp-Thấp (LL), Thấp-Cao (LH), Cao-Thấp (HL) và Cao-Cao (HH). Với điều này,
nó thu được bốn dải con từ một mức chuyển đổi - dải phụ thông thấp đầu tiên có giá
trị xấp xỉ thơ của hình ảnh nguồn được gọi là dải con LL và ba dải phụ thơng cao
khai thác chi tiết hình ảnh theo các hướng khác nhau - HL cho chiều ngang, LH cho
chiều dọc và HH cho các chi tiết đường chéo. Việc phân tách wavelet 2-D của một
hình ảnh được thực hiện bằng cách áp dụng 1-D DWT dọc theo các hàng của hình
ảnh đầu tiên, sau đó, các kết quả được phân tách dọc theo các cột. Thành phần độ

6


chói (V) từ HSV được được biến đổi wavelet. Các thành phần tần số của băng tần
phụ bao gồm các thành phần tần số của giá trị thành phần độ chói (V) được thể hiện
trong Hình 2. Do đó, biến đổi Wavelet rời rạc (DWT) là một cơng cụ thích hợp được
sử dụng để thiết kế một hệ thống nâng cao chất lượng hình ảnh.

1.4 Lọc PWL
Thơng thường xử lý các ảnh kỹ thuật số có mức xám L. Gọi x (n) là độ chói của
pixel tại vị trí n = [n1, n2] trong ảnh đầu vào. Thuật toán nâng cao chất lượng trên
cửa sổ 3 × 3 xung quanh x (n). Đặt x1(n), x2(n) ,. . . , xN(n) ký hiệu cho nhóm N = 8
pixel lân cận, như trong Hình 3 (0 ≤ x (n) ≤ L - 1; 0 ≤ xi (n) ≤ L - 1, i = 1 ,. . , 8)

Gọi y(n) là đầu ra của hệ thống nâng cao chất lượng ảnh. F. Russo đề xuất hệ
thống nâng cao do sử dụng Thuật toán tuyến tính (PWL) đơn giản [7], được mơ tả
bởi các mối quan hệ sau:
7


trong đó ký hiệu

⊕

⊕

tổng giới hạn a b = min {a + b, L - 1} và h là một hàm PWL

được điều khiển bởi hai tham số

ksm

và

k sh

Công thức (4) đưa ra sự khác biệt về độ chói Δxi giữa pixel trung tâm và các
điểm ảnh lân cận. Khi những khác biệt này là nhỏ, phương pháp thực hiện làm mịn
(smoothing), nghĩa là, nhằm mục đích giảm những khác biệt như vậy trong hình ảnh
nâng cao. Ngược lại, khi sự khác biệt về độ chói cao, độ sắc nét được cung cấp, tức
là, một hiệu ứng có xu hướng làm tăng sự khác biệt đó. Điều đó cho phương trình
(5), khi | Δxi | tăng lên, ảnh hưởng của nó trong phương trình (3) trở nên hồn tồn
khác. Chính xác hơn, hiệu ứng này là làm mịn mạnh đối với các khác biệt rất nhỏ (|
Δxi (n) |

< k sm

), làm mịn yếu đối với các khác biệt nhỏ (

sắc mạnh đối với các khác biệt vừa (
sự khác biệt lớn (| Δxi (n) | ≥

4ksm

2k sm

≤ | Δxi (n) | <

k sm ≤

4k sm

| Δxi (n) | <

2k sm

), làm

), và làm sắc yếu đối với

). Hình dạng của h (u) đã được thiết kế để dần dần

kết hợp các hiệu ứng làm mịn và làm sắc nét. Việc lựa chọn mơ hình 7- segment dựa
trên thực nghiệm. Đó là sự dung hịa giữa tính phức tạp và hiệu quả. Các mơ hình có
nhiều segment hơn u cầu nhiều tham số hơn và không mang lại cải tiến đáng kể.
8


Mặt khác, các mơ hình ít segment hơn khơng cung cấp đủ hiệu năng và tính linh
hoạt.
Tiếp theo, là nội dung bước làm sắc nét (sharpening). Nếu chọn
k sh ≤ 6

k sh > 0

(thường

), hiệu ứng làm sắc nét được áp dụng cho các pixel ảnh khi | Δxi (n) | >

2k sm

trong phương trình (5). Vì làm sắc có thể được coi là ngược lại với hành động làm
nhẵn , đặt h (Δxi (n))> 0 khi Δxi (n)>

