Phát hiện và xóa đối tượng nhỏ trong ảnh đường nét

MỞ ĐẦU
1. Lý do chọn đề tài
Xử lý ảnh là là một ngành khoa học còn tương đối mới mẻ so
với nhiều ngành khoa học khác nó là một trong những lĩnh vực quan
trọng của nghành công nghệ thông tin, có tốc độ phát triển rất nhanh,
có liên quan đến nhiều lĩnh vực khoa học như: khoa học đời sống,
quân sự, y tế…
Trong chuỗi các bước xử lý ảnh, tiền xử lý là một trong những
bước đầu của giai đoạn xử lý đóng vai trò cực kỳ quan trọng. Ảnh đầu
vào thường có chất lượng chưa tốt do nhiều lý do như máy thu, người
chụp, môi trường hoặc các điều kiện khách quan khác khiến ảnh nhận
được không được sát thực, mà mắt thường có thể phát hiện khi nhìn
hình ảnh, như các đối tượng nhỏ trong ảnh. Việc khắc phục những
nhược điểm này luôn là vấn đề đặt ra cho các hệ thống xử lý ảnh.
Trong phạm vi một đề tài luận văn thạc sỹ, tôi sẽ đi sâu vào
tìm hiểu kỹ thuật xóa các đối tượng nhỏ trong ảnh đường nét. Do đó
tôi lựa chọn đề tài: “Phát hiện và xóa đối tượng nhỏ trong ảnh
đường nét”.
2. Mục đích nghiên cứu
- Tăng cường chất lượng ảnh, đưa ảnh cần xử lý mang đặc
điểm của ảnh gốc ban đầu.
- Giảm thiểu khả năng xuất hiện của các thông tin sai trên
ảnh, làm tiền đề phục vụ tốt cho các bước xử lý cao hơn trong giai
đoạn sau.
3. Nhiệm vụ nghiên cứu
- Tìm hiểu khái quát về xử lý ảnh, nhiễu và lỗ hổng.
- Tìm hiểu một số kỹ thuật lọc nhiễu và lấp lỗ hổng .

1

- Cài đặt thử nghiệm một trong những kỹ thuật tìm hiểu
được.
4. Đối tượng và phạm vi nghiên cứu
a. Đối tượng nghiên cứu
- Các loại ảnh đường nét như: Các bản vẽ, sơ đồ mạng lưới,
mạch in, bản đồ đường sá, sông ngòi, vân tay…
- Các kỹ thuật xử lý và xóa đối tượng nhỏ trong ảnh đường nét.
- Xây dựng phần mềm mô phỏng phát hiện và xóa đối tượng
nhỏ trong ảnh đường nét.
b. Phạm vi nghiên cứu:
- Một số kỹ thuật hỗ trợ phát hiện và xóa đối tượng nhỏ trong
ảnh đường nét.
5. Dự kiến đóng góp mới:
Đề tài khi hoàn thành sẽ giải quyết một phần quan trọng của
bài toán phát hiện và xóa đối tượng nhỏ trong ảnh đường nét: Xác
định vùng chứa các đối tượng nhỏ xóa các đối tượng đó và đưa ảnh
về gần giống ảnh gốc nhất. Đây là cơ sở để có thể phát triển ứng
dụng áp dụng trong thực tế ở tất cả các lĩnh vực khoa học có liên
quan đến ảnh đường nét.
6. Phương pháp nghiên cứu
- Nghiên cứu tài liệu, tìm hiểu các thông tin trên Internet về các
kỹ thuật liên quan.
- Sử dụng thử nghiệm công cụ có sẵn để hiểu rõ bản chất vấn
đề, sau đó xây dựng chương trình demo.

2


NỘI DUNG
Chương 1

KHÁI QUÁT XỬ LÝ ẢNH VÀ BÀI TOÁN XÓA ĐỐI TƯỢNG
NHỎ TRONG ẢNH ĐƯỜNG NÉT
1.1.

Khái quát về xử lý ảnh

1.1.1.

Xử lý ảnh, sơ đồ tổng quát của một hệ thống xử lý ảnh
Để có thể hình dung cấu hình một hệ thống xử lý ảnh chuyên

dụng hay một hệ thống xử lý ảnh dùng trong nghiên cứu, đào tạo,
trước hết chúng ta sẽ xem xét các bước cần thiết trong xử lý ảnh.
Hệ quyết định

Thu nhận ảnh
(Scanner,
Camera, Sensor)

Tiền xử lý

Trích chọn
đặc điểm

Hậu
xử lý

Đối sánh rút
ra kết luận

Lưu
trữ

Hình 1.1: Các bước cơ bản trong một hệ thống xử lý ảnh
* Thu nhận ảnh:
Các thiết bị thu nhận ảnh có hai loại chính ứng với hai loại
ảnh thông dụng là Raster và Vector. Các thiết bị thu ảnh thông
thường gồm camera cộng với bộ chuyển đổi tương tự số AD (Analog
to Digital) hoặc scanner chuyên dụng.

