Tải bản đầy đủ (.docx) (34 trang)

XỬ lý ẢNH dò THƯỚC, CO CODE

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (2.08 MB, 34 trang )

XỬ LÝ ẢNH DỊ THƯỚC
CĨ CODE


MỤC LỤC

DANH MỤC HÌNH ẢNH

2
2


3
3


Trang 4/31

CHƯƠNG 1. TỔNG QUAN VỀ ĐỀ TÀI XỬ LÝ ẢNH DÒ THƯỚC
1.1. Giới thiệu về đề tài xử lý ảnh dị thước
1.1.1. Xử lý ảnh là gì?


Xử lý ảnh (Image Processing) là một phân ngành trong xử lý số tín hiệu với tín

hiệu xử lý là hình ảnh. Đây là một phân ngành khoa học mới rất phát triển trong những
năm gần đây. Xử lý ảnh gồm 4 lĩnh vực chính: xử lý nâng cao chất lượng hình ảnh,
nhận dạng hình ảnh, nén ảnh và truy vấn ảnh. Sự phát triển của xử lý ảnh đem lại rất
nhiều lợi ích cho cuộc sống của con người.

Hình 1.1.1 Xử lý ảnh




Trang 5/31

1.1.2. Nhận dạng đối tượng thước trong hình ảnh


Nhận dạng đối tượng (Object Detection) đề cập đến khả năng của hệ thống máy

tính và phần mềm để dịnh vị các đối tượng trong một hình ảnh và xác định từng đối
tượng. Nhận dạng đối tượng đã được xử dụng rộng rãi để phát hiện khuôn mặt, phát
hiện xe, đếm số người đi bộ, hệ thống bảo mật và xe khơng người lái. Có nhiều cách
để nhận diện đối tượng có thể được sử dụng cũng như trong nhiều lĩnh vực thực hành.
Giống như mọi công nghệ khác, một loạt các ứng dụng sáng tạo và tuyệt vời của phát
hiện đối tượng sẽ đến từ các lập trình viên và các nhà phát triển phần mềm.

Hình 1.1.2.1 Nhận dạng đối tượng thước trong hình ảnh
-

Lý do chọn đối tượng thước mà khơng phải các đối tượng khác vì đặc trưng của

các vạch thước là những đường thẳng vì vậy sẽ đễ dàng trong việc nhận dạng cây
thước và ứng dụng của cây thước rất phổ biến.


Trang 6/31

Hình 1.1.2.2 Ứng dụng của thước vào việc đo kích thước cá

1.1.3. Xử lý ảnh dị thước như thế nào?

a)

Bước đầu tiên xử lý ảnh



Làm sao cho ảnh dễ nhận dạng hơn, loại bỏ những yếu tố không cần thiết.



Các công việc thường gặp như là:

+

Crop ảnh, resize ảnh.

+

Biến đổi ảnh thành dạng khác: ảnh màu sang ảnh xám, ảnh xám sang nhị phân,

RGB => HSV …
+

Cân bằng sáng.

+

Lọc nhiễu.

+


Xoay ảnh, wrap ảnh.


Trang 7/31


Hình minh họa tham khảo:

+

Ảnh sau khi warp để có cái nhìn trực diện hơn:

Hình 1.1.3.1 Ảnh sau khi warp


Trang 8/31
+

Ảnh sau khi đã lọc nhiễu:

Hình 1.1.3.2 Ảnh sau khi đã lọc nhiễu
b)

Bước phát hiện



Tìm vật thể trong ảnh. Sau bước này ta có thể biết được vật thể cần tìm có hay


khơng, nếu có thì ở vị trí nào và số lượng là bao nhiêu.


Ví dụ minh họa như sau:

+

Trong ví dụ này chúng ta cần phải xác định là có biển số xe trong ảnh hay

khơng. Nếu khơng có thì trả về kết quả cho người dùng là khơng có biển số. Cịn có
biển số thì lặp lại bước phát hiện một lần nữa để tìm ký tự trong biển. Sau khi tách
xong các ký tự thì mới đến bước 3 là nhận diện.


Trang 9/31

Hình 1.1.3.3 Phát hiện biển số xe
c)

Bước nhận diện



Sau khi đã phát hiện được vật thể thì tiến hành phân lớp để nhận diện đối tượng.

Hình 1.1.3.4 Phân lớp đối tượng


Trang 10/31


1.1.4. Ứng dụng của việc xử lý ảnh dò thước?
a)

Nhận dạng biển số xe:

b)

Hình 1.1.4.1 Nhận dạng biển số xe
Kiểm tra kích thước vật thể trong cơng nghiệp:

Hình 1.1.4.2 Kiểm tra kích thước vật thể trong cơng nghiệp


Trang 11/31

1.2. Mục đích nghiên cứu


Kiến thức áp dụng:

a)

Phương pháp nhận dạng đối tượng trong hình ảnh:

Hình 1.2.1 Nhận dạng viên bi
b)

NODE RED

Hình 1.2.2 NODE RED

Kết Luận: Dựa vào các kiến thức áp dụng để tạo ra sản phẩm nhận dạng đối tượng và
cụ thể trong đề tài này là cây thước bằng xử lý ảnh.


