(Luận văn thạc sĩ) Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh

LỜI CAM ĐOAN
Tơi cam đoan đây là cơng trình nghiên cứu của tôi.
Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai
công bố trong bất kỳ cơng trình nào khác
Tp. Hồ Chí Minh, ngày … tháng … năm 2017
(Ký tên và ghi rõ họ tên)

Nguyễn Thị Tốt

ii


LỜI CẢM ƠN
Trước tiên, tôi xin gửi lời cảm ơn chân thành đến thầy TS. Nguyễn Văn Thái
đã tận tình hướng dẫn tôi trong suốt thời gian thực hiện đề tài. Mặc dù rất bận rộn
trong công việc nhưng thầy vẫn dành thời gian và nhiệt tình giúp đỡ tơi hoàn thành
đề tài này.
Xin chân thành cảm ơn các thầy, cô trong khoa Điện - Điện tử trường Đại
học Sư phạm Kỹ Thuật TP.HCM đã truyền đạt kiến thức cho tôi trong thời gian học
tập tại trường.
Tôi xin gửi lời cảm ơn tới các anh chị và các bạn học viên lớp cao học điện
tử KDT16A đã giúp đỡ tôi rất nhiều trong suốt thời gian học tập.
Cuối cùng, tôi cũng gửi lời cảm ơn vơ hạn tới gia đình, người thân và bạn bè
luôn bên cạnh động viên tôi trong suốt quá trình học tập và thực hiện luận văn tốt
nghiệp.
Tôi xin chân thành cảm ơn!

iii


TĨM TẮT

Tại Việt Nam, ngành ni trồng thủy sản đã phát triển mạnh và đạt kết quả
cao, hình thành nên phong trào ni trồng rộng rãi trong nhân dân.
Do đó, nhu cầu con giống trên thị trường hiện nay rất lớn. Tuy nhiên, việc
giao dịch mua bán con giống ngày nay vẫn cịn sử dụng phương pháp đếm truyền
thống thơng qua đếm mẫu và ước lượng là chủ yếu. Phương pháp đếm thủ công này
tốn nhiều thời gian và độ chính xác khơng cao. Vì vậy, mục tiêu của đề tài là tìm ra
giải pháp nhận dạng và đếm con giống chính xác và nhanh chóng hơn, có thể bỏ qua
các tạp chất trong quá trình đếm.
Luận văn được thực hiện dựa trên cơng nghệ xử lý hình ảnh và mạng neural
để nhận dạng và đếm con giống, thông qua phần mềm MATLAB để thực hiện hai
quá trình: nhận dạng và đếm đối tượng con giống.
Đầu tiên, ảnh cá cần nhận dạng được đưa vào phần mềm sẽ trải qua các bước
tiền xử lý ảnh như: chuyển sang ảnh xám, lọc nhiễu, tăng độ tương phản, chuyển
sang ảnh nhị phân, sau đó trích ra các đặc trưng về hình dạng của cá giống, tiếp theo
đưa dữ liệu về hình dạng của cá giống vừa thu được vào mạng thần kinh nhân tạo đã
được huấn luyện để nhận dạng cá giống.
Sau khi được nhận dạng, hệ thống sẽ đưa ra quyết định loại bỏ ảnh không
phải cá giống (ảnh tạp) và chỉ giữ lại ảnh cá giống. Đồng thời phần mềm cũng thống
kê số lượng cá giống có trong ảnh ban đầu. Kết quả giải pháp này có hiệu quả trong
trường hợp các đối tượng cá bơi riêng lẻ. Trường hợp cá bơi chồng lên nhau kết quả
đếm khơng chính xác.

iv


ABSTRACT
In Vietnam, the aquaculture has grown significantly and achieved high
results, formed the aquaculture movement among the people widely.
Therefore, fish demand in the market is very large. However, the purchase
and sale of fish seed today still use traditional methods of counting through

counting and estimating sample is crucial. This method takes a long time and the
accuracy is not high. Therefore, the objective of this research to find a way that
count more accurately and faster, able to ignore the impurities in the counting
process
This thesis was based on image processing technology and neural network to
identify and count baby fishs. By using MATLAB software to perform two
processes: identification and counting of seedling varieties.
Firstly, the image needed to be identified in the software will pre-processing
steps such as graying, noise filtering, contrast enhancement, conversion to binary
image, then extracting the characteristics shape of the fish, followed by the data on
the shape of the fish collected on the artificial neural network were trained to
identify fishs.
After identified, the system will make a decision to remove the non-fish
image and only retain the fish image. At the same time the software also records the
number of fish in the original image. Experimental results show that it is effective in
the case of individual fish swimming objects. The counted results are not correctly
when fish swim overlap.

v


MỤC LỤC
LÝ LỊCH KHOA HỌC ....................................................................................................................... i
LỜI CAM ĐOAN .............................................................................................................................. ii
LỜI CẢM ƠN ................................................................................................................................... iii
TÓM TẮT ......................................................................................................................................... iv
ABSTRACT ........................................................................................................................................v
MỤC LỤC......................................................................................................................................... vi
DANH SÁCH CÁC CHỮ VIẾT TẮT ............................................................................................ viii
DANH SÁCH CÁC HÌNH ............................................................................................................... ix