2k sm

và h (Δxi (n)) <0 khi Δxi( n) <

biệt, hiệu ứng làm sắc nét này càng mạnh nếu
| Δxi (n) | ≥

4k sm

2k sm

≤ | Δxi (n) | <

4ksm

−2ksm

Đặc

và yếu hơn khi

. Lựa chọn này nhằm mục đích tránh việc làm sắc nét quá mức dọc

theo đường viền đối tượng của hình ảnh.
1.5 Qúa trình cải thiện chất lượng tín hiệu đã sửa đổi
Chất lượng của hình ảnh nâng cao có thể được cải thiện qua bước xử lý tiếp

theo để loại bỏ các giá trị ngoại biên có thể vẫn cịn trong ảnh. Nếu hình ảnh bị nhiễu
do nhiễu Gaussian, các giá trị ngoại lai này thường là phần nhiễu nằm ở “đuôi” của
phân bố Gauss. Ngay cả khi xác suất xuất hiện của những ngoại biên này thấp, sự
hiện diện của chúng có thể khá khó chịu, đặc biệt là trong các vùng đồng nhất của
hình ảnh. Cách thức xử lý được mơ tả bởi các phương trình (2) đến (5) sẽ yêu cầu
một giá trị

ksm

lớn để làm mịn loại nhiễu này và do đó, một số chi tiết nhỏ có thể bị

mờ. Một sự lựa chọn phù hợp hơn là áp dụng một bước lọc bổ sung nhằm loại bỏ
những giá trị ngoại lệ này. Lựa chọn này cho phép chúng ta sử dụng giá trị

k sm

nhỏ

hơn mà vẫn bảo tồn tốt các chi tiết hình ảnh. Bộ lọc để loại bỏ ngoại lệ áp dụng một
cách tiếp cận khác để xử lý sự khác biệt về độ chói trong cửa sổ. Bộ lọc được xác
định bởi mối quan hệ sau:

Trong đó g là một hàm phi tuyến
9


Hàm g được chọn để đạt được hiệu chỉnh chính xác trong trường hợp lý
tưởng của một giá trị ngoại biên trong một vùng lân cận đồng nhất. Ví dụ, đặt x (n) =
a là một giá trị ngoại biên dương và đặt xi(n) = b (i = 1, 2,.., N) là giá trị độ chói của
các pixel lân cận (a> b). Vì Δxi (n) = a - b> 0 nên g (Δxi (n)) = a - b và g (−Δxi (n)) =

0. Do đó phương trình (6) cho giá trị chính xác y (n) = b. Hành động lọc được xác
định bởi các phương trình (6) và (7) có thể được áp dụng sau quá trình làm sắc nét để
loại bỏ các giá trị ngoại biên. Tuy nhiên, lựa chọn tốt hơn là áp dụng bộ lọc này cho
dữ liệu đầu vào bị nhiễu trước quá trình cải tiến, do đó tránh được sự khuếch đại của
các giá trị ngoại biên này.

II. KẾT QUẢ THỰC NGHIỆM VÀ CÁC ỨNG DỤNG TRONG THỰC
TẾ
1.

Kết quả thực nghiệm
10


Để đánh giá hiệu năng của hệ thống được đề xuất trên, đã được thử nghiệm với
nhiều hình ảnh khác nhau. Nhiễu Gaussian được thêm vào hình ảnh đầu vào gốc. Sau
đó, phương pháp đề xuất loại bỏ nhiễu và phương pháp cải thiện được áp dụng.
Phương pháp đề xuất được so sánh với các bộ lọc tiêu chuẩn nâng cao hình ảnh như
lọc Median, Unsharp, Laplacian và Gaussian. Kết quả được thể hiện trong Hình.4 đối
với ảnh chuẩn và Hình.5 đối với ảnh vệ tinh màu.

RMSE là tỷ số giữa cơng suất lớn nhất của tín hiệu và cơng suất nhiễu ảnh
hưởng đến độ trung thực của tín hiệu. Đây là một trong những tham số được sử dụng
11


phổ biến nhất để đo lường chất lượng của hình ảnh khơi phục lại. Nó được định
nghĩa cho hai ảnh f (x, y) và (x, y) coi một trong các ảnh là xấp xỉ nhiễu của ảnh kia
theo công thức:

Các giá trị RMSE của ảnh chuẩn và ảnh vệ tinh màu cho các phương pháp
khác nhau được tính tốn và biểu đồ so sánh lần lượt được thể hiện ở Bảng 1 và Bảng
3. Từ các bảng có thể quan sát thấy rằng giá trị RMSE của phương pháp đề xuất thấp
hơn các phương pháp khác.

