Đồ án Phân loại nhiễu. Tìm hiểu các phương pháp lọc làm trơn có hiệu quả đối với nhiễu sạn( salt and pepper).Thử nghiệm với ảnh màu 24bit.

Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
BÁO CÁO
Đề bài: Phân loại nhiễu. Tìm hiểu các phương pháp làm trơn có hiệu
quả tốt đối với nhiễu sạn( salt and pepper). Thử nghiệm với ảnh màu 24 bit.
GVHD :PGS.Ts Đào Thanh Tĩnh
HVTH:Trịnh Quốc Bảo
Lê Đình Chung
Lớp :Tin Học –k46

Page 1
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
PHỤ LỤC
I. Lời mở đầu 4
II. Phân loại nhiễu 5
1. Khái niệm 5
2. Phân loại nhiễu 6
II. Các phương pháp lọc nhiễu 8
1. Thuật toán chung 8
2. Các thuật toán cụ thể 8
2.1. Lọc trung bình(Mean Filter) 8
2.2 Lọc trung vị(Median Filter) 10
2.3. Lọc hình học( Geometric Filter) 11
2.4. Lọc điều hòa(Harmonic Filter) 11
2.5. Lọc phi điều hòa(ContraHamonical Filter) 12
III. Phân tích,đánh giá và so sánh các phương pháp lọc ảnh trên 13
1. Phương pháp lọc trung vị 13
1.1. Nhận xét: 13
1.2. Ưu điểm : 13
2. Phương pháp lọc trung bình 15

2.1. Ưu điểm 15
2.2. Nhược điểm 16
3. Phương pháp lọc hình học 17
3.1. Ưu điểm 17
3.2. Nhược điểm 17
4. Phương pháp lọc điều hòa 18
4.1. Ưu điểm 18
4.2. Nhược điểm 18
Page 2
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
5. Phương pháp lọc phi điều hòa 18
5.1. Ưu điểm 18
5.2. Nhược điểm 19
IV. Kết luận 21
V. Tài liệu tham khảo, kết quả đạt được và những tồn tại 21
1. Tài liệu tham khảo 21
2. Kết quả đạt được 21
3. Những tồn tại 21
Page 3
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
I. Lời mở đầu
Lọc nhiễu là một công đoạn tiền xử lý trong xử lý ảnh số, nó giúp chúng ta
nâng cao chất lượng đầu vào của dữ liệu cho các công đoạn sau, xử lý tốt công
đoạn này sẽ giúp cho các công đoạn sau tiến hành được dễ dàng hơn.
Có nhiều loại nhiễu khác nhau (nhiễu sạn, nhiễu cộng, nhiễu nhân ) và
cũng có nhiều phương pháp lọc nhiễu khác nhau.Tuy nhiên, tùy từng loại nhiễu
mà ta nên sử dụng phương pháp lọc nhiễu nào cho phù hợp vì không phải một
phương pháp có thể lọc được hết tất cả các loại nhiễu. Ví dụ, có phương pháp

lọc tốt đối với loại nhiễu sạn nhưng lại không tốt đối với những vùng nhiễu
rộng, kín.
Với phạm vi yêu cầu của bài tập, chúng em xin trình bày một số phương
pháp lọc nhiễu đã được học. Qua đó phân tích và đánh giá đối với từng phương
pháp, đồng thời chúng em cũng xây dựng được một chương trình minh họa lọc
ảnh nhiễu sạn màu 24 bit bằng các phương pháp đó để so sánh.
Các phương pháp đó là :
1. Lọc trung bình.
2. Lọc trung vị
3. Lọc hình học.
4. Lọc điều hòa.
5. Lọc phi điều hòa.
Mặc dù đã có nhiều cố gắng nhưng do thời gian có hạn và kiến thức của
chúng em còn hạn chế nên không tránh khỏi những sai sót trong quá trình làm
bài.Kính mong thầy giáo cùng các bạn đóng góp để bài tập đồ á của chúng em
hoàn thiện hơn
Qua đây chúng em cũng xin cảm ơn thầy giáo Đào Thanh Tĩnh ,người đã
tận tình giúp đỡ chúng em trong quá trình làm đồ án.Chúng em xin chân thành
cảm ơn!
Học viên thực hiên: Trịnh Quốc Bảo
- Lê Đình Chung
Page 4
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
II. Phân loại nhiễu
1. Khái niệm
Nhiễu là những phần tử ảnh mà giá trị của nó trội so với các phần tử xung
quanh. Xét theo tần số, các phần tử nhiễu có tần số cao so với các điểm xung
quanh Tuy nhiên, khái niệm trên chỉ mang tính tương đối. Chẳng hạn như ví
dụ dưới đây coi là những ảnh bị nhiễu:

