Chương trình demo kỹ thuật trích chọn đặc trưng trong khảm ảnh

TRƢỜNG ĐẠI HỌC SƢ PHẠM HÀ NỘI 2
KHOA CÔNG NGHỆ THÔNG TIN
*************


NGUYỄN THỊ THU HƢƠNG



CHƢƠNG TRÌNH DEMO
KỸ THUẬT TRÍCH CHỌN ĐẶC TRƢNG
TRONG KHẢM ẢNH .PNG


KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC
Chuyên ngành: Khoa học my tnh






HÀ NỘI – 2015




TRƢỜNG ĐẠI HỌC SƢ PHẠM HÀ NỘI 2
KHOA CÔNG NGHỆ THÔNG TIN
*************

NGUYỄN THỊ THU HƢƠNG



CHƢƠNG TRÌNH DEMO
KỸ THUẬT TRÍCH CHỌN ĐẶC TRƢNG
TRONG KHẢM ẢNH .PNG


KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC
Chuyên ngành: Khoa học my tnh


Ngƣời hƣớng dẫn khoa học
TS. TRỊNH ĐÌNH VINH



HÀ NỘI – 2015



LỜ I CẢ M ƠN

Lờ i đầ u tiên em xin chân thà nh cả m ơn sƣ̣ hƣớ ng dẫ n tậ n tnh ca thy
gio TS Trịnh Đnh Vinh.
Em cũ ng xin chân thà nh cả m ơn cá c thầ y , cô giá o trong khoa Công
nghệ thông tin, cng nhƣ cc thy, cô giá o trong trƣờ ng đã giả ng dạ y và giú p

đỡ em trong cc năm hc va qua . Cc thy, cô giá o đã xây dƣ̣ ng cho chú ng
em nhƣ̃ ng kiế n thƣ́ c nề n tả ng và kiế n thƣ́ c chuyên môn để em có thể hoà n
thnh kha lun tt nghip v chun bị cho nhƣ̃ ng công việ c củ a mì nh sau nà y.
Cuố i cù ng em xin bà y tỏ lò ng biế t ơn tớ i gia đì nh và bạ n bè đã giú p đỡ
độ ng viên em rấ t nhiề u trong suố t qu trnh hc tp đ em c th thc hin tt
kha lun ny.
Do kiế n thc v thi gian cn hn ch nên kha lun không trnh khi
nhƣ̃ ng thiế u só t . Knh mong nhn đƣc s đng gp  kin ca cc thy , cô
giáo v cc bn đ kha lun đƣc hon thin hơn.
H Ni, ngày thng năm 2015
Sinh viên


Nguyễn Thị Thu Hƣơng








LỜ I CAM ĐOAN

Tên em là : NGUYỄN THỊ THU HƢƠNG
Sinh viên lớ p: K37 – CNTT, khoa Công nghệ Thông tin, trƣờ ng Đạ i họ c Sƣ
Phm H Ni 2.
Em xin cam đoan:
1. Đề tà i: “Chƣơng trnh demo kỹ thut trích chn đặc trƣng trong khảm
ảnh .PNG” là nghiên cƣ́ u củ a riêng em, dƣớ i sƣ̣ hƣớ ng dẫ n củ a thầ y giá o

TS. Trịnh Đnh Vinh.
2. Kha lun hon ton không sao chp ca tc giả no khc.
Nế u sai em xin hoà n toà n chị u trá ch nhiệ m.

H Nộ i, ngày thng năm 2015
Ngƣờ i cam đoan


Nguyễn Thị Thu Hƣơng












DANH MỤC HÌNH ẢNH
Hình 1.1. Quá trình xử lý ảnh……………………………………………
3
Hnh 1.2. Cc bƣớc cơ bản trong mt h thng xử lý ảnh ………………
4
Hình 1.3. S chuyn đổi giữa các mô hình biu diễn ảnh ……….……….
6
Hình 1.4. Bc ảnh bị dƣ ti c lƣc đồ xám tp trung nhiều bên trái …
8

Hình 1.5. Hình ảnh sau khi đƣc chỉnh sửa lƣc đồ xm đã đƣc trải đều.
8
Hình 1.6. Phn mềm nhn dng bin s xe………………………………
8
Hình 1.7. Ảnh chụp X-quang…… ……………………………………
9
Hình 1.8. Cấu trúc địa chất ………………………… …………………
9
Hình 1.9. Bản đồ v tinh cơn bão …………………………………… ….
9
Hình 1.10. Ảnh đi tƣớng Võ Nguyên Gip đƣc ghép t nhiều ảnh nh
10
Hình 1.11. Ảnh Panorama ………………………………………………
11
Hình 1.12. Ảnh khảm nhiều lớp…………………………………………
12
Hình 1.13. Ảnh chụp t google maps ………… ………………………
14
Hình 1.14. Ảnh khảm về ngày phụ nữ Vit Nam ………………………
15
Hình 2.1. Sơ đồ thut toán khảm ảnh da trên nắn chỉnh bin dng………
18
Hình 2.2. Minh ha hai tp đim đặc trƣng ca hai ảnh đu vo………….
18
Hình 2.3. Ảnh khảm quảng co phim “Bụi đi ch lớn” …………………
22
Hình 2.4. H thng bản đồ trong game …………………………………
22
Hình 2.5. Biu đồ mô phng vic tính toán các DoG ảnh t ảnh kề m…
28

