tiểu luận xử lý ảnh số khôi phục ảnh

ĐẠI HỌC ĐÀ NẴNG
TRƯỜNG ĐẠI HỌC BÁCH KHOA
KHOA ĐIỆN TỬ - VIỄN THÔNG

TIỂU LUẬN XỬ LÝ ẢNH
Khôi phục ảnh
Lớp : K26-KTĐT
Học viên: Lê Phước Chung
Giáo viên hướng dẫn: T.S Ngô Văn Sỹ
- Đà Nẵng, 10/2013 -
Trang 1
1
CHƯƠNG 5 : KHÔI PHỤC ẢNH
Tổng quan
Như trong kỹ thuật nâng cao hình ảnh, mục tiêu cuối cùng của các kỹ thuật
phục hồi là cải tiến một hình ảnh trong một số ý nghĩa được xác định trước. Mặc dù có
những lĩnh vực chồng chéo, nâng cao chất lượng hình ảnh phần lớn là một quá trình
chủ quan, trong khi phục hồi hình ảnh là dành cho hầu hết các phần của một quá trình
khách quan.
Cố gắng phục hồi để tái tạo lại hoặc phục hồi một hình ảnh đã bị suy giảm bằng
cách sử dụng một kiến thức ưu tiên của hiện tượng suy giảm. Do đó, kỹ thuật phục hồi
là hướng tới mô hình hóa sự suy giảm chất lượng và áp dụng quy trình ngược để khôi
phục lại các hình ảnh ban đầu.
Cách tiếp cận này thường bao gồm việc xây dựng một tiêu chuẩn tốt nhất có
thể, điều đó sẽ mang lại một sự đánh giá tối ưu các kết quả mong muốn. Ngược lại, kỹ
thuật nâng cao về cơ bản là những thủ tục phỏng đoán được thiết kế để thao tác một
hình ảnh để tận dụng lợi thế của các khía cạnh tâm vật lý của hệ thống thị giác của con
người. Ví dụ, độ tương phản kéo dài được xem là một kỹ thuật nâng cao bởi vì nó
được dựa chủ yếu vào các khía cạnh làm hài lòng, có thể trình bày cho người xem,
trong khi loại bỏ các hình ảnh mờ bằng cách áp dụng một hàm được xem là một kỹ
thuật phục hồi.

Chúng ta xem xét các vấn đề khôi phục ảnh trên những điểm bị giảm suốt, hình ảnh kỹ
thuật số được đưa ra: do đó chúng ta xem xét với cảm biến, số hóa, và sự giảm sút chỉ
hiển thị từ bề ngoài Các đối tượng này, mặc dù có tầm quan trọng trong việc điều trị
Trang 2
2
tổng thể của các ứng dụng phục hồi hình ảnh, nằm ngoài phạm vi của các cuộc thảo
luận hiện nay.
Trang 3
3
Chương 5 : Khôi phục ảnh
Như trong chương 3 và 4, một số kỹ thuật phục hồi được xây dựng tốt nhất
trong phạm vi không gian, trong khi những cái khác khác phù hợp hơn cho miền
tần số. Ví dụ, xử lý không gian được áp dụng khi sự suy giảm chỉ là nhiễu cộng
thêm. Mặt khác, sự giảm sút như mờ hình ảnh rất khó để tiếp cận trong lĩnh vực
không gian sử dụng mặt nạ nhỏ. Trong trường hợp này, các bộ lọc miền tần số dựa
trên các tiêu chí khác nhau của sự tối ưu là phương pháp tiếp cận của sự lựa chọn.
Các bộ lọc này cũng có tính đến sự hiện diện của nhiễu. Như trong chương 4 (xem
ý kiến tại mục 4.6.7), một bộ lọc phục hồi có thể giải quyết một ứng dụng nhất
định trong lĩnh vực tần số thường được sử dụng làm cơ sở để tạo ra một bộ lọc kỹ
thuật số mà sẽ phù hợp hơn cho hoạt động thường xuyên sử dụng thực hiện phần
cứng / phần mềm.
Mô hình của quá trình suy giảm/ phục hồi.
Như hình. 5.1, quá trình suy giảm được mô hình hóa trong chương này như
một hàm suy biến, cùng với một thuật ngữ nhiễu cộng thêm, hoạt động trên một
hình ảnh đầu vào f (x. y) để tạo ra một hình ảnh xuống cấp g (x <y). Cho g (x, y)
một số thông tin về hàm suy biến H, và một số thông về thuật ngữ nhiễu cộng
thêm ŋ (x, y), mục tiêu của phục hồi là để có được một ước tính f(x y) của ảnh gốc
. Chúng ta muốn ước lượng được càng gần càng tốt để hình ảnh đầu vào ban đầu,
nói chung, chúng ta càng biết về H và ŋ, càng biết ŋ(x, y) , f (x, y) sẽ càng chính
xác. Cách tiếp cận sử dụng thông suốt nhất của chương này được dựa trên các loại

khác nhau của các bộ lọc phục hồi hình ảnh.
Được chỉ ra trong phần 5.5 , nếu H tuyến tính và bất biến, hình ảnh bị suy
giảm được đưa ra trong miền không gian bằng:
Ở đây h(x, y) là đại diện không gian của hàm suy biến, như trong Chương
4, những kí tự được chập.Ta biết từ các thảo luận tại mục 4.2.4 và 4.6.4,chập trong
Trang 4
4 Chapter 5 M Image Restoraon
4
Chương 5 : Khôi phục ảnh
mền không gian bằng phép nhân trong miền tần số, vì vậy chúng tôi cóthể viết các
mô hình trong phương trình. (5,1-1) trong miền tần số tương đương
Những chữ in hoa là biến đổi Fourier tương ưng trong hàm trên.
Trong ba phần sau đây, chúng tôi cho rằng H là những thực thể hoạt động,
và chúng ta chỉ xử lý với sự giảm sút do nhiễu. Bắt đầu tại mục 5.6 chúng ta xem
xét Hàm suy biến và xem xét một số phương pháp để khôi phục hình ảnh trong sự
hiện diện của cả H và ŋ.
5.2 Mô hình nhiễu
Các nguồn chính của nhiễu trong hình ảnh kỹ thuật số phát sinh trong quá
trình thu hình ảnh (số hóa) và / hoặc truyền tải. Hiệu quả hoạt động của cảm biến
hình ảnh bị ảnh hưởng bởi nhiều yếu tố, chẳng hạn như điều kiện môi trường trong
quá trình thu hình ảnh, và bởi chất lượng của các yếu tố cảm nhận của mình. Ví
dụ, trong việc đạt được hình ảnh với một máy ảnh CCD, mức độ ánh sáng và cảm
biến nhiệt độ là những yếu tố chính ảnh hưởng đến số lượng nhiễu trong các kết
Trang 5
5 Chapter 5 M Image Restoraon
5
Chương 5 : Khôi phục ảnh
quả hình ảnh. Hình ảnh bị hỏng trong quá trình truyền chủ yếu do sự can thiệp
trong các kênh được sử dụng để truyền. Ví dụ, một hình ảnh truyền qua mạng
không dây có thể bị hỏng do sét hoặc rối loạn khí quyển khác.

5.2.1 thuộc tính không gian và tần số nhiễu
Liên quan đến cuộc thảo luận của chúng tôi là thông số để xác định các đặc
điểm miền không gian của nhiễu, và nhiễu tương quan với các hình ảnh. Tính tần
số tham chiếu các nội dung tần số của nhiễu trong ý nghĩa Fourier (ví dụ, như trái
ngược với quang phổ điện từ). Ví dụ, khi phổ Fourier của nhiễu là không đổi,
nhiễu thường được gọi là nhiễu trắng. Thuật ngữ này là một thực hơn từ các tính
chất vật lý của ánh sáng trắng, trong đó có gần như tất cả các tần số trong quang
phổ nhìn thấy trong tỷ lệ ngang nhau. Từ các cuộc thảo luận trong chương 4,
không khó khăn để chứng minh rằng phổ Fourier của một hàm chứa tất cả các tần
số trong tỷ lệ ngang nhau là một hằng số.
Ngoại trừ nhiễu không gian theo chu kỳ (mục 5.2.3), chúng tôi giả định
trong chương này là nhiễu là độc lập trong tọa độ không gian, và nó là không
tương quan tới hình ảnh .Mặc dù những giả định này không có ý nghĩa với 1 vài
ứng dụng (lượng tử giới hạn hình ảnh, chẳng hạn như trong X-quang và y học hạt
nhân, hình ảnh), sự phức tạp của đối phó với nhiễu phụ thuộc không gian và tương
quan nằm ngoài phạm vi của thảo luận của chúng tôi.
Một số hàm mật độ xác suất nhiễu quan trọng
Dựa trên các giả định trong phần trước, mô tả nhiễu không gian mà chúng
ta sẽ được quan tâm là hành vi thống kê của các giá trị màu xám cấp trong các
thành phần nhiễu của mô hình trong hình 5.1.Đây có thể được coi là các biến ngẫu
nhiên, đặc trưng bởi một hàm mật độ xác suất (PDF). Sau đây là một trong các file
PDF phổ biến nhất trong các ứng dụng xử lý hình ảnh.
Gaussian noise
Trang 6
6 Chapter 5 M Image Restoraon
6
Chương 5 : Khôi phục ảnh
Hàm PDF nhiễu Gaussan được cho bởi :
Ở đây z đại diện cho cấp độ màu xám, µ là giá tị trung bình của z, được vẽ trong
hình 5.2(a), trong đó z được mô tả bởi hàm (5.2-1) xấp xỉ 70% giá trị trong khoảng