Chương 1: TỔNG QUAN ...................................................................................................................1
1.1 Lý do chọn đề tài ...................................................................................................................... 1
1.2 Lịch sử giải quyết vấn đề ........................................................................................................ 1
1.2.1 Ngoài nước ....................................................................................................................... 1
1.2.2 Trong nước ........................................................................................................................ 5
1.3 Mục tiêu của đề tài .................................................................................................................. 6
1.4 Nhiệm vụ và giới hạn của đề tài.............................................................................................. 7
1.5 Ý nghĩa khoa học và thực tiễn của đề tài ................................................................................ 7
1.6 Phương pháp nghiên cứu........................................................................................................ 8
Chương 2: LÝ THUYẾT XỬ LÝ ẢNH .............................................................................................9
2.1. Tổng quan về xử lý ảnh ........................................................................................................... 9
2.2. Quá trình xử lý ảnh ................................................................................................................. 9
2.3. Nội dung lý thuyết xử lý ảnh dùng trong đề tài .................................................................... 13
2.3.1. Chuyển ảnh màu RGB sang ảnh mức xám Gray............................................................ 13
2.3.2. Lọc nhiễu cho ảnh .......................................................................................................... 13
2.3.3. Tăng độ tương phản của ảnh .......................................................................................... 18
2.3.4. Phân đoạn ảnh (phân vùng ảnh) ..................................................................................... 20
2.3.5. Trích đặc trưng của đối tượng ........................................................................................ 23
2.3.6. Nhận dạng ảnh................................................................................................................ 27
Chương 3: LÝ THUYẾT MẠNG THẦN KINH NHÂN TẠO ........................................................28
3.1. Mơ hình nơ-ron nhân tạo....................................................................................................... 28
3.2. Mơ hình mạng nơ-ron nhân tạo ............................................................................................. 28
3.3. Phân loại mạng nơ-ron .......................................................................................................... 29

vi


3.4. Các phương pháp huấn luyện mạng thần kinh nhân tạo ....................................................... 29
3.5. Một số mơ hình mạng nơ-ron ứng dụng để nhận dạng ảnh................................................... 31
3.5.1. Mạng Perceptron (mạng truyền thẳng 1 lớp) ................................................................. 31

3.5.2. Mạng truyền thẳng nhiều lớp ......................................................................................... 33
Chương 4: NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU ..................................................................36
4.1 Thiết kế chậu chứa cá............................................................................................................. 36
4.2. Tạo dữ liệu ảnh cá và ảnh tạp dùng để huấn luyện mạng nơ-ron .......................................... 37
4.3. Quá trình xử lý ảnh ............................................................................................................... 39
4.4. Q trình trích đặc trưng của ảnh .......................................................................................... 41
4.5. Q trình thiết kế và huấn luyện mạng nơ-ron ...................................................................... 42
4.6. Quá trình nhận dạng và đếm số lượng cá .............................................................................. 47
4.7 Một số kết quả chạy chương trình phần mềm nhận dạng và đếm cá thu được: .................... 50
Chương 5: KẾT LUẬN VÀ KIẾN NGHỊ.........................................................................................56
5.1. Kết luận ................................................................................................................................. 56
5.2. Kiến nghị ............................................................................................................................... 56
TÀI LIỆU THAM KHẢO.................................................................................................................57
PHỤ LỤC..........................................................................................................................................59

vii


DANH SÁCH CÁC CHỮ VIẾT TẮT
ANN - Artificial Neural network
MSE - Mean Square Error

viii


DANH SÁCH CÁC HÌNH
Hình

Trang

Hình 1.1: Máy đếm quang học có hệ thống camera ........................................... 1
Hình 1.2: Máy đếm tơm, cá giống ...................................................................... 2
Hình 1.3. Máy đếm con giống XperCount2 ....................................................... 3
Hình 1.4: Máy đếm tơm giống có năng suất 6000 con/giờ ................................ 6
Hình 1.5: Mơ hình thiết bị đếm tơm ................................................................... 6
Hình 2.1: Các bước của quá trình xử lý ảnh ..................................................... 10
Hình 2.2: Các bước tiền xử lý ảnh .................................................................... 11
Hình 2.3: Các bước của khâu trích đặc trưng ảnh ............................................ 12
Hình 2.4: Cửa sổ lọc ngồi ............................................................................... 18
Hình 2.5: Biễu diễn hình dạng theo đường bao và theo vùng .......................... 24
Hình 3.1: Mơ hình nơ-ron nhân tạo .................................................................. 28
Hình 3.2: Mơ tả cách học có giám sát .............................................................. 30
Hình 3.3: Mơ tả cách học củng cố .................................................................... 31
Hình 3.4: Mơ tả cách học khơng giám sát ........................................................ 31
Hình 3.5: Mơ hình mạng Perceptron 1 lớp ....................................................... 32
Hình 3.6: Mạng truyền thẳng nhiều lớp ........................................................... 34
Hình 4.1 Chậu chứa cá giống ............................................................................ 36
Hình 4.2: Một số hình ảnh cá ........................................................................... 38
Hình 4.3: Một số hình ảnh tạp .......................................................................... 38
Hình 4.4: Giao diện đồ họa chương trình nhận dạng và đếm cá ...................... 39
Hình 4.5: Ảnh gốc ............................................................................................ 41
Hình 4.6: Ảnh xám ........................................................................................... 41
Hình 4.7: Ảnh đảo pixel .................................................................................... 41
Hình 4.8: Ảnh lọc nhiễu .................................................................................... 41
Hình 4.9: Ảnh tăng độ tương phản .................................................................... 41

ix


Hình 4.10: Ảnh nhị phân đen trắng ................................................................... 41

