NHĨM 7
THUẬT TỐN AUTOFOCUS CHO
ĐIỆN THOẠI VÀ MÁY ẢNH
Thành viên nhóm
Trần Hiếu Minh
Lê Đức Minh
Lê Tuấn Minh
Phạm Tường Minh
Đỗ Hoàng Nam
Nội dung chính
• Mục tiêu và các nội dung chính của project
• Các nội dung mà nhóm đã đạt được
• Nội dung chi tiết
• Đánh giá và kết luận
Mục tiêu và các nội dung chính của project
• Tìm hiểu về autofocus và auto white balance
• Tự phát triển một thuật toán autofocus
• Cài đặt thuật toán trên điện thoại
• Đánh giá thuật toán
Nội dung nhóm đã thực hiện
Tìm hiểu về autofocus và auto white balance
Tự phát triển một thuật toán autofocus
• Cài đặt, chạy thử trên điện thoại
Nội dung chính của project
• Autofocus và auto white balance
• Thuật tốn autofocus của nhóm
• Kết quả thử nghiệm
Autofocus là gì ?
Autofocus là một tính năng trong các máy ảnh và điện thoại chụp hình cho phép hệ
thống có thể lấy nét và tập trung vào vùng nét chính của khung hình một cách tự động
Active Cảm biến pha, laser,...
autofocus
Autofocus Điều chỉnh tiêu cự
Passive Frame từ camera
autofocus
Auto white balance là gì ?
Auto white balance (AWB) là chức năng tự động cân bằng trắng trong các thiết bị
nhiếp ảnh và máy quay phim
Ánh sáng từ môi trường làm thay đổi màu sắc tổng thể của hình ảnh và các vật
thể trong đó khi camera ghi nhận
Cần cân bằng trắng để hình ảnh có màu sắc tự nhiên nhất giống với
những gì mắt người nhìn thấy
Phân tích, xác định ánh Điều chỉnh màu sắc hình ảnh
sáng môi trường theo màu chủ đạo
Thuật toán autofocus
Khơng có giải pháp điều chỉnh tiêu cự camera
Mô phỏng ảnh focus bằng cách tăng cường ảnh
vùng cần lấy nét và làm mờ vùng nền
Cần xác định vùng lấy nét
Xử lí trên từng frame ảnh
Thuật toán autofocus
Thuật tốn tìm kiếm vùng lấy nét tự động
Vùng cần lấy nét là vùng có độ tương phản cao
Nơi tập trung nhiều cạnh biên
Sobel filter
Cần lọc nhiễu và loại bỏ các cạnh biên ở phần nền
Gaussian Blur
Thuật tốn tìm kiếm vùng lấy nét tự động
Convolution
Các thuật toán Gaussian Blur và Sobel filter đều cần sử dụng
phép tốn tích chập trên ảnh
Cơng thức tích chập giữa ảnh f(x,y) và kenel k(x,y) kích thước mxn
Convolution 123 987
456 654
Lật k(x,y) 789 321
Dịch k(x,y) qua các điểm ảnh
000 987
Tính giá trị điểm ảnh mới 01234 654
05678 321
9123
4567
000
0 29 2 3 4
05678
9123
4567
Các phương pháp làm mịn, khử nhiễu
Averaging Filter
- Ý tưởng của lọc trung bình chỉ đơn giản là thay thế từng giá trị pixel trong một ảnh bằng giá
trị trung bình (`trung bình') của các pixel lân cận, bao gồm cả chính nó. Điều này có tác
dụng loại bỏ các giá trị pixel không đại diện cho môi trường xung quanh chúng.
- Ví dụ:
Ảnh đầu vào Ảnh đầu ra
Median Filter
- Ý tưởng chính của thuật tốn lọc Trung vị như sau: ta sử dụng một cửa sổ lọc (ma trận
3×3) quét qua lần lượt từng điểm ảnh của ảnh đầu vào input. Tại vị trí mỗi điểm ảnh lấy
giá trị của các điểm ảnh tương ứng trong vùng 3×3 của ảnh gốc “lấp” vào ma trận lọc. Sau
đó sắp xếp các điểm ảnh trong cửa sổ này theo thứ tự (tăng dần hoặc giảm dần tùy ý).
Cuối cùng, gán điểm ảnh nằm chính giữa (Trung vị) của dãy giá trị điểm ảnh đã được sắp
xếp ở trên cho giá trị điểm ảnh đang xét của ảnh đầu ra output.
- Ví dụ:
Ảnh đầu vào Ảnh đầu ra
Gaussian Blur
+ Gaussian Blur là kĩ thuật sử dụng một bộ lọc
chuẩn theo phân phối Gaussian để làm mờ các
điểm ảnh xung quanh mỗi điểm ảnh trong ảnh đầu
vào.
+ Độ mờ của ảnh đầu ra sẽ phụ thuộc vào bộ lọc
Gaussian đầu vào, do vậy ta có thể điều chỉnh độ
HàmmGờaudsựsatrtorênnggkiháôtnrịgcgủiaanbộ1 lvọàc.2 chiều(ảnh)
Trong đó x,y là hai trục cịn σ là phương sai
Sobel filter
• Kernel Sobel là một ứng dụng được sử dụng thường xuyên trong
xử lý ảnh và thị giác máy.
• Cụ thể, Kenel Sobel thường được sử dụng để tính đạo hàm của
hình ảnh theo hướng x và y, từ đó giúp xác định cạnh và biên của
vật thể trong hình ảnh.
• Trong nghiên cứu về auto focus lần này, Sobel được sử dụng để
xác định cạnh của vật thể, từ đó phát hiện vật thể trong ảnh
Sobel filter
● Kernel Sobel theo hướng x thường
được ký hiệu là Gx, và kernel
Sobel theo hướng y thường được
ký hiệu là Gy. Cả hai kernel này
đều là các ma trận 3x3.
● Khi áp dụng kernel Sobel theo
hướng x và y lần lượt cho mỗi
pixel trong hình ảnh, chúng ta có
thể tính toán đạo hàm riêng theo
hướng x và y. Tổng của độ lớn
gradient (G) có thể được tính
bằng cách sử dụng công thức sau: