Ứng dụng công nghệ nhận diện khuôn mặt vào hệ thống điểm danh sinh viên

TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN
VIỆN CÔNG NGHỆ THÔNG TIN VÀ KINH TẾ SỐ
-------o0o-------

BÁO CÁO
CHUYÊN ĐỀ THỰC TẬP
ỨNG DỤNG CÔNG NGHỆ NHẬN DIỆN KHUÔN MẶT
VÀO HỆ THỐNG ĐIỂM DANH SINH VIÊN
(Phần giao diện)

Sinh viên thực hiện : Nguyễn Hữu Đạt
Mã sinh viên

: 11150756

Lớp

: CNTT 57A

Giáo viên hướng dẫn : TS. Nguyễn Trung Tuấn

HÀ NỘI, 10/2019
1


DANH MỤC CÁC BẢNG VÀ HÌNH VẼ
Hình 1 1 Demo cơ bản quy trình nhận diện một gương mặt...................................10
Hình 1 2 Các bước nhận diện ảnh hoặc video.........................................................12

Hình 2 1 Xử lý ảnh..................................................................................................14
Hình 2 2 Sơ đồ tổng quát của hệ thống xử lý ảnh...................................................15

Hình 2 3 Sơ đồ chi tiết của hệ thống xử lý ảnh.......................................................17
Hình 2 4 Vecto ma trận điểm ảnh............................................................................19

Hình 3 1 Cấu trúc OpenCV.....................................................................................22

Hình 4 1 Demo tìm kiếm khuân mặt qua ảnh..........................................................31
Hình 4 2 Điểm và cường độ điểm của khuôn mặt người tại các đường viền..........32

Hình 3 2 Khởi tạo một dự án với Pycharm.............................................................44
Hình 3 3 Thanh cơng cụ và thanh lệnh trong Pycharm...........................................44
Hình 3 4 Khung cấu trúc một dự án........................................................................45
Hình 3 5 Giao diện đăng nhập.................................................................................46
Hình 3 6 Giao diện home.........................................................................................47
Hình 3 7 Giao diện quản lý điểm danh....................................................................48
Hình 3 8 Giao diện quan lý sinh viên......................................................................48

2


MỤC LỤC
LỜI MỞ ĐẦU...........................................................................................................5
1. Lý do chọn đề tài..............................................................................................7
2. Đối tượng và nghiên cứu đề tài trong phạm vi................................................8
CHƯƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ CÁC CÔNG CỤ XỬ LÝ ẢNH
...................................................................................................................................9
1.1. GIỚI THIỆU CHUNG....................................................................................9
1.1.1 Bài toán nhận diện mặt người và khó khăn gặp phải.................................9
1.1.2. Tổng quan của hệ thống..........................................................................11
1.1.3 Ngơn ngữ lập trình...................................................................................13
1.2. TỔNG QUAN VỀ XỬ LÝ ẢNH..................................................................14

1.2.1 Xử lý ảnh, các vấn đề cơ bản trong xử lý ảnh..........................................14
1.2.2 Quan hệ giữa các điểm ảnh......................................................................19
1.3 CƠNG CỤ HỖ TRỢ......................................................................................21
1.3.1 Giới thiệu về OpenCV..............................................................................21
1.3.2 Django......................................................................................................22
1.3.3 Ngơn ngữ Python.....................................................................................25
1.3.4

Pycharm................................................................................................28

CHƯƠNG 2: BÀI TOÁN PHÁT HIỆN VÀ NHẬN DIỆN GƯƠNG MẶT.........30
2.1 Phát biểu bài toán...........................................................................................30
2.1.1 Tổng quan.................................................................................................30
2.1.2 Các bước thực hiện...................................................................................30
3