3


* Tiền xử lý:
Tiền xử lý là bước tăng cường ảnh để nâng cao chất lượng ảnh.
để làm nổi bật một số đặc tính chính của ảnh, hay làm cho ảnh gần giống
nhất với trạng thái gốc - trạng thái trước khi ảnh bị biến dạng.
* Trích chọn đặc điểm:
Việc trích chọn các đặc điểm giúp cho việc nhận dạng các
đối tượng ảnh một cách chính xác hơn với tốc độ tính toán cao và
dung lượng nhớ lưu trữ giảm xuống. Các đặc điểm của đối tượng
được trích chọn tuỳ theo mục đích nhận dạng trong quá trình xử lý
ảnh. Có thể nêu ra một số đặc điểm của ảnh như: Đặc điểm không
gian, đặc điểm biến đổi, đặc điểm biên và đường biên.
* Hậu xử lý:
Bao gồm có các kỹ thuật: Rút gọn số lượng điểm biểu diễn
,nhằm bớt các điểm thu được nhằm giảm thiểu không quan lưu trữ.
Với các thuật toán: Thuật toán Douglas Peucker, thuật toán Band
width, thuật toán Angles.
* Đối chiếu và đưa ra kết luận:

Ảnh sau khi xử lý sẽ được lưu trữ, kết hơp với cơ sở tri thức để
đưa ra những kết luận phục vụ cho mục đích nhận dạng và nội suy.
1.1.2.

Các vấn đề cơ bản trong xử lý ảnh

1.1.2.1. Một số khái niệm
Pixel (Picture Element): phần tử ảnh
Trong quá trình số hóa, người ta biến đổi tín hiệu liên tục sang tín
hiệu rời rạc thông qua quá trình lấy mẫu (rời rạc hóa về không gian) và
lượng hóa thành phần giá trị mà về nguyên tắc bằng mắt thường không
phân biệt được hai điểm kề nhau. Trong quá trình này, người ta sử dụng
khái niệm Picture element mà ta quen gọi hay viết là Pixel – phần tử ảnh.

4


a. Ảnh với độ phân giải 72 dpi

b. Ảnh với độ phân giải 36 dpi

Hình 1.2: Biểu diễn ảnh với độ phân giải khác nhau

5


Gray level: Mức xám
Mức xám là kết quả sự mã hóa tương ứng một cường độ sáng
của mỗi điểm ảnh với một giá trị số - kết quả của quá trình lượng
hóa. Cách mã hóa kinh điển thường dùng 16, 32 hay 64 mức. Mã hóa

256 mức là phổ dụng nhất do lý do kỹ thuật. Vì 2^8 = 256 (0, 1, …,
255), nên với 256 mức, mỗi pixel sẽ được mã hóa bởi 8 bit.
Các điểm 4 và 8-láng giềng
Giả sử (i,j) là một điểm ảnh, các điểm 4-láng giềng là các điểm
trực tiếp bên trên, dưới, trái, phải của điểm (i,j):
N4= {(i -1,j), (i +1,j), (i, j -1), (i, j +1)},
và những điểm 8-láng giềng (hình 1.3) gồm:
N8 = N4 ∪ {(i -1,j -1), (i +1,j -1), (i -1,j +1), (i +1,j +1)}.
Ví dụ trong hình 1.3 các điểm 0, 2, 4, 6 là các 4-láng giềng của
điểm P, còn các điểm 0, 1, 2, 3, 4, 5, 6, 7 là các 8 láng giềng của P.
Chu tuyến
Chu tuyến của một đối tượng ảnh là tập các điểm biên của
đối tượng p0,p1,…,pN sao cho pi-1 và pi+1 là các 8-láng giềng của pi và
p0= pN. Chẳng hạn trong hình 1.4 biểu diễn chu tuyến của ảnh.
3

2

1

4

P

0

5

6

7

z
p
x

Hình 1.3: Ma trận 8 láng giềng kề nhau Hình 1.4:Ví dụ về chu tuyến của ảnh

6


Nhiễu (Noise)
Cho trước chu tuyến C và ngưỡng θ > 0, khi đó tập hợp các
điểm trong chu tuyến C sẽ được gọi là nhiễu nếu thoả mãn hai điều
kiện sau:
- Có ít nhất một điểm là điểm ảnh quan tâm sao cho điểm này
là 8-láng giềng của một điểm nào đó của chu tuyến C.
- Độ dài của chu tuyến C nhỏ hơn ngưỡng θ.
Trong trường hợp này C được gọi là chu tuyến xác định nhiễu.
Lỗ hổng (Hole)
Cho trước chu tuyến C và ngưỡng θ > 0, khi đó tập hợp các
điểm trong chu tuyến C sẽ được gọi là lỗ hổng nếu thoả mãn hai điều
kiện sau:
- Có ít nhất một điểm có cùng giá trị với thuộc tính nền sao cho
điểm này là 8-láng giềng của điểm nào đó của chu tuyến C.
- Độ dài của chu tuyến C nhỏ hơn ngưỡng θ.
Trong trường hợp này C được gọi là chu tuyến xác định lỗ hổng.
Ảnh đen trắng
Ảnh đen trắng là ảnh chỉ bao gồm hai mầu đen và trắng.
Người ta phân mức đen trắng thành L mức, nếu xử dụng 8 bít mã hóa

mức đen trắng thì L được xác định:

L=2B

(nếu B=8 ta có

L=28=256).
Ảnh mầu
Biểu diễn tương tự như ảnh đen trắng, chỉ khác là số phần tử của
ma trận biểu diễn cho bằng ba mầu riêng rẽ (red, green, blue). Để biểu
diễn một điểm ảnh cần 24 bit chia ra làm ba khoảng mỗi khoảng 8 bit.
Ảnh đường nét
Ảnh đường nét là ảnh có chiều dài lớn hơn gấp nhiều lần
chiều rộng.
7


Ví dụ: Các bản vẽ, sơ đồ mạng lưới, mạch in, bản đồ đường
sá, sông ngòi, vân tay…
Độ phân giải của ảnh
Độ phân giải của ảnh là khoảng cách giữa các điểm ảnh được
chọn sao cho mắt người vẫn thấy được sự liên tục của ảnh, việc lựa
chọn khoảng cách thích hợp tạo lên mật độ phân bố, đó chính là độ
phân giải và được phân bố theo trục x và y trong không gian hai chiều.
Ảnh có thể được biểu diễn theo mô hình Vector hoặc mô hình
Raster:

Hình 1.5: Quan hệ giữa các điểm ảnh (mô hình Raster)
Biên
Biên là một vấn đề chủ yếu và cực kỳ quan trọng trong quá

trình phân tích ảnh vì các kỹ thuật phân đoạn ảnh chủ yếu dựa vào
biên. Cho đến nay chưa có định nghĩa chính xác về biên, với mỗi ứng
dụng người ta đưa ra các độ đo khác nhau về biên. Một điểm ảnh
được gọi là biên nếu nó có sự thay đổi đột ngột về mức xám.
Điểm biên
Cho p là một điểm ảnh, khi đó: p là điểm biên nếu tồn tại q là
8-láng giềng của p sao cho cường độ sáng của q khác với cường độ
sáng của p. Nói cách khác, nếu p là điểm ảnh quan tâm thì q là điểm
có thuộc tính nền và ngược lại.
1.1.2.2.

Biểu diễn ảnh
Một số mô hình thường được dùng trong biểu diễn ảnh: mô

hình toán, mô hình thống kê. Trong mô hình toán, ảnh hai chiều được
8


biểu diễn nhờ các hàm hai biến trực giao gọi là các hàm cơ sở. Với
mô hình thống kê, một ảnh được coi như một phần tử của một tập
hợp đặc trưng bởi các đại lượng như: kỳ vọng toán học, hiệp biến,
phương sai, moment.

1.1.2.3. Tăng cường ảnh – khôi phục ảnh
Tăng cường ảnh là bước quan trọng, tạo tiền đề cho xử lý
ảnh. Nó gồm một loạt các kỹ thuật như: lọc độ tương phản, khử
nhiễu, nổi màu, v.v…

1.1.2.4. Nhận dạng ảnh
Nhận dạng ảnh là quá trình liên quan đến các mô tả đối

tượng mà người ta muốn đặc tả nó. Quá trình nhận dạng thường đi
sau quá trình trích chọn các đặc tính chủ yếu của đối tượng. Có hai
kiểu mô tả đối tượng:
- Mô tả tham số (nhận dạng theo tham số).
- Mô tả theo cấu trúc (nhận dạng theo cấu trúc).
1.1.3.

Thu nhận ảnh

1.1.3.1. Thiết bị thu nhận ảnh
Các thiết bị thu nhận ảnh có thể cho ảnh trắng đen B/W
(Black & White) với mật độ từ 400 đến 1600 dpi (dot per inch) hoặc
ảnh màu 600 dpi. Với ảnh B/W mức màu là 0 hoặc 1. Với ảnh đa cấp
xám, mức xám biến thiên từ 0 đến 255. Ảnh màu, mỗi điểm ảnh lưu
trữ trong 3 bytes và do đó ta có 2 8 x 3 màu (cỡ 16,7 triệu màu).
Thiết bị ra ảnh có thể là máy đen trắng, máy in màu hay máy
vẽ (ploter). Máy vẽ cũng có nhiều loại: loại dùng bút, loại phun mực.
1.1.3.2. Biểu diễn màu
Ánh sáng màu là tổ hợp của ánh sáng đơn sắc. Mắt người chỉ
có thể cảm nhận được vài chục màu, song lại có thể phân biệt được
hàng ngàn màu. Có 3 thuộc tính chủ yếu trong cảm nhận màu:
9


-

Brighness: sắc màu, còn gọi là độ chói.

-

Hue: sắc lượng, còn gọi là sắc thái màu.

-

Saturation: độ bão hòa.