Hình 2.6. Mỗi đim ảnh đƣc so sánh với 26 láng giềng ca nó …………
29
Hình 2.7. Quá trình la chn cc đim hấp dẫn …………………………
30
Hình 2.8. Biu diễn cc vecto đặc trƣng ………………………………….
30
Hình 3.1: Form giao din chƣơng trnh …………………………………
34
Hình 3.2: Form to thƣ vin ảnh mới ……………………………………
34
Hình 3.3: Form chn ảnh nguồn …………………………………………
34
Hình 3.4: Form chn nơi lƣu kt quả ……………………………………
35
Hình 3.5. Form “To ảnh khảm” đƣc ảnh khảm bên cnh ảnh nguồn…
35


MỤC LỤC

MỞ ĐẦU 1
CHƢƠNG 1: XỬ LÝ ẢNH VÀ KHẢM ẢNH 3
1.1. Khái quát về xử lý ảnh 3
1.1.2. Các vấn đề cơ bản trong xử lý ảnh 5
1.2. Khảm ảnh 10
1.2.1. Khái nim 10
1.2.2. Mt s kỹ thut khảm ảnh 13
1.2.3. Ứng dụng ca khảm ảnh 14
CHƢƠNG 2: MỘT SỐ KỸ THUẬT KHẢM ẢNH 16
2.1. Kỹ thut nâng cao chất lƣng ảnh 16

2.1.1. Kỹ thut lc trung bình 16
2.1.2. Kỹ thut lc trung vị 17
2.2. Kỹ thut khảm ảnh kt hp nắn chỉnh hình dng và hiu chỉnh mc xám 18
2.2.1. Nắn chỉnh bin dng 19
2.2.2. Da trên tp đim đặc trƣng 20
2.2.3. Hiu chỉnh mc xám 20
2.3. Kỹ thut trích chn đặc trƣng trong khảm ảnh 21
2.3.1. Ứng dụng ca kỹ thut trích chn đặc trƣng trong khảm ảnh 21
2.3.2. Kỹ thut trích chn đặc trƣng 23
2.3.3.Quy trình khảm ảnh 32
CHƢƠNG 3: XÂY DỰNG CHƢƠNG TRÌNH DEMO 33
3.1. Phát biu bài toán 33
3.2. Phân tích, thit k chƣơng trnh 33
KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 36
TÀI LIỆU THAM KHẢO 37
1

MỞ ĐẦU
1. Lý do chọn đề tài
Những năm gn đây, phn cng my tnh đã dn trở nên mnh mẽ cả về
năng lc xử lý lẫn dung lƣng lƣu trữ vì th m cc lĩnh vc phn mềm cng
đƣc phát trin theo đặc bit l lĩnh vc xử lý ảnh.
Bên cnh ngôn ngữ giao tip, cc thông tin dƣới dng hình ảnh đng mt
vai trò rất quan trng trong vic trao đổi thông tin. Trong công ngh thông tin,
xử lý ảnh đã chim mt vị trí rất quan trng bởi v cc đặc tnh đy hấp dẫn đã
to nên mt s phân bit với cc lĩnh vc khác. Phn lớn các thông tin mà con
ngƣi thu thp đƣc qua thị gic đều bắt nguồn t ảnh, vic xử lý ảnh là mt
b phn quan trng đ trao đổi thông tin giữa ngƣi và máy. Trong thi đi
hin nay, Công ngh thông tin có s phát trin mnh mẽ về mi mặt. Cng
chính nh s phát trin ny đã gp phn rất lớn trong vic thúc đy s phát

trin ca các ngành khác nhƣ: Giáo dục, y t, quc phòng an ninh, giải tr, …
Ứng dụng ca xử lý ảnh là vô hn. Khảm ảnh là mt kỹ thut trong xử lý
ảnh, nó to ra hình ảnh mới bằng cách ghép các ảnh nh vào mt ảnh lớn sao
cho khi nhìn tổng th vào ảnh lớn thì vẫn có th nhìn thấy ni dung ca bc
ảnh lớn trƣớc đ. Ảnh khảm là tp hp hai hay nhiều ảnh đƣc ghép ni
thông qua h thng ghép ni phi hp ảnh, ng dụng vào trong xử lý ảnh đ
to ra các bc hình mang phong cách mới mẻ nhằm phục vụ cho rất nhiều
mục đch khc nhau.
T những lý do trên cùng với kin thc đã đƣc hc, đƣc tìm hiu t
môn xử lý ảnh, em đã chn đề ti “Chƣơng trnh demo kỹ thut trích chn đặc
trƣng trong khảm ảnh .PNG” lm đề tài khóa lun.
2. Mục đch nghiên cứu
To ra hình ảnh sng đng, mới mẻ có nhiều ng dụng vo đi sng.
3. Đối tƣợng, phạm vi nghiên cứu
Trong khuôn khổ khóa lun em tp trung nghiên cu:
- Các kỹ thut khảm ảnh.
2

- Khảm ảnh .PNG dùng kỹ thut trích chn đặc trƣng.
4. Nhiệm vụ nghiên cứu
Tìm hiu các kỹ thut dùng đ khảm ảnh, đặc bit tìm hiu kỹ thut
trích chn đặc trƣng. Thit k và xây dng chƣơng trnh khảm ảnh c định
dng .PNG. Chƣơng trnh đơn giản, dễ sử dụng.
5. Giả thuyết khoa học
Nu chƣơng trnh khảm ảnh thành công sẽ to ra các hình ảnh sng đng,
đc đo gp phn vào quảng b cc lĩnh vc nhƣ: Đin ảnh, du lịch, khoa hc
lịch sử, địa lý, kin trúc, truyền thông,…
6. Phƣơng php nghiên cứu
Phương pháp nghiên cứu lý luận
- Thu thp và phân tích các tài liu và thông tin liên quan đn đề tài.