Page 5
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
2. Phân loại nhiễu
Nhiễu thường gặp trong ảnh
Nhiễu cộng : nhiễu cộng thường phân bố khắp ảnh. Nếu ta gọi ảnh quan
sát( ảnh thu được) là X_qs, ảnh gốc là X_gốc và nhiễu là η. Ảnh thu được có thể
biểu diễn bởi:
X_qs = X_gốc + η.
Nhiễu nhân : Nhiễu nhân thường phân bố khắp ảnh. Nếu ta gọi ảnh quan
sát( ảnh thu được) là X_qs, ảnh gốc là X_gốc và nhiễu là η. Ảnh thu được có thể
biểu diễn bởi:
X_qs = X_gốc × η.
Nhiễu xung: Là sự kết hợp của nhiễu muối và nhiễu tiêu. Có 2 loại: Nhiễu
xung đơn cực và nhiễu xung lưỡng cực. Nhiễu xung lưỡng cực có hàm phân bố
là

p(z) =
Nếu b>a, mức xám b xuất hiện như là điểm sáng của ảnh, a là điểm tối.
Nếu a>b, ngược lại.
a=b=0 Là nhiễu xung đơn cực
Nhiễu muối tiêu (Salt-pepper noise) - một ví dụ điển hình nhất của loại nhiễu
xung này – sẽ cho thấy rõ hơn tính chất “đột biến” của nó. Các điểm ảnh bị nhiễu
(noise pixel) có thể nhận các giá trị cực đại hoặc cực tiểu trong khoảng giá trị [0, 255].
Với ảnh mức xám (gray scale), nếu một điểm ảnh có giá trị cực đại (tức cường độ
sáng bằng 255) thì nó sẽ tạo ra một đốm trắng trên ảnh, trông giống như hạt “muối”.
Page 6
P

a
z = a
P
b
z =b
0 ortherwise
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
Và ngược lại nếu một điểm ảnh có giá trị cực tiểu (tức cường độ sáng bằng 0) thì sẽ
tạo ra một đốm đen, giống như “tiêu”. Vậy nên còn gọi là ảnh muối tiêu. Thông
thường, khi nói một ảnh nhiễu muối tiêu 30% nghĩa là trong đó tỉ lệ các điểm ảnh
nhiễu mang gia trị cực tiểu là 15% và cực đại là 15%.
Nhiễu Gaussian: Bởi vì khả năng dễ ứng dụng toán của nó trong cả lĩnh
vực không gian và tần số, nhiễu Gaussian được sử dụng phổ biến trong thực
tiễn. Có hàm phân bố là:
Trong đó, z biểu diễn mức xám, µ là giá trị trung bình của z,σ là độ lệch
tiêu chuẩn, σ
2
là phương sai của z.
trong đó:


Nhiễu Uniform: Được cho bởi:

Digital Image Processing của Gonzalez.
Page 7
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
II. Các phương pháp lọc nhiễu
1. Thuật toán chung

