Tài liệu ôn tập chuyên đề 1 SPKT

ÔN TẬP CHUYÊN ĐỀ 1 - 2014
(xử lý ảnh và nhân dạng)
Lê Thiện Hào-10110034
Câu 1: Cân bằng histogram.
a. Viết công thức
 Mục đích của cân bằng histogram là làm cho histogram đồng đều. Khi đó ta làm tăng được độ tương phản của
ảnh.
 Cân bằng histogram được cho bằng phương trình: s=T(r)=(L-1)

r
r
dwwp
0
)(

với p
r
(w) : Xác suất xảy ra mức xám w
 Trong xác suất, tích phân của hàm mật độ là hàm phân phối. Công thức trên có w là biến liên tục, ta không thể lập
trình nó. Ta phải dùng công thức rời rạc: s
k
=T(r
k
)=(L-1)


k
j
jr
rp
0

)(

với k= 0,1,2,…,L-1
b. Lập trình
void HistogramEqulization(Mat imgin, Mat imgout)

{

int M=imgin.size().height; int
N=imgin.size().width; int x,y;

int r, h[L]; for(r=0;r<L;r++) h[r]=0;
for(x=0;x<M;x++)
for(y=0;y<N;y++)
{
r=imgin.at<uchar>(x,y);

h[r]++;
}

double p[L];

for(r=0;r<L;r++) p[r]=1.0*h[r]/(M*N);

double s[L]; int j,k;
for(k=0;k<L;k++)

{

s[k]=0; for(j=0;j<=k;j++)

s[k]+=p[j];
}

for(x=0;x<M;x++)
for(y=0;y<N;y++)

{
r=imgin.at<uchar>(x,y);
imgout.at<uchar>(x,y)=uchar((L-1)*s[r]);
}

return;

}
c. Hàm trong openCV.

boxFilter(imgin,imgout,CV_8UC1,Size(m,n));
GaussianBlur(imgin,imgout,Size(15,15),10);

Câu 2: Lọc median. (lọc trung vị)
a. Viết công thức
Mô tả thuật toán như sau: rê ma trận trên ảnh đến khi nào đủ 9 giá trị trên ma trận 3x3thì tiến hành sắp xếp ma trận
này tăng dần từ trái qua phải từ trên xuống dưới, vào thay phần tử chính giữa cũ bằng phần tử chính giữa mới.


b. Lập trình
void Sort(Mat w)

{

int size=w.size().height*w.size().width; int
i,j;

uchar temp; for(i=0;i<size-
1;i++)
for(j=i+1;j<size;j++)

if(w.data[i]>w.data[j])
{

temp=w.data[i];

w.data[i]=w.data[j];

w.data[j]=temp;
}
}

void MedianFilter(Mat imgin,Mat imgout)
{

int M=imgin.size().height; int
N=imgin.size().width; int x,y,s,t;
uchar r,sd;

int m=5,n=5; int
a=m/2,b=n/2;

Mat w=Mat(m,n,CV_8UC1,CV_RGB(0,0,0));

for(x=a;x<M-a;x++) for(y=b;y<N-
b;y++)

{

for(s=-a;s<=a;s++) for(t=-
b;t<=b;t++)
w.at<uchar>(s+a,t+b)=imgin.at<uchar>(x+s,y+t);//LAY

RA MATRAN 3X3

Sort(w);
imgout.at<uchar>(x,y)=w.at<uchar>(a,b);
}

}
c. Hàm trong openCV.
medianBlur(imgin,imgout,5);





Câu 3: Lọc tuyến tính
a. Viết công thức
Tổng quát lọc trong không gian được cho bằng phương trình :
g(x,y)=



a
as



b
bt
tysxftsw ),(),(

Trong đó :
mxn là kích thước của bộ lọc, m và n thường là số lẻ để bộ lọc có phần tử trung tâm.
a=m/2 và b=n/2 là kích thước nữa bộ lọc.
Phép toán lọc trong không gian được gọi là tổng chập (convolution).
Đối với lọc tuyến tính, mặt nạ lọc thường là bộ lọc trung bình.
Ví dụ: mặt nạ lọc trung bình và mặt nạ Gauss:


b. Lập trình
void MyFilter2D(Mat imgin, Mat imgout, Mat w)
{
int m = w.size().height;
int n = w.size().width;
int a=m/2, b=n/2;
int M = imgin.size().height;
int N = imgin.size().width;
int x, y, s, t;
float r;
for (x=a; x<M-a; x++)
for (y=b; y<N-b; y++)
{