2.2 Nhận diện.......................................................................................................34
2.2.1 Cơ sở tri thức (knowledge-based)............................................................34
2.2.2 Đặc trưng không thay đổi (feature invariant)..........................................35
2.2.3 Đối chiếu mẫu (template matching).........................................................36
2.2.4 Diện mạo (appearance-based)..................................................................37
2.3 Các phương pháp tiếp cận..............................................................................37
2.4 Những khó khăn gặp phải trong bài toán nhận diện mặt người.....................38
CHƯƠNG 3 : XÂY DỰNG WEBSITE QUẢN LÝ ĐIỂM DANH SINH VIÊN. .39
3.1 Phân tích và thiết kế hệ thống website quản lý..............................................39
3.1.1 Khảo Sát Hệ Thống Thực Tế...................................................................39
3.1.2 Use-case...................................................................................................39
3.1.3 Cơ sở dữ liệu (CSDL)..............................................................................41
3.2 Giao diện website...........................................................................................44

3.2.1 Giao diện thiết kế dự án với Pycharm......................................................44
3.2.2 Giao diện website.....................................................................................46
TÀI LIỆU THAM KHẢO.......................................................................................50

4


LỜI MỞ ĐẦU

Nhận diện gương mặt và các hình mẫu là điều con người rất giỏi. Không ảnh
hưởng sau cả một thời gian dài không động tới, và để tối đa hóa hiệu quả, muốn
máy tính trở nên thơng minh trong việc nhận diện khuôn mặt như con người…
Facebook, Microsoft, Google và các công ty khác đang nghiên cứ và phát
triển cơng nghệ tìm kiếm và nhận diện gương mặt.
Bài toán nhận diện mặt người là một kỹ xảo máy tính xác định vị trí trong
ảnh bất kỳ các kích thước của khn mặt. Tìm kiếm các đặt trưng gương mặt
người và bỏ qua hình ảnh xuất hiện khác như: xe cộ, máy móc, cây cối…
Phát hiện mặt người là tự động tìm kiếm khn mặt và nhận biết một người
được chỉ định nào đó từ hình ảnh hay từ 1 đoạn phim. So sánh đặc tính của hình
thể khn mặt với những dữ liệu có sẵn từ thu thập được trong cơ sở dữ liệu.
Lợi ích của hệ thống nhận diện phát hiện gương mặt:
- Tìm kiếm thơng tin người.
- Tại các khu vực cơng cộng đơng người có thể giám sát nhận biết các đối
tượng.
- Giúp hỗ trợ trẻ em tìm người thân ở nơi cơng cộng.
- Ngồi ra, áp dụng nghiên cứu khoa học giúp phân tích đối chiếu một đối
tượng này với nhiều đối tượng khác.v/v….
- Các ứng dụng có thể sử dụng giải quyết tình trạng giao thông bằng cách theo
dõi lượng xe hoạt động cũng như mật độ xe cộ giúp đưa ra các số liệu cho
cảnh báo và cho quy hoạch.

5


Ứng dụng
Dự án Workforce Attendance ưng dụng công nghệ nhận diện của chương trình
Workforce Management.
Workforce Management (WFM) là tổ hợp các bước một tổ chức sử dụng giúp
tối ưu hiệu quả công việc trên từng cá nhân, ban mảng và tồn bộ cơng ty.

Hình 0 Dự án Work force Management
Cụ thế Workforce Management (WFM) gồm :
- Workforce Absence  thay cho giấy tờ truyền thống giúp quản lý việc đi làm
trễ, về sớm, xin nghỉ phép …

6


- WS(workforce scheduling) nhân viên có thể tạo lịch tự động và quản lý lịch
làm việc.
- WM(workforce Mobility) chức năng điện thoại di động thông minh đến gần
với người dung.
- WPe(workforce Performance)  xét nghiệm hiểu quả làm việc.
- WPa(workforce Payroll) kế tốn trong việc tính lương thưởng cho nhân
viên.
- WA(workforce Attendance) áp dụng nhận dạng mặt người cho công tác
điểm danh nhân viên trong công ty
1. Lý do chọn đề tài.
Với sự phát triển không ngừng của khoa học và công nghệ, đặc biệt là với
những chiếc điện thoại thông minh (smartphone) ngày càng hiện đại và được sử

