Tải bản đầy đủ (.docx) (45 trang)

ỨNG DỤNG xử lý ẢNH PHÂN LOẠI CHẤT LƯỢNG cà CHUA , có CODE

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (1.5 MB, 45 trang )

1

ỨNG DỤNG XỬ LÝ ẢNH PHÂN LOẠI
CHẤT LƯỢNG CÀ CHUA
CÓ CODE.


2

TÓM TẮT
Đề tài “Ứng dụng xử lý ảnh phân loại chất lượng cà chua” là thiết kế phần mềm phân loại
cà chua theo màu sắc (đỏ, cam – vàng, xanh). Dựa trên ngơn ngữ lập trình Python và thư
viện chính là Opencv để phân tích hình ảnh quả cà chua thực tế được chụp lại, dựa vào
các đặc điểm riêng biệt của từng màu sắc, giá trị pixel của từng điểm ảnh và các giá trị lấy
được trên các không gian màu cụ thể để nhận dạng và phân loại quả cà chua cịn sống hay
đã chín, biết được tỉ lệ phần trăm độ chín ở từng quả và ước lượng số ngày còn lại để bắt
đầu thu hoạch. Từ đó, giúp cho việc sản xuất, phân loại cà chua chất lượng, độ dinh
dưỡng cao, tăng năng suất lao động và tăng lợi nhuận.


3

MỤC LỤC


4

DANH MỤC VIẾT TẮT
Python

Ngơn ngữ lập trình Python



OpenCV

Open Source Computer Vision Library


5

MỤC LỤC ẢNH

CHƯƠNG 1. TỔNG QUAN ĐỀ TÀI
1.1 Giới thiệu
-

Hiện nay, tự động hóa ngày càng phát triển ở hầu hết các ngành nghề và đời
sống sinh hoạt, cụ thể ở các ngành cơng - nơng nghiệp. Vì thế, ở các cơng ty, xí
nghiệp đã ứng dụng chúng vào trong sản xuất ngày một nhiều giúp cho việc
quản lý dây chuyền và sản phẩm của toàn bộ hệ thống một cách hợp lý và tiết
kiệm được nhiều thời gian cũng như quản lý dễ dàng. Để đáp ứng yêu cầu đó
đó, em đã tiến hành nghiên cứu tài liệu, vận dụng kiến thức đã học để thực hiện
đề tài “hệ thống phân loại chất lượng cà chua”.

-

Những lợi ích mà hệ thống phân loại sản phẩm này đem lại cho chúng ta rất
lớn, cụ thể:
● Giảm sức lao động, tránh được sự nhàm chán trong công việc, cải thiện
được điều kiện làm việc, giúp cho con người tiếp cận với sự tiến bộ của
khoa học kỹ thuật.
● Nâng cao sức lao động, thay đổi mẫu mã một cách nhanh chóng.

● Giúp cho việc quản lý giám sát trở nên đơn giản hơn.

1.2 Mục đích nghiên cứu


6

-

Khi tiến hành nghiên cứu về đề tài, em muốn vận dụng những kiến thức đã học
cũng như những sản phẩm tiến bộ của công nghệ khoa học tiên tiến nhằm áp
dụng vào ngành nông nghiệp để nâng cao chất lượng sản phẩm cũng như giảm
thiểu số lượng công nhân đến mức tối đa.

-

Khi tiến hành thực hiện đề tài, nó cũng sẽ giúp em tiếp thu hơn nhiều kiến thức
mới cũng như củng cố lại những gì đã được học và nghiên cứu tại trường.


7

1.3 Đối tượng nghiên cứu
-

Đối tượng nghiên cứu ở đề tài này, em tập chung vào:
● Ngơn ngữ lập trình Python.
● Thư viện OpenCV.

1.4 Phạm vi nghiên cứu

-

Phạm vi nghiên cứu của đồ án lần này chủ yếu tập trung vào xử lý ảnh trên
ngơn ngữ lập trình.

1.5 Dự kiến kết quả
-

Hệ thống hoạt động tốt và ổn định.

-

Sử dụng cơ bản được ngơn ngữ lập trình Python và thư viện hỗ trợ OpenCV.