Hình 4.11: Trọng tâm của ảnh cá ..................................................................... 42
Hình 4.12: Điểm xuất phát của ảnh .................................................................. 42
Hình 4.13: Trích đặc trưng ảnh cá..................................................................... 42
Hình 4.14: Sơ đồ quá trình huấn luyện mạng nơ-ron ....................................... 44
Hình 4.15: Lưu đồ giải thuật quá trình thiết kế và huấn luyện mạng nơ-ron.... 45
Hình 4.16: Sơ đồ huấn luyện mạng nơ-ron ban đầu ......................................... 46
Hình 4.17: Sơ đồ q trình kiểm tra độ chính xác của mạng nơ-ron vừa được
huấn luyện .......................................................................................................... 47
Hình 4.18: Sơ đồ quá trình nhận dạng và đếm cá ............................................. 48
Hình 4.19: Ảnh cá cần nhận dạng ..................................................................... 49
Hình 4.20: Ảnh nhị phân đen trắng ................................................................... 49
Hình 4.21: Gán nhãn các đối tượng trong ảnh ................................................. 49
Hình 4.22: Kết quả và giao diện phần mềm nhận dạng và đếm cá ................... 50

x


Chương 1

TỔNG QUAN
1.1 Lý do chọn đề tài
Việt Nam là đất nước trong bán đảo Trung Ấn, được thiên nhiên phú cho
nhiều điều kiện thuận lợi để phát triển ngành thủy sản. Nghề thủy sản Việt Nam
gồm cả đánh bắt và nuôi trồng đã tồn tại và phát triển từ lâu đời, trải qua nhiều
thăng trầm cho đến nay ngành thủy sản đã phát triển mạnh mẽ, có khả năng cạnh
tranh với nhiều nước đứng đầu về xuất khẩu thủy sản. Nuôi trồng thủy sản đã phát
triển mạnh và đạt kết quả cao, hình thành nên phong trào ni trồng rộng rãi trong
nhân dân.
Vì vậy, nhu cầu con giống trên thị trường hiện nay rất lớn. Tuy nhiên, việc
giao dịch mua bán con giống ngày nay vẫn còn sử dụng phương pháp đếm truyền

thống thông qua đếm mẫu và ước lượng là chủyếu. Phương pháp đếm thủ công này
tốn nhiều thời gian và độ chính xác khơng cao. Ý thức được sự cần thiết của đề tài
nên tác giả đã quyết định chọn đề tài “Giải pháp đếm con giống ứng dụng công
nghệ xử lý ảnh” để nghiên cứu.
1.2 Lịch sử giải quyết vấn đề
1.2.1 Ngồi nước

Hình 1.1. Máy đếm quang học có hệ thống camera

1


Theo nghiên cứu của nhóm tác giả Brinson A.Lingenfelter, Addison
L.Lawrence, Eric Steime, Will Flanery and Kurt Kramer, [1] máy Larvae Counting
System như Hình 1.1, sử dụng phương pháp kết hợp máy quét quang học và phần
mềm liên kết hình ảnh để đếm tôm. Phương pháp này làm giảm căng thẳng cho
tơm và tăng độ chính xác so với các kỹ thuật truyền thống. Thiết bị nặng 4 kg, có
thể đếm tơm với tốc độ trên 1000 cá thể/phút, có độ chính xác 95%. Giá đề xuất
trên thị trường khoảng $30.000.
Thiết bị thứ 2 có tên The XperCount1 như hình 1.2. Thiết bị này do XpertSea
Solutions Inc [2] (một nhà sản xuất hàng đầu các sản phẩm công nghệ tin học phần
cứng và phần mềm của ngành thủy sản) sản xuất. Thiết bị XperCount1 có thể đếm
các động vật thủy sinh như Artemia, vi tảo, ấu trùng tôm cá và tôm cá giống. Máy
đếm sinh vật trong thùng nhựa HDPE có mức nước thấp nhất 500 ml và cao nhất
10 lít nước, cho kết quả trong 5 giây, với độ chính xác khoảng 95%. Thiết bị
XperCount1 trên thị trường có giá khoảng $5000.

Hình 1.2. Máy đếm tơm, cá giống
Năm 2016 XpertSea Solutions Inc, cho ra mắt tại thị trường Việt Nam thiết bị
XpertCount2 với các tính năng báo cáo chất lượng cho trại sản xuất giống.

Thiết bị XperCount2 sử dụng công nghệ quang học an toàn cho tất cả sinh
vật. Thiết bị này có thể đếm nhiều loại sinh vật, giúp người sử dụng đếm hàng
nghìn sinh vật, từ các tế bào vi tảo, ấu trùng đến các hậu ấu trùng chỉ trong vài
phút, độ chính xác > 95%, pin sử dụng từ 8-10 tiếng.

2


Hình 1.3. Máy đếm con giống XperCount2
Các máy đếm tơm giống trên có giá khá cao, cơng nghệ hiện đại và hiện tại
các cơ sở sản xuất mua bán tôm giống trong nước nhập về để sử dụng chưa nhiều.
Việc bảo trì, sử dụng các loại máy trên cũng rất khó khăn.
Các bài báo khoa học nước ngồi liên quan đến đề tài
Theo các tác giả Addthajaroon, S.Kiattisin, W.Chiracharit, K.Chamnongthai
[3] sử dụng thuật toán biến đổi hệ số wavelet nhận dạng tơm giống. Thuật tốn sử
dụng phương pháp biến đổi hệ số wavelet thuận, sử dụng kỹ thuật xử lý hình thái
xác định chiều dọc, ngang và chéo nhau để tìm đặc trưng của chúng (ví dụ như 2
con mắt), sau đó biến đổi wavelet ngược, các con có những đặc trưng sẽ được tìm
thấy. Nhược điểm của phương pháp này là khi đếm những con tơm trùng lên nhau
thì độ chính xác khơng cao. Kết quả đếm được 80,61 % trong trường hợp hai con
trùng nhau.
Hai tác giả W. Khantuwan và N. Khiripet [4] sử dụng thuật toán biểu đồ đồng
dạng màu (Co-occurrence Color Histogram) đếm tôm giống. Tôm giống được chứa
trong chậu kính, hình ảnh được xử lý trước để loại bỏ nhiễu, phân đoạn chia ra hai
lớp những con tôm kết nối và không kết nối với nhau. Đếm bằng giải thuật giới
hạn kích thước diện tích pixel. Bài báo công bố kết quả thực nghiệm phương pháp
này chính xác 97%.