dụng phổ biến trong đời sống con người đã làm cho lượng thông tin thu được bằng
hình ảnh ngày càng tăng. Theo đó, lĩnh vực xử lý ảnh cũng được chú trọng phát
triển, ứng dụng rộng rãi trong đời sống xã hội hiện đại. Không chỉ dừng lại ở việc
chỉnh sửa, tăng chất lượng hình ảnh mà với cơng nghệ xử lý ảnh hiện nay có thể
giải quyết các bài tốn nhận dạng câu chữ bình luận, nhận dạng vân tay và nhận
dạng gương mặt…
Một trong những bài toán được nhiều người quan tâm nhất của lĩnh vực xử
lý ảnh hiện nay đó là tìm kiếm và phát hiện gương mặt (Face Recognition). Như đã
biết, khn mặt có vai trị quan trọng trong giao tiếp, tạo ra một lượng thông tin, từ
khuôn mặt có thể xác định giới tính, độ tuổi, cảm xúc và đặc biệt là xác định mối
quan hệ với đối tượng (có quen biết hay khơng). Do đó, “Face Recognition” đóng
vai trị quan trọng trong nhiều lĩnh vực của cuộc sống con. Có nhiều cách để tìm
kiếm và phát hiện mặt người song cũng có những khó khăn gặp phải do trong các
điều kiện môi trường về độ sáng, hướng nghiêng.
7


Bài tốn Nhận diện khn mặt (Face Recognition) bao gồm các bài tốn: tìm
kiếm và phát hiện gương mặt (face detection), rút đặc điểm nổi bật (feature
extration), gán thẻ, phân lớp (classification). Nhận dạng mặt người (Face
Recognition) là một hướng phát triển được nhiều nhà khoa học nghiên cứu, ứng
dụng trong thực tiễn. Ở các công ty lớn như Microsoft, Google, Facebook đều
thành lập và phát triển các trung tâm về sinh trắc học (Biometrics Center) cùng với
đó là nghiên cứu nhận dạng mặt người. Đây là một trong những lĩnh vực nghiên
cứu chính những năm nay. Gần đây, cơng ty Hitachi Kokusai Electric của Nhật
mới cho ra đời một camera giám sát, có thể chụp ảnh và tìm ra 36 triệu khn mặt
khác có nét tương tự trong cơ sở dữ liệu chỉ trong vòng một giây.
Hiện nay, nhận diện mặt người phổ biến với 2 phương pháp là nhận diện
trên điểm phổ biến của các điểm trên khuôn mặt và nhận diện bằng cách xét khuân
mặt tổng thể. Trong các phương pháp, phương pháp PCA là phương pháp nhằm

giảm số chiều ảnh đặc trưng mang lại hiệu quả tốt.
2. Đối tượng và nghiên cứu đề tài trong phạm vi.
a) Đối tượng:
- Các thuật tốn giúp cho cơng việc tìm kiến và phát hiện mặt người trên hình ảnh.
- Django,python,pycharm và bộ thư viện xử lý ảnh OpenCv
- Bộ CSDL tự thu thập.
b) Phạm vi nghiên cứu đề tài:
- Tập trung tìm hiểu nhận diện mặt người (Face Recognition)
- Các điều kiện cho việc xử lý ảnh, và nhận diện mặt người:
 Ánh sáng: bình thường, ánh sáng đèn điện.
8




Góc mặt: góc nghiêng khơng q 10 và góc thẳng hay .



Khơng che lấp.



Hình ảnh xử lý có dung lượng phù hợp đáp ứng.

CHƯƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ CÁC CÔNG CỤ XỬ LÝ ẢNH
1.1. GIỚI THIỆU CHUNG
1.1.1 Bài tốn nhận diện mặt người và khó khăn gặp phải.
1.1.1.1 Bài tốn nhận diện mặt người.
Hệ thống có đầu vào là ảnh hoặc một đoạn vid. Thông qua phân tích giúp

tìm kiếm khn mặt người (nếu có) tiếp đó xác định là người nào có trong những
người mà hệ thống đã được “dạy” qua sự “học” hoặc không biết.

9


Hình 1 1 Demo cơ bản quy trình nhận diện một gương mặt

10


1.1.1.2

Nhận diện khuân mặt có những khó khăn.

- Đầu vào từ góc ảnh: góc gương mặt biến đổi do góc chụp máy ảnh. Ví dụ như:
thẳng, chéo trái, chụp chéo phải, chụp trên xuống hoặc chụp từ dưới lên. Ở các góc
khác nhau, các điểm bộ phận mắt, miệng, mũi là khác nhau.
- Có hay khơng có bộ phận của khuân mặt như: râu hàm,râu mép mắt khiến cho
việc xử lý có thể trở nên rắc rối.
- Cảm xúc : biểu hiện cơ mặt người tác động đến các điểm của khuân mặt. Ví dụ
như, cùng một người, khi cười hay khi sợ hãi, v.v… sẽ có những biểu cảm khác
nhau.
- Bị che lấp: có thể bị che lấp bởi các nhân tố hay các gương mặt khác.
- Điều kiện: độ sáng, thuộc tính camera có chất lượng thấp ảnh hưởng đến chất
lượng ảnh khuân mặt và khả năng nhận diện.
- Việc nhận dạng ảnh mặt là một vấn đề khó khăn khi thay đổi theo thời gian.
- Các hệ thống cực lớn (very large scale systems): Các CSDL ảnh mặt được test
bởi các nhà nghiên cứu còn khá nhỏ (vài trăm tới vài chục nghìn ảnh mặt), tuy
nhiên trên thực tế các CSDL có thể rất lớn, ví dụ CSDL ảnh mặt của cảnh sát của

một đất nước có thể chứa từ hàng triệu tới hơn 1 tỉ ảnh…
1.1.2. Tổng quan của hệ thống.
Có 4 bước :
1. Tìm kiếm gương mặt.
2. Phân chia khuân mặt .
3. Chọn lọc điểm mặt .
4. Nhận dạng .
11


Hình 1 2 Các bước nhận diện ảnh hoặc video
Phát hiện gương mặt: tìm kiếm, xác định vùng hay vùng có thể là mặt người.
Những vùng vị trí được tách riêng xử lý. Tách điểm mặt, tìm vị trí các bộ phận của
mặt người để chuyển kết quả cho bước trích chọn lọc điểm mặt. Bước chọn lọc
điểm, sử dụng phương pháp trích chọn đặc điểm nào đó để sử dụng với ảnh mặt để
xuất các thông tin đặc điểm riêng cho ảnh từ các thông tin về các bộ phận khuôn
mặt, kết quả mỗi ảnh sẽ biểu diễn dưới dạng một vector đặc trưng. Vecto đặc trưng
sẽ là dữ liệu đầu vào cho mơ hình đã dạy từ trước nhận diện khuân mặt(Face
Recognition) - danh tính(identity) hay thẻ ảnh-đây là người nào. Ở bước nhận diện
khuôn mặt (Face Recognition), thường phương pháp k-kề gần hay được sử dụng.
Ngoài những bước chính trên, một số bước khác có thêm như: hậu xử lý,
tiền xử lý giúp cải thiện chính xác.
Dữ liệu nhận diện mặt người được chia làm 3 phần: huấn luyện, tham chiếu
và phần nhận diện . Trong nhiều hệ thống, tập training trùng với tập reference. Tập
training có hình ảnh cho huấn luyện (học), thơng thường tập này được dùng để tạo
ra một không gian con là ma trận. PCA(Principal Component Analysis),
LDA(Linear Discriminant Analysis), KPCA(Kernel PCA) là các phương pháp
thường được sử dụng. Các hình ảnh đã biết chiếu vào không gian con là tham
chiếu ở bước huấn luyện. 2 mục tiêu của Training(huấn luyện): vector đặc điểm có
12