-

Dựa vào lập trình để phân loại được màu sắc, chất lượng, tỉ lệ chín và tính được
ngày thu hoạch của cà chua.


8

CHƯƠNG 2. CƠ SỞ LÝ THUYẾT
2.1 Xử lý ảnh
2.1.1
-

Tổng quan về xử lý ảnh
Xử lý ảnh là một lĩnh vực mang tính khoa học và cơng nghệ, nó là một ngành
khoa học mới mẻ nhưng có tốc độ phát triển của nó rất nhanh.


-

Xử lý ảnh là kỹ thuật áp dụng việc tăng cường xử lý các ảnh thu nhận qua các
thiết bị thu nhận hình ảnh như: camera, webcam… Do đó, xử lý ảnh đã được
ứng dụng và phát triển trong rất nhiều lĩnh vực quan trọng như: Quân sự, giao
tiếp với người máy, an ninh bảo mật, giải trí, y tế, cơng – nơng nghiệp…

-

Q trình xử lý nhận dạng ảnh là một quá trình thao tác nhằm biến đổi một bức
ảnh đầu vào sau đó xuất ra một bức ảnh có kết quả như mong đợi. Thơng
thường, xử lý ảnh gồm 3 bước:

Hình 2. 1 Quá trình xử lý ảnh
-

Các ứng dụng phổ biến của xử lý ảnh là:
● Nâng cao chất lượng và phân tích ảnh: vấn đề nâng cao chất lượng ảnh
có liên quan đến phân bố mức sáng và độ phân giải của ảnh.
● Áp dụng các phương pháp tri thức nhân tạo như: mạng nơ - ron nhân
tạo, các thuật toán xử lý hiện đại và cải tiến, các công cụ nén ảnh ngày
càng được áp dụng phổ biến, rộng rãi và thu được nhiều kết quả tốt.


9

2.1.2
-


Các bước cơ bản trong xử lý ảnh
Đầu tiên, ảnh tự nhiên từ thế giới bên ngoài được thu nhận qua các thiết bị thu
(Camera, máy chụp ảnh…), sau đó nó được chuyển trực tiếp thành ảnh số tạo
thuận lợi cho xử lý tiếp theo. Các bước cơ bản trong xử lý ảnh.

Hình 2. 2 Các bước cơ bản trong xử lý ảnh
2.1.2.1

Thu nhận ảnh

-

Ảnh có thể nhận qua camera màu hoặc trắng đen.

-

Thông thường ảnh nhận qua camera là ảnh tương tự hoặc cũng có loại camera
đã số hóa là loại photodiot tạo cường độ sáng tại mỗi điểm ảnh.

-

Camera thường dùng là loại quét dòng, ảnh tạo ra có dạng hai chiều. Chất
lượng ảnh thu được phụ thuộc vào thiết bị thu và môi trường (ánh sáng, phong
cảnh…).

2.1.2.2
-

Tiền xử lý ảnh
Sau khi qua giai đoạn thu nhận ảnh, ảnh có thể sẽ bị nhiễu, độ tương phản thấp

vì thế cần đưa vào bộ tiền xử lý để nâng cao chất lượng của ảnh.

-

Chức năng của giai đoạn này là: lọc nhiễu, nâng cao chất lượng của ảnh � ảnh
rõ ràng và sắc nét hơn.


10

2.1.2.3
-

Phân đoạn ảnh
Phân vùng ảnh là tách một ảnh đầu vào thành các vùng thành phần (có cùng
tính chất nào đó dựa vào biên hay các vùng liên thơng) để biểu diễn phân tích,
nhận dạng ảnh. Tiêu chuẩn xác định các vùng liên thơng có thể: cùng mức xám,
cùng màu, cùng độ nhóm. Ví dụ: để nhận dạng khn mặt người cần phải phân
đoạn vùng ảnh để nhận ra các vùng liên quan trong khuôn mặt người và các
vùng khác như mắt mũi miệng tóc…

Hình 2. 3 Phân vùng ảnh nhận diện khuôn mặt người
-

Giai đoạn này dùng để tách một ảnh đầu vào thành các vùng thành phần để biểu
diễn phân tích và nhận dạng ảnh. Đây là phần phức tạp, khó khăn nhất trong xử
lý ảnh và cũng là cơng đoạn dễ lỗi, làm mất độ chính xác của ảnh. Kết quả nhận
dạng ảnh phụ thuộc rất nhiều vào công đoạn này.