3

Hai thuật toán của hai bài báo khoa học trên chỉ áp dụng với những tơm
giống có kích thước lớn khoảng post 15, các post nhỏ hơn thuật tốn khơng cịn
chính xác. Vì những post nhỏ hình ảnh đầu vào được phân đoạn và xử lý hình thái,
kết quả ảnh đầu ra khơng có những đặc trưng nhất định để nhận dạng.
Theo Y.H.Toh và các cộng sự [5] đã trình bày một giải pháp đơn giản để đếm
cá tự động sử dụng kỹ thuật xử lý ảnh. Đánh dấu các đốm màu tương ứng với vị trí
của cá trong từng khung ảnh. Ảnh sau đó sẽ được lọc nhiễu và nền xung quanh các
đốm màu. Đếm số lượng đốm màu chính là số cá có trong mỗi khung hình. Kết
quả cho thấy đếm đúng số lượng cá với đàn cá có 5, 10, 15 và 50 con. Lỗi sẽ tăng
lên theo số lượng cá. Phương pháp này hiệu quả đối với số lượng cá ít. Bởi vì khi
đó, khoảng cách giữa các cá thể cá cách xa nhau. Khả năng cá bơi riêng lẻ nhiều,
giảm số lượng cá bơi chồng lên nhau. Do đó, xử lý sẽ chính xác hơn.
Các tác giả A. Flores, P. Crisostomo và J. Lopez [6] nghiên cứu về đề tài hệ
thống đếm ấu trùng sò Peruvian sử dụng kỹ thuật xử lý ảnh. Một hệ thống giám sát
tự động để phát hiện ấu trùng sò Peru trong những ảnh kính hiển vi. Các thuật tốn
xử lý hình ảnh và phép thống kê được áp dụng để phát hiện và đếm số ấu trùng
chứa trong một ảnh kính hiển vi cũng như để đo diện tích của một ấu trùng.
Theo L. Li và J. Hong, sử dụng kỹ thuật xử lý ảnh để phân loại cá. Ảnh cá
sau khi chụp được đưa qua các khâu tiền xử lý như: chuyển ảnh xám, ảnh nhị
phân, tăng cường ảnh, tách biên để trích ra 11 thơng số đặc trưng cho 4 loại cá cần
phân loại bằng phần mềm Matlab. Phương pháp này đạt kết quả nhận dạng trung
bình là 96,67%. [7]
Nhìn chung, các bài báo trên tác giả đều ứng dụng kỹ thuật xử lý ảnh trong
việc nhận dạng ra đối tượng. Sau đó, sử dụng các phép toán thống kê để đếm số
lượng đối tượng trong ảnh nên độ chính xác chưa cao. Vì vậy, để đạt được độ
chính xác cao hơn nên kết hợp kỹ thuật xử lý ảnh và mạng nơ-ron để học nhận
dạng và đếm số lượng đối tượng. Chẳng hạn như các tác giả K. Veropoulos, C.
Campbell and G. Learmonth [8] đã sử dụng kỹ thuật xử lý ảnh và mạng nơ-ron để
chuẩn đoán bệnh lao; hai tác giả M. B. A. Miah and M. A. Yousuf [9] đã kết hợp

4


hai kỹ thuật này vào việc phát hiện ung thư phổi; nhóm tác giả P. Neelamegam, S.
Abirami, K. Vishnu Priya and S. R. Valantina [10] đã ứng dụng kỹ thuật xử lý ảnh
và mạng nơ-ron vào việc phân tích chất lượng hạt gạo. Kết quả cho thấy độ chính
xác cao hơn so với phương pháp phân tích bằng kinh nghiệm của con người.
1.2.2 Trong nước
Năm 2014, Huỳnh Hoàng Giang và nhóm cộng sự [11] đã thực hiện đề tài
“Máy đếm tơm giống có năng suất 6000 con/giờ” là nghiên cứu khoa học cấp
trường với mã số TSV2014-07 như hình 1.4. Đề tài đạt được những mục tiêu ban
đầu đặt ra có năng suất trên 6000 con/giờ, có độ chính xác 95%, mơ hình gọn nhẹ.
Bên cạnh đó đề tài cịn hạn chế như năng suất chưa cao, chưa loại bỏ được các tạp
chất (bụi, xác tôm, tôm chết) ảnh hưởng đến khả năng chính xác của máy.
Tháng 8/ 2014,Võ Minh Trí [12] thuộc bộ mơn tự động hóa trường Đại học
Cần Thơ đã thiết kế chế tạo và thử nghiệm thiết bị đếm tôm giống bằng cảm biến
quang. Máy dựa trên phương pháp đếm quang học, cụ thể là dùng cảm biến quang
để đếm tôm. Kết quả nghiên cứu bước đầu cho thấy thiết bị đếm tôm đạt năng suất
6000 con/giờ và độ chính xác khoảng 95%, sai số tối đa trong khoảng ± 5%.
 Các bài báo khoa học trong nước liên quan đến đề tài
Trong Hội nghị toàn quốc lần 3 về điều khiển và tự động hóa - VCCA2015, nhóm tác giả gồm Trương Quốc Bảo, Nguyễn Chánh Nghiệm, Nguyễn
Minh Kha, Huỳnh Hồng Giang, Võ Minh Trí [13] thuộc trường ĐH Cần Thơ đã
phát triển thuật toán xử lý ảnh để phát hiện và đếm tôm giống. Thuật tốn chính
được sử dụng là thuật tốn phân đoạn ảnh dựa trên ngưỡng tối ưu và một số thuật
toán khác như trừ nền, xử lý hình thái ảnh, để hỗ trợ nhận dạng số lượng tôm
giống. Kết quả thực nghiệm bước đầu cho thấy giải thuật đếm có độ chính xác
khoảng 94%, thời gian xử lý khoảng 8 giây.