[(µ - σ), (µ + σ)] và 95% trong khoảng [(µ -2 σ), (µ +2 σ)]
Nhiễu Rayleigh
PDF Rayleigh cho bởi :
Trong đó :
Hình 5.2b thể hiện nhiễu này.
Nhiễu Erlang (Gamma)
PDF Erlang cho bởi :
Với các thông số như trên a> 0, b là một số nguyên dương. Giá trị trung bình và
phương sai của mật độ này được đưa ra bởi công thức:
Trang 7
7 Chapter 5 M Image Restoraon
7
Chương 5 : Khôi phục ảnh
Trang 8
8 Chapter 5 M Image Restoraon
8
Chương 5 : Khôi phục ảnh
Hình 5.2 (c) vẽ mật độ này. Mặc dù phương trình (5,2-5) thường được gọi
là mật độ gamma,điều này chỉ đúng khi mẫu số là hàm gamma T(b). Khi mẫu số
giống như đã chỉ ra, mật độ thích hợp hơn được gọi là mật độ Erlang.
Exponential noise( Bùng nổ nhiễu )
PDF của sự bùng nổ nhiễu được cho bởi :
Với a>o. Giá trị trung bình và phương sai của hàm mật độ này là:
Trang 9
9 Chapter 5 M Image Restoraon
9
Chương 5 : Khôi phục ảnh
Chú ý rằng PF là trường hợp đặc biệt của Erlang PDF.Hình 5.2(d) vẽ ra
hàm mật độ này.
Nhiễu đều

PDF của nhiều đều dược cho bởi:
Trong đó hàm nhiễu :
Hình 5.2(e) vẽ ra phổ này
Xung nhiễu ( chấm đen và chấm trắng)
PDF xung nhiễu cho bởi:
Trang 10
10 Chapter 5 M Image Restoraon
10
Chương 5 : Khôi phục ảnh
Nếu b>a,màu xám b sẽ xuất hiện như một dấu chấm ánh sáng trong hình
ảnh. Ngược lại, sẽ xuất hiện như một dấu chấm đen. Nếu một trong Pa hoặc Pf =
0, nhiễu xung gọi là unipolarNếu không có đại lượng nào =0, và đặc biệt khi
chúng xấp xỉ bằng nhau, nhiễu xung sẽ giống như nhửng điểm ( muối và hạt tiêu )
trên hình ảnh.
Xung nhiễu có thể âm hoặc dương. Đây là 1 phần của quá trình xử lý hình
ảnh. Vì xung nhiễu thường mạnh hơn tín hình ảnh, đượng biểu diễn bằng màu đen
hoặc trắng.Giả thiết rằng 2 điểu cực là a, và b.Với a=0 ( black) và
b=255( white).Hình 5.2 (f) chỉ ra nhiễu này.
Ví dụ 5.1 : Một vài ví dụ về nhiễu.
Hình 5.3 cho thấy một mô hình thử nghiệm rất phù hợp để minh họa các
mô hình nhiễu đã được thảo luận.Đây là mô hình phù hợp bởi vì nói đơn giản, tạo
điều kiện cho phân tích hình ảnh của các đặc tính của các thành phần tiếng ồn
khác nhau thêm vào hình ảnh.
Hình 5.4 cho thấy các mô hình thử nghiệm sau khi đã cộng thêm 6 mô hình
nhiễu đã được thảo luận trước.bên dưới mỗi hình ảnh là biểu đồ tính toán trực tiếp
từ hình ảnh đó. Các thông số của nhiễu đã được lựa chọn trong mỗi trường hợp để
các biểu đồ tương ứng với ba cấp độ màu xám trong các mô hình thử nghiệm sẽ
bắt đầu hợp nhất. Điều này làm cho nhiều khá rõ ràng.
Ta có thể thấy 1 mối liên quan chặt chẽ giữa các biểu đồ trong hình 5.4 và
các PDF trong hình 5.2. Biểu đồ salt-and-pepper có một đỉnh cao quang phổ trắng