Hình 1.6: Hệ tọa độ màu RGB
Với nguồn sáng đơn sắc, độ hue tương ứng với bước sóng λ.
Độ bão hòa thay đổi nhanh nếu ta thêm lượng ánh sáng trắng. Hình
1.3 mô tả mối liên quan giữa những các đại lượng trên và 3 màu chủ
yếu R, G và B.
Với điểm W* cố định, các ký hiệu G, R, B chỉ vị trí tương
đối của các phổ màu đỏ, lục và lơ.
Do sự tán sắc ánh sáng mà ta nhìn rõ màu. Theo Maxwell,
trong võng mạc có 3 loại tế bào hình nón cảm thụ 3 màu cơ bản ứng
với 3 phổ hấp thụ S1( λ ), S2( λ ) và S3( λ ); λ

min

= 380 nm; λ

max

=

780 nm.
-

Một màu bất kỳ sẽ là một điểm trên vòng tròn.

-

Nếu White và Black là như nhau thì đường tròn là lớn nhất
và R là điểm bão hòa.

-

S thay đổi theo bán kính

-

H thay đổi theo góc θ .

-

W* là sắc màu.
10


1.1.3.3. Hệ tọa độ màu
Người ta dùng hệ tọa độ ba màu R-G-B (tương ứng với hệ
tọa độ x-y-z) để biểu diễn màu như sau:

Hình 1.7: Hệ tọa độ R-G-B
Trong cách biểu diễn này ta có công thức: đỏ + lục + lơ = 1.
Công thức này gọi là công thức Maxwell. Ta cũng có thể chuyển từ
hệ tọa độ 3 màu về hệ tọa độ x-y-z.
1.1.4.

Các kỹ thuật xử lý ảnh cơ bản

1.1.4.1. Nhị phân hóa
Nhị phân hóa là thực hiện phép biến đổi ảnh từ ảnh đa cấp
xám về ảnh nhị phân (có 2 cấp xám).
1.1.4.2. Khử nhiễu
Khử nhiễu được tiến hành bằng cách sử dụng các bộ lọc
tuyến tính (lọc trung bình) hoặc phi tuyến (lọc trung vị).
Khử nhiễu bằng các bộ lọc tuyến tính phổ biến là các bộ lọc sau:
1 1 1
1 2 1 
1
 1 2 4 2
1
1
1

 16 
9
1 2 1 
1 1 1

1
2
1 
4
100 
2
1

2

4
8
4
2

11

4 2
8 4
16 8
8 4
4 2

1
2 
4

2
1 


Các bộ lọc trên được kết hợp với ảnh bằng phép nhân chập
(phép cuộn) và cho ra ảnh kết quả có độ nhiễu nhỏ hơn ảnh ban đầu.

1.1.4.3. Làm trơn biên, lấp đầy chỗ trống
Trên thực tế, sau khi khử nhiễu, đường biên chữ không được
trơn tru như ban đầu mà hình thành các đường cong có răng cưa. Khi
đó ta phải tiến hành lấp đầy chỗ trống, xóa đi các điểm giả trên biên
chữ. Hai kỹ thuật hay được sử dụng là Unger và Dineen.
1.2.

Bài toán xoá đối tượng nhỏ trong ảnh đường nét
Hiện nay, có rất nhiều lĩnh vực như: Địa chất, bản đồ, y tế,

quân sự, công an… sử dụng các ảnh đường nét. Thông thường trong
quá trình thu nhận ảnh vẫn không tránh khỏi còn những lỗ hổng hoặc
nhiễu nhỏ, những đối tượng này nảy sinh trong quá trình thu nhận
ảnh, hay ngay trong quá trình cải thiện ảnh như co ảnh, phân
ngưỡng... những đối tượng này được xem là các đối tượng nhỏ cần
phải loại bỏ trong kết quả thu nhận ảnh.
Bài toán sẽ đề cập đến một số kỹ thuật xoá đối tượng nhỏ
trong ảnh đường nét để giải quyết vấn đề nêu trên. Ở đây chỉ xét ảnh
đen trắng, ảnh xám đã phân ngưỡng hay ảnh màu với màu chỉ định và
quy ước: đối với ảnh đen trắng thì điểm ảnh quan tâm là đen, còn ảnh
đa cấp xám đã phân ngưỡng thì điểm ảnh quan tâm là điểm có cường
độ sáng lớn hơn ngưỡng và ảnh màu thì điểm ảnh quan tâm là điểm
có màu trùng với màu chỉ định, các điểm còn lại được xem như là
nền. Nếu nhiễu được xem như là nhóm các điểm quan tâm và lỗ hổng
là nhóm các điểm nền nhỏ hơn một ngưỡng nào đó thì hai thuật toán
xoá nhiễu và lấp lỗ hổng là đối ngẫu nhau.