PSNR, được định nghĩa là:

Giá trị đỉnh đến đỉnh của hình ảnh được tham chiếu là giá trị pixel lớn nhất của
hình ảnh. Tỷ số tín hiệu đỉnh trên nhiễu được tính tốn từ sai số theo công thức trên.
Giá trị của PSNR càng cao thì hiệu năng của phương pháp đó càng tốt. Các giá trị
PSNR của ảnh chuẩn và ảnh vệ tinh màu cho các phương pháp khác nhau được tính
12


toán và các giá trị so sánh được thể hiện trong Bảng 2 và Bảng 4. Từ các bảng này
cho thấy giá trị PSNR của phương pháp đề xuất cao hơn các phương pháp khác.

2.

Các ứng dụng trong thực tế

Bất cứ một bức ảnh nào thu nhận được từ các thiết quang, quang điện hoặc
điện tử đều bị xuống cấp. Các xuống cấp có thể do nhiễu, mờ, do khơng đúng tiêu cự
của camera, do sự di chuyển tương đối của vật cần chụp với camera…Có rất nhiều
phương pháp khác nhau để tối thiểu hóa sự xuống cấp của ảnh. Phương pháp nâng
cao chất lượng ảnh sử dụng DWT kết hợp bộ lọc PWL như được đề xuất trong [1] đã
có kết quả tốt hơn so với nhiều phương pháp khác.
Nâng cao chất lượng ảnh là một bước quan trọng, tạo tiền đề cho xử lý ảnh.
Mục đích chính là làm nổi bật một số đặc tính của ảnh như thay đổi độ tương phản,
lọc nhiễu, nổi biên, làm trơn biên ảnh…

Phương pháp nâng cao chất lượng ảnh được ứng dụng như trong khơi phục
ảnh, trong nhận dạng hình ảnh, chuẩn bị đầu vào cho các chương trình ứng dụng
khác như trợ lý ảo…

13


III. VÍ DỤ VỀ PHẦN MỀM NÂNG CAO CHẤT LƯỢNG ẢNH VÀ MƠ
PHỎNG DWT TRONG PYTHON
1. Ví dụ Phần mềm nâng cao chất lượng ảnh
Mặc dù ngày nay công nghệ chụp ảnh trên các điện thoại di động thông minh
đều đã được cải thiện đáng kể về cả chất lượng camera và khả năng xử lý ảnh. Tuy
nhiên, khi chụp ảnh trong các điều kiện mơi trường, vị trí bất lợi như chụp đêm, ánh
sáng yếu, chụp ngược sáng hoặc đối tượng chụp ở trạng thái động... ảnh hưởng rất
lớn đến chất lượng ảnh, ảnh sau khi chụp bị nhiễu, khơng sắc nét, màu sắc khơng cân
bằng... Vì thế mà ngay cả trên các điện thoại thông minh mới hiện nay thường phải
cài đặt các phần mềm ứng dụng hỗ trợ chỉnh sửa, nâng cao chất lượng ảnh với hàng
loạt tính năng hỗ trợ đa dạng. Trong khn khổ của Tiểu luận liên quan tới phép biến
đổi Wavelet, nhóm đề tài xin giới thiệu một phần mềm chỉnh sửa ảnh rất hiệu quả,
trong đó có hỗ trợ sử dụng Wavelet để tối ưu chất lượng hình ảnh, đó là phần mềm
GIMP.
GIMP (GNU Image Manipulation Program) là một phần mềm tự do mã nguồn
mở được sử dụng để chỉnh sửa hình ảnh, vẽ tự do, chuyển đổi giữa các định dạng
hình ảnh khác nhau và các tác vụ chuyên biệt. Phần mềm có giao diện đồ họa tương
tự như ứng dụng chỉnh sửa ảnh hàng đầu của Adobe là Illustrator và Photoshop CS;
hỗ trợ ngơn ngữ tiếng Việt và tương thích với các hệ điều hành Linux, macOS và
Microsoft Windows.
Sử dụng phần mềm GIMP, nhóm đề tại thực hiện trình diễn thực tế một ứng
dụng được sử dụng phổ biến và thường xuyên tương tự trên các điện thoại thông
minh hiện nay đó là làm mịn da mặt để loại bỏ những khiếm khuyết trên khuôn mặt

