Nghiên cứu một số kỹ thuật phát hiện chuyển cảnh trong video

Bộ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC sư PHẠM HÀ NỘI 2

TRẦN NGỌC HIẾU

NGHIÊN CỨU MỘT SỐ KỸ THUẬT PHÁT HIỆN
CHUYỂN CẢNH TRONG VIDEO

LUẬN VĂN KHOA HỌC MÁY TÍNH

HÀ NỘI, 2015


TRẦN NGỌC HIẾU

NGHIÊN CỨU MỘT SỐ KỸ THUẬT PHÁT HIỆN
CHUYỂN CẢNH TRONG VIDEO
Chuyền ngành: Khoa hoc máy tính
Mã sổ: 60 48 01 01

LUẬN VĂN KHOA HỌC MÁY TÍNH

Ngưòi hướng dẫn: PGS.TS. Đỗ Năng Toàn
Trong thời gian thực hiện luận văn thạc sỹ em đã nhận được rất nhiều sự khích lệ, động viên, giúp đỡ từ phía
thầy cô, cha mẹ và bạn bè xung quanh.
Em xin gửi lời cảm ơn chân thành tới các thầy cô trong trường Đại học Sư phạm Hà Nội 2, các thầy ở Viện


Công nghệ thông tin đã truyền đạt vốn kiến thức quý báu cho chúng em.
Em xin bày tỏ lòng biết ơn chân thành nhất tới thầy giáo, PGS.TS Đỗ Năng Toàn, người đã trực tiếp hướng
dẫn em hoàn thành luận văn thạc sỹ này.

Em đã cố gắng học tập và hoàn thành luận văn thạc sỹ nhưng có thể luận văn thạc sỹ vẫn còn có những thiếu
sót. Em rất mong nhận được sự góp ý, chỉ bảo của các thầy cô và các bạn để luận văn thạc sỹ hoàn thiện hơn.
Hà Nội, ngày.....tháng.... năm 2015
Tác giả luận văn

Trần Ngọc Hiếu
Tôi xin cam đoan rằng số liệu và kết quả nghiên cứu trong luận văn này là trung thực và không trùng lặp với
các đề tài khác. Tôi cũng xin cam đoan rằng mọi sự giúp đỡ cho việc thực hiện luận văn này đã được cảm ơn và các
thông tin trích dẫn trong luận văn đã được chỉ rõ nguồn gốc.
Hà nội, ngày......tháng.... năm 2015
Tác giả luận văn

Trần Ngọc Hiếu

LỜI CẢM ƠN LỜI CAM ĐOAN DANH MỤC HÌNH VẺ



Hình 1.1 Quá trình hiển thị và chỉnh sửa, lưu trữ ảnh thông qua DIB (quy
trình chung để hiển thị ảnh Raster thông qua DIB)
Hình 1.2 Sự chuyển đổi giữa các mô hình biểu diễn ảnh
Hình 1.3 Các bước cơ bản trong xử lỷ ảnh
Hình 1.4 Hệ toạ độ RGB
Hĩnh 1.5 Cấu trúc lẩy mẫu theo chuẩn 4:4:4
Hình 1.6 Cẩu trúc lẩy mẫu theo chuẩn 4:2:2
Hình 1.7 Cấu trúc lẩy mẫu theo chuẩn 4:2:0
Hình 1.8 Cấu trúc lẩy mẫu theo chuẩn 4:1:1
Hình 2.1 Quá trình phân đoạn Video
Hình 2.2 Các cửa sổ cơ sở trong thuật toán so sánh thực
Hình 2.3 Chênh lệch biểu đồ, * cắt cảnh,— chồng mờ