Trang 12/31

1.3. Đối tượng nghiên cứu
1.3.1. Phương pháp nhận dạng đối tượng trong hình ảnh

Đóng vai trị là thành phần chính trong hệ thống xử lý ảnh.
Hình 1.3.1 Nhận dạng viên bi
1.3.2. NODE RED

Đóng vai trị chính trong hệ thống dùng để xử lý ảnh và hiển thị kết quả mực
nước.

Hình 1.3.2 NODE RED

1.4. Phạm vi nghiên cứu
1.4.1. Phạm vi ứng dụng của xử lý ảnh dò thước

Dùng trong các nhà máy cơng nghiệp, hộ gia đình.


Trang 13/31

1.4.2. Giới của xử lý ảnh dò thước
1.5. Dự kiến kết quả
1.5.1. Sản phẩm dò thước bằng xử lý ảnh dị thước


Hình 1.5.1 Dự kiến sản phẩm dị thước bằng xử lý ảnh dò thước


Trang 14/31

CHƯƠNG 2. CƠ SỞ LÝ THUYẾT
2.1 Các vấn đề cơ bản trong xử lý ảnh:
2.1.1 Một số khái niệm cơ bản:
- Ảnh và điểm ảnh: Điểm ảnh được xem như là dấu hiệu hay cường độ sáng tại 1 tọa
độ trong không gian của đối tượng và ảnh được xem như là 1 tập hợp các điểm ảnh .
- Mức xám, màu: Là số các giá trị có thể có của các điểm ảnh của ảnh.
2.1.2 Khử nhiễu:
- Có 2 loại nhiễu cơ bản trong quá trình thu nhận ảnh:


Nhiễu hệ thống: là nhiễu có quy luật có thể khử bằng các phép biến đổi



Nhiễu ngẫu nhiên: vết bẩn khơng rõ ngun nhân, có thể khắc phục bằng các

phép lọc.

Hình 2.1.2 Khử nhiễu

2.1.3 Chỉnh mức xám:
- Nhằm khắc phục tính khơng đồng đều của hệ thống gây ra. Thơng thường có 2
hướng tiếp cận:



Giảm số mức xám: Thực hiện bằng cách nhóm các mức xám gần nhau thành

một bó. Trường hợp chỉ có 2 mức xám thì chính là chuyển về ảnh đen trắng. Ứng
dụng: In ảnh màu ra máy in đen trắng.


Trang 15/31


Tăng số mức xám: Thực hiện nôi suy ra các mức xám trung gian bằng kỹ thuật

nội suy. Kỹ thuật này nhằm tăng cường độ mịn cho ảnh.

Hình 2.1.3 Chỉnh mức xám
2.1.4 Trích chọn đặc điểm:
- Các đặc điểm của đối tượng được trích chọn tùy theo mục đích nhận dạng trong q
trình xử lý ảnh. Có một số đặc điểm của ảnh như sau:


Đặc điểm không gian: Phân bố mức xám, phân bố xác suất, biên độ, điểm

uốn…


Đặc điểm biến đổi: Các đặc điểm loại này được trích chọn bằng việc thực hiện

lọc vùng (zonal filtering). Các bộ vùng được gọi là “mặt nạ đặc điểm” (feature mask)
thường là các khe hẹp với hình dạng khác nhau (chữ nhật, tam giác, cung tròn…)



Đặc điểm biên và đường biên: Đặc trưng cho đường biên của đối tượng và do

vậy rất hữu ích trong cơng việc trích trọn các thuộc tính bất biến được dùng khi nhận
dạng đối tượng. Các đặc điểm này có thể được trích chọn nhờ tốn tử gradient, toán tử
la bàn, toán tử Laplace, toán tử “chéo khơng” (zero crossing)…
Việc trích chọn hiệu quả các đặc điểm giúp cho việc nhận dạng các đối tượng ảnh
chính xác, với tốc độ tính tốn cao và dung lượng nhớ lưu trữ giảm xuống.


Trang 16/31

2.1.5 Nhận dạng:
- Nhận dạng tự động (automatic recognition), mơ tả đối tượng, phân loại và phân
nhóm các mẫu là những vấn đề quan trọng trong thị giác máy tính, được ứng dụng
trong nhiều ngành khoa học khác nhau. Tuy nhiên, một câu hỏi đặt ra là: mẫu (pattern)
là gì? Watanabe, một trong những người đi đầu trong lĩnh vực này đã định nghĩa:
“Ngược lại với hỗn loạn (chaos), mẫu là một thực thể (entity), được xác định một cách
ang áng (vaguely defined) và có thể gán cho nó một tên gọi nào đó”. Ví dụ mẫu có thể
là ảnh của vân tay, ảnh của một vật nào đó được chụp, một chữ viết, khuôn mặt người
hoặc một ký đồ tín hiệu tiếng nói. Khi biết một mẫu nào đó, để nhận dạng hoặc phân
loại mẫu đó có thể:
Hoặc phân loại có mẫu (supervised classification), chẳng hạn phân tích phân biệt
(discriminant analyis), trong đó mẫu đầu vào được định danh như một thành phần của
một lớp đã xác định.
Hoặc phân loại khơng có mẫu (unsupervised classification hay clustering) trong đó các
mẫu được gán vào các lớp khác nhau dựa trên một tiêu chuẩn đồng dạng nào đó. Các
lớp này cho đến thời điểm phân loại vẫn chưa biết hay chưa được định danh.
Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau
đây:
1. Thu nhận dữ liệu và tiền xử lý.