5

Hình 1.4. Máy đếm tơm giống có năng suất 6000 con/giờ

Hình 1.5. Mơ hình thiết bị đếm tơm
1.3 Mục tiêu của đề tài
Mục tiêu của đề tài là xây dựng giải pháp nhận dạng và đếm con giống ứng
dụng công nghệ xử lý ảnh và mạng nơ-ron. Giải pháp có khả năng loại bỏ các tạp
chất như bụi, lá cây, cành cây khơ,…trong q trình đếm.

6


1.4 Nhiệm vụ và giới hạn của đề tài
Ảnh cá sau khi qua một số khâu tiền xử lý, sẽ đến khâu nhận dạng những con
cá giống và phải loại bỏ được các ảnh tạp chất, đây là một bài toán đặt ra cho đề tài
này. Nhiệm vụ của chương trình phần mềm là thu thập dữ liệu về những con cá
cũng như dữ liệu của tạp chất, dữ liệu thu được sẽ được sử dụng làm dữ liệu mẫu để
đưa vào huấn luyện mạng nơ-ron. Sau đó, những dữ liệu thu được từ các con cá
giống cần xử lý sẽ được thu thập và đưa vào mạng nơ-ron đã được huấn luyện trước
để xử lý, từ đó đưa ra hướng điều khiển thích hợp.
Trong khả năng nghiên cứu của tác giả, đề tài chỉ được giới hạn trong việc tự
chụp trước các hình chụp mẫu về những con cá giống (300 ảnh) và những ảnh tạp
(100 ảnh), đưa vào phần mềm để phân tích ảnh và trích ra các đặc trưng của cá
giống và của ảnh tạp, sau đó đưa vào mạng thần kinh nhân tạo để huấn luyện.
Đồng thời, tác giả cũng chụp nhiều hình ảnh ngẫu nhiên về các con cá giống
và các ảnh tạp, sau đó đưa vào phần mềm để phân tích ảnh, và trích ra các đặc trưng
của ảnh cá, ảnh tạp, tiếp theo đưa những dữ liệu thu nhận được vào mạng thần kinh
nhân tạo đã được huấn luyện để nhận dạng cá giống, sau khi nhận dạng, hệ thống sẽ
đưa ra quyết định loại bỏ ảnh tạp và chỉ giữ lại ảnh cá giống.

1.5 Ý nghĩa khoa học và thực tiễn của đề tài
Những tiến bộ của khoa học kỹ thuật và công nghệ như: những phát minh,
sáng chế, các biện pháp kỹ thuật tiên tiến, các giống mới, các phương pháp cơng
nghệ hiện đại, máy móc thiết bị tiên tiến, … được áp dụng vào thực tiễn sản xuất
nhằm mục đích phục vụ cuộc sống của con người và nâng cao chất lượng cuộc sống
của con người. Máy móc đã được ứng dụng để thay thế con người trong các nhiệm
vụ mang tính chính xác và tốc độ cao. Với những ý tưởng của đề tài nghiên cứu
này, ngồi mục đích là nhận dạng và đếm cá giống thì mục đích cao hơn là giúp cho
việc giao dịch mua bán con giống tại các cơ sở nuôi cá giống ở Việt Nam sẽ nhanh
chóng, chính xác và minh bạch, bên cạnh đó cịn giúp người mua con giống có thể
quản lý mật độ thả nuôi và lượng thức ăn phù hợp.

7


Có thể thấy rằng đề tài có ý nghĩa thực tiễn rất lớn khi được đưa vào trong
thực tiễn mua bán con giống. Bởi lẽ, hiện nay việc giao dịch mua bán con giống
trên thị trường vẫn đang diễn ra theo các phương pháp đếm thủ công truyền thống
thông qua đếm mẫu và ước lượng là chủ yếu. Khó khăn của cách đếm này là khơng
biết được chính xác số con giống bán cho người mua, với số lượng con giống lớn
thì với phương pháp đếm thủ cơng này sẽ mất rất nhiều thời gian nhưng độ chính
xác lại khơng cao. Vì vậy, cần có một giải pháp đếm con giống tốt hơn, độ chính
xác cao, giúp cho việc mua bán được minh bạch.
1.6 Phương pháp nghiên cứu
Đề tài sử dụng dữ liệu đã tự xây dựng được. Việc phân tích và xử lý dữ liệu
được thực hiện dựa trên phần mềm Matlab, phiên bản R2015a.

8

Chương 2
LÝ THUYẾT XỬ LÝ ẢNH
2.1. Tổng quan về xử lý ảnh
Trong các dạng truyền thơng cơ bản: lời nói, văn bản, hình ảnh, âm thanh thì
hình ảnh là dạng truyền thông truyền tải thông tin mạnh mẽ nhất và đóng vai trị khá
quan trọng trong lĩnh vực trao đổi thông tin. Mỗi bức ảnh mang một lượng thông tin
nhất định. Để nhận ra những thông tin ẩn chứa trong ảnh, người ta cần có một q
trình xử lý ảnh. Quá trình xử lý ảnh được xem như là quá trình thao tác ảnh đầu vào
nhằm cho ra kết quả mong muốn. Kết quả đầu ra của quá trình xử lý ảnh có thể là
một ảnh “tốt hơn” hoặc một kết luận.
Những năm trở lại đây với sự phát triển của phần cứng máy tính, kỹ thuật xử
lý ảnh phát triển một cách mạnh mẽ và được ứng dụng rộng rãi trong nhiều lĩnh
vực của đời sống xã hội. Không chỉ dừng lại ở việc xử lý những vết nhòa, tái chế
và phục hồi các ảnh cũ, ngày nay công nghệ xử lý ảnh kết hợp với lĩnh vực trí tuệ
nhân tạo đã mang lại những tiến bộ vượt bậc như: nhận dạng khuôn mặt, nhận
dạng dấu vân tay, nhận dạng đối tượng, nhận dạng và chuẩn đốn bệnh,…..
Có nhiều phương pháp xử lý ảnh khác nhau nhưng ngày nay lĩnh vực xử lý
ảnh số ngày càng phát triển và được sử dụng nhiều do sự tiện lợi của nó. Với ảnh
số, thơng tin trên ảnh có thể được truyền đi nhanh chóng, chính xác và việc xử lý
lại đơn giản hơn nhờ sự giúp đỡ của các máy tính số.
2.2. Quá trình xử lý ảnh
Quá trình xử lý ảnh trong đề tài được tiến hành theo các công đoạn như hình
2.1
- Thu nhận ảnh:
Đây là cơng đoạn đầu tiên mang tính quyết định đối với q trình xử lý ảnh.
Cơng đoạn này có nhiệm vụ tiếp nhận ảnh đầu vào. Việc thu nhận ảnh được thực

9

hiện bằng các thiết bị như máy chụp ảnh, camera,... Kết quả nhận dạng ảnh phụ
thuộc vào chất lượng ảnh thu nhận. Chất lượng ảnh thu nhận phụ thuộc vào thiết bị
thu là chủ yếu, ngồi ra cịn phụ thuộc vào mơi trường (ánh sáng, phong cảnh). Do
đó việc lựa chọn thiết bị thu nhận ảnh rất quan trọng. Để lựa chọn thiết bị thu nhận
ảnh phải căn cứ vào đặc tính đối tượng cần nhận dạng. Ngồi ra, cịn phải căn cứ
vào giá thành của hệ thống và kích cỡ của đối tượng, sẽ quyết định độ phân giải cần
thiết cho camera. Các thông số quan trọng của thiết bị thu nhận ảnh là: độ phân giải,
chất lượng màu, dung lượng bộ nhớ và tốc độ thu nhận ảnh.

Hình 2.1. Các bước của quá trình xử lý ảnh
Những hình ảnh được thu nhận lại bởi các bộ cảm biến hình ảnh thường có
những sai lệch và mất mát thơng tin nhất định. Do đó, chúng ta mong muốn đưa
những hình ảnh đó vào máy tính để thực hiện các mục đích khác nhau như: phân
tích ảnh, phục hồi ảnh,…
Để máy tính có thể hiểu và phân tích ảnh thì ảnh cần được mã hóa và biểu
diễn dưới dạng số gọi là ảnh số. Việc xử lý ảnh số trên máy tính nhằm mục đích
phân tích ảnh và phục hồi các thơng tin bị sai lệch trong q trình thu nhận ảnh. Mặt
khác, ảnh số còn được sử dụng nhiều bởi có nhiều tiện lợi như: thơng tin trên ảnh số
có thể được truyền đi nhanh chóng, chính xác, việc xử lý lại đơn giản hơn nhờ sự hỗ
trợ của các máy tính số.
- Lưu ảnh:
Trong q trình xử lý ảnh, sau khi thu nhận ảnh từ camera, sensor, …thì phải
chuyển vào bộ nhớ của máy tính dưới dạng ma trận số liệu ảnh, lúc này ảnh sẽ được

10


lưu trữ dưới một định dạng phù hợp với các bước xử lý tiếp theo. Một số định dạng
ảnh số thường được dùng là: *.BMP; *.GIF; *JPEG; *JPG
- Tiền xử lý:

Tiền xử lý ảnh là quá trình cải thiện để nâng cao chất lượng ảnh sao cho ảnh đầu
ra giữ lại được những đặc trưng quan trọng trong ảnh. Sau đó, làm đầu vào cho các
bước xử lý tiếp theo. Do những nguyên nhân khác nhau có thể do chất lượng thiết bị
thu nhận ảnh, do nguồn sáng hay do nhiễu, ảnh có thể bị suy biến, do vậy cần phải
tăng cường và khôi phục lại ảnh để làm nổi bật một số đặc tính chính của ảnh, hay
làm cho ảnh gần giống nhất với trạng thái gốc (trạng thái trước khi ảnh bị biến
dạng). Quá trình tiền xử lý ảnh là một phép biến đổi ảnh, trong đó kết quả cho ra
vẫn là một ảnh.