Các phương pháp này đều dựa trên một nguyên tắc chung là sử
dụng các cửa sổ W(x,y) kích thước m x n. Ở trong bài tập lớn,chúng
em sử dụng ma trận 3x3 vì tính chất của nó không quá phức tạp,dễ sử
dụng và phổ biến nhất.
f(x-1,y-1) f(x-1,y) f(x-1,y+1)
f(x,y-1) f(x,y) f(x,y+1)
f(x+1,y-1) f(x+1,y) f(x+1,y+1)
Trong đó f(x,y) là giá trị của điểm ảnh đang xét.
2. Các thuật toán cụ thể
2.1. Lọc trung bình(Mean Filter)
a. Công thức tính:
• Trung bình cộng:
f^(x,y) = Sum(f(i,j)* t)/ m*n
• Trung bình nhân:
f^(x,y) = [Tích(f(i,j)]
m*n
trong đó m,n là kích thước mặt nạ, t là trọng số, (i,j) ∈
W(x,y)
b. Thứ tự các bước của thuật toán như sau:
Page 8
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
- Tính các giá trị f(i,j) của khung W(x,y), đưa kết quả vào mảng một
chiều f [].
- Tính f^(x, y) theo công thức trên.
- Đặt lại f(x,y) = f^(x, y)
Page 9
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
2.2 Lọc trung vị(Median Filter)

a. Công thức của phương pháp này như sau:
f^(x, y) = median {f(i,j), (i,j) ∈ W(x,y)}
Trong đó :
- f^(x, y) là giá trị kỳ vọng của điểm (x,y) tức là giá trị mong muốn gần
với giá trị của điểm (x,y) ban đầu khi ảnh chưa bị nhiễu nhất.
- median {f(i,j), (i,j) ∈ W(x,y)} là trung vị của dãy f(i,j) với (i,j)∈W(x,y)
b. Ý tưởng để cài đặt thuật toán:
Xét tất cả các điểm ảnh của đối tượng:
-Tính các giá trị f(i,j) của khung W(x,y), đưa kết quả vào mảng một
chiều f [].
-Tìm trung vị của dãy f(i,j) vừa tìm được:
+Sử dụng thuật toán sắp xếp nổi bọt để sắp xếp dãy vừa tìm được
+ Đặt k = chiều dài của mảng f[] mod 2
+ Trung vị = f[k]
- Đặt lại f(x,y) = trung vị.
Đọan mã giả thể hiện thuật toán
For y = 1 To H - 2
For x = 1 To W - 2
1) For k = 1 To 3
For q = 1 To 3
D((k-1)*3+q) = Getpixel(y+k-2, x+q-2)
Next k: Next q
2) Sort D: D(1) ≤ D(2) ≤ ≤ D(9)
3) f^(x,y) = D(5)
Next x: Next y
Page 10
mn
jifyxf
yxWji
/1

),(),(
),(),(








=
∏
∈
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
2.3. Lọc hình học( Geometric Filter)
a. Công thức của phương pháp này như sau:
Đây là phương pháp sử dụng trung bình nhân các giá trị trong cửa sổ
W(x,y)
b. Ý tưởng để cài đặt thuật toán
Xét tất cả các điểm ảnh của đối tượng:
- Tính các giá trị f(i,j) của khung W(x,y), đưa kết quả vào mảng một
chiều f [].
- Tính trung bình nhân của các giá trị vừa tính được ở bước trên.
- Đặt lại giá trị f(x,y) = trung bình nhân.
2.4. Lọc điều hòa(Harmonic Filter)
a. Công thức của phương pháp này như sau:
Các bước của thuật toán cũng tương tự như hai phương pháp trên. Chú ý
xét điều kiện f(i,j) phải khác không. Ta có tử số bằng tổng nghịch đảo của các
f(i,j) khác không.

b. Ý tưởng để cài đặt thuật toán
- Tính các giá trị f(i,j) của khung W(x,y), đưa kết quả vào mảng một
chiều f [].
- Tính f^(x, y) theo công thức trên.
- Đặt lại f(x,y) = f^(x, y)
Page 11
∑
∈
=
),(),(
),(
1
),(^
yxWji
jif
mn
yxf
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
2.5. Lọc phi điều hòa(ContraHamonical Filter)
a. Công thức của phương pháp này như sau:
∑
∑
∈
∈
+
=
),(),(
),(),(
1