bởi vì các thành phần nhiễu là thuần màu đen và trắng.
Trang 11
11 Chapter 5 M Image Restoraon
11
Chương 5 : Khôi phục ảnh
5.2.3 Nhiễu theo chu kỳ.
Nhiễu theo chu kì có thể tạo thành từ nhiễu điện từ trong quá trình thu
ảnh.Đây là lại nhiễu duy nhất phụ thuộc vào vị trí không gian sẽ được xét trong
chương này.Như đã đề cập ở phần trước, nhiễu theo chu kỳ có thể được giảm đáng
kể qua miền tần số lọc
Ví dụ ở hình 5.5 (a ) , hình ảnh bị nhiễu do tín hiệu hình sin .
Trong hình 5.5 (b) Các xung nhiễu xuát hiện trong 1 vòng tròn.
Tất cả sẽ được hiểu rõ hơn trong phần 5.4
Ước lượng các thành phần nhiễu
Các thông số của ước lượng nhiễu thường được đánh giá qua sự kiểm tra
của quang phổ Fourier của hình ảnh.Nhưu đã chú ý ở phần trước, nhiễu theo chu
kì có thể tạo đột biến về mặt tần số có thể được phát hiện ngay cả bằng cách phân
tích hình ảnh.Điều đó có nghĩa trong trường hợp đơ n giản có thể suy ra chu kỳ
của nhiễu bằng cách phân tích hình ảnh.
Trang 12
12 Chapter 5 M Image Restoraon
12
Chương 5 : Khôi phục ảnh
Nếu hệ thống hình ảnh là có sẵn,một trong những cách đơn giản để nghiên cứu các
đặc điểm nhiễu hệ thống là để nắm bắt một tập hợp các hình ảnh "phẳng" trong
môi trường. Ví dụ, trong trường hợp một bộ cảm biến quang học, điều này cũng
đơn giản như hình ảnh một màu xám rắn được chiếu sáng đồng đều. các bức ảnh
chụp thường là những chỉ số tốt về tiếng ồn hệ thống.Khi chỉ có hình ảnh đã được
tạo ra bởi các bộ cảm biến có sẵn, Có thể thường xuyên ước tính các thông số file
PDF từ các bản nhỏ cấp độ màu xám . Ví dụ, các dải dọc (150 x 20 pixel) thể hiện

trong hình 5.6 đã được cắt từ ảnh Gaussian, Rayleigh trong hình. 5.4. Các biểu đồ
cho thấy việc tính toán từ các dải dữ liệu nhỏ . Ta thấy rằng hình dạng của các
biểu đồ tương ứng khá chặt chẽ với các hình dạng của các biểu đồ trong hình. 5.6.
Chiều cao khác nhau do phóng to hình ảnh, Nhưnh hình dạng thì khôgn thể nhầm
lẫn.
Trang 13
13 Chapter 5 M Image Restoraon
13
Chương 5 : Khôi phục ảnh
Cách đơn giản nhất là sử dụng dữ liệu từ các dỉa hình ảnh, tính trung bình
phương sai của các mức độ màu xám
Hình dạng của biểu đồ xác định sự phù hợp PDF nhất.Nếu hình dạng xấp xỉ phân
bố Gaussian PDF , có thể hoàn toàn xác định bởi 2 thông số.
Trang 14
14 Chapter 5 M Image Restoraon
14
Chương 5 : Khôi phục ảnh
Phục hồi hiển thị qua bộ lọc nhiễu không gian.
Khi sự suy giảm chất lượng ảnh chỉ là do nhiễu, hàm 5.1-1 và 5.1-2 sẽ trở
thành
Trang 15
15 Chapter 5 M Image Restoraon
15
Chương 5 : Khôi phục ảnh
5.2.4 Mean Filters
Trong phần này chúng ta sẽ đề cập đến các bộ lọc không gian giảm nhiễu được
giứoi thiệu trong phần 3.6 và phát triển 1 số bọ lọc khác có tính năng vượt trội hơn
các bộ lọc đã được đề cập.
Trang 16
16 Chapter 5 M Image Restoraon