độ dài khá lớn nên cần giảm số chiều, tính toán sẽ lâu khi để nguyên việc, 2 là làm
tăng giữa các ảnh khác lớp tính phân biệt (định danh khác nhau), ngồi ra có thể
làm giảm tính phân biệt giữa các ảnh thuộc về một lớp (tùy theo phương pháp, ví
dụ như Linear Discriminant Analysis LDA- cịn gọi là Fisher Linear Discriminant
Analysis-Fisherface là một phương pháp làm việc với tập training mà mỗi đối
tượng có nhiều ảnh mặt ở các điều kiện khác nhau). Sau đó, một ma trận sẽ được
lưu lại bởi hệ thống với mỗi cột của matrix là một vector tương ứng với ảnh biết
trước để thực hiện nhận diện. Cần lưu ý là mỗi ảnh có định dạng là một vector, có
thể dùng khái niệm hàm khoảng cách giữa hai vector để đo sự khác biệt giữa các
ảnh.
1.1.3 Ngơn ngữ lập trình.
Để giải quyết bài tốn nhận dạng khn mặt sử dụng thư viện OpenCV, có
thể sử dụng các ngơn ngữ lập trình như: .NET C#, VB, IronPython, Java, C++…
Trong chuyên đề này ngôn ngữ lập trình được sử dụng là python , Django và
Pycharm IDE.

13


1.2. TỔNG QUAN VỀ XỬ LÝ ẢNH
1.2.1 Xử lý ảnh, các vấn đề cơ bản trong xử lý ảnh.
1.2.1.1 Xử lý ảnh
Với sự phát triển của phần cứng, xử lý ảnh và xử lý đồ họa cũng phát triển
mạnh mẽ và có nhiều ứng dụng trong cuộc sống. đóng vai trò quan trọng trong
tương tác giữa người và máy.
Xử lý ảnh được xem là thao tác ảnh đầu vào cho ra kết quả mong muốn. Kết
quả đầu ra của quá trình xử lý ảnh có thể là một ảnh hoặc một kết luận.

Hình 2 1 Xử lý ảnh

Tập hợp hữu hạn các điểm ảnh dùng cho biểu diễn ảnh gần với ảnh thật với
mức xám phù hợp. Độ phân giải của ảnh xác định số điểm ảnh. Để thể hiện rõ nét
các đặt điểm của tấm hình thì cần ảnh có độ phân giải càng cao làm cho tấm ảnh
trở nên thực và sắc nét hơn. Một tín hiệu hai chiều được quy định bởi một ảnh. Nó
được xác định bởi hàm tốn học f(x, y) trong đó x và y là hai tọa độ theo chiều
ngang và chiều dọc.Các giá trị của f (x, y) tại bất kỳ điểm nào là cung cấp các giá
trị điểm ảnh (pixel ) tại điểm đó của một hình ảnh.

Sơ đồ tổng qt của hệ thống xử lý ảnh:

14


Hình 2 2 Sơ đồ tổng quát của hệ thống xử lý ảnh

Sơ đồ gồm các phần:
- Phần thu nhận ảnh . Qua camera màu hoặc đen trắng có thể nhận ảnh. Camera
thường dùng là loại quét dòng; tạo ra ảnh có dạng hai chiều. Thiết bị thu, mơi
trường quy định chất lượng ảnh nhận được.
- Tiền xử lý. Hình ảnh có thể bị nhiễu sau bộ thu nhận, cần đưa vào bộ tiền xử lý
vì độ tương phản thấp để nâng cao chất lượng. Bộ tiền xử lý có chức năng chính là
lọc nhiễu, nâng độ tương phản để làm nét và rõ hơn.
- Phân đoạn hay phân vùng ảnh. Tách một ảnh đầu vào thành các vùng thành phần
để nhận dạng, biểu diễn và phân tích ảnh được gọi là phân vùng ảnh. Trong XLA
đây là phần phức tạp hay tạo lỗi, khiến giảm chính xác của ảnh và là phần khó
khăn nhất. Cơng đoạn này cho ra kết quả chính của việc nhận dạng.
- Mơ tả ảnh. Sau phân đoạn gồm điểm của ảnh hay của vùng ảnh (ảnh đã phân
đoạn) đầu ra ảnh cộng liên kết với các vùng lân cận. Trích chọn đặc trưng (Feature