),(
),(
),(^
yxWji
Q
yxWji
Q
jif
jif
yxf
- Q là bậc (hạng) của bộ lọc. Q = 0 là bộ lọc trung bình. Q= - 1 là bộ lọc
điều hòa.
-Ở phương pháp này cần chú ý xét đến trường hợp tất cả các giá trị trong
dãy f[] tìm được đều bằng không. Trong trường hợp này ta giữ nguyên giá trị cũ
của điểm ảnh đó.
-Các bước của thuật toán giống như phương pháp lọc điều hòa.
Page 12
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
III. Phân tích,đánh giá và so sánh các phương pháp lọc ảnh trên.
1. Phương pháp lọc trung vị
1.1. Nhận xét:
Qua chạy thử chương trình chúng em nhận thấy, phương pháp lọc trung
vị tỏ ra có hiệu quả đối với nhiễu sạn, điều này hoàn toàn phù hợp với lý thuyết,
do nhiễu sạn có các phần tử của nhiễu nhỏ nên xác xuất điểm nằm gần điểm
nhiễu trở thành trung vị là rất cao, vì vậy, sau khi lọc, các điểm nhiễu hầu như
sẽ được thay thế bởi thông tin của các điểm lân cận.
Ngoài ra, đối với lọc trung vị, ta có thể cải tiến thành phương pháp lọc
giả trung vị với vị trí điểm được chọn trong dãy sau khi sắp xếp được tính bằng
p% x chiều dài của dãy.

+ Với p= 50% thì đây là phương pháp lọc trung vị.
+ Với p = 0% tức là ta lấy giá trị nhỏ nhất trong dãy, phương pháp trở
thành lọc nhỏ nhất (Min Filter).
+ Với p = 100% thì phương pháp trở thành lọc lớn nhất (Max Filter).
Một trường hợp khác của lọc trung vị là lọc giả trung vị ( Midpoint filter).
Phương pháp này là sự kết hợp của phương pháp lọc không gian và phương
pháp trung bình. Giá trị của mỗi vị trí trong cửa sổ được tính bằng trung bình
cộng của giá trị nhỏ nhất trong dãy với giá trị lớn nhất trong dãy sau khi đã sắp
xếp theo chiều tăng ( hoặc giảm). Công thức cho phương pháp này như sau:
f^(x,y) = ½( max (f(i,j))+ min (f(i,j))) , (i,j) thuộc W(x,y)
1.2. Ưu điểm :
Phương pháp lọc trung vị có hiệu qủa khá cao và áp dụng được với nhiều
loại ảnh có nhiễu khác nhau. Quá trình lọc nhiễu không làm ảnh hưởng nhiều
tới ảnh gốc, ít làm mờ ảnh so với các bộ lọc làm trơn tuyến tính. Đặc biệt,
phương pháp này đồng thời có thể lọc tốt với cả 2 loại nhiễu xung đơn cực và
lưỡng cực.
Giá trị mức sáng được chọn để thay thế cho tâm của cửa sổ chính xác bằng
một mức sáng của một điểm trong cửa sổ vi thế không có sai số do phải làm
tròn từ tổ hợp của các điểm lân cận nếu chúng ta muốn làm việc riêng với các số
nguyên.
Page 13
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
Độ phức tạp của thuật toán: (w*w)*(H*W)
Với w, H, W là kích thước cửa sổ trượt và kích thước ảnh
Đối với phương pháp lọc Min: Được áp dụng để tìm những điểm tối nhất.
Và phương pháp lọc tốt đối với nhiễu muối vì nhiễu muối thường có giá trị cao
( sáng), do phương pháp này lấy giá trị nhỏ nhất trong dãy thay cho tất cả các
điểm ảnh trong cửa sổ nên xác suất để lấy điểm nhiễu là rất ít ( có thể là không).
Đối với phương pháp lọc Max: Phương pháp này lọc tốt đối với những ảnh