12


Chương 2
CÁC KỸ THUẬT XOÁ ĐỐI TƯỢNG NHỎ
TRONG ẢNH ĐƯỜNG NÉT
2.1. Loại bỏ đối tượng nhỏ dựa vào chu tuyến
2.1.1. Phát hiện lỗ hổng và nhiễu
Mệnh đề 1: [Phát hiện lỗ hổng]

Cho trước ngưỡng θ > 0 và chu tuyến C 1 có độ dài nhỏ hơn θ
với các điểm là điểm ảnh quan tâm (điểm đen). Gọi C 2 là chu tuyến
láng giềng của chu tuyến C 1 khi đó ta có khẳng định sau: chu tuyến
C1 xác định lỗ hổng nếu độ dài của chu tuyến C 1 lớn hơn độ dài của
chu tuyến C2.
Mệnh đề 2: [Phát hiện nhiễu]
Cho trước ngưỡng θ >0 và chu tuyến C1 có độ dài nhỏ hơn θ
với các điểm là điểm nền (điểm trắng). Gọi C2 là chu tuyến láng giềng
của chu tuyến C1 khi đó ta có khẳng định sau: chu tuyến C 1 xác định
nhiễu nếu độ dài của chu tuyến C2 nhỏ hơn độ dài của chu tuyến C1.
2.1.2. Thuật toán lấp đầy lỗ hổng và xoá nhiễu dựa theo chu tuyến
Để lấp đầy lỗ hổng hay xoá nhiễu được xác định bởi một chu
tuyến ta dùng phương pháp "làm mảnh" theo chu tuyến.
Thuật toán REMOVE (lấp đầy lỗ hổng và xoá nhiễu) gồm hai
bước: Làm mảnh và xóa xương.
Mệnh đề 3:
Thuật toán REMOVE dừng và cho kết quả đúng (lấp đầy lỗ
hổng và xoá nhiễu cần thiết).
2.1.3. Nâng cao tốc độ
Do trong thuật toán lấp lỗ hổng và xoá nhiễu sử dụng thuật
toán làm mảnh theo chu tuyến, cách này giúp cho việc xoá đối tượng
được tiến hành theo trình tự ngoài vào trong dựa theo đường xoắn ốc
13


của chu tuyến, do đó tốc độ khá nhanh bởi không phải kiểm tra việc
tiếp xúc biên của đối tượng.
2.1.4. Ứng dụng chu tuyến vào việc loại bỏ đối tượng nhỏ trong
quá trình véc tơ hoá tự động
Phần này đề cập tới phương pháp ứng dụng chu tuyến vào việc

loại bỏ các đối tượng nhỏ trong quá trình véc tơ hoá tự động có sử
dụng thuật toán làm mảnh dựa vào chu tuyến, phương pháp này có
thể loại bỏ các đối tượng nhỏ ngay trong quá trình véc tơ hoá tự động
mà không phụ thuộc vào mẫu.
* Loại bỏ đối tượng nhỏ trong quá trình véc tơ hoá tự động dựa
theo chu tuyến
Thuật toán véc tơ hoá tự động kết hợp loại bỏ các đối tượng
nhỏ dựa theo chu tuyến gồm các bước sau:
Bước 1 [Duyệt tìm chu tuyến]:
Việc duyệt tìm được tiến hành từ trái sang phải, từ trên
xuống dưới theo ma trận các điểm ảnh.
Nếu không thấy chu tuyến nào nữa thì nhảy qua thực
hiện bước 2, ngược lại kiểm tra nếu độ dài chu tuyến
vừa tìm được nếu nhỏ hơn ngưỡng θ cho trước và là lỗ
hổng hay nhiễu không thì sử dụng thuật toán REMOVE
để xoá đối tượng vừa tìm được, nếu không lưu chu tuyến
kết quả vừa tìm được vào một mảng.
Tiếp tục thực hiện Bước 1
Bước 2 [Làm mảnh]:
Với mỗi đối tượng là chu tuyến tìm được trong mảng
lưu trữ, ta tiến hành bước làm mảnh. Việc làm mảnh bao
gồm nhiều lần lặp, trong mỗi lần lặp tất cả các điểm của
đối tượng sẽ được kiểm tra nếu như chúng thoả mãn
14


điều kiện xoá thì sẽ bị xoá đi. Quá trình được lặp lại cho
đến khi không còn điểm biên nào được xoá. Đối tượng
được bóc dần lớp biên cho đến khi bị thu mảnh lại thành
một đường duy nhất có độ dày bằng một pixel.

Bước 3 [Véc tơ]:
Với các đối tượng đã được làm mảnh sẽ được tiến hành
véc tơ hoá bởi việc dò theo xương. Kết quả thu được là
một dãy điểm liên tiếp, để giảm việc lưu trữ chúng sẽ
được loại bỏ bớt nhờ các thuật toán đơn giản hoá.
2.2. Kỹ thuật lấp lỗ hổng:
2.2.1. Phương pháp tam giác:
2.2.1.1 Phương pháp:
- Trong số các điểm đã được ánh xạ, ta chọn ra một số điểm có
khoảng cách đến lỗ hổng M là nhỏ nhất. Gọi các điểm này là tập S.
- Dựa vào thuật toán “lựa chọn 3 điểm thích hợp” để tìm ra 3
điểm thuộc S có ảnh hưởng đến M nhiều nhất. Gọi 3 điểm này là A,
B, C. Ta cũng gọi A’ là điểm thuộc ảnh gốc đã ánh xạ sang A, B’ ánh
xạ sang B, C’ ánh xạ sang C.
- Từ phép nội suy tam giác ABC thành tam giác A’B’C’ ta
xác định được điểm M’ thuộc tam giác A’B’C’ tương ứng với điểm
M thuộc tam giác ABC.
- Gán giá trị màu của M’ cho điểm M.
2.2.1.2. Thuật toán tìm chu tuyến:
Thuật toán dò biên: cho một đối tượng ảnh nhằm phát hiện ra
chu tuyến của nó bao gồm lần lượt các bước sau:
- Xác định điểm xuất phát.
- Dự báo điểm biên tiếp theo bn+1 = T(bn).
- Lặp lại bước 2 cho tới khi gặp điểm biên xuất phát.
15