2. Biểu diễn dữ liệu.
3. Nhận dạng, ra quyết định.
Bốn cách tiếp cận khác nhau trong lý thuyết nhận dạng là:
1. Đối sánh mẫu dựa trên các đặc trưng được trích chọn.
2. Phân loại thống kê.
3. Đối sánh cấu trúc.
4. Phân loại dựa trên mạng nơ-ron nhân tạo.
Trong các ứng dụng rõ ràng là khơng thể chỉ dùng có một cách tiếp cận đơn lẻ để phân
loại “tối ưu” do vậy cần sử dụng cùng một lúc nhiều phương pháp và cách tiếp cận
khác nhau. Do vậy, các phương thức phân loại tổ hợp hay được sử dụng khi nhận dạng


Trang 17/31

và nay đã có những kết quả có triển vọng dựa trên thiết kế các hệ thống lai (hybrid
system) bao gồm nhiều mơ hình kết hợp.
Việc giải quyết bài toán nhận dạng trong những ứng dụng mới, nảy sinh trong cuộc
sống không chỉ tạo ra những thách thức về thuật giải, mà còn đặt ra những yêu cầu về
tốc độ tính tốn. Đặc điểm chung của tất cả những ứng dụng đó là những đặc điểm đặc
trưng cần thiết thường là nhiều, không thể do chuyên gia đề xuất, mà phải được trích
chọn dựa trên các thủ tục phân tích dữ liệu.

Hình 2.1.5 Nhận dạng gương mặt

CHƯƠNG 3. THIẾT KẾ VÀ THI CÔNG


Trang 18/31

3.1. Sơ đồ khối của hệ thống


Hình 3.1 Sơ đồ khối của hệ thống
3.1.1 Khối CAMERA:

Chức năng: Sử dụng camera của máy tính để chụp ảnh đưa lên cho NODE RED
xử lý ảnh, điều này sẽ giúp cho hệ thống mang tính ứng dụng thực tế hơn và đỡ tốn chi
phí thiết bị tận dụng tối đa những thứ sẵn có.


Camera máy tính: Tốc độ lấy ảnh theo thời gian thực, cho ảnh có màu sắc tốt và

chân thực, điều này rất tốt cho xử lý ảnh khi tấm ảnh có màu sắc tốt sẽ làm giảm thiểu
nhiễu.


Trang 19/31

Hình 3.1.1.1 Camera máy tính


Trang 20/31


Màn hình giao diện:

Hình 3.1.1.2 Màn hình giao diện camera máy tính


Trang 21/31


3.1.2 Khối NODE RED:


Chức năng: là môi trường để lập trình ra hệ thống.



Phần mềm Node-RED: được dựa trên Node.js, nó có thể được xem như một

web server mà bạn có thể cấu hình tùy chỉnh các chức năng gọi là “flow” từ bất kỳ
trình duyệt nào trên máy tính. Mỗi ứng dụng Node-RED bao gồm các node có thể liên
kết được với nhau với các dạng là input, output và operation.

Hình 3.1.2.1 NODE RED



Màn hình giao diện chính của NODE RED:


Trang 22/31

Hình 3.1.2.2 Màn hình giao diện chính của NODE RED
3.1.3. Khối PHƯƠNG PHÁP NHẬN DẠNG ĐỐI TƯỢNG:


Chức năng: là nhận dạng và định vị vị trí của đối tượng và đối tượng cụ thể ở

đây là cây thước.



Phương pháp nhận dạng đối tượng: Nhận dạng đối tượng là một cơng nghệ máy

tính liên quan đến thị giác máy tính và xử lý hình ảnh nhằm phát hiện các trường hợp
đối tượng ngữ nghĩa của một lớp nhất định (chẳng hạn như con người, tịa nhà hoặc ơ
tơ) trong hình ảnh và video kỹ thuật số.


Trang 23/31


Ảnh sau khi nhận dạng đối tượng:

Hình 3.1.3 Ảnh sau khi nhận dạng đối tượng


Trang 24/31

CHƯƠNG 4. GIẢI THUẬT VÀ ĐIỀU KHIỂN
4.1. Hoạt động của hệ thống


Trang 25/31

4.2. Lưu đồ giải thuật

Hình 4.2 Lưu đồ giải thuật



×