người được chụp ảnh (da mặt nổi mụn, bị rỗ, nốt ruồi, lỗ chân lông…) để tạo ra một
bức ảnh mới đẹp hơn, chất lượng hơn.
Các thao tác demo bao gồm:
+ Tải ảnh lên phần mềm: Click mở phần mềm GIMP => File => Open =>
Chọn vị trí ảnh cần chỉnh sửa => Open.
14


+ Chỉnh sửa ảnh sử dụng bộ lọc thuật toán Wavelet: Click chuột phải vào hình
ảnh => Filters => Enhance => Wavelet - decompose.

Hình 6: Sử dụng thuật tốn phân tích Wavelet để chỉnh sửa ảnh trong phần
mềm GIMP.
+ Tại cửa sổ Wavelet decompose hiện ra các tùy chọn:


Scales: Tùy chọn số thang Wavelet, tối đa có 7 thang tương ứng với các mức
độ xử lý từ thấp đến cao. Tùy vào từng mục đích và ý định chỉnh sửa ảnh để
chọn các thang Wavelet phù hợp; Thông thường, ở phạm khi chỉnh sửa toàn bộ
bước ảnh thường áp dụng đồng thời nhiều thang Wavelet để cho ra kết quả tốt
nhất.

Hình 7: Cửa sổ chọn thang phân tích Wavelet.


Create a layer group to store the decompotitsion (tạo một nhóm các lớp phân
tích Wavelet)
15



Add a layer mask to each scales layers (Mỗi lớp phân tích Wavelet là một
nhóm độc lập).
* Demo tính năng chỉnh sửa ảnh, cụ thể là làm mịn da và xóa râu mặt sử dụng
thuật tốn phân tích Wavelet:

=
>

Hình 8: Ảnh gốc và khu vực ria cằm được chon để làm đẹp sử dụng thuật
toán Wavelet trên phần mềm GIMP.

Wavelet scale 1

Nhóm Wavelet scale 1,2,3

Nhóm Wavelet scale 1,2,3,4,5
Nhóm Wavelet scale 1,2,3,4,5,6,7
Hình 9: Kết quả phân tích Wavelet tương ứng
với các nhóm thang đo khác nhau.
16


- Từ kết quả demo trên cho thấy, nếu để loại bỏ râu và làm đẹp da thì lựa chọn hợp
lý là kết hợp các thang Wavelet 1, 3, 4, 5, 6, 7 cho ra kết quả tốt nhất.

=>

Trước

Sau
Hình 10: Kết quả trước và sau khi xử lý ảnh bằng Wavelet.
Các demo nâng cao chất lượng ảnh khác sử dụng phần mềm xử lý ảnh GIMP.

Hình 11: Ảnh trước và sau khi Color Enhance trong GIMP

Hình 12: Ảnh gốc, ảnh qua lọc thông thường và ảnh qua lọc DWT trong GIMP
2. Mô phỏng 2D - DWT trong python
17


Để thực hiện mơ phỏng DWT có nhiều ngơn ngữ đã tích hợp sẵn các thư viện để
chạy thử nghiệm cũng như phát triển các phần mềm ứng dụng các phương pháp biến
đổi wavelet nói chung và DWT nói riêng. Trong nội dung của tiểu luận trình bày
chương trình mơ phỏng DWT sử dụng ngôn ngữ Python và thư viện Pywavelets
trong ngơn ngữ này.

Hình13: Ví dụ code 2-D DWT trong Python
Để sử dụng được thư viện Pywavelets cần Install thư viện về bằng câu lệnh: pip
install pywt

Hình 14: Phép biến đổi Wavelet rời rạc 2 chiều (2D-DWT)
Input - Dữ liệu đầu vào lấy dữ liệu từ thư viện Data của thư viện.
Output – Dữ liệu đầu ra là biến đổi DWT 2 chiều của hình ảnh đầu vào được thể
hiện dưới dạng ảnh xám tương ứng 4 tham số:
LL – Hình ảnh xấp xỉ hình ảnh vào
18


LH – Hình ảnh lấy theo chiều ngang

HL – Hình ảnh lấy theo chiều dọc
HH – Hình ảnh lấy theo đường chéo
Các dữ liệu này có thể truy xuất dễ dàng làm đầu vào dữ liệu cho các kĩ thuật tiếp
theo. Hình dưới thể hiện kết quả sau khi chạy mơ phỏng.