Chuyển ảnh màu RGB sang ảnh xám
Gray

Đảo pixel ảnh xám

Lọc nhiễu cho ảnh xám
Tiền xử lý
Tăng độ tương phản của ảnh

Chuyển ảnh xám sang ảnh nhị phân đen
trắng
Loại bỏ những vùng đối tượng có ít pixel

Hình 2.2. Các bước tiền xử lý ảnh

11


Trong luận văn, ảnh mẫu sau khi được đưa vào hệ thống sẽ được xử lý qua các
bước tiền xử lý như hình 2.2
- Trích đặc trưng: có nhiệm vụ là phát hiện các đặc tính đặc trưng của ảnh để làm

cơ sở cho bước nhận dạng. Mỗi đối tượng ảnh có đặc trưng riêng phụ thuộc vào
phương pháp nhận dạng, một ứng dụng có nhiều phương pháp nhận dạng, mỗi
phương pháp nhận dạng có nhiều phương pháp trích chọn đặc trưng. Trong đề tài
này, tác giả sử dụng phương pháp trích đặc trưng ảnh bằng hình dạng của đối tượng
trong ảnh. Hình dạng của đối tượng trong ảnh có thể được mơ tả bằng đường bao
của nó hay là vùng diện tích mà nó chiếm chỗ.
Trong đề tài này, khâu trích đặc trưng ảnh trải qua các bước như hình sau:

Tìm trọng tâm của đối tượng

Tìm đường biên của đối tượng
Trích đặc
trưng ảnh
Phân đoạn đường biên của đối tượng
thành 200 đoạn nhỏ.
Tính 200 bán kính từ trọng tâm đến các
đoạn đường biên trên.

Hình 2.3. Các bước của khâu trích đặc trưng ảnh
- Nhận dạng:
Nhận dạng ảnh là quá trình xác định ảnh. Quá trình này thường thu được
bằng cách so sánh với mẫu chuẩn đã được học (hoặc lưu) từ trước. Trong đề tài này,
tác giả sử dụng phương pháp mạng nơ-ron để nhận dạng ảnh đối tượng cá.

12


2.3. Nội dung lý thuyết xử lý ảnh dùng trong đề tài
2.3.1. Chuyển ảnh màu RGB sang ảnh mức xám Gray
Ảnh màu: Trong hệ màu RGB, mỗi điểm ảnh được cấu thành từ ba thành phần

màu khác nhau: Red, Green, Blue và mỗi thành phần màu được biểu diễn bởi 1
Byte (8 bit). Nếu sử dụng 8 bit để biểu diễn giá trị màu sắc cho ảnh thì giá trị màu
của mỗi điểm ảnh biến thiên trong đoạn [0, 28-1]. Như vậy mỗi điểm ảnh của ảnh
màu sẽ có giá trị RGB là (0...255, 0...255, 0…255), ảnh Red RGB (0…255, 0, 0),
ảnh Green RGB (0, 0…255, 0) và ảnh Blue RGB (0, 0, 0…255).
Ảnh đen trắng (ảnh xám): là ảnh có hai màu đen, trắng với mức xám các điểm
ảnh có thể khác nhau. Với ảnh đen trắng nếu dùng 8 bit để biểu diễn mức xám thì số
mức xám có thể biểu diễn được là 256 mức. Mỗi mức xám được biểu diễn dưới
dạng là một số nguyên nằm trong khoảng từ 0 đến 225, mức 0 biểu diễn cho mức
cường độ đen nhất và 255 biểu diễn cho mức cường độ sáng nhất.
Chuyển ảnh màu RGB sang ảnh mức xám được thực hiện theo công thức (2.1)
O(x, y) = 0,2989 ∗ IR(x, y) + 0,5870 ∗ IG(x, y) + 0,1140 ∗ IB(x, y)
Trong đó:

(2.1)

x,y là tọa độ của điểm ảnh
IR là thành phần màu đỏ tại màu I(x,y)
IG là thành phần màu xanh lá tại màu I(x,y)
IB là thành phần màu xanh dương tại màu I(x,y)
O(x,y) là màu đầu ra; I(x,y) là màu đầu vào

2.3.2. Lọc nhiễu cho ảnh
Ảnh thu nhận sau khi được số hóa có thể gây nhiễu. Trên thực tế, tồn tại
nhiều loại nhiễu, tuy nhiên người ta thường xem xét 3 loại nhiễu chính: nhiễu cộng,
nhiễu nhân và nhiễu xung:
 Nhiễu cộng
Nhiễu cộng thường phân bố khắp ảnh. Nếu gọi ảnh quan sát (ảnh thu được)
là Xqs , ảnh gốc là Xgoc , nhiễu là 𝜂 , ảnh thu được có thể biểu diễn bởi:

13


Xqs = xgoc + 𝜂

(2.2)

 Nhiễu nhân
Nhiễu nhân thường phân bố khắp ảnh và ảnh thu được sẽ biểu diễn với công
thức:
Xqs = Xgoc. 𝜂

(2.3)

 Nhiễu xung
Nhiễu xung thường gây đột biến tại một số điểm ảnh.
Cơ sở để xử lý điểm ảnh bị nhiễu là dùng thông tin của các điểm ảnh lân cận.
Thay thế giá trị điểm ảnh cần xử lý bằng tổ hợp giá trị các điểm ảnh lân cận. Việc
thay thế dựa trên giả định là các điểm ảnh lân cận có giá trị gần giống với điểm ảnh
cần xét.
Trong kỹ thuật lọc nhiễu, người ta sử dụng một mặt nạ di chuyển khắp ảnh
gốc, từ trái qua phải và từ trên xuống dưới. Ở mỗi vị trí của ảnh, tính tốn theo các
điểm trong mặt nạ và thay vào giá trị cho điểm ở tâm mặt nạ. Tùy theo các loại mặt
nạ khác nhau mà có các cách tính khác nhau tổ hợp giá trị các điểm lân cận điểm
được xét.
Thông thường, với loại nhiễu cộng, nhiễu nhân ta dùng các bộ lọc trung bình,
lọc thơng thấp và lọc đồng hình (homomorphic filtering). Cịn đối với nhiễu xung,
thường dùng bộ lọc trung vị (median filter), lọc giả trung vị (pseudo median filter)
và lọc ngồi.
Lọc khơng gian trung bình (Mean filtering)