* Tìm biên cho vùng ảnh chứa điểm M:
 Xác định cặp vùng nền xuất phát
Gọi N, D là các điểm ảnh

N.x =M.x
N.y =M.y
While(N là lỗ hổng)
{
++ N.x
}
D.x =N.x-1;
D.y =N.y;
Cặp nền vùng xuất phát là (D , N);
 Xác định cặp nền vùng tiếp theo
Trong bước này ta khai báo mảng Orient gồm 8 phần tử để
xác định toạ độ các tám láng giềng của điểm ảnh M. Các tám láng
giềng của M có vị trí được đặt tên lần lượt là 0 đến 7 như Hình 2.2.
3

2

1

4

M

0

5

6

7

Hình 2.2: Vị trí các tám láng giềng
Các giá trị của các phẩn tử mảng Orient được xác định như sau:
Point Orient[] = {(1,0),(1,-1),(0,-1),(-1,-1),(-1,0),(-1,1),(0,1),(1,1)}
Vậy toạ độ của điểm tám láng giềng thứ i của M là điểm N mà:
N.x=M.x+Orient[i].x; N.y=M.y+Orient[i].y
Cặp (nền, vùng) tiếp theo được xác định dựa trên cặp nền
vùng xác định ngay trước đó:

16


* Gọi M là điểm nền vừa tìm đựợc, điểm vùng vừa tìm được là
tám láng giềng của M được xác định bởi vị trí i (hướng i so với điểm M).
* Lấy điểm M làm gốc, điểm láng giềng i làm ngọn. Xoay
vectơ trên theo chiều kim đồng hồ cho tới khi gặp được điểm láng
giềng đầu tiên của M là điểm nền (điểm đã được ánh xạ) thì dừng và
điểm đó chính là điểm láng giềng có thứ tự thứ j của M.
* Điểm láng giềng j và [(j+1)%8] ([(j+1)%8] là điểm láng
giềng đứng trước j theo chiều kim đồng hồ) là cặp nền vùng mới.
j

i

3

2

1

4

M

0

5

6

7

Hình 2.3: Minh họa tìm cặp nền vùng mới
- Điểm nền là điểm được tô đậm.
- Điểm vùng là điểm để trắng.
 Xác định biên của vùng ảnh chứa điểm M.
Gồm có hai bước:
* Xác định cặp nền vùng (M,N) xuất phát.
Điểm biên thứ i = 0 là M.
* Xác định cặp nền vùng (M’, N’) tiếp theo.
Điểm biên thứ i = i+1 là M’.
Kiểm tra nếu cặp (M’, N’) trùng với cặp (M, N) thì kết thúc.
Ngược lại: gán M = M’, N= N’ và quay lại bước 2 để tìm tiếp các
điểm biên còn lại.
2.2.1.3. Tìm hiểu về thuật toán tô màu
Ta sẽ có thuật toán tô màu xuất phát từ điểm P(x, y) màu tô là c:
1. Nếu c bằng màu nền thì thoát.
17

2. Khởi tạo Từ P(x,y) tìm điểm phải nhất của P là RP(x,j) nạp
vào stack.
3. Lặp các công việc sau cho đến khi stack rỗng
3.1. Lấy ngọn stack nạp vào (x,y).
3.2. Nếu (x,y) đã tô thì quay lại vòng lặp.
3.3. Tìm đầu làn của dòng trên (nếu nó liên thông với
dòng chứa (x,y)) nạp vào stack.
3.4. Tìm đầu làn của dòng dưới (nếu nó liên thông
với dòng chứa (x,y)) nạp vào stack.
3.5. Lặp qua trái đến hết làn các bước sau:
Tô (x,y)
Nếu (x-1,y) là điểm phải nhất thì nạp vào stack.
Nếu (x+1,y) là điểm phải nhất thì nạp vào stack.
2.2.2. Phương pháp đoạn thẳng:
2.2.2.1 Các bước của phương pháp:
* Tìm hình vuông 3 x 3 nhận M làm trọng tâm.
* Xét 4 đường thẳng đi qua M là bốn trục đối xứng của hình
chữ nhật bao gồm:
- Hai đường chéo của hình chữ nhật.
- Đường thẳng nằm ngang đi qua M.
- Đường thẳng dọc đi qua M.
3