2.1.2.4

-

Biểu diễn ảnh
Giai đoạn này là phần sau phân đoạn ảnh, nó chứa các điểm ảnh của vùng ảnh
(ảnh sau khi phân đoạn) cùng với mã liên kết ở các vùng lân cận. Do xử lý tiếp
theo bằng máy tính thì việc biến đổi các số liệu này thành dạng thích hợp là
điều rất cần thiết. Việc chọn các tính chất để thể hiện ảnh gọi là trích đoạn đặc
trưng (Feature Extraction) gắn với việc tách các đặc tính của ảnh dưới dạng


11

thông tin định lượng hoặc làm cơ sở để phân biệt lớp đối tượng khác trong
phạm vi ảnh nhận được.
2.1.2.5
-

Nhận dạng và nội suy ảnh
Nhận dạng ảnh là quá trình xác định ảnh, sau quá trình này thường thu được
bằng cách so sánh với mẫu chuẩn đã được lưu từ trước.

-

Nội suy là phán đoán theo ý nghĩa dựa trên cơ sở nhận dạng ảnh. Ví dụ: một
hàng chữ số và nét gạch ngang trên bì thư có thể nội suy thành mã điện thoại.

-

Có nhiều cách phân loại ảnh khác nhau. Trên lý thuyết nhận dạng, các mơ hình
tốn học về ảnh được phân theo hai loại:

● Nhận dạng theo tham số.
● Nhận dạng theo cấu trúc.

-

Một vài đối tượng nhận dạng khá phổ biến hiện nay là: nhận dạng ký tự (chữ
viết tay, chữ in…), nhận dạng vân tay, nhận dạng khuôn mặt, nhận dạng mã
vạch…

2.1.2.6
-

Cơ sở tri thức
Ảnh là một đối tượng khá phức tạp về độ sáng tối, độ sắt nét (dung lượng điểm
ảnh), đường nét, môi trường… dẫn đến ảnh dễ bị nhiễu.

-

Ở nhiều khâu xử lý và phân tích ảnh bên cạnh việc đơn giản hóa các phương
pháp tốn học đảm bảo tiện lợi cho các khâu xử lý, thì việc mong muốn bắt
chước quy trình tiếp nhận và xử lý ảnh theo cách con người là cách để cải tiến
hơn. Trong nhiều giai đoạn xử lý trên, thì hiện nay đã xử lý theo các phương
pháp trí tuệ con người. Vì vậy, cơ sở trí thức ngày càng được phát huy.

2.2 Một số vấn đề cơ bản trong xử lý ảnh
Ảnh sau khi được số hóa sẽ được lưu vào bộ nhớ hoặc truyền đến các khâu tiếp
theo để phân tích. Việc lưu trữ ảnh trực tiếp từ ảnh ban đầu, thì dung lượng bộ


12


nhớ rất lớn và sẽ không hiệu quả. Thông thường, các ảnh được gọi là các đặc
trưng ảnh như: biên ảnh, vùng ảnh…
2.2.1
-

Ảnh số
Ảnh số là tập hợp hữu hạn các điểm ảnh với mức xám phù hợp dùng để mô tả
ảnh gần với ảnh thật.

-

Số điểm ảnh xác định độ phân giải của ảnh. Ảnh có độ phân giải càng cao thì
ảnh được thể hiện càng rõ nét các đặc điểm của tấm ảnh và làm cho tấm ảnh trở
nên chân thực và sắc nét hơn.

-

Một ảnh là một tín hiệu hai chiều, nó được xác nó được xác định bởi hàm toán
học f(x, y). Các giá trị của f(x, y) tại bất kỳ điểm nào là cung cấp các giá trị
điểm ảnh tại điểm đó của bức ảnh. Với x, y là tọa độ điểm ảnh trong không gian
ảnh và độ lớn của hàm f(x, y) hay còn gọi là độ sáng (intensity) và độ xám
(gray level) của ảnh tại điểm đó.