Hình 2.4 So sánh biểu đo màu giữa 2 ảnh
Hình 2.5 So sánh cặp a, chênh lệch biểu đồ liên tiếp
Hình 2.6 Phát hiện chuyển cảnh dần dần bằng kỹ thuật so sánh cặp
Hình 2.7 Ảnh trung bình cho kênh màu đỏ, biên ngang, và biên thẳng đứng
tại frame
Hình 2.8 Phép trừ màu cho khung 65 và 70
Hình 2.9 Phép trừ biên cho frame 65 và 70
Hình 2.10 Ket hợp trừ màu và trừ biên cho frame 65 và 70
Hình 2.11 Kết quả kết hợp sau khi sử dụng bộ lọc trung bình ngưỡng trễ cho
frame 60 và 70
Hình 2.12 Vỉ dụ cho tính toán mã LBP gốc
Hình 2.13 Lận cận cân đổi vòng tròn được đặt với những giá trị khác nhau
của P v à R
Hình 2.14 Giải thuật sử dụng cấu trúc lưới chồng cục bộ Hình 2.15 Đồ thị
của biển thiên cục bộ mm qua thời gian


6

MỞ ĐẦU
1. Lý do chọn đè tài
Trong thời đại ngày nay công nghệ thông tin hầu như đã thâm nhập vào
toàn bộ các lĩnh vực đời sống xã hội. Xã hội càng phát triển thì nhu cầu về công
nghệ thông tin ngày càng cao, do vậy dữ liệu số hầu như không còn xa lạ đối
với mỗi người chúng ta. Trong mọi lĩnh vực các ứng dụng công nghệ thông tin
đã trợ giúp con người rất nhiều. Hiện nay, thông tin hình ảnh đóng vai trò rất
quan trọng trong trao đổi thông tin, bởi phần lớn các thông tin mà con người thu
nhận được đều thông qua thị giác.
Trong những năm gần đây lượng dữ liệu video số đã tăng lên đáng kể
cùng với việc sử dụng rộng rãi các ứng dụng đa phương tiện trong giáo dục,

giải trí, kinh doanh, y tế... Thực tế này đặt ra các bài toán như: Giảm dung
lượng video và tăng tốc độ xử lý, tổ chức lưu trữ và tìm kiếm video hiệu quả,
hiểu nội dung video, nhận dạng đối tượng trong video... Nhiều nhóm nghiên
cứu trong và ngoài nước đã đưa ra các phương pháp giải quyết nhằm tổ chức tốt
cơ sở dữ liệu video, hiểu nội dung video và đặc biệt bài toán giảm dung lượng
video cũng đang rất được quan tâm bởi tính ứng dụng đa dạng và cần thiết của
nó trong khoa học, xã hội và thực tiễn đời sống con người. Do vậy em lựa chọn
đề tài: “Nghiên cứu một sổ kỹ thuật phát hiện chuyển cảnh trong video ” ứng
dụng trích rút và tái tạo video làm đề tài luận văn tốt nghiệp thạc sỹ của mình.
2. Mục đích nghiên cứu
- về lý thuyết: Tìm hiểu tổng quan về xử lý video và bài toán phát hiện
chuyển cảnh, kỹ thuật phát hiện chuyển cảnh trong video.
-Ve thực tiễn: Trên cơ sở các kiến thức đã thu thập và nghiên cứu, tổng
hợp các kỹ thuật để hướng đến các ứng dụng trích rút và tái tạo video làm giảm
dung lượng video.
3. Nhiệm vụ nghiền cứu
-

