Bài giảng xử lý ảnh số chương 4 kiến thức về xử lý ảnh trong miền không gian

XỬ LÝ ẢNH TRONG
MIỀN KHÔNG GIAN
(TT)
NGÔ QUỐC VIỆT
TPHCM-2012


Các bộ lọc thông thấp và thông cao
Đạo hàm và nhân chập

1.

2.



Làm sắc nét ảnh

3.



4.

Đạo hàm bậc hai - mặt nạ Laplacian
Đạo hàm bậc nhất – mặt nạ Sobel, Roberts
Phương pháp unsharp mask
Sharpen transform

Tóm tắt và bài tập

Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

2






Làm rõ các chi tiết nét trong ảnh. Ngược với làm mờ
Ứng dụng trong printing, medical imaging, chẩn
đoán công nghiệp, etc.

Ảnh gốc

Ảnh đã làm sắc nét
Nguồn:

Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

3








Làm sắc nét dựa trên nguyên lý “sự khác biệt trong

miền không gian” (spatial differentiation)
Difference ~ high-pass filter (bộ lọc thông cao) và
high-boost filter
High-pass filter: Lấy ảnh trừ đi ảnh đã làm mờ 
sắc nét
High-Boost filter: làm nét, nhưng không bỏ thành
phần thô (tần số thấp). Bằng cách nhân ảnh gốc với
hệ số trước khi trừ ảnh đã làm mờ.

Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

4


Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

5




Định nghĩa đạo hàm bậc nhất của f(x) trong miền liên
tục và f(n) trong miền rời rạc



Định nghĩa đạo hàm bậc hai của f(x) trong miền liên
tục và f(n) trong miền rời rạc

Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

6




Đạo hàm được định nghĩa “khác biệt”  có cùng
mục tiêu của bộ lọc làm sắc nét
1

3

2



4

Đạo hàm có thể phát hiện được nhiều tính chất:
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

7


1.
2.

3.
4.



Đạo hàm bậc nhất thể hiện được cạnh dầy trong
ảnh (phần ramp trong ảnh trên)
Đạo hàm bậc hai thể hiện rõ các chi tiết mịn hoặc
điểm cô lập
Đạo hàm bậc nhất thể hiện tốt bước nhảy lớn của
mức xám.
Đạo hàm bậc hai có thể tạo ra 2 giá trị tại thay đổi
lớn trong mức xám

Đạo hàm bậc hai thường được dùng nhiều trong
nâng cao chất lượng ảnh vì khả năng cải tiến các
chi tiết mịn
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

8




Định nghĩa đạo hàm bậc hai của f(x, y) trong miền
liên tục

Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

9




Đạo hàm bậc 2 thể hiện bởi
0 0 0  0 1 0  0 1 0 
1  2 1  0  2 0  1  4 1

 
 

0 0 0 0 1 0 0 1 0

Nhân chập Laplacian

Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

10


1 1 1
1  8 1


1 1 1
Xét hai lân cận chéo
Có thể dùng cho Heavy sharpen

 0 1 0 
 1 4  1


 0  1 0 

 1  1  1
 1 8  1


 1  1  1

 0 1 0 
 1 5  1


 0  1 0 

 1  1  1
 1 9  1


 1  1  1

Các biến thể của nhân chập Laplacian

Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

11




Làm cho ảnh sắc nét hơn thông qua một số phương
pháp: Sharpen, Unsharp Mask. Ví dụ về làm sắc nét

Ảnh gốc

Ảnh đã làm sắc nét
Nguồn:

Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

12




Unsharp mask:
 Sử dụng các mặt nạ mờ (còn gọi là unsharp) tác động lên

ảnh gốc để tạo ra ảnh mờ
 Ảnh được làm mờ “cộng” với âm bản của ảnh gốc để
tạo ra ảnh sắc nét.


Sharpen: sử dụng các bộ lọc làm sắc nét ảnh (lân
cận ngang+dọc và/hoặc lân cận chéo). Sử dụng các
mặt nạ Laplacian và các biến thể.

Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

13



Mặt nạ Laplacian được dùng để làm sắc nét ảnh
theo cách: ảnh gốc cộng với ảnh đã được lấy cạnh
bằng Laplacian
 f ( x, y )   f ( x, y )
tâm âm
g ( x, y)  
2
f
(
x
,
y
)


f ( x, y ) tâm positive

2



 0 1 0 


  1 5  1
 0 1 0 



Công thức làm nét ảnh với nhân chập
g ( x, y)  f ( x, y)   f ( x  1, y)  f ( x 1, y)  f ( x, y 1)  f ( x, y  1)  4 f ( x, y)



Nhân chập Laplacian có đường chéo thường làm
sắc nét rõ hơn
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

14




Phương pháp cổ điển để làm nét ảnh. Thực hiện bởi
f s ( x, y)  f ( x, y)  f blur ( x, y)



Biến thể của unsharp mask được gọi là high-boost
filter. Thực hiện bởi
f hb ( x, y)  Af ( x, y)  f blur ( x, y)
f hb ( x, y)  ( A  1) f ( x, y)  f ( x, y)  f blur ( x, y)
f hb ( x, y)  ( A  1) f ( x, y)  f s ( x, y)

Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

15



Nhân chập high-boost xác định bởi, với (A  1).
1
0   1  1  1
0
 1 A  4  1  1 A  8  1

 

 0
1
0   1  1  1

 Af ( x, y )   2 f ( x, y )
tâm âm
f hb ( x, y )  
2
Af
(
x
,
y
)


f ( x, y) tâm positive



Khi A = 1, high-boost filter là nhân Laplacian



High-boost filter thường dùng khi ảnh gốc tối. Có
thể làm tăng độ tương phản.
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

16


0
0

0

0

I
0

0
0

0

0
1
1

1
1
1
1
0

0
1
1
1
1
6
1
0

0
1
1
1
1
1
1
1

0
0
0

0
0


0
0

0



 0 1 0 
Kernel Laplacian   1 4  1
 0  1 0 

1
2
2
1

0
1


1
0
1
I sharpened  

1

5
1



 4 20  4


 2  4 2 

Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

17




Tìm hiểu và trình bày mức độ làm nét (nét vừa, nét
quá mức, etc).
 Khái niệm bán kính (giá trị A trong high-boost) và ngưỡng

làm nét trong Unsharp mask
 Cách làm mờ ở các mức độ khác nhau


Cài đặt làm sắc nét ảnh với các nhân chập Laplacian
khác nhau và so sánh kết quả

Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

18

Định nghĩa gradient của f(x,y).
 f 
Gx   x 
f      f 
G y   
 y 
 Magnitude được xác định bởi






2 1/ 2

 f   f 
f      
 x   y 
Sử dụng magnitude của
lượng ảnh.
2



f  Gx  Gy

gradient nhằm cải tiến chất

Magnitude theo định nghĩa gần đúng có tính chất
rotation invariant.

Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

19





Dạng xấp xỉ, đạo hàm bậc nhất được xét trong lân
cận 3x3 của pixel. Nhắc lại lân cận
Z1
Z2
Z3
Đạo hàm được định nghĩa bởi
Gx  Z8  Z 5

Gy  Z 6  Z 5

Z4

Z5=P

Z6

Z7

Z8

Z9



Hai xấp xỉ khác theo Roberts (1965)
Gy  Z8  Z 6
Gx  Z9  Z 5



Magnitude đạo hàm Roberts xấp xỉ được xác định
bởi
f  Z9  Z5  Z8  Z 6
Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

20




Biểu diễn bởi ma trận 2x2:



Nhân chập 3x3 xác định bởi

  1 0
 0 1



0  1

1 0 



Roberts cross-gradient operator

( Z 7  2Z8  Z 9 )  ( Z1  2Z 3  Z 2 )
f 

( Z 3  2Z 6  Z 9 )  ( Z1  2Z 4  Z 7 )


Nhân chập Roberts
f/ x



 1  2  1
0

0
0


 1
2
1 

Giá trị 2: center important

f/ y

  1 0 1
  2 0 2


  1 0 1 

Sobel operators

Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

21




Tổng các số hạng trong nhân chập bằng zero 
không ảnh hưởng đến mức xám tổng thể của ảnh



Đạo hàm bậc nhất thường ứng dụng trong phát
hiện biên (edge detection)
Các toán tử khác là Canny, Prewitt, Sobel, Roberts




Có thể kết hợp theo hướng xử lý tuần tự các mặt nạ

trong bước tiền xử lý ảnh nhằm nhận được ảnh “tốt
hơn” cho các bước xử lý sau

Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

22




Sử dụng các hàm sau để chuẩn bị ảnh
 cvLoadImage
 cvCreateImage: tạo ảnh mới
 cvCvtColor: đổi từ ảnh màu sang ảnh xám



Sử dụng cvLaplace(): lọc Laplacian trên ảnh

Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

23







Trình bày một số kỹ thuật cơ bản nhằm “nâng cao”

chất lượng ảnh trong miền không gian
Phần đầu trình bày xử lý không phụ thuộc không
gian – trực tiếp trên từng điểm ảnh với kỹ thuật
chính dựa trên histogram
Phần kế trình bày xử lý ảnh trong miền không gian
với kỹ thuật chính là sử dụng các nhân chập áp trực
tiếp lên ảnh xám.

Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt

24