2.2.2
-

Phân loại ảnh
Mức xám của điểm ảnh là cường độ sáng, gán bằng một giá trị tại điểm đó. Các
mức ảnh xám thơng thường: 16, 32, 64, 128, 256 (mức 256 được sử dụng thông

dụng nhất, tức là dùng 1 byte để biểu diễn mức xám). Trong đó, có ba loại ảnh
là ảnh nhị phân, ảnh đen trắng (ảnh xám) và ảnh màu.

2.2.2.1
-

Ảnh nhị phân

Ảnh nhị phân là ảnh có 2 mức trắng và đen, chỉ có hai giá trị 0 và 1. Và chỉ sử
dụng 1 bit dữ liệu trên một điểm ảnh. Nó cũng được tạo ra bằng cách biến đổi
ảnh xám dựa vào một ngưỡng xác định.

-

Biểu diễn ảnh nhị phân sang giá trị pixcel khi cắt một vùng ảnh trong ảnh


13

Hình 2. 4 Biểu diễn giá trị của một vùng ảnh trong ảnh nhị phân
2.2.2.2
-

Ảnh trắng đen

Ảnh trắng đen (ảnh xám) là ảnh có hai màu đen và trắng (khơng chứa màu
khác) với mức xám ở các điểm ảnh có thể khác nhau và có độ sâu hơn ảnh nhị
phân.

-


Ảnh 8 mức xám mỗi điểm ảnh sẽ có giá trị nằm trong đoạn [0-7], ảnh 256 mức
xám mỗi điểm ảnh sẽ có giá trị nằm trong đoạn [0-255].

-

Giá trị của điểm ảnh bằng 0 đại diện cho điểm ảnh tối (đen), giá trị điểm ảnh
lớn nhất đại diện cho điểm ảnh sáng (trắng).

Hình 2. 5 Biểu diễn giá trị của một vùng ảnh trong ảnh xám


14

-

Ví dụ: ảnh xám cũng có kích thước 800 pixel * 600 pixel, có thể biểu diễn dưới
dạng một ma trận kích thước 600 * 800. Tuy nhiên mỗi pixel trong ảnh xám
chỉ cần biểu diễn bằng một giá trị nguyên trong khoảng từ [0,255] thay vì
(r,g,b) như trong ảnh màu. Do đó khi biểu diễn ảnh xám trong máy tính chỉ
cần một ma trận là đủ. (Giá trị 0 là màu đen, 255 là màu trắng và giá trị pixel
càng gần 0 thì càng tối và càng gần 255 thì càng sáng.)

-

Độ sáng được tính theo cơng thức: (chuyển đổi từ hệ màu RGB)
S = 0.2989R + 0.5870G + 0.1140B
(Ảnh hưởng của màu đến mức xám giảm dần từ G, R đến B)
Hoặc:
S = 0.333R + 0.333G + 0.333B

(Coi ảnh hưởng của R, G, B là như nhau)

2.2.2.3
-

Ảnh màu

Ảnh màu là ảnh kết hợp của 3 màu cơ bản lại với nhau để tạo ra một thế giới
màu sinh động. Người ta dùng 3 bytes để mô tả mức màu, cụ thể:
● Các điểm ảnh được tạo thành từ sự tổ hợp 3 màu chính R (red), G
(green), B (blue) tạo thành một ma trận. Cùng một giá trị có thể hiển thị
khác nhau trên các thiết bị khác nhau. mỗi kênh màu được mã hóa bằng
1 byte (8 bit) có giá trị nằm trong đoạn [0-255] mã hóa được 255 * 255 *
255 = 16,581,375 màu hay gọi là 16 triệu màu.


15

● Màu RGBA: với việc xuất hiện nhu cầu ghép ảnh, việc thêm vào 8 bit
dư cho độ trong suốt tạo thành màu 32 bit với một kênh mới là Alpha,
biểu diễn độ trong suốt của điểm ảnh.

Hình 2. 6 Biểu diễn giá trị của một vùng ảnh bằng 3 kênh màu RGB trong ảnh màu
-

Ví dụ: bức ảnh kích thước 800 pixel * 600 pixel, có thể biểu diễn dưới dạng
một ma trận kích thước 600 * 800 (vì định nghĩa ma trận là số hàng nhân số
cột).

trong đó mỗi phần tử wij là một pixel.