- Tìm kim và chn la hƣớng giải quyt vấn đề.
Phương pháp nghiên cứu chuyên gia
- Phân tích thit k h thng chƣơng trnh ng dụng.
- Tham khảo các ý kin ca chuyên gia chuyên môn đ có th thit
k chƣơng trnh.
Phương pháp thực nghiệm
- Trin khai xây dng chƣơng trnh ng dụng.
- Kim tra, thử nghim v đnh gi kt quả.
7. Cấu trúc khóa luận
Ngoài phn li cảm ơn, mở đu, kt lun v hƣớng phát trin, tài liu
tham khảo. Khóa lun bao gồm:
Chƣơng 1: Xử lý ảnh và khảm ảnh.
Chƣơng 2: Mt s kỹ thut khảm ảnh.
Chƣơng 3: Xây dng chƣơng trnh demo.




3

CHƢƠNG 1: XỬ LÝ ẢNH VÀ KHẢM ẢNH
1.1. Khái quát về xử lý ảnh
Xử l ảnh l mt môn khoa hc tƣơng đi mới mẻ so với nhiều ngnh khoa
hc khc, tc đ pht trin rất nhanh, kch thch cc trung tâm nghiên cu, ng
dụng đặc bit l my tnh chuyên dụng riêng ca n.
Qu trnh xử l ảnh bắt đu t vic thu nhn ảnh nguồn gửi đn my tnh.
Tip theo l qu trnh s ha. Qu trnh s ha (Digitalizer) đ bin đổi tn hiu
tƣơng t sang tn hiu ri rc (lấy mẫu) v s ha bằng lƣng ha, trƣớc khi
chuyn sang giai đon xử l, phân tch hay lƣu trữ li.
Cc phƣơng php xử l ảnh bắt đu t cc ng dụng chnh: nâng cao chất

lƣng ảnh v phân tch ảnh. Vấn đề nâng cao chất lƣng ảnh c liên quan tới
phân b mc sng v đ phân giải ca ảnh. Năm 1964, my tnh đã c khả năng
xử l v nâng cao chất lƣng ảnh t mặt trăng v v tinh Ranger 7 ca Mỹ bao
gồm: Lm nổi đƣng biên, lƣu ảnh. T năm 1964 đn nay, cc phƣơng tin xử
l, nâng cao chất lƣng, nhn dng ảnh pht trin không ngng
Những năm trở li đây với s pht trin ca phn cng my tnh, xử l ảnh
v đồ ho đ pht trin mt cch mnh mẽ v c nhiều ng dụng trong cuc
sng. Xử l ảnh v đồ ho đng mt vai tr quan trng trong tƣơng tc ngƣi v
máy.
Qu trnh xử l ảnh đƣc xem nhƣ l qu trnh thao tc ảnh đu vo nhằm
cho ra kt qa mong mun.




Hình 1.1. Quá trình xử lý ảnh
Kt quả đu ra ca mt quá trình xử lý ảnh có th là mt ảnh tt hơn
hoặc mt kt lun.


Ảnh
XỬ LÝ ẢNH
Ảnh “tt hơn”
Kt lun
4

Sơ đồ tổng quát ca mt h thng xử lý ảnh:

Hnh 1.2. Cc bƣớc cơ bản trong mt h thng xử lý ảnh
* Thu nhận ảnh
Ảnh có th nhn qua camera màu hoặc đen trắng. Thƣng ảnh nhn qua
camera là ảnh tƣơng t. Ảnh cng c th thu nhn t v tinh qua các b cảm
ng (sensor) hay tranh, ảnh đƣc quét trên scanner. Các thit bị thu nhn ảnh này
có th cho ảnh đen trắng với mt đ 400 đn 1600 dpi. Khi dùng scanner, mt
dòng photodiot sẽ quét ngang ảnh, đu ra ca scanner là ảnh ma trn có s hay
bản đồ ảnh (ảnh Bitmap). B s hóa (digitalizer) sẽ to ảnh vector c hƣớng.
* Tiền xử lý
Tiền xử lý là giai đon đu tiên trong xử lý ảnh s, là bƣớc tăng cƣng
ảnh đ nâng cao chất lƣng ảnh. Sau thu nhn ảnh, ảnh có th nhiễu đ tƣơng
phản thấp nên cn đƣa vo b tiền xử l đ nâng cao chất lƣng. Chc năng
chính là lc nhiễu, nâng đ tƣơng phản làm ảnh rõ nét hớn, gn với trng thái
gc nhất. Các kỹ thut tăng cƣng chất lƣng ảnh bao gồm: kỹ thut tuyn tính,
phi tuyn, c định, thích nghi; kỹ thut da vào pixel hay kỹ thut đa mc.
* Trích chọn đặc điểm
Cc đặc đim ca đi tƣng đƣc trích chn tùy theo mục đch nhn
dng trong quá trình xử lý ảnh. V lƣng thông tin cha trong ảnh là rất lớn
nên trích chn hiu quả cc đặc đim giúp cho vic nhn dng cc đi tƣng
ảnh chính xác, với tc đ tính toán cao v dung lƣng nhớ lƣu trữ giảm. Các
Thu nhn
ảnh
Tiền xử
lý
Trích chn