Selection) là lấy các tính chất ảnh gắn với việc làm cơ sở để phân biệt lớp đối
tượng này với đối tượng khác hay tách các đặc tính của ảnh dưới dạng các thông
tin định lượng hoặc trong phạm vi ảnh nhận được
15


- Phát hiện ảnh và phân tích ảnh. Q trình xác định ảnh là nhận dạng ảnh. Mẫu
chuẩn đã được học (hoặc lưu từ trước) so sánh với ảnh nhận được để thu được kết
quả trong quá trình này. Phân tích ảnh trên cơ sở nhận dạng để phán đốn ảnh. Có
hai loại nhận dạng cơ bản của ảnh phân theo các mơ hình tốn học về ảnh:
- Theo tham số.
- Theo cấu trúc.
Đối tượng nhận dạng phổ biến hiện nay áp dụng trong khoa học và công
nghệ là: nhận dạng văn bản (Text), nhận dạng mã vạch , nhận dạng vân tay, nhận
dạng ký tự (in,viết tay hay điện tín) và nhận dạng mặt người…
- Cơ sở tri thức . Ảnh là một đối tượng khá phức tạp về đường nét, dung lượng
điểm ảnh, độ sáng tối môi trường. Ngồi việc đơn giản hóa các phương pháp tốn
học đảm bảo tiện lợi cho xử lý, bắt chước quy trình nhận biết và xử lý ảnh theo
cách của con người là mong muốn hơn cả. Trong đó, trí tuệ con người là phương
pháp được xử dụng cho nhiều khâu hiện nay.
- Mô tả (biểu diễn ảnh).
Ảnh được lưu vào bộ nhớ sau khi số hóa, hoặc chuyển tiếp sang để phân
tích. u cầu bộ nhớ có dung lượng cực lớn nếu muốn độ chính xác cao vì vậy sẽ
khơng hiệu quả theo quan điểm ứng dụng và công nghệ. Các ảnh thơ đó được biểu
diễn theo các điểm đặc trưng của ảnh gọi là các đặc trưng ảnh: vùng ảnh, biên
ảnh. Phương pháp thường dùng:
- Biểu diễn bằng mã chạy(Run-Length Code)
- Biểu diễn bằng mã xích(Chaine-Code)
- Biểu diễn bằng mã tứ phân(Quad-Tree Code)

16


Trên là cơ bản các thành phần trong các khâu xử lý ảnh. Các q trình khơng
nhất thiết qua hết các khâu trong thực tế của quá trình xử lý ảnh. Ảnh khi số hóa,
được nén lại, lưu lại và truyền qua các hệ thống khác hoặc xử lý tiếp. Ngồi ra, có
thể khơng cần tới cơng đoạn cải thiện phẩm chất sau khi số hóa ảnh (khi ảnh đủ
chất lượng theo một yêu cầu nào đó) để chuyển tới khâu phân đoạn hoặc chuyển
trực tiếp tới khâu chọn đặc trưng. Các nhánh song song cũng được chia như: cải
thiện chất lượng ảnh(có hai hướng): khơi phục ảnh (khi ảnh gốc bị hỏng hồi phục
lại ảnh thật) hoặc cải thiện chất lượng ảnh .

Hình 2 3 Sơ đồ chi tiết của hệ thống xử lý ảnh

1.2.1.2 Các vấn đề cơ bản trong xử lý ảnh.
 Điểm ảnh.
Ảnh liên tục về không gian và độ sáng là gốc của ảnh. Ảnh cần phải được số
hóa để có thể xử lý bằng máy tính. Sự thay đổi sát với một ảnh liên tục thành một
tập sát với ảnh thật về độ sáng(mức xám) và vị trí(khơng gian) gọi là số hóa ảnh.
Khoảng cách giữa các điểm ảnh đó được thiết lập sao cho mắt người không phân
biệt được ranh giới giữa chúng. Mỗi một điểm như vậy gọi là điểm ảnh (PEL:
17


Picture Element) hay gọi tắt là Pixcel. Mỗi pixel ứng với cặp tọa độ (x, y) trong
không gian 2 chiều.
Định Nghĩa: tại tọa độ (x, y) là phân tử của ảnh số với màu hoặc độ xám là
điểm ảnh. Độ dài và kích thước được chọn thích hợp giữa các điểm ảnh đó để cảm
nhận sự liên tục về mức xám (hoặc màu) và không gian của ảnh số gần như ảnh
thật. Một phần tử ảnh ứng vỡi một phần tử của ma trận.