Mỗi pixel thì biểu diễn một màu và bức ảnh trên là sự kết hợp rất nhiều
pixel. Hiểu đơn giản thì in bức ảnh ra, kẻ ô vuông như chơi cờ ca rô với
800 đường thẳng ở chiều dài, 600 đường ở chiều rộng, thì mỗi ơ vng là
một pixel, biểu diễn một chấm màu.


16

-

Tóm lại: Ảnh màu là một ma trận các pixel mà mỗi pixel biểu diễn một điểm
màu. Mỗi điểm màu được biểu diễn bằng bộ 3 số (r,g,b). Để tiện cho việc xử lý
ảnh thì sẽ tách ma trận pixel ra 3 channel red, green, blue.

2.2.3
-

Điểm ảnh
Điểm ảnh là đơn vị cơ bản nhất tạo nên một bức ảnh kỹ thuật số. Địa chỉ của
điểm ảnh được xem như một tọa độ (x, y) nào đó. Có thể tạo nên một bức ảnh
số bằng cách chụp hoặc một số phương pháp đồ họa nào đó.

Hình 2. 7 Biểu diễn ảnh với điểm ảnh
-

Bức ảnh được tạo nên từ hàng ngàn triệu pixel riêng lẻ. Nếu ảnh chứa càng
nhiều pixel càng chi tiết.

-


Số điểm ảnh xác định độ phân giải ảnh tức là mật độ điểm ảnh được ấn định
trên một ảnh số được hiển thị.


17

Hình 2. 8 Biểu diễn ảnh với độ phân giải

2.2.4
-

Quan hệ giữa các điểm ảnh
Có 2 loại lân cận điểm ảnh cơ bản: Lân cận 4 và lân cận 8.

Hình 2. 9 Lân cận 4 và lân cận 8


18

Hình 2. 10 Lân cận các điểm ảnh của p(x, y)
● Lân cận 4 theo hàng – cột: có tọa độ (x+1, y), (x-1, y), (x, y+1), (x, y-1),
ký hiệu tập N4(p).
● Lân cận 4 theo đường chéo: có tọa độ (x+1, y+1), (x+1, y-1),
(x-1, y+1), (x-1, y-1), ký hiệu tập ND(p).
● Lân cận 8 là tập hợp của 2 tập trên: N8(p) = N4(p) + ND(p).
-

Liên kết ảnh: các mối liên kết của ảnh được xem như mối liên kết của 2 điểm
ảnh gần nhau, được sử dụng để xác định giới hạn của đối tượng vật thể hoặc
xác định vùng trong một ảnh. Một liên kết được đặc trưng bởi tính liền kề giữa

các điểm và mức xám của chúng. Có 3 loại liên kết: liên kết 4, liên kết 8, liên
kết hỗn hợp. Ví dụ trong bức ảnh, một ảnh có các giá trị cường độ sáng từ
thang mức xám từ 32 đến 64, ta có thể đặt V là một tập các giá trị mức xám,
V={32, 33, … , 63, 64} là tập hợp giá trị chứa nhiều tập con trong đó và p có
tọa độ (x, y), thì:
● Liên kết 4: p và q là hai điểm ảnh có giá trị thuộc về tập V và q thuộc về
tập N4(p).


19

● Liên kết 8: p và q là hai điểm ảnh có giá trị thuộc về tập V và q thuộc về
tập N8(p).
● Liên kết m (hỗn hợp): p và q là hai điểm ảnh có giá trị thuộc về tập V và
thỏa điều kiện sau: q thuộc về tập N4(p), q thuộc về tập ND(p) và giao
của hai tập N4(p), N4(q) khơng chứa điểm ảnh nào có giá trị thuộc V.

Hình 2. 11 Các loại liên kết điểm ảnh
2.2.5
-

Lọc nhiễu
Thông thường, ảnh sau khi thu nhận được sẽ dễ bị nhiễu, vì thế cần phải loại bỏ
nhiễu. Trong kỹ thuật tăng cường ảnh, các tốn tử khơng gian được phân theo
công dụng: làm trơn nhiễu, nổi biên.