Hình 15: Kết quả chạy mơ phỏng với ảnh đầu vào xám kích thước 512x512

KẾT LUẬN
Nâng cao chất lượng hình ảnh là một ứng dụng hết sức cần thiết. Có rất nhiều
phương pháp khác nhau để nâng cao chất lượng ảnh như sử dụng các mơ hình khơi
phục, sử dụng các bộ lọc tuyến tính... Bài tiểu luận này giới thiệu một phương pháp
nâng cao chất lượng ảnh sử dụng wavelet theo [8]. Thơng qua việc trình bày lưu đồ
19


thực hiện việc cải thiện chất lượng ảnh, các kết quả thực nghiệm và ứng dụng nâng
cao chất lượng ảnh trong thực tế cho thấy wavelet là một công cụ hiệu quả để nâng
cao chất lượng ảnh và được ứng dụng nhiều trong công nghệ xử lý ảnh số ngày nay.
Bài tiểu luận cũng giới thiệu, hướng dẫn khai thác sử dụng phần mềm xử lý ảnh
GIMP với nhiều option trong đó có kỹ thuật nâng cao chất lượng ảnh sử dụng biến
đổi wavelet, kết quả khi sử dụng kỹ thuật này so với các kỹ thuật khác trong phần
mềm cũng cho các kết quả tốt hơn. Ngồi ra, mơ phỏng biến đổi wavelet rời rạc hai
chiều 2D-DWT cũng được trình bày trong bài tiểu luận bằng việc sử dụng ngơn ngữ
lập trình Python.
Với việc sử dụng phần mềm xử lý ảnh GIMP, đặc biệt nâng cao chất lượng ảnh
dùng DWT để chuẩn bị dữ liệu ảnh đầu vào (bộ dữ liệu khoảng 1000 bức ảnh) trong
ứng dụng trợ lý ảo nhận diện đối tượng là hết sức hiệu quả, giúp giảm bớt thời gian
chuẩn bị dữ liệu đồng thời nâng cao chất lượng dữ liệu đầu vào. Ứng dụng này đang
được nhóm chúng em sử dụng trong dự án xây dựng trợ lý ảo của mình.
Do thời gian nghiên cứu và kiến thức còn hạn chế nên nội dung tiểu luận cịn có

nhiều thiếu sót rất mong được sự góp ý của thầy cơ, bạn bè để bài tiểu luận được
hoàn thiện hơn.

TÀI LIỆU THAM KHẢO
[1] H.Demirel and G.Anbarjafari, Discrete Wavelet Transform-Based Satellite
Image Resolution Enhancement, IEEE Trans. on Geoscience and Remote
Sensing,Vol.49,No. 6, 1997-2000, Jun-2011.
[2] Y. Piao, I. Shin, and H. W. Park, “Image resolution enhancement using intersubband correlation in wavelet domain,” in Proc. Int. Conf. Image Process., vol. 1,
pp. I-445–448, 2007.
20


[3] J. S. Lim, “Two-Dimensional Signal and Image Processing”, Englewood
Cliffs, NJ: Prentice-Hall, 1990.
[4] R. C. Gonzales and E. Woods, “Digital Image Processing. Reading”, MA:
Addison-Wesley,1992.
[5] X. Wu, and B. Su, A Wavelet-based Image Resolution Enhancement
Technique, Int. Conf on Electronics and Optoelectronics (ICEOE 2011), 2011, pp 6265.
[6] S. C. Matz and R. J. P. de Figueiredo, “A nonlinear technique for image
contrast enhancement and sharpening,” in Proc. IEEE Int. Symp. Circuits and
Systems (ISCAS ’99), vol. 4 pp. 175–178, Orlando, Fla, USA, May–June 1999.
[7] Fabrizio Russo “Piecewise Linear Model-Based Image Enhancement,”
EURASIP , Journal on
[8] Saravanan, G., Yamuna, G., & Vivek, R. (2013). A color image enhancement
based on discrete wavelet transform. In Int. J. Comput. Appl. Proc. Natl. Conf.
Emerg. Trends Inf. Commun. Technol.

21