 Độ phân giải.
Định nghĩa: Mật độ điểm ảnh được ấn định trên một ảnh số được hiển thị gọi
là độ phân giải ảnh.
Theo đó, khoảng cách giữa các điểm ảnh phải được chọn sao cho mắt người
vẫn thấy được sự liên tục của ảnh. Độ phân giải là việc lựa chọn các điểm thích
hợp phân bố theo trục x và y trong không gian hai chiều.
 Màu ảnh – mức xám.
Đặc trưng cơ bản của một điểm ảnh là độ xám và vị trí (x, y) của điểm ảnh.
Một số thuật ngữ và khái niệm dùng trong XLA.
 Định nghĩa: Cường độ sáng được gán bằng giá trị số tại điểm đó được gọi là mức
xám của điểm ảnh.
 Các thang mức xám tiêu chuẩn: 16,32,64,128, 256 (từ kỹ thuật máy tính dùng 1
byte (8bit) để biểu diễn mức xám: Mức xám dùng 1 byte biểu diễn: 28 = 256, tức
là từ 0 đến 255. Mức 256 là mức phổ dụng.).
 Ảnh đen trắng: Ảnh chỉ có hai màu đen, trắng với độ xám khác nhau ở các điểm
ảnh.

18


 Ảnh nhị phân: Chỉ có thể là 0 hoặc 1 ở mỗi điểm ảnh của ảnh nhị phân Trong đó,
0 : trắng, 1 đen.
 Ảnh màu: người ta thường mô tả mức màu bằng 3 byte để tạo bộ ảnh RBG
(red,blue,green), các giá trị màu: 3*28 = 224 ≈ 16,7 triệu màu.
1.2.2 Quan hệ giữa các điểm ảnh.
a) Điểm lân cận.
- Điểm ảnh q có tọa độ (x, y) theo chiều ngang và đứng có 4 điểm lân cận. {( x1,y); (x, y-1); (x+1, y); (x, y+1)}= N4(q) Trong đó, N4(q): 4 điểm lân cận của q;
số 1 là giá trị logic.

Hình 2 4 Vecto ma trận điểm ảnh

- Lân cận chéo: 4 hướng: Đông-Nam, Đông-Bắc, Tây-Nam, Tây-Bắc là các điểm
lân cận chéo Nq
Nq = {(x+1,y+1); (x+1, y-1); (x-1, y+1); (x-1, y-1)}
- Tập hợp 8 lân cận của điểm ảnh q là tập kết hợp: N4(q) + Np(q) = N8(q).
- Nếu (x, y) nằm ở biên (mép) ảnh sẽ tạo ra điểm ngoài ảnh.
b) Điểm ảnh và các mối liên kết.

19


Để xác định vùng hoặc xác định giới của vật thể xác định trong các mối liên
kết một ảnh. Mức xám và tính liền kề là đặc trưng của một liên kết.
Có 3 loại liên kết :
- Liên kết m (liên kết hỗn hợp): với các giá trị cường độ sáng V 2 điểm ảnh p và q
là liên kết m nếu: 1. Q thuộc N4(q) hay 2. Q thuộc Np(q)
- Liên kết 8: nằm trong một các lân cận của p có 2 điểm ảnh p và q, tức q thuộc
N8(q).
- Liên kết 4: được nói là liên kết 4 nếu 2 điểm ảnh p và q với các giá trị cường độ
sáng V có q nằm trong một các lân cận của p, tức p thuộc N4(q).

20