-

Để làm trơn nhiễu hoặc tách nhiễu, thông thường sử dụng các bộ lọc tuyến tính
(lọc trung bình, lọc thơng thấp) hoặc lọc phi tuyến (lọc trung vị, lọc giả trung

vị, lọc đồng hình). Bản chất của nhiễu (thường tương ứng với tần số cao) và cơ
sở lý thuyết lọc, thì bộ lọc chỉ cho tín hiệu ở tần số cao đi qua, để lọc nhiễu
thường thì sẽ dùng lọc thơng thấp (theo quan điểm tần số không gian) hoặc lấy
bộ lọc tuyến tính để san bằng (lọc trung bình).

-

Để làm nổi cạnh (tương ứng với tần số cao), thông thường dùng các bộ lọc
thông cao, lọc Laplace.

-

Phương pháp lọc nhiễu được chia làm 2 loại: lọc tuyến tính và lọc phi tuyến.


20

● Khi làm trơn nhiễu bằng lọc tuyến tính: gồm các phương pháp cơ bản
lọc trung bình, lọc thơng thấp… ví dụ: với lọc trung bình thì mỗi điểm
ảnh sẽ được thay thế bằng trung bình trọng số của các điểm lân cận.
● Khi làm trơn nhiễu bằng lọc phi tuyến: trong kỹ thuật tăng cường chất
lượng ảnh thì các bộ lọc phi tuyến cũng hay được dùng rất nhiều. Gồm
có các phương pháp lọc cơ bản: bộ lọc trung vị, lọc ngồi… Ví dụ với
lọc trung vị thì điểm ảnh ban đầu sẽ được thay thế bởi trung vị các điểm
ảnh, với lọc giả trung vị điểm ảnh ban đầu sẽ được thay thế bằng cách
dùng trung bình cộng của hai giá trị trung vị (trung bình cộng của min và
max).
● Lọc trung vị: với phương pháp này các điểm ảnh trong cửa sổ có giá trị
được sắp xếp thứ tự tăng hoặc giảm dần so với giá trị trung vị. Kích
thước cửa sổ thường được chọn sao cho số điểm ảnh trong cửa sổ là số

lẻ.
● Cịn có một vài phương pháp lọc khác: lọc ngoài…
2.2.6
-

Phương pháp phát hiện biên
Biên là một trong những vấn đề cần được quan tâm. Vì trong giai đoạn phân
đoạn ảnh chủ yếu dựa vào biên.

Hình 2. 12 Hình tách biên


21

-

Điểm biên: là một điểm ảnh, khi điểm ảnh được xem là một điểm biên nếu có
sự thay đổi nhanh hoặc đột ngột về mức xám (hoặc màu).

-

Đường biên (đường bao của ảnh – boundary) của đối tượng: được tạo bởi một
tập các điểm biên liên tiếp.

-

Mỗi một biên là một thuộc tính gắn liền với một điểm riêng biệt và được tính
tốn từ những điểm lân cận nó. Đó là một biến vec-tơ bao gồm 2 thành phần:
● Độ lớn của Gradient.
● Hướng của biên với góc ϕ, lệch so với hướng của Gradient ψmột góc -90

độ.

-

Mơ hình biểu diễn đường biên: theo tốn học, điểm ảnh có sự biến đổi mức
xám u(x) một cách đột ngột theo hình bên dưới.

Hình 2. 13 Đường bao của ảnh
2.2.7
-

Phân đoạn ảnh
Phân đoạn ảnh là bước then chốt trong xử lý ảnh. Trong giai đoạn này nhằm
phân tích ảnh thành các vùng có cùng tính chất nào đó dựa theo biên hay vùng
liên thông.

-

Tiêu chuẩn để xác định vùng liên thông: thường là cùng mức xám, cùng màu
hay cùng độ nhóm.


22

2.2.7
-

Ngưỡng ảnh
Ngưỡng ảnh (thresholding), hay nói đơn giản, trong opencv, là một giá trị nằm
trong đoạn giá trị từ 0 đến 255. Giá trị ngưỡng sẽ chia tách giá trị độ xám của

một bức ảnh thành hai miền riêng biệt.