2

1

4

M

0

5

6

7

Hình 2.4: Bốn đường thẳng cần xét
18


Bốn đường thẳng cần xét.
* Trên mỗi đường thẳng, tìm đoạn thẳng dài nhất thoả mãn
điều kiện:
- Các điểm của đoạn thẳng đều là các lỗ hổng, trừ hai đầu
mút là hai điểm đã được ánh xạ (không là lỗ hổng).
- Đoạn thẳng đó chứa M.
* Gọi A1A2, B1B2, C1C2, D1D2 là 4 đoạn thẳng tìm được.
Ta tìm đoạn thẳng có độ dài ngắn nhất trong 4 đoạn trên. Gọi
đoạn đó là P1P2.
* Tìm điểm M’ tương ứng với M trên đoạn P’1 P’2 dựa vào
tỷ lệ khoảng cách từ M đến P1 và P2 (P’1 là điểm tương ứng với P1,
P’2 là điểm tương ứng với P2 ở ảnh gốc).
* Gán giá trị mầu của M’ cho M.
2.3. Kỹ thuật lọc nhiễu:
2.3.1. Lọc trung vị:
Phần tử a của dãy có 2m+1 phần tử {x1, x2..., xm..., x2m,
x2m+1} được gọi là trung vị nếu có m phần tử lớn hơn hoặc bằng a

và có m phần tử nhỏ hơn hoặc bằng a.
Vd: Dãy :{15, 17, 18, 16, 78, 17, 17, 15, 20}
Có trung vị bằng 17 vì có 4 phần tử bé hơn hoặc bằng (gạch
chân) và 4 phần tử lớn hơn hoặc bằng (tô màu).
Dãy : {15, 17, 18, 16, 78,17, 17,15, 20}
Thuật toán :
1. Tìm điểm ảnh bị lỗi trong hình xử lý.
2. Chọn kích thước cửa sổ phù hợp (là một ma trận).
3. Sắp xếp các pixel (cả các pixel bị lỗi) theo một dãy thứ tự
tăng (giảm) dần.
4. Thay pixel bị lỗi bằng giá trị giữa của dãy vừa tính được.
19


5. Dịch cửa sổ sang hàng kế tiếp.
6. Quay lại bước 3.
Người ta thường sử dụng cửa sổ 3x3 ngoài ra ta có thể sử
dụng cửa sổ 5x5 và 7x7. Thủ tục lọc có thể thực hiện nhiều lần, cho
đến khi thủ tục lọc không làm thay đổi ảnh.
Cột
x
Hàng y

15

17

18

16

78

17

17

15

20

Hình 2.5 : Mặt lọc với cửa sổ 3x3
Đặt cửa sổ sao cho tâm trùng với (x, y), giá trị phần tử ảnh
(x, y) là 78, các phần tử ảnh trong cửa sổ có giá trị lập thành dãy : 15,
17, 18, 16, 78, 17, 17, 15, 20. Theo trên trung vị của dãy là 17, giá trị
mới của phần tử ảnh tại điểm (x, y) là 17
Cột
x

Hàng y

15

17

18

16

17

17

17

15

20

Hình 2.6: Ảnh minh họa
Kỹ thuật thực hiện: Sắp xếp dãy X tăng dần hoặc giảm dần
các giá trị nấy được trong cửa sổ:

20


15

15

16

17

17

17

18

20

78

1

2

3

4

5

6

7

8

9

Hình 2.7: Ảnh minh họa
Đặt f(x,y)=X5
2.3.2. Lọc giả trung vị:
Thuật toán lọc giả trung vị :
1. Lấy các phần tử trong cửa sổ ra mảng một chiều (L phần tử).
2. Tìm min của lần lượt các chuỗi con rồi lấy max: gọi m1 là
giá trị này.
3. Tìm max của lần lượt các chuỗi con rồi lấy min: gọi m2 là

giá trị tìm được.
4. Gán giá trị điểm đang xét là giá trị trung bình cộng của m1
và m2
2.3.3 Lọc ngoài:
Giả thiết có một mức ngưỡng nào đó cho các mức nhiễu (có
thể dựa vào lược đồ xám). Tiến hành so sánh giá trị của một điểm
ảnh với trung bình số học 8 lân cận của nó. Nếu sai lệch lớn hơn
ngưỡng, điểm ảnh này được coi là nhiễu. Trong trường hợp đó thay
thế giá trị của điểm ảnh bằng giá trị 8 lân cận vừa tính được. Bộ lọc
ngoài có thể diễn tả bằng công thức sau:

Với a(w) là trung bình cộng của các điểm trong lân cận w,
ngưỡng ngoài.