Trong lọc trung bình, mỗi điểm ảnh trong một ảnh được thay thế bằng trung
bình trọng số của các điểm ảnh lân cận, trong đó có điểm ảnh đó. Lọc trung bình
được định nghĩa như sau:

𝑣 (𝑚, 𝑛) = ∑ ∑ 𝑎(𝑘, 𝑙). 𝑦(𝑚 − 𝑘, 𝑛 − 𝑙)
(𝑘,𝑙)𝜖 𝑊

14

(2.4)


Nếu trong kỹ thuật lọc trên, ta dùng các trọng số như nhau, phương trình trên
sẽ trở thành:
𝑣 (𝑚, 𝑛) =

1
∑ ∑ 𝑦(𝑚 − 𝑘, 𝑛 − 𝑙)
𝑁

(2.5)

(𝑘,𝑙)𝜖 𝑊

Với: y(m,n): ảnh đầu vào
V(m,n) : ảnh đầu ra
a(k,l) : cửa sổ lọc
𝑎𝑘,𝑙 =

1

𝑁𝑤

và Nw là số điểm ảnh trong cửa sổ lọc W.

Lọc trung bình có trọng số chính là thực hiện chập ảnh đầu vào với nhân chập
H (mặt nạ bộ lọc, cửa sổ lọc). Các dạng nhân chập H thường dùng trong bộ lọc
khơng gian trung bình có dạng:

1 1 1
H1 = [1 1 1];
9
1 1 1

0 1 0
H2 = [1 4 1]
8
0 1 0

1

1

Với mặt nạ bộ lọc H1 gọi là bộ lọc khơng gian trung bình đều, không trọng số,
không ưu tiên theo hướng nào cả. H1 có trọng số trung bình là 1/9, năng lượng
nhiễu sẽ giảm đi 9 lần.
Với mặt nạ bộ lọc H2 gọi là bộ lọc trung bình lân cận 4 điểm ưu tiên cho 2
hướng x,y. H1 có trọng số trung bình là 1/8, năng lượng nhiễu sẽ giảm đi 8 lần.
Trong lọc trung bình, thường người ta ưu tiên cho các hướng để bảo vệ biên
của ảnh khỏi bị mờ khi làm trơn ảnh. Các kiểu mặt nạ được sử dụng tùy theo các
trường hợp khác nhau. Các bộ lọc trên là bộ lọc tuyến tính theo nghĩa là điểm ảnh ở

tâm cửa sổ sẽ được thay bởi tổ hợp các điểm lân cận chập với mặt nạ.
Lọc không gian trung bình là một bộ lọc tuyến tính đơn giản với tác dụng làm
mịn ảnh, khử nhiễu,…
Lọc thông thấp
Lọc thông thấp thường được sử dụng để làm trơn nhiễu. Trong kỹ thuật này,
người ta hay dùng bộ lọc với các hệ số đối xứng nhau qua tâm của bộ lọc, các hệ số

15


ở vị trí có khoảng cách gần tâm có giá trị lớn hơn hoặc bằng các hệ số ở vị trí có
khoảng cách xa tâm.
Một số nhân chập của bộ lọc thơng thấp có dạng sau:
1 0
Ht1 = [1
8
0

1
2
1

0
1]
0

1 b
1
[b b2
Hb =

(b + 2) 2
1 b

1
b]
1

Ta dễ dàng nhận thấy khi b = 1, Hb chính là nhân chập H1 của bộ lọc trung
bình. Lọc khơng gian trung bình là 1 trường hợp riêng của lọc thơng thấp.
Lọc đồng hình (Homomorphic filtering)
Kỹ thuật lọc này hiệu quả với ảnh có nhiễu nhân. Thực tế, ảnh quan sát được
̅(m,n) là ảnh thu được, X(m, n) là ảnh
gồm ảnh gốc nhân với một hệ số nhiễu. Gọi X
gốc và η(m, n) là nhiễu, như vậy mơ hình nhiễu nhân đối với ảnh gốc X(m, n) như
sau:
𝑋 (𝑚, 𝑛) = 𝑋̅ (𝑚, 𝑛). 𝜂(𝑚, 𝑛)

(2.6)

Khi sử dụng bộ lọc đồng hình, trước tiên thực hiện lấy logarit của ảnh quan
sát, khi đó nhiễu nhân sẽ trở thành nhiễu cộng. Do vậy ta có kết quả sau:
𝑙𝑜𝑔(𝑋(𝑚, 𝑛)) = 𝑙𝑜𝑔(𝑋̅ (𝑚, 𝑛)) + 𝑙𝑜𝑔(𝜂 (𝑚, 𝑛))

(2.7)

Rõ ràng, nhiễu nhân có trong ảnh sẽ bị giảm. Tiếp đó dùng bộ lọc tuyến tính
để khử nhiễu cộng. Cuối cùng sử dụng phép biến đổi hàm e mũ để chuyển về dạng
ảnh thông thường. Kết quả ảnh thu được qua lọc đồng hình sẽ tốt hơn ảnh gốc.
Lọc trung vị (Median filter)

16