bị nhiễu tiêu vì nhiễu tiêu thường có giá trị thấp (tối), do phương pháp này lấy
giá trị lớn nhất trong dãy thay cho tất cả các điểm ảnh trong cửa sổ nên xác suất
để lấy điểm nhiễu là rất ít ( có thể là không).
1.3. Nhược điểm :
Với độ phức tạp trên nếu ảnh có kích thước lớn thì số phép toán là khá lớn.
Page 14
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
Kết quả sau khi chạy chương trình sử dụng phương pháp lọc trung vị
2. Phương pháp lọc trung bình
2.1. Ưu điểm
Với các ảnh nhiễu dàn đều trên toàn ảnh có khả năng làm mờ nhiễu, giảm
sự khác biệt về mức sáng giữa các điểm ảnh của ảnh gốc và các điểm ảnh bị
nhiễu tác động.
Page 15
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
Phương pháp này cho làm được công việc như phương pháp lọc hình học,
tuy nhiên nó có ưu điểm hơn là nó không làm mờ ảnh nhiều như lọc hình học.
Phương pháp này lọc tốt đối với những ảnh bị nhiễu random như nhiễu
Gaussian hoặc nhiễu Uniform.
Độ phức tạp của thuật toán: (w*w)*(H*W)
Với w, H, W là kích thước mặt nạ và kích thước ảnh
2.2. Nhược điểm
Quá trình làm mờ nhiễu cũng đồng thời làm mờ ảnh, vì bộ lọc trung bình
có xu hướng cân bằng cường độ sáng các điểm ảnh. Cũng như bộ lọc Median,
với các ảnh có kích thước lớn thì số phép toán phải thực hiện lớn.
Bộ lọc trung bình có vai trò làm trơn ảnh có thể xem như bộ lọc thông cao,
nhưng lại làm mờ đường biên của các đối tượng bên trong ảnh, và lọc nhiễu tiêu
không được tốt lắm.

Kết quả sau khi sử dụng phương pháp lọc trung bình
Page 16
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
3. Phương pháp lọc hình học
3.1. Ưu điểm
Cả phương pháp lọc trung bình và lọc hình học đều là các phương pháp lọc
không gian, nó có vai trò làm trơn ảnh.
Giống như phương pháp lọc trung bình, phương pháp này lọc tốt đối
với những ảnh bị nhiễu random như nhiễu Gaussian hoặc nhiễu
Uniform.
3.2. Nhược điểm
Ảnh sau khi lọc cũng bị mờ đi và làm mất đi ít nhiều độ chi tiết của ảnh.
Với nhiễu dạng đường như hình dưới đây thì kết quả cũng không tốt, nhiễu
to ra và đậm lên.
Kết quả chạy chương trình khi sử dụng phương pháp lọc hình học

Page 17
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
4. Phương pháp lọc điều hòa
4.1. Ưu điểm
Lọc tốt đối với nhiễu muối ( như hình dưới đây), và các kiểu nhiễu khác
như là nhiễu Gaussian
4.2. Nhược điểm
Phương pháp này không hiệu quả đối với nhiễu tiêu
Kết quả sau khi chạy chương trình sử dụng phương pháp lọc điều hòa
5. Phương pháp lọc phi điều hòa
5.1. Ưu điểm
Phương pháp này tỏ ra khá hiệu quả đối với những vùng nhiễu đậm (như

hình dưới đây), và vẫn giữ được chất lượng của ảnh:
Page 18
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
Nếu Q > 0, lọc tốt đối với nhiễu tiêu, làm sạch nền nhưng lại làm mờ các
vùng tối.
Với Q<0, lọc tốt đối với nhiễu muối.
5.2. Nhược điểm
Quá trình làm mờ nhiễu nhưng cũng làm mờ ảnh. Điều này được giải thích
vì phương pháp này làm phân tán các các điểm nhiễu ra xung quanh.
Khi sử dụng phương pháp này cần phải biết trước nhiễu là tối hay sáng
( nhiễu muối hay nhiễu tiêu) để chọn giá trị Q cho phù hợp. Nếu không kết quả
sẽ xấu đi rất nhiều. Vì vậy cũng đồng nghĩa với việc là nó không thể lọc đồng
thời cả 2 loại nhiễu muối và nhiễu tiêu trên một ảnh.
Kết quả khi chạy chương trình cho phương pháp lọc phi điều hòa:

Page 19
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung


Có khá nhiều phương pháp để lọc nhiễu, tuy nhiên không có phương pháp
nào là tốt nhất, mỗi phương pháp sẽ phù hợp với một số loại nhiễu, một bộ lọc
có thể tốt với nhiễu này nhưng không tốt với nhiễu kia. Vì vậy khi tiến hành lọc
nhiễu, cần tìm ra bộ lọc thích hợp cho dữ liệu ảnh cần lọc. Nhìn chung, sau khi
xây dựng chương trình và test thì em nhận thấy phương pháp lọc trung vị và
phương pháp lọc phi điều hòa là khá hơn cả, lọc được với nhiều loại nhiễu hơn.
Các phương pháp lọc trung bình, lọc hình học lọc tốt với nhiễu Gaussian hoặc
nhiễu Uniform. Phương pháp lọc điều hòa lọc tốt với nhiễu muối.
Page 20

Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
IV. Kết luận
Việc cài đặt và chạy thử các thuật toán đã giúp em tìm hiểu và nắm được
sâu hơn về các phương pháp lọc nhiễu mà thầy giáo đã dạy trên lớp; qua đó so
sánh, đánh giá được hiệu quả của từng phương pháp để có những áp dụng phù
hợp khi làm thực tế.
Do kiến thức của bản thân còn hạn chế, thời gian tìm hiều môn học chưa
nhiều nên trong bài tập của chúng em còn có những sai sót và hạn chế nhất
định.Chúng em kính mong nhận được sự góp ý của thầy và các bạn để chúng
em nắm vững hơn nữa những kiến thức của môn học cũng như hoàn thiện tốt
hơn bài tập này.
V. Tài liệu tham khảo, kết quả đạt được và những tồn tại
1. Tài liệu tham khảo
Bài giảng của thầy giáo Đào Thanh Tĩnh
Data image processing – Gonzalez R C Wood.
2. Kết quả đạt được
Bài báo cáo đã tìm hiểu, đánh gía được ưu, nhược điểm của từng phương
pháp và xây dựng được chương trình minh họa để chứng minh cho những đánh
giá đó. Qua đó có sự so sánh giữa các phương pháp và rút ra kết luận.
3. Những tồn tại
Trong chương trình chúng em chỉ mới sử dụng cửa sổ kích thước 3x3,
chưa làm được khi sử dụng với cửa sổ có kích thước lớn hơn như 5x5,7x7, và
do đó cũng chưa so sánh được kết quả lọc khi thay đổi kích thước cửa sổ.
Chương trình chạy đối với ảnh kích thước lớn đang còn chậm.
Số lượng ảnh đầu vào bị nhiễu không được nhiều ,do vậy kết quả sau khi
chạy chưa kiểm tra được lại trên số lượng ảnh lớn để đánh giá 1 cánh chính xác.
- Đối với ảnh màu,chúng em đã sử dụng phương pháp chuyển từ mô hình
RGB sang HIS, thực hiện lọc với thành phần I sau đó chuyển lại từ HIS về
RGB, tuy nhiên, kết quả không tốt, các điểm ảnh sau khi chuyển lại bị lẫn màu.

Vì vậy, trong chương trình kèm theo,chúng em đang thực hiện lọc với cả ba
thành phần màu RGB.
Page 21
Đồ án Xử Lý Ảnh Học viên thực hiện: Trịnh Quốc Bảo
-Lê Đình Chung
- Chương trình chạy với các ảnh 24 bit (cả ảnh màu và ảnh xám).Chúng
em chưa hoàn thảnh được modul xử lý với ảnh 8 bit. Các ảnh đều là ảnh bitmap.
- Khi thực hiện lấy giá trị của điểm ảnh, có hai phương thức là sử dụng
hàm getpixel hoặc dùng con trỏ, hàm getpixel chỉ nên dùng nếu các ảnh có kích
thước nhỏ.
*Hướng thực hiện đồ án:
- Hoàn chỉnh phương pháp lọc giả trung vị.
- Hoàn chỉnh modul xử lý với ảnh 8 bit.
- Nghiên cứu mô hình xử lý ảnh màu.
- Tìm hiều thêm một số phương pháp lọc nhiễu sạn ngoài chương trình đã
học.
- Xây dựng modul tạo nhiễu sạn trên ảnh.
Page 22