Tìm hiểu tổng quan về xử lý video và bài toán phát hiện chuyển cảnh


7

-

Các kỹ thuật phát hiển chuyển cảnh trong video

-

ứng dụng cho trích rút và tài tạo video

4. Đổi tượng và phạm vi nghiền cứu
Đối tượng, phạm vi nghiên cứu về tổng quan về xử lý ảnh, các kỹ thuật
phát hiện chuyển cảnh trong video và chọn ra kỹ thuật trích rút và tái tạo video
ứng dụng giảm dung lượng video.
5. Phương pháp nghiền cứu
Thu thập tài liệu, phân tích, suy luận, tổng họp, đánh giá. Từ đó đề xuất
nghiên cứu và tìm hiểu: ‘‘‘'Nghiên cứu một sổ kỹ thuật phát hiện chuyển cảnh
trong vỉdeo
6. Cấu trúc của luận văn
Ngoài phần Mở đầu, kết luận và tài liệu tham khảo luận văn gồm 3
chương: Chương 1: Khái quát vè xử lý video và bài toán phát hiện chuyển
cảnh
1.1 Khái quát về video
1.2 Các thao tác cơ bản trong video
1.3 Bài toán phát hiện chuyển cảnh trong video
Chương 2: Một số kỹ thuật phát hiện chuyển cảnh trong vỉdeo
2.1.

Phát hiện chuyển cảnh dựa vào kỹ thuật trừ ảnh

2.2.

Phát hiện chuyển cảnh dựa vào kỹ thuật trừ nền

2.3.

Phát hiện chuyển cảnh dựa vào độ đo kết cấu LBP (Local Binary

Patterm)

2.4.

Phát hiện chuyển cảnh dựa vào sự biến thiên cục bộ của vecter kết

cấu SP Chương 3: Chương trình thử nghiệm
3.1 Đặt vấn đề
3.2 Phân tích và lựa chọn công cụ
3.3 Một số giao diện của chương trình


8

CHƯƠNG 1: KHÁI QUÁT VÈ xử LÝ VIDEO VÀ
BÀI TOÁN PHÁT HIỆN CHUYỂN CẢNH
1.1.
1.1.1.

Khái quát về video
Lieh sử

*

1.1.1.1.

••

Lieh sử điên ảnh

Điện ảnh mới chỉ có hơn 100 năm tuổi. Sự ra đời của điện ảnh là ngày 28
Tháng 12 năm 1895 khi Auguste và Louis Lumipere cho phát bộ phim của họ

cho một đối tượng trả tiền ở Paris. Sự phát triển của máy ảnh và máy chiếu của
họ thông qua một đường dài của sự phát triển cho sự phát minh ra bánh xe
Faraday vào năm 1831 mà minh họa các lý thuyết về sự tồn tại của tầm nhìn.
Nhiếp ảnh đã được khám phá vào thập niên 1840 và những bức ảnh đã được
thực hiện vào năm 1839 bởi William Henry Fox trên giấy halogen bạc. 1872
chứng kiến lần đầu tiên sử dụng một loạt các hình ảnh cho phong trào thu âm
(Eadweard Muybridge). Khi George Eastman sản xuất phim cuộn giấy vào năm
1885, Etienne- Jules Marey, lấy cảm hứng từ Muybridge, xây dựng một máy
ảnh có thể chụp 100 hình mỗi giây. Chỉ 4 năm sau đó vào năm 1889, Thomas
Alva Edison phát triển một máy ảnh sử dụng phim nhựa. Ông đã cho thấy bộ
phim của mình vào một vòng lặp liên tục trong một loại máy peep - show được
gọi là kinetoscope . Nó là phát minh này đã gây ấn tượng anh em Lumipere đủ
để cố gắng một chiếu công cộng của điện ảnh trong năm 1895. Các rạp chiếu
phim xây dựng đầu tiên xuất hiện vào năm 1906 (Omnia - Pathé) ở Paris. Tại
Mỹ năm 1908 đã có gần 10.000 nickelodeons thu hút 20 triệu người mỗi tuần.
1.1.1.2.