đặc đim
Hu xử
lý
H quyt định
Đi sánh rút
ra kt lun
Lƣu trữ
5

đặc trƣng ca ảnh thƣng gồm: Mt đ xám, phân b xác suất, phân b không
gian, biên ảnh.
* Hậu xử lý
Nu lƣu trữ các ảnh ban đu thì cn b nhớ lƣu trữ cc lớn, nên các ảnh
đ đƣc biu diễn hay mã ha theo cc đặc trƣng ca ảnh nhƣ biên ảnh, vùng
ảnh. Mt s phƣơng php biu diễn thƣng dùng:
- Biu diễn bằng mã chy: Biu diễn theo vùng ảnh hay ảnh nhị phân.
- Biu diễn mã xích : Biu diễn đƣng biên ảnh
- Biu diễn mã t phân: Dùng đ mã hóa cho vùng ảnh.
* Đối snh đƣa ra kết luận
So sánh ảnh sau bƣớc hu xử lý với ảnh đã đƣc lƣu trữ t trƣớc, phục
vụ cho mục đch nhn dng và ni suy ảnh. Nhn dng t đng, phân loi và
phân nhóm các mẫu là những vấn đề quan trng trong thị gic my. Sau đ
đƣa ra kt lun da vào quyt định ca khi quyt định.
1.1.2. Các vấn đề cơ bản trong xử lý ảnh
1.1.2.1. Một số khái niệm
a. Ảnh
Trong kỹ thut ảnh kỹ thut s, mt đim ảnh (pixel) là mt đim vt lý
trong mt hình ảnh Raser, hoặc mt khi màu rất nh v l đơn vị cơ bản nhất
đ to nên mt bc ảnh kỹ thut s.
Ảnh có th xem là tp hp cc đim ảnh và mỗi đim ảnh l đặc trƣng

cƣng đ sáng hay mt dấu hiu no đ ti mt vị tr no đ ca đi tƣng
trong không gian và nó nhƣ mt hàm n bin P(c
1
, c
2
, , c
n
). Khi đƣc s hoá,
ảnh thƣng đƣc biu diễn bởi bảng hai chiều I(n,p): n dòng và p ct, gồm n x
p đim ảnh (thƣng giá trị ca n chn bằng p và bằng 256). Mt đim ảnh
I(x,y) có th lƣu trữ trên 1, 4, 8 hay 24 bit. Do đ, ảnh trong xử lý ảnh có th
xem nhƣ ảnh n chiều. Ảnh trong thc t là mt ảnh liên tục về không gian và
về giá trị đ sáng. Mun xử lý ảnh bằng máy tính cn thit phải tin hành s
hoá ảnh. Trong quá trình s hóa bin đổi tín hiu liên tục sang tín hiu ri rc
thông qua quá trình lấy mẫu (ri rc hóa về không gian) v lƣng hóa thành
6

phn giá trị mà về nguyên tắc mắt thƣng không th phân bit đƣc hai mc
kề nhau. S lƣng đim ảnh càng nhiều và càng nh th đ nét và chi tit ảnh
sẽ càng cao. Có các dng ảnh nhƣ: ảnh màu, ảnh xám.
Về mặt toán hc, ảnh là mt hàm hai bin f(x,y) với x, y là các bin ta
đ. Đi với ảnh xám, giá trị fmax là 255 (2
8
=256) vì mỗi phn tử ảnh đƣc
mã hóa bởi mt byte. Có th mô tả màu qua ba hàm s: R(x,y) ca mu đ,
G(x,y) ca màu xanh lục và B(x,y) ca màu xanh lam. Ảnh có th đƣc biu
diễn bởi mô hình Raser hoặc mô hình Vector:
 Mô hình Raser
Mô hình Raser sử dụng cc ô lƣới quy chun, mô hình biu diễn ảnh
thông dụng nhất hin nay. Ảnh đƣc biu diễn dƣới dng ma trn cc đim

ảnh. Mô hình Raser rất thun li cho vic hin thị và in ấn.
Ƣu đim: Cấu trúc dữ liu đơn giản.
Nhƣc đim: Dung lƣng dữ liu lớn, đ chính xác biu thị thấp, khó
phân tích trong liên kt, chuyn đổi chm.
Cc đim ảnh có th xp hàng trên mt lƣới hnh vuông, lƣới hình lục giác
hoặc theo mt cách hoàn toàn ngẫu nhiên.
 Mô hình Vector
Sử dụng cc đim ri rc, cc đƣng, v cc vùng tƣơng ng với cc đi
tƣng ri rc thông qua tên hoặc mã s quy định. Ngoài mục đch tit kim
không gian lƣu trữ, dễ dàng cho hin thị và in ấn biu diễn ảnh còn phải đảm
bảo dễ dàng trong la chn, sao chép, di chuyn, tìm kim,…
Ƣu đim: Biu diễn chính xác.
Nhƣc đim: Cấu trúc phc tp vì khó chồng xp, khó cp nht.
Trong mô hình Vector sử dụng hƣớng giữa các Vector ca đim ảnh lân
cn đ mã hóa và tái to hình ảnh ban đu.