21

là


Chương 3
CHƯƠNG TRÌNH THỬ NGHIỆM
3.1. Bài toán xây dựng chương trình thử nghiệm
Hiện nay, có rất nhiều lĩnh vực như: Địa chất, bản đồ, y tế,
quân sự, công an… sử dụng các ảnh đường nét. Thông thường trong
quá trình thu nhận ảnh vẫn không tránh khỏi còn những lỗ hổng hoặc
nhiễu nhỏ, những đối tượng này nảy sinh trong quá trình thu nhận
ảnh, hay ngay trong quá trình cải thiện ảnh như co ảnh, phân
ngưỡng... những đối tượng này được xem là các đối tượng nhỏ cần
phải loại bỏ trong kết quả thu nhận ảnh.
Bài toán sẽ đề cập đến một số kỹ thuật xoá đối tượng nhỏ

trong ảnh đường nét để giải quyết vấn đề nêu trên. Cụ thể, trong bài
toán này, tác giả sẽ sử dụng phương pháp loại bỏ đối tượng nhỏ dựa
vào chu tuyến.
3.2. Phân tích bài toán
Như đã nêu ở trên, tác giả sẽ sử dụng phương pháp loại bỏ đối
tượng nhỏ dựa vào chu tuyến để áp dụng vào bài toán phát hiện và xóa
đối tượng nhỏ trong ảnh đường nét. Những đối tượng này sẽ được loại
bỏ trong kết quả véc tơ. Có 2 tiếp cận để giải quyết vấn đề này:
Một là, tiến hành loại bỏ các đối tượng này trước khi véc tơ
hoá, cách tiếp cận này thường là loại bỏ được hầu hết các đối tượng
nhỏ, nhưng nhiều khi tự bản thân nó lại sinh ra các đối tượng nhỏ
khác. Mặt khác để đảm bảo tính chất trung thực của kết quả véc tơ thì
không thể xoá hoàn toàn tất cả các đối tượng.
Hai là, tiến hành loại bỏ các đối tượng này sau khi đã tiến
hành véc tơ hoá, cách này đơn giản hơn nhưng kết quả véc tơ thường
bị sai lệch do ảnh hưởng của các đối tượng nhỏ trong quá trình véc tơ
hoá, nhất là ảnh hưởng của các lỗ hổng.
22


Ở đây tác giả áp dụng phương pháp ứng dụng chu tuyến vào
việc loại bỏ các đối tượng nhỏ ngay trong quá trình véc tơ hóa tự
động có sử dụng thuật toán làm mảnh theo chu tuyến.
3.3. Chương trình thử nghiệm
3.3.1. Thiết kế chương trình
Qua các phân tích ở trên, tác giả xây dựng chương trình thử
nghiệm với đầu vào là ảnh đường nét có xuất hiện lỗ hổng và bị ảnh
hưởng của nhiễu được nhập từ các thiết bị thu nhận ảnh. Chương
trình cho phép phát hiện, lấp đầy lỗ hổng và xóa nhiễu của ảnh.
Chương trình có những module chính như sau:

+ Module: Đọc dữ liệu đầu vào
+ Module: Làm mảnh đối tượng
+ Module: Xóa xương
+ Module: Hiển thị kết quả
3.3.2. Một số kết quả chương trình

Hình 3.1: Ảnh ban đầu bị ảnh hưởng của nhiễu
23


Hình 3.2: Ảnh đã được xóa nhiễu
Qua thực nghiệm cho thấy phương pháp lấp lỗ hổng và xoá
nhiễu bằng cách sử dụng các chu tuyến ảnh đảm bảo xoá nhiễu nhanh
và chính xác. Phương pháp này rất hữu hiệu đối với các bản đồ bình
độ, thuỷ văn, đường biên hành chính, đường giao thông, v.v..

24


PHẦN KẾT LUẬN
Trong nội dung của luận văn tác giả đã trình bày các phương
pháp chính dùng trong việc xóa các đối tượng nhỏ trong ảnh đường
nét (nhiễu và lỗ hổng). Đối với các giai đoạn của một hệ thống xử lý,
nhận dạng ảnh, giai đoạn phát hiện các đối tượng dư thừa (nhiễu và
lỗ hổng) là giai đoạn khó khăn và đòi hỏi nhiều thời gian do ảnh thu
được từ các thiết bị thường bị sai lệch do các yếu tố như góc quay,
khoảng cách, ánh sáng…. Đề tài đã nghiên cứu một số kỹ thuật phát
hiện và xóa đối tượng nhỏ trong ảnh đường nét để giải quyết vấn đề
nêu trong bài toán.
Trong thời gian nghiên cứu và thực hiện luận văn, tác giả

đã đạt được một số kết quả sau:
* Nghiên cứu một số kỹ thuật phát hiện xóa đối tượng dưa
thừa (nhiễu và lỗ hổng) trong ảnh đường nét như: Kỹ thuật loại bỏ
đối tượng nhỏ dựa vào chu tuyến, kỹ huật lấp lỗ hổng, kỹ thuật lọc
nhiễu.
* Thiết kế chương trình phát hiện và xóa đối tượng nhỏ trong
ảnh đường nét sử dụng phương pháp lọc trung vị. Qua thực nghiệm
cho thấy chương trình làm việc tốt với các ảnh đầu vào ở các mức độ
khác nhau về chất lượng ảnh.
Một số đề xuất
Trong thời gian tới, báo cáo cũng như chương trình sẽ được
nghiên cứu, phát triển thêm một số chức năng:
* Cải tiến một số chức năng trong chương trình cho phép nắn
chỉnh ảnh, nâng cao hiệu quả phát hiện các đối tượng dư thừa và
giảm thiểu thời gian xử lý.
* Tích hợp thêm chức năng xử lý ảnh bằng các kỹ thuật đã
nêu trong luận văn.
25