Lịch sử phát sóng truyền hình

Phát sóng truyền hình được thực hiện lần đầu vào ngày 02 tháng 11 năm
1936 bởi BBC từ Alexandra Palace. Đó là với việc phát sóng của lễ đăng quang
của Vua George VI vào ngày 12 tháng 5 năm đó, truyền hình cho thấy tiềm


9

năng để phổ biến thông tin nhanh chóng. Trong năm 1953, đăng quang của Nữ
hoàng đã được xem trong nhà và 3.000.000 trường họp chứng minh TV là một
thiết bị phương tiện truyền thông đại chúng chính hãng.
Truyền hình màu được phát sóng lần đầu tiên vào năm 1954 tại Hoa Kỳ

bằng cách sử dụng tiêu chuẩn NTSC. Châu âu lựa chọn để đánh giá các chương
trình truyền màu sắc khác nhau cho đến năm 1967 khi PAL (Phase Altemate
Line) tiêu chuẩn phát sóng đã được thông qua để phát sóng truyền hình màu ở
Anh và Đức. Định dạng tín hiệu màu sắc đã được lựa chọn để mọi người với ti
vi màu đen và trắng vẫn có thể nhận được tín hiệu.
1.1.1.3.

Lịch sử ghi hình video

Thiết bị quay video có sau nhiều so với TV. Các thiết bị đã được phát
minh vào đầu những năm 1950 và RCA đã phát triển một máy tính với tốc độ
băng 6 m / giây. Họ đã sử dụng ghi âm theo chiều dọc của tín hiệu trên băng, vì
yậy tốc độ nhanh đã được yêu cầu để ghi lại các tín hiệu truyền hình băng thông
lớn. Máy ghi hình thực tế đầu tiên được phát triển vào năm 1953 bởi tập đoàn
Ampex. Nó được sử dụng sự sắp xếp quét xoắn ốc mà ngày nay chúng ta vẫn sử
dụng và cho phép tốc độ ghi lại hiệu quả cao hơn mà không có một tốc độ băng
đáng sợ.
Các thiết bị video gia đình đầu tiên được phát triển bởi Philips vào năm
1972 đã được nhanh chóng thay thế bởi các máy VHS của Panasonic và các
máy Betamax của Sony trong năm 1978. Sự xuất hiện của các định dạng đánh
dấu sự khởi đầu của kỷ nguyên video gia đình. Khả năng ghi và chỉnh sửa
chương trình được thực hiện bởi người sử dụng nhà tăng sự phổ biến của truyền
hình. Sony đã thua cuộc chiến tiếp thị bây giờ nổi tiếng vào năm 1980 khi VHS
đã trở thành tiêu chuẩn chính cho người sử dụng video gia đình chủ yếu là do
thời gian còn chơi của nó . Đây là mặc dù chất lượng cao của các định dạng
Betamax.


1
0

1.2.

Các thao tác cơ bản trong Video

1.2.1.

Đăc điểm của Video

Ảnh Video: Là một chuỗi các ảnh tĩnh, chuỗi các frame ảnh (gọi là khung
hình), xuất hiện liên tiếp tạo cảm thụ theo thời gian, quan hệ thời gian giữa các
frame biểu diễn ảnh động.
s = f (x,y,t)
trong đó:
-

X, y

tọa độ điểm ảnh ( Thông tin về không gian).

-

t: thông tin về thời gian.
ảnh tĩnh là 1 trường họp riêng của video, khi đó nó là một chuỗi các ảnh
không thay đổi theo thời gian:
f(x,y,tl) = f(x,y,t2).
Chất lượng Video: Tốc độ xuất hiện các khung hình và độ phân giải ảnh

là các nhân tố quan trọng của chất lượng video.
Một sổ thông sổ quan trọng của tín hiệu Video:

-

Độ phân giải theo chiều dọc (Vertical resolution): Thông số có liên quan
đến số dòng quét trên 1 frame.