Vector hóa Raster hóa

Hình 1.3. S chuyn đổi giữa các mô hình biu diễn ảnh
RASTER
VECTOR
RASTER
7


b. Độ phân giải
Đ phân giải ca ảnh là mt đ đim ảnh đƣc ấn định trên mt ảnh s
đƣc hin thị. Khoảng cách giữa cc đim ảnh phải đƣc chn sao cho mắt
ngƣi vẫn thấy đƣc s liên tục ca ảnh. La chn khoảng cách thích hp to
nên mt đ phân bổ, đƣc phân b theo trục x và y trong không gian hai chiều

C 3 cch đ biu diễn đ phân giải ảnh:
- Biu thị bằng s lƣng đim ảnh theo chiều dc và chiều ngang ca
ảnh (ví dụ: 1024 x 768).
- Biu thị bằng tổng s đim ảnh trên mt tấm ảnh (960.000 pixel).
- Biu thị bằng s lƣng đim ảnh có trên 1 inch (ppi) hoặc s chấm
(dot) có trên 1 inch (dpi).
c. Mức xám của ảnh
Mức xám là kt quả s mã ho tƣơng ng mt cƣng đ sáng ca mỗi
đim ảnh với mt giá trị s - kt quả ca qu trnh lƣng hoá. Cách mã hoá
kinh đin thƣng dùng 16, 32 hay 64 mc. Mã hoá 256 mc là phổ dụng nhất
do lý do kỹ thut. Vì 2
8
= 256 (0,1,…,256), nên với 256 mc, mỗi pixel sẽ
đƣc mã hóa bởi 8 bit.
Lược đồ xám hay biểu đồ tần suất là mt ham cung cấp tn suất xuất
hin ca mỗi mc xám, đƣc biu diễn trong h ta đ vuông góc Oxy. Trục
hoành biu diễn cho s mc xám t 0 đn N, N là s mc xm (thƣng xét
với mc 256). Trục tung biu diễn s đim ảnh cho mt mc xám (s đim
ảnh có cùng mc xám).
Lƣc đồ xám cung cấp rất nhiều thông tin về phân b mc xám ca ảnh
(tnh đng ảnh). Tính đng ca ảnh cho phép phân tích trong khoảng no đ
phân b phn lớn các mc xám ca ảnh: Ảnh rất sáng hay ảnh rất đm. Nu
ảnh sng, lƣc đồ xám nằm bên phải (mc xám cao), còn ảnh đm lƣc đồ
xám nằm bên trái (mc xám thấp).
8


Hình 1.4. Bc ảnh bị dƣ ti c lƣc đồ xám tp trung nhiều bên trái.

Hình 1.5. Hình ảnh sau khi đƣc chỉnh sửa lƣc đồ xm đã đƣc trải đều.

1.1.2.2. Ứng dụng của xử lý ảnh
Các kỹ thut xử lý ảnh đây ch yu l đƣc sử dụng đ nâng cao chất
lƣng hình ảnh, to cảm giác về s gia tăng chất lƣng ảnh quang hc trong
mắt ngƣi quan sát. Mt s lĩnh vc áp dụng ng dụng ca xử lý ảnh:
 Giao thông
Giúp quan sát, quản lý, thng kê cc phƣơng tin mt cách dễ dàng, tin
li và nhanh chóng

Hình 1.6. Phn mềm nhn dng bin s xe
9

 Y hc
Hình ảnh đƣc to ra t nguồn bc x X-ray hay nguồn bc x siêu âm
thành hình ảnh quang hc trên bề mặt film X-quang hoặc trc tip trên bề mặt
màn hình hin thị.

Hình 1.7. Ảnh chụp X-quang.
 Địa chất
Hình ảnh nhn đƣc t v tinh đƣc phân tích đ xc định cấu trúc bề
mặt tri đất. Kỹ thut làm nổi đƣng biên và khôi phục hình ảnh to ra các
bản đồ địa hình 3-D với đ chính xác cao.

Hình 1.8. Cấu trúc địa chất
 Kh tƣng hc
Ảnh nhn đƣc t h thng v tinh theo dõi thi tit thc hin vic d
báo thi tit mt cch chnh xc hơn.

Hình 1.9. Bản đồ v tinh cơn bão
10

1.2. Khảm ảnh
1.2.1. Khái niệm
Khảm (mosaic) có nguồn gc t Hy Lp cổ đi với  nghĩa ban đu là
“loi ngh thut xng đng với tr tƣởng tƣng bay bổng và lòng kiên trì vô
biên”. Hình thc ngh thut trang trí – to ra hình ảnh t tp hp gồm những
mảnh nh. Các vt nh này gi l “vt đ khảm” thƣng là chất liu rắn,
phẳng nhƣ đ, gch, thy tinh, đ mu, v chai, gỗ,…đƣc ng dụng rng rãi
trong nhiều lĩnh vc đặc dụng nhất là trang trí ni ngoi thất kin trúc
Khảm ảnh là vic to ra hình ảnh mới bằng cách ghép các ảnh nh vào
mt ảnh lớn sao cho khi nhìn tổng th vào ảnh lớn thì vẫn có th nhìn thấy ni
dung ca bc ảnh lớn trƣớc đ. Ảnh khảm là tp hp hai hay nhiều ảnh đƣc
ghép ni thông qua h thng ghép ni phi hp ảnh, ng dụng vào trong xử lý
ảnh đ to ra các bc hình mang phong cách mới mẻ nhằm phục vụ cho rất
nhiều mục đch khc nhau. Khảm ảnh có th đƣc chia thành hai loi chính
đ l: khảm ảnh toàn cảnh và khảm ảnh nhiều lớp.

Hình 1.10. Ảnh đi tƣớng Võ Nguyên Gip đƣc ghép t nhiều ảnh nh.
11

 Khảm toàn cảnh
Ảnh toàn cảnh (Panorama), Panorama bắt nguồn t ting Hy Lp, là s
kt hp ca nhiều tấm liên tip trong đ hai tấm ảnh gn nhau phải có đ
chồng hình ít nhất là 20%. Những tấm ảnh liên tip ny đƣc ni với nhau
thành ảnh toàn cảnh to ra s ăn khớp giữa các tấm.

Hình 1.11. Ảnh Panorama.
Có 4 kiu ảnh panorama:
- Ảnh phẳng: Không ging tht nu làm ảnh góc rng. Ảnh chụp 360 đ mà
trải thẳng sẽ không tƣởng tƣng ra chụp ở vị trí nào, cảnh ra sao.
- Ảnh trụ: Chụp mt vng 360 đ đ to ra panorama (hay pano360), dán vào

mặt hình trụ.
- Ảnh cu: Ảnh đƣc ph lên khắp quả cu tròn. Ảnh cu có th không ph
kín mặt cu. To mt pano360, dán theo giao ca hình cu và mặt cắt qua
tâm (dn lên đƣng xch đo).
- Ảnh hp: Ảnh đƣc trải lên mt hình hp. Nhƣng thch hp cho diễn tả li
đng giữa phòng, ngắm mt căn phng hnh hp.
Cách to ảnh toàn cảnh bằng máy ảnh kỹ thut s:
- Kim sot đo sng: Tr máy ảnh về nơi sng nhất và ti nhất trong bc ảnh
toàn cảnh d kin, thit lp các giá trị trung bình giữa chúng.
12

- Chụp ở tiêu c thông thƣng: Đƣa tiêu c về khoảng 25 – 55 mm.
- Chụp t trái sang phải: Khi xem ảnh dƣới dng thu nh sẽ dễ dàng nhn ra
lot ảnh d định to ảnh và kt thúc ở đâu.
- Chụp nhiều ảnh đ dễ cắt xén: Chụp ảnh nhiều hơn cho mt cảnh panorama
nhằm giảm bớt đ xéo góc.
Hu ht các phn mềm ghép ảnh toàn cảnh đều qua 3 công đon chính:
Bƣớc 1: Sắp xp ảnh đu vào theo th t thích hp.
Bƣớc 2: Tính toán và ghép các ảnh đ với nhau. Các ảnh đƣc xp trùng
mt phn lên nhau và các phn ảnh chung ghép li mt cách hp lý, nắn chỉnh
cc đƣng biên trong ảnh. Vì ảnh ban đu không th hoàn toàn trùng khít
nhau do gc đ chụp, ánh sáng, hay do thit bị chụp.
Bƣớc 3: Lm trơn cc vùng chuyn tip giữa các ảnh đ bc ảnh th hin
đƣc không gian liên tục, đồng nhất. Mt s kỹ thut thƣng thấy là khớp biu
đồ tn suất, các kỹ thut lc,…
 Khảm nhiều lớp
T hình ảnh ban đu, các bc ảnh nh đƣc lồng ghép vào to nên bc
ảnh mới, nhìn mt cách tổng th thì nó vẫn chính là bc tranh lớn ban đu.
Tuy nhiên, những chi tit bên trong đã đƣc thay th bởi các hình ảnh đơn lẻ.

Hình 1.12. Ảnh khảm nhiều lớp
13

Thành phn chính to ra mt ảnh khảm nhiều lớp: Ảnh nguồn (ảnh dùng
làm nền) và ảnh mẫu (các ảnh ny đƣc thu thp cng đa dng càng tt và
đƣc lƣu chung ti mt thƣ mục).
Công đon to ra ảnh khảm gồm 4 bƣớc:
Bƣớc 1: Xử lý các ảnh nh: Chuyn các ảnh nh này thành ảnh đen
trắng. Thu nh các ảnh này nu cn thit. Chỉnh kch thƣớc cho các ảnh nh
đồng nhất nhau.
Bƣớc 2: Thay đổi kch thƣớc ảnh gc: Ảnh gc đƣc cắt đ kch thƣớc
ca nó là mt bi s ca kch thƣớc ca các ảnh mẫu nh (đã đƣc xử lý).
Bƣớc 3: To mẫu khảm
Bƣớc 4: Hòa trn ảnh khảm mẫu với ảnh gc: Dùng thut ton đ phân
tích mỗi vùng trên cc lƣới ca ảnh khảm mẫu với ảnh gc đ tp hp cc đặc
tính ca cả 2 vùng.
Chia ảnh nguồn thnh cc “vùng mềm” (soft zones) hay cn gi là vùng
thích nghi, ni dung chính ca bc ảnh đƣc bảo toàn nhất. Dùng kỹ thut
kp đ phân tích các hình ảnh đi với các khuôn dng, màu sắc. Xc định và
ti ƣu thnh phn quan trng trong bc ảnh nhƣ văn bản, khuôn mặt,
logo,…tất cả những ô đƣc chia trên ảnh gc đều rất nh, khin bc ảnh càng
ging với ảnh gc.
Tóm li, cả hai khảm ảnh trên đều là ghép t các ảnh nh thành ảnh
khảm. Mục tiêu ca khảm ảnh nhiều lớp là to ra ảnh khảm trông ging với
bc ảnh mẫu nhất. Còn mục tiêu ca khảm ảnh toàn cảnh là to ra ảnh khảm
có tính liên tục. Nói cách khác, khảm ảnh nhiều lớp chú trng đn chi tit
đƣng nét. Vì th, các kỹ thut trong khảm ảnh nhiều lớp tp trung vào khâu
hiu chỉnh màu sắc. Còn các kỹ thut trong khảm ảnh toàn cảnh chú trng vào
khâu sắp xp ảnh v lm trơn cc miền chuyn tip giữa các ảnh thành phn.
1.2.2. Một số kỹ thuật khảm ảnh

Các kỹ thut chnh đƣc dùng trong khảm ảnh:
- Đan đa phân giải.
14

- Khớp biu đồ tn suất.
- Khớp cnh.
- Phân tích cấu trúc.
- Phân tích hình khi.
- Lc trung bình.
- Lc trung vị.
- Trích chn đặc trƣng.
- Ngoài các kỹ thut chính trên thì các kỹ thut lc cng đƣc áp dụng
đ làm mịn đi cc cùng chuyn tip giữa các ảnh ghép.
1.2.3. Ứng dụng của khảm ảnh
 Bản đồ s
Các ng dụng thƣng gặp l: google maps, vietbando,… Khi xem bản đồ
này nhn thấy mt điều đ là bản đồ đƣc ghép t nhiều hình ảnh khác nhau.
Bản đồ chính là ví dụ đin hình ca kỹ thut khảm ảnh.

Hình 1.13. Ảnh chụp t google maps



15

 Truyền thông quảng cáo
Các bc ảnh thông thƣng t gây đƣc s chú ý. Chính vì th mà mt
bc ảnh mang phong cách khảm mới l sẽ thu hút đƣc s chú ý ca mi
ngƣi. Điều này có tác dụng tích cc trong cc lĩnh vc quảng cáo, giới thiu
sản phm.

Hình 1.14. Ảnh khảm về ngày phụ nữ Vit Nam








16

CHƢƠNG 2: MỘT SỐ KỸ THUẬT KHẢM ẢNH
2.1. Kỹ thuật nâng cao chất lƣợng ảnh
Cc đim trên đƣng ni giữa các ảnh c cƣng đ sáng khác bit với
cc đim xung quanh n, coi l “nhiễu” v lc b bằng các kỹ thut nhƣ lc
trung bình hay lc trung vị. Ƣu đim l tƣơng đi hiu quả và dễ ci đặt.
2.1.1. Kỹ thuật lọc trung bình
Cho dãy x
1
, x
2
,…, x
n
, khi đ k hiu trung bình ca dãy kí hiu
AV({x
n
}), đƣc định nghĩa:
AV({x
n

}) = round(
1





=1
)
 Mnh đề:

(

)
2

=1
→ min ti AV({x
n
})
Ý tƣởng ca thut toán lc trung bnh nhƣ sau:
Sử dụng mt cửa sổ lc (ma trn 3x3) quét qua ln lƣt tng đim ảnh
ca ảnh đu vào. Ti vị trí mỗi đim ảnh lấy giá trị ca cc đim ảnh tƣơng
ng trong vùng 3x3 ca ảnh gc “lấp” vo ma trn lc. Vic tính toán này khá
đơn giản với hai bƣớc gồm tính tổng các thành phn trong cửa sổ lc và sau
đ chia tổng s này cho các phn tử ca cửa sổ lc.
Giả sử có ảnh I, đim ảnh P, cửa sổ W(P) v ngƣỡng . Khi đ kỹ thut
lc trung bình phụ thuc không gian bao gồm cc bƣớc cơ bản sau:
Bƣớc 1: Tìm trung bình:
{I(q)|q W(P)} AV(P)

Bƣớc 2: Gán giá trị:

I(P) = 




ế





 



0




ế ượ ạ


 Cc bƣớc ca giải thut:
- Quét qua cửa sổ lc ln lƣt lên các thành phn ca ảnh đu vo, điền
các giá trị.
17

- Xử lý bằng các thao tác trên các thành phn ca cửa sổ lc.
- Tính giá trị trung bình các thành phn trong cửa sổ lc.
- Gán giá trị trung bình này cho ảnh đu ra.
2.1.2. Kỹ thuật lọc trung vị
Cho dãy x
1
, x
2
,…, x
n
đơn điu tăng (giảm). Khi đ trung vị ca dãy, kí
hiu Med({x
n
}) đƣc định nghĩa:



2
+ 1


2
 [

2
+ 1


 Mnh đề:


(

)
2

=1
= min  Med({x
n
})
 Kỹ thut lc trung vị
Lc trung vị là mt kỹ thut lc phi tuyn. Nó khá hiu quả đi với hai
loi nhiễu là nhiễu đm và nhiễu mui tiêu. Tuy nhiên, nu áp dụng nhiều ln
trên mt bc ảnh, sẽ dẫn đn ảnh bị m hoặc mất thông tin.
Ý tưởng: Sử dụng mt cửa sổ lc, ma trn (3x3) quét ln lƣt qua tng
đim ảnh ca ảnh đu vào. Ti vị trí mỗi đim ảnh lấy giá trị ca mỗi đim
ảnh tƣơng ng trong vùng 3x3 ca ảnh gc “lấp” vo ma trn lc. Sau đ sắp
xp cc đim ảnh trong cửa sổ này theo th t (tăng hoặc giảm dn tùy ý).
Cui cùng gn đim ảnh nằm chính giữa (trung vị) ca dãy giá trị đim ảnh đã
đƣc sắp xp ở trên cho giá trị đim ảnh đang xt t đu ra.
Cc bƣớc giải thut:
- Quét cửa sổ lc lên các thành phn ca ảnh gc, điền các giá trị.
- Lấy các thành phn trong cửa sổ lc đ xử lý.
- Sắp xp theo th t các thành phn trong cửa sổ lc.
- Lƣu li thành phn trung vị và gán cho ảnh đu ra.

nu n lẻ
nu n chẵn
18

Giả sử có ảnh I, đim ảnh P, cửa sổ W(P) v ngƣỡng . Khi đ cc bƣớc

cơ bản trong kỹ thut lc trung vị:
Bƣớc 1: Tìm trung vị:
{I(q)\q() 



}
Bƣớc 2: Gán giá trị:
I(P) =




ế





  ()






ế ượ ạ


2.2. Kỹ thuật khảm ảnh kết hợp nắn chỉnh hình dạng và hiệu chỉnh mức

xám
Ảnh thu nhn thƣng bị bin dng do các thit bị quang hc v đin tử.
Do vy, cn nắn chỉnh ảnh bị bin dng trƣớc khi khảm ảnh.





Hnh 2.1. Sơ đồ thut toán khảm ảnh da trên nắn chỉnh bin dng
T hai ảnh đu vo, xc định tp cc đim điều khin ƣơng ng trên mỗi
vị trí cn ghép bằng cách đnh dấu chúng li. Gi cc đim ny l cc đim
đặc trƣng.
P = {P
1
, P
2
,…, P
n
} đƣc xc định trên ảnh th nhất
P’ = {P’
1
,P’
2
,…,P’
n
} đƣc xc định trên ảnh th hai

Hình 2.2. Minh ha hai tp đim đặc trƣng ca hai ảnh đu vào
Hai ảnh
đu vào

Xc định các tp
đim điều khin
Tìm hàm
bin đổi f
Bin đổi ảnh
da trên hàm f
Khảm ảnh
19

Da trên cc đim đặc trƣng ny, xc định đƣc đ bin dng ca mt
trong hai ảnh so với ảnh còn li. Ảnh này bị bin dng theo nhiều hƣớng khác
nhau: Có th tịnh tin, co, giãn, méo mó,… Do s bin dng này xảy ra ở mt
trong hai ảnh nên có th chn ảnh th nhất là ảnh bị bin dng và thc hin
nắn chỉnh ảnh này.
2.2.1. Nắn chỉnh biến dạng
 Khái nim
Nắn chỉnh bin dng thc hin vic bin đổi hình hc giữa hai ảnh: ảnh
nguồn và ảnh đch. S bin đổi hình hc định nghĩa mi quan h giữa các
đim ảnh nguồn v đim ảnh đch. C hai khuynh hƣớng tc đng ca thut
toán nắn chỉnh l tc đng toàn cục và tác đng cục b.
Các thut toán nắn chỉnh toàn cục có tc đ xử l tƣơng đi nhanh. Tuy
nhiên chỉ áp dụng đi với các yêu cu đơn giản nhƣ co, giãn ảnh, bóp méo cả
ảnh thành t giác, mắt c, knh lúp,… Thut toán nắn chỉnh cục b cho kt
quả ấn tƣng hơn. Tuy nhiên đ có th nắn chỉnh theo tng vùng phải xác
định thêm tp đặc trƣng. Nắn chỉnh bin dng bằng hình hc là mt khâu
trong xử lý ảnh.
 Mt s kỹ thut xử lý ảnh trong nắn chỉnh bin dng
Thông thƣng kỹ thut nắn chỉnh thành 4 loi cơ bản:
- Kỹ thut nắn chỉnh da trên phân vùng ảnh
Ảnh nguồn và ảnh đch đƣc chia ra thành tp nhiều vùng nh. Sau đ

đƣc nắn chỉnh bằng cách chuyn đổi tƣơng ng mỗi vùng ca ảnh nguồn
thành mảnh ca ảnh đch.
- Kỹ thut nắn chỉnh da trên cc đim đặc trƣng
Dùng cc đim quan trng làm ánh x cơ sở (xc định đƣc ánh x ca
cc đim đặc trƣng). Cc đim đặc trƣng tƣơng ng ở trên ảnh nguồn và ảnh
đch xc định đƣc ánh x ca cc đim còn li xuất phát t vị trí ca nó trên
ảnh gc.