16
Chương 5 : Khôi phục ảnh
Bộ lọc số
Đây là bộ lọc đơn giản nhất, Sxv đại diện cho tập hợp các của sổ hình chữ nhật
kích thước m x n tập trung vào tọa độ (x,y) , tính giá trị trung bình số học của bức
ảnh bj hỏng Y trong khu vực xác định bởi 5 giá trị số học phục hồi ảnh.
Trang 17
17 Chapter 5 M Image Restoraon
17
Chương 5 : Khôi phục ảnh
Bộ lọc hình học
Hình ảnh phục hồi sử dụng bộ lọc trung bình hình học được cho bởi
biểu thức:
Xét ví dụ 5.2 là 1 bộ lọc trung bình
hinh học đã được làm mịn so với giá trị trung bình lọc nhưng nó có xu hướng mất
hình ảnh chi tiết.
Bộ lọc điều hòa
Bộ lọc này hoạt động tốt cho nhiễu chấm trắng, không tốt cho nhiễu chấm đen
trên hình ảnh.Nó cũng tốt với các nhiễu Gaussian.
Bộ lọc Contraharmonic
Bộ lọc contraharmonic hoạt động phục hồi ảnh dựa trên các biểu hiện.
Trong đó Q được gọi là thứ tự của các bộ lọc. Bộ lọc này rất thích hợp cho
việc giảm hoặc hầu như loại bỏ những ảnh hưởng của nhiễu chấm đên và chấm
trắng. Gía trị dương cho việc giảm nhiễu chấm đen và giá tri âm cho việc giảm
nhiễu chấm trắng.
Ví dụ 5.2 : Minh họa mean filters
Trang 18
18 Chapter 5 M Image Restoraon
18
Chương 5 : Khôi phục ảnh

Hình 5.7 (a) là 1 ảnh X-quang của 1 bảng mạch , hình 5.7 b cùng 1 hình
ảnh nhưng đã bị hỏng vì cộng thêm nhiễu Gaussian với giá trị trung bình 400.Hình
5.7 (c) là kết quả tương ứng của bộ lọc nhiễu ảnh sử dụng bộ lọc số 3 x 3 và 1 bộ
lọc hình học có cùng kích thước, Mặc dù cả 2 bộ lọc đều làm suy giảm nhiễu, tuy
nhiên bộ lọc số jọc cho hình ảnh mờ hơn so với bộ lọc hình học.
Hình 5.8 (a) cho thấy hình ảnh cùng một mạch, nhưng bây giờ bị hỏng bởi
nhiễu chấm đen với xác suất là 0,1. Tương tự như vậy, hình. 5,8 (b) cho thấy hình
ảnh bị hỏng bởi nhiễu chấm trắng với xác suất như nhau. Hình 5.8 (c) cho thấy kết
quả của bộ lọc hình. 5,8 (d) chỉ ra kết quả bộ lọc với hệ số Q=-1.5.Cả 2 bộ lọc đều
làm làm tốt công việc giảm hiệu ứng nhiễu.Bộ lọc tích cực làm tốt việc giảm nhiễu
nền.
Nhìn chung, số học và các bộ lọc trung bình hình học (đặc biệt là sau này)
rất thích hợp cho nhiễu ngẫu nhiên như Gaussian hoặc nhiễu uniform. Bộ lọc
contraharmonic rất thích hợp cho nhiễu xung, nhưng nó có nhược điểm là nó phải
biết được nhiễu tối hoặc ánh sáng để lựa chọn các dấu hiệu thích hợp cho Q. kết
Trang 19
19 Chapter 5 M Image Restoraon
19
Chương 5 : Khôi phục ảnh
quả của việc lựa chọn các dấu hiệu sai cho Q có thể đem lại kết quả sai lệch như
trong hình 5.9.Một số bộ lọc sau đây có thể đem lại kết quả tốt hơn.
Bộ lọc thống kê thứ tự
Bộ lọc thống kê thứ tự đã được giới thiệu tại mục 3.6.2. Bây giờ chúng tôi mở
rộng phần thảo luận trong phần đó và giới thiệu thêm một số bộ lọc để thống kê.
Như đã đề cập trong Phần 3.6.2, Bộ lọc thống kê thứ tự là bộ lọc không gian có
đáp ứng được dựa trên việc xếp hàng .
Bộ lọc trung bình
Nguyên tắc là thay thế giá trị của một điểm ảnh bằng trung bình của các mức độ
màu xám trong vùng lân cận của điểm ảnh.
Trang 20

20 Chapter 5 M Image Restoraon
20
Chương 5 : Khôi phục ảnh
Giá trị ban đầu bao gồm các giá trị được tính toán trung bình.Bộ lọc này rất tốt đói
với những tiếng ồn xung ( lưỡng cục và đơn cực ) .Việc tính toán chi tiết sẽ được
tính toán trong phần 3.6.2
Bộ lọc Max và Min
Mặt dù bộ lọc trung bình cho đến nay được sử dụng rộng rãi trong xử lý ảnh.Tuy
nhiên nó khôgn phải là duy nhất,Ví du sử dụng 100 % gọi là max filter, được cho
bởi công thức :
Bộ lọc này rất hữu ích điểm sáng nhất của bức ảnh.Ngoài ra, vì nhiễu chấm đen có
giá trị rất thấp, nó được giảm bởi bộ lọc này là kết quả của quá trình lựa chọn tối
đa trong khu vự SXY
0% gọi là bộ lọc min
Trang 21
21 Chapter 5 M Image Restoraon
21
Chương 5 : Khôi phục ảnh
Được sử dụng để tìm điểm tối nhất của ảnh.Việc giảm nhiễu chấm trắng là kết quả
của hoạt động min.
Lọc điểm chính giữa.
Đơn giản đó là tính toán điểm chính giữa giữa giá trị lớn nhất và nhỏ nhất:
Alpha-trimmed mean filter.
Giả sử chúng ta xó giá trị d / 2 thấp nhất và d / 2 cao nhất giá trị màu xámàcápMột
bộ lọc hình thành bởi trung bình các điểm ảnh còn lại được gọi là Alpha-trimmed
mean filter.
Trang 22
22 Chapter 5 M Image Restoraon
22
Trong

đó giá trị của d trong tầm từ 0 đến mn- 1. Khi d - 0. bộ . Nếu chúng ta chọn d =
(mn - 1) / 2. bộ lọc trở thành một bộ lọc trung bình. Đối với các giá trị khác của
d, bộ lọc rất thích hợp cho các nhiễu như gaussian.
EXAMPLE 5.3:Illustration oforder-statisticsfilters.
Hình 5.10 (a) cho thấy hình ảnh mạch bị hỏng bởi nhiễu xung với xác suất Pu
=Pb ~ 0,1. Hình 5.10 (b) cho thấy kết quả của bộ lọc trung bình với một bộ lọc
có kích thước 3 x 3.Trên hình 5.10 (a) Lọc nhiễu đã đáng kể, tuy nhiên vẫn
còn.Khi qua nhiều lần lọc thì nheiẽu đã giảm đi đáng kể, tuy nhiên ảnh cuối có
vẻ bị mờ đi.Vì vậy việc chọn lọc hệ số trên thấp nhất là việc rất quan trọng.
23 Chapter 5 - Image Restoraon
Bảng Tóm tắt các kiểu lọc
24 Chapter 5 - Image Restoraon
Adaptive Filters
Qua các lựa chọn, các bộ lọc thảo luận cho đến nay được áp dụng cho một
hình ảnh mà không quan tâm cách đặc điểm hình ảnh thay đổi từ điểm này đến điểm
khác. Trong phần này, chúng ta hãy nhìn vào hai bộ lọc thích ứng đơn giản mà thay
đổi hành vi dựa trên đặc tính thống kê của chúng.
Bộ lọc giảm nhiễu thích nghi cục bộ
25 Chapter 5 - Image Restoraon