r = 0;
for (s=-a; s<=a; s++)
for (t=-b; t<=b; t++)
r += w.at<float>(s+a,t+b)*imgin.at<uchar>(x+s,y+t);
imgout.at<uchar>(x,y) = (uchar)r;
}
return;
}

void MySmooth(Mat imgin, Mat imgout)
{
int m=35, n=35;
Mat w = Mat(m,n,CV_32F);
int x, y;
for (x=0; x<m; x++)
for (y=0; y<n; y++)
w.at<float>(x,y) = 1.0/(m*n);
filter2D(imgin,imgout,CV_8U,w);
return;
}





x
9
1

1

1
1
1
1
1
1
1
1
16
1
x
1
2
1
2
4
2
1
2
1
Câu 4: Các bước lọc trong miền tần số
Lọc ảnh trong miền tần số gồm 7 bước sau đây:
Bước 1: Cho ảnh đầu vào f(x,y) có kích thước MxN. Mở rộng ảnh có kích thước là PxQ.
Cụ thể P=2M, Q=2N.
Bước 2: Thêm zero vào phần mở rộng, ta được ảnh f
p
(x,y).
Bước 3: Nhân f
p
(x,y) với (-1)

x+y
để dời F(0,0) vào tâm ảnh.
Bước 4: Biến đổi Fourier của ảnh ở Bước 3 ta được F(u,v).
Bước 5: Cho hàm lọc có giá trị thực H(u,v) đối xứng qua tâm (P/2,Q/2). Thực hiện phép
nhân
G(u,v) = F(u,v)H(u,v).
Bước 6: Thu được ảnh đã xử lý bằng biến đổi Fourier ngược, lấy phần thực và dời trở lại
gốc tọa độ

Bước 7: Bỏ phần đã mở rộng, ta thu được ảnh g(x,y) có kích thước MxN.
Biểu diễn bằng sơ đồ khối:















Câu 5: Lọc khe để xoá nhiễu Moire
void NotchFiltering(Mat imgin, Mat imgout)
{
int M = imgin.size().height;

int N = imgin.size().width;

// Buoc 1, 2, 3
int P = getOptimalDFTSize(M);
int Q = getOptimalDFTSize(N);
Mat f = Mat(P,Q,CV_32FC2,CV_RGB(0,0,0));
int x, y;
for (x=0; x<M; x++)
for (y=0; y<N; y++)
if ((x+y)%2 == 0)
f.at<Vec2f>(x,y)[0] = imgin.at<uchar>(x,y);
else
f.at<Vec2f>(x,y)[0] = -imgin.at<uchar>(x,y);

// Buoc 4
Mat F = Mat(P,Q,CV_32FC2,CV_RGB(0,0,0));
dft(f,F);

// Buoc 5
Mat H = Mat(P,Q,CV_32FC2,CV_RGB(0,0,0));
double D01 = 12, D02 = 12, D03 = 5, D04 = 5;
double Dk, D_k;
int u, v;
int u1 = 164, v1 = 121;
int u2 = 168, v2 = 61;
int u3 = 210, v3 = 61;
int u4 = 206, v4 = 122;
int n = 4;
for (u=0; u<P; u++)
for (v=0; v<Q; v++) {

Dk = sqrt(1.0*(u-u1)*(u-u1)+1.0*(v-v1)*(v-v1));
D_k = sqrt(1.0*(u-(P-u1))*(u-(P-u1))+1.0*(v-(Q-v1))*(v-(Q-v1)));
H.at<Vec2f>(u,v)[0] =
1.0/(1.0+pow(D01/Dk,2*n))*1.0/(1.0+pow(D01/D_k,2*n));

Dk = sqrt(1.0*(u-u2)*(u-u2)+1.0*(v-v2)*(v-v2));
D_k = sqrt(1.0*(u-(P-u2))*(u-(P-u2))+1.0*(v-(Q-v2))*(v-(Q-v2)));
H.at<Vec2f>(u,v)[0] *=
1.0/(1.0+pow(D02/Dk,2*n))*1.0/(1.0+pow(D02/D_k,2*n));

Dk = sqrt(1.0*(u-u3)*(u-u3)+1.0*(v-v3)*(v-v3));
D_k = sqrt(1.0*(u-(P-u3))*(u-(P-u3))+1.0*(v-(Q-v3))*(v-(Q-v3)));
H.at<Vec2f>(u,v)[0] *=
1.0/(1.0+pow(D03/Dk,2*n))*1.0/(1.0+pow(D03/D_k,2*n));

Dk = sqrt(1.0*(u-u4)*(u-u4)+1.0*(v-v4)*(v-v4));
D_k = sqrt(1.0*(u-(P-u4))*(u-(P-u4))+1.0*(v-(Q-v4))*(v-(Q-v4)));
H.at<Vec2f>(u,v)[0] *=
1.0/(1.0+pow(D04/Dk,2*n))*1.0/(1.0+pow(D04/D_k,2*n));
}