-

Tỉ lệ co (aspect ratio): Tỉ lệ giữa chiều rộng và chiều cao của frame.
Tín hiệu Video có các đặc điểm sau:

-

Tín hiệu video là tín hiệu mang tính chất xung: ngoài các xung đồng bộ
và xung xóa, trong tín hiệu video thường có sự thay đổi biên đột ngột,
tạo ra biên nước va biên sau của các “xung hình”

-

Tín hiệu Video là tín hiệu đơn cực, có thành phần 1 chiều;

-

Tín hiệu video được coi là tín hiệu tuần hoàn
Tín hiệu video tương tự cũng như tín hiệu ảnh tính phải được số hóa trước

khi đưa vào hệ thống xử lý số. Cũng như trong các hệ thống xử lý tín hiệu một
chiều, quá trình số hóa tín hiệu hình ảnh cũng được chia làm 3 giai đoạn:


1

1

(1) . Rời rạc tín hiệu trong miền không gian hai chiều, đây là quá trình lấy
mẫu.
(2) . Số lượng vô hạn các mức xám trong tín hiệu hình ảnh tương tự được
thay bằng số lượng hữu hạn các mức lượng tử đây là quá trình lượng tử
hóa tín hiệu.
(3) . Mỗi mức lượng tử được biểu diễn bằng một số nhị phân - Mã Hóa tín
hiệu.
Các chuẩn Video:
-

NTSC (US, Japon): 525 dòng quét/ lframe; 60 frame/s; 30 images/s quét
cách dòng; tỉ lệ co là 4/3.

-

PAL (EU) vàSECAM (France): 625 dòng/1 frame;

50 frames/s;25 images/s
-

Film : 24 image s/s

1.2.2

Quá trình thu nhận ảnh

Các thiết bị thu nhận ảnh bao gồm camera, scanner các thiết bị thu nhận
này có thể cho ảnh đen trắng...

Các thiết bị thu nhận ảnh có 2 loại chính ứng với 2 loại ảnh thông dụng
Raster, Vector.
Các thiết bị thu nhận ảnh thông thường Raster là camera. Các thiết bị thu
nhận ảnh thông thường Vector là sensor hoặc bàn số hoá Digitalizer hoặc được
chuyển đổi từ ảnh Raster.
Nhìn chung các hệ thống thu nhận ảnh thực hiện 1 quá trình
•

Cảm biến: biến đổi năng lượng quang học thành năng lượng điện

•

Tổng hợp năng lượng điện thành ảnh.
Ảnh trên máy tính là kết quả thu nhận theo các phương pháp số hoá được

nhúng trong các thiết bị kỹ thuật khác nhau. Quá trình lưu trữ ảnh nhằm 2 mục
đích:


1
2

• Tiết kiệm bộ nhớ
• Giảm thời gian xử lý
Việc lưu trữ thông tin trong bộ nhớ có ảnh hưởng rất lớn đến việc hiển thị,
in ấn và xử lý ảnh được xem như là 1 tập họp các điểm với cùng kích thước nếu
sử dụng càng nhiều điểm ảnh thì bức ảnh càng đẹp, càng mịn và càng thể hiện
rõ hơn chi tiết của ảnh người ta gọi đặc điểm này là độ phân giải.
Việc lựa chọn độ phân giải thích họp tuỳ thuộc vào nhu cầu sử dụng và
đặc trưng của mỗi ảnh cụ thể, trên cơ sở đó các ảnh thường được biểu diễn theo