-

Đầu vào của một thuật toán phân ngưỡng trong opencv thường là ảnh nguồn và
giá trị ngưỡng. Ở đầu ra là ảnh đích đã được phân ngưỡng.

2.2.8
-

Các phép tốn hình thái Morphology
Khái niệm Morphology trong xử lý ảnh số khởi nguồn từ một ngành của sinh
học, nghiên cứu về hình thể và cấu trúc động thực vật.

-

Là một công cụ giúp rút trích các thành phần trong ảnh nhị phân, biểu diễn và
mô tả chúng dưới dạng các vùng hoặc dạng như đường biên, xương và bao lồi.
Kỹ thuật này cũng được áp dụng trên ảnh xám cho các công đoạn tiền/ hậu xử
lý ảnh (pre or post processing)

-

Phép giãn (Dilation): Phép tốn Dilation là thao tác giãn nở (phình to) các đối
tượng ảnh đơn sắc. Phép giãn có thể nói là thêm điểm ảnh vào trong đối tượng
ảnh, làm cho đối tượng ảnh trở nên lớn hơn.

Hình 2. 14 Phép giãn



23

-

Phép co (Erosion): Phép tốn Erosion là thao tác xói mòn (co hẹp) các đối
tượng ảnh đơn sắc. Phép co sẽ làm cho đối tượng ảnh trở nên nhỏ hơn, ít điểm
ảnh.

Hình 2. 15 Phép co
2.2.9
-

Các phần mềm hỗ trợ xử lý ảnh
Hiện nay, xử lý ảnh ngày càng được ứng dụng nhiều vào thực tế như phần mềm
chỉnh sửa hình ảnh hay nhận diện màu sắc của vật thể hay khn mặt người.
Chính vì vậy, có rất nhiều cơng cụ để có thể dễ dàng lập trình ứng dụng vào
thực tế như: Matlab, Python…

2.3 Phương pháp phân loại cà chua theo màu sắc
2.3.1
-

Các màu sắc cơ bản có trong quả cà chua
Cụ thể ở đề tài lần này, màu sắc dựa vào màu sắc của quả cà chua. Ở đây, theo
cách nhìn từ thực tế thì quả cà chua gồm có 3 nhóm màu chín: xanh, cam –
vàng và đỏ.

-

Màu sắc của cà chua trong quá trình sinh trưởng trong nhiệt độ từ 25 - 27°C

được quan sát từ thực tiễn:


24

Hình 2. 16 Bảng màu cà chua ở các thời điểm khác nhau trong q trình sinh trưởng
2.3.2

Khơng gian màu được sử dụng nhận diện màu sắc cà chua

2.3.2.1

Các không gian màu trong xử lý ảnh

-

Một bức ảnh có thể biểu diễn bằng các không gian màu khác nhau và có rất
nhiều khơng gian màu được sử dụng vào những mục đích khác nhau.


25

-

Khơng gian màu là một mơ hình tốn học để mô tả các màu sắc trong thực tế và
được biểu diễn dưới dạng số học.

-

Trong đồ án lần này, qua sự tìm hiểu của mình để xử lý một bức ảnh về quả cà

chua thì chủ yếu dựa vào khơng gian màu RGB, HSV và CMYK.
● Không gian màu RGB: là không gian màu rất phổ biến được sử dụng
nhiều trong thiết bị kỹ thuật số. Là sự kết hợp của 3 màu sắc cơ bản:
màu đỏ (R, Red), xanh lục (G, Green), xanh da trời (B, Blue) phối lại để
biểu diễn tất cả các màu sắc khác.

Hình 2. 17 Không gian màu RGB
● Không gian màu CMYK: được sử dụng phổ biến trong ngành công
nghiệp in ấn và là sự kết hợp 4 màu sắc cơ bản lại để hỗ trợ cho việc pha
trộn mực in. Thực tế, là sự kết hợp 3 màu: xanh da trời (C, Cyan), hồng
xẫm (M, Magenta), vàng (Y, Yellow). Sự kết hợp của 3 màu trên cho ra
màu đen (K, Black) (màu đen ở đây khơng phải đen tuyệt đối và có độ
tương phản lớn).


×