Mat G = Mat(P,Q,CV_32FC2,CV_RGB(0,0,0));
mulSpectrums(F,H,G,DFT_ROWS);

// Buoc 6, 7
Mat g = Mat(P,Q,CV_32FC2,CV_RGB(0,0,0));
idft(G,g,DFT_SCALE);
float r;
for (x=0; x<M; x++)
for (y=0; y<N; y++) {

if ((x+y)%2 == 0)
r = g.at<Vec2f>(x,y)[0];
else
r = -g.at<Vec2f>(x,y)[0];
if (r < 0)
r = 0;
if (r > L-1)
r = L-1;
imgout.at<uchar>(x,y) = (uchar)r;
}
return;
}

Câu 6: Đếm số hạt gạo
void CountRice(Mat imgin,Mat imgout)
{
Mat temp = Mat(imgin.size(),CV_8UC1);
Mat w = getStructuringElement(MORPH_ELLIPSE,Size(81,81));
morphologyEx(imgin,temp,MORPH_TOPHAT,w);
double max;
minMaxLoc(temp,0,&max);
threshold(temp,temp,0.4*max,255,THRESH_BINARY);
medianBlur(temp,temp,5);
int fromTo[] = {0,0,0,1,0,2};
mixChannels(&temp,1,&imgout,1,fromTo,3);

int x, y, M, N;
M = imgout.size().height;
N = imgout.size().width;
Vec3b p;
uchar r, g, b;
int color = 100;
for (x=0; x<M; x++)
for (y=0; y<N; y++) {
p = imgout.at<Vec3b>(x,y);
if (p[0] == L-1 && p[1] == L-1 && p[2] == L-1) {

r = color%256;
g = (color/256)%256;
b = ((color/256)/256)%256;
floodFill(imgout,Point(y,x),CV_RGB(r,g,b));
color++;
}
}

int k, mang[1000];
for (k=0; k<1000; k++)
mang[k] = 0;

for (x=0; x<M; x++)
for (y=0; y<N; y++) {
p = imgout.at<Vec3b>(x,y);
r = p[2];
g = p[1];
b = p[0];
k = r + g*256 + b*256*256;
if (k > 0)
mang[k]++;
}

FILE *fp = fopen("ThongKe.txt","wt");
fprintf(fp,"Co %d hot gao\n",color-100);
for (k=0; k<1000; k++)
if (mang[k] > 0)
fprintf(fp,"Mau %3d co %3d pixel\n",k,mang[k]);
fclose(fp);

char buffer[256];
sprintf(buffer,"Co %d hot gao",color-100);
putText(imgout,buffer,Point(0,25),FONT_HERSHEY_DUPLEX,0.7,CV_RGB(0,255,0));
return;
}


Câu 7: Nhận dạng khuôn mặt
Các bước nhận dạng khuôn mặt.
Bước 1: Phát hiện khuôn măt dùng thuật toán và file xml có sẳn trong openCV. Dùng Detect and
Display().
Bước 2: Tạo cơ sở dữ liệu gồm 15 mặt, trong đó 10 mặt dùng để học, 5 mặt dùng để nhận dạng.
Bước 3: nhận dạng dùng eigenface.

Lập trình
void training(Ptr<FaceRecognizer> &model)

{

vector<Mat> images; vector<int> labels;
char filename[128]; for(int
i=1;i<=10;i++){

sprintf(filename,"faces\\Ban01\\%02d.bmp",i); Mat
img=imread(filename,CV_LOAD_IMAGE_GRAYSCALE);
images.push_back(img);
labels.push_back(1);

}

for(int i=1;i<=10;i++){ sprintf(filename,"faces\\Ban02\\%02d.bmp",i);
Mat img=imread(filename,CV_LOAD_IMAGE_GRAYSCALE);
images.push_back(img);

labels.push_back(2);

}

for(int i=1;i<=10;i++){ sprintf(filename,"faces\\ThayDuc\\%02d.bmp",i);
Mat img=imread(filename,CV_LOAD_IMAGE_GRAYSCALE);
images.push_back(img);

labels.push_back(3);

}
int num_components=3;

model = createEigenFaceRecognizer(); model-
>train(images,labels);

}

void main()

{

Ptr<FaceRecognizer> model;
training(model);

Mat imgtest=imread("test\\ThayDuc\\11.bmp",CV_LOAD_IMAGE_GRAYSCALE); printf("%d",model-

>predict(imgtest));

}