2 mô hình cơ bản:
a) Mô hình Raster
Đây là cách biểu diễn ảnh thông dụng nhất hiện nay, ảnh được biểu diễn
dưới dạng ma trận các điểm (điểm ảnh). Thường thu nhận qua các thiết bị như
camera, scanner. Tuỳ theo yêu cầu thực thế mà mỗi điểm ảnh được biểu diễn
qua 1 hay nhiều bít. Mô hình Raster thuận lợi cho hiển thị và in ấn. Ngày nay
công nghệ phần cứng cung cấp những thiết bị thu nhận ảnh Raster phù họp với
tốc độ nhanh và chất lượng cao cho cả đầu vào và đầu ra. Một thuận lợi cho
việc hiển thị trong môi trường Windows là Microsoft đưa ra khuôn dạng ảnh
DIB (Device Independent Bitmap) làm trung gian. Một trong những hướng
nghiên cứu cơ bản trên mô hình biểu diễn này là kỹ thuật nén ảnh các kỹ thuật
nén ảnh lại chia ra theo 2 khuynh hướng là nén bảo toàn và không bảo toàn
thông tin nén bảo toàn có khả năng phục hồi hoàn toàn dữ liệu ban đầu còn nếu
không bảo toàn chỉ có khả năng phục hồi độ sai số cho phép nào đó. Theo cách
tiếp cận này người ta đã đề ra nhiều quy cách khác nhau như BMP, TIF, GIF,
PCX...
Hiện nay trên thế giới có trên 50 khuôn dạng ảnh thông dụng bao gồm cả
trong đó các kỹ thuật nén có khả năng phục hồi dữ liệu 100% và nén có khả
năng phục hồi với độ sai số nhận được.


1
3

Hình 1.1 Quá trình hiển thị và chỉnh sửa, lưu trữ ảnh thông qua DIB (quy
trình chung để hiển thị ảnh Raster thông qua DIB)
b) Mô hình Vector
Biểu diễn ảnh ngoài mục đích tiết kiệm không gian lưu trữ dễ dàng cho
hiển thị và in ấn còn đảm bảo dễ dàng trong lựa chọn sao chép di chuyển tìm
kiếm... Theo những yêu cầu này kỹ thuật biểu diễn vector tỏ ra ưu việt hơn.

Trong mô hình vector người ta sử dụng hướng giữa các vector của điểm
ảnh lân cận để mã hoá và tái tạo hình ảnh ban đầu ảnh vector được thu nhận
trực tiếp từ các thiết bị số hoá như Digital hoặc được chuyển đổi từ ảnh Raster
thông qua các chương trình số hoá
Công nghệ phần cứng cung cấp những thiết bị xử lý với tốc độ nhanh và
chất lượng cho cả đầu vào và ra nhưng lại chỉ hỗ trợ cho ảnh Raster. Do yậy,
những nghiên cứu về biểu diễn vectơ đều tập trung từ chuyển đổi từ ảnh Raster.
RASTER

Vecter

hóa

►

VECTOR

Raster
hỏa

RASTER


1
4

Hình 1.2 Sự chuyển đổi giữa các mô hình biểu diễn ảnh Đe dễ
tưởng tượng, xét các bước cần thiết trong xử lý ảnh. Đầu tiên, ảnh tự nhiên từ
thế giới ngoài được thu nhận qua các thiết bị thu (như Camera, máy chụp ảnh).
Trước đây, ảnh thu qua Camera là các ảnh tương tự (loại Camera ống kiểu

CCIR). Gần đây, với sự phát triển của công nghệ, ảnh màu hoặc đen trắng được
lấy ra từ Camera, sau đó nó được chuyển trực tiếp thành ảnh số tạo thuận lợi
cho xử lý tiếp theo. (Máy ảnh số hiện nay là một thí dụgần gũi). Mặt khác, ảnh
cũng có thể tiếp nhận từ yệ tinh; có thể quét từ ảnh chụp bằng máy quét ảnh.

Các bước cơ bỉm trong xử lý ảnh

Hình 1.3 Các bước cơ bản trong xử lỷ ảnh
Sơ đồ này bao gồm các thành phần sau:
Phần thu nhận ảnh (Image Acquisition)
Ảnh có thể nhận qua camera màu hoặc đen trắng. Thường ảnh nhận qua
camera là ảnh tương tự (loại camera ống chuẩn CCIR với tần số 1/25, mỗi ảnh
25 dòng), cũng có loại camera đã số hoá (như loại CCD - Change Coupled
Device) là loại photodiot tạo cường độ sáng tại mỗi điểm ảnh.
Camera thường dùng là loại quét dòng ; ảnh tạo ra có dạng hai chiều. Chất
lượng một ảnh thu nhận được phụ thuộc vào thiết bị thu, vào môi trường (ánh
sáng, phong cảnh)
-

Tiền xử lý (Image Processing)
Sau bộ thu nhận, ảnh có thể nhiễu độ tương phản thấp nên cần đưa vào bộ

tiền xử lý để nâng cao chất lượng. Chức năng chính của bộ tiền xử lý là lọc
nhiễu, nâng độ tương phản để làm ảnh rõ hơn, nét hơn.


1
5

-

Phân đoạn (Segmentation) hay phân vùng ảnh
Phân vùng ảnh là tách một ảnh đầu vào thành các vùng thành phần để biểu

diễn phân tích, nhận dạng ảnh. Ví dụ: để nhận dạng chữ (hoặc mã vạch) trên
phong bì thư cho mục đích phân loại bưu phẩm, cần chia các câu, chữ về địa chỉ
hoặc tên người thành các từ, các chữ, các số (hoặc các yạch) riêng biệt để nhận
dạng. Đây là phần phức tạp khó khăn nhất trong xử lý ảnh và cũng dễ gây lỗi,
làm mất độ chính xác của ảnh. Kết quả nhận dạng ảnh phụ thuộc rất nhiều vào
công đoạn này.
Biểu diễn ảnh (Image Representation)
Đầu ra ảnh sau phân đoạn chứa các điểm ảnh của vùng ảnh (ảnh đã phân
đoạn) cộng với mã liên kết với các vùng lận cận. Việc biến đổi các số liệu này
thành dạng thích họp là cần thiết cho xử lý tiếp theo bằng máy tính. Việc chọn
các tính chất để thể hiện ảnh gọi là trích chọn đặc trưng (.Feature Selection)
gắn với việc tách các đặc tính của ảnh dưới dạng các thông tin định lượng hoặc
làm cơ sở để phân biệt lóp đối tượng này với đối tượng khác trong phạm vi ảnh
nhận được. Ví dụ: trong nhận dạng ký tự trên phong bì thư, chúng ta miêu tả
các đặc trưng của từng ký tự giúp phân biệt ký tự này với ký tự khác.
-

Nhận dạng và nội suy ảnh (Image Recognition and Interpretation)
Nhận dạng ảnh là quá trình xác định ảnh. Quá trình này thường thu được

bằng cách so sánh với mẫu chuẩn đã được học (hoặc lưu) từ trước. Nội suy là
phán đoán theo ý nghĩa trên cơ sở nhận dạng. Ví dụ: một loạt chữ số và nét
gạch ngang trên phong bì thư có thể được nội suy thành mã điện thoại. Có
nhiều cách phân loai ảnh khác nhau về ảnh. Theo lý thuyết về nhận dạng, các
mô hình toán học về ảnh được phân theo hai loại nhận dạng ảnh cơ bản:
-

Nhận dạng theo tham số.

-

Nhận dạng theo cấu trúc.
Một số đối tượng nhận dạng khá phổ biến hiện nay đang được áp dụng


1
6

trong khoa học và công nghệ là: nhận dạng ký tự (chữ in, chữ viết tay, chữ ký
điện tử), nhận dạng văn bản (Text), nhận dạng vân tay, nhận dạng mã vạch,
nhận dạng mặt người...
- Cơ sở tri thức (Knowledge Base)
Ảnh là một đối tượng khá phức tạp về đường nét, độ sáng tối, dung lượng
điểm ảnh, môi trường để thu ảnh phong phú kéo theo nhiễu. Trong nhiều khâu
xử lý và phân tích ảnh ngoài việc đơn giản hóa các phương pháp toán học đảm
bảo tiện lợi cho xử lý, người ta mong muốn bắt chước quy trình tiếp nhận và xử
lý ảnh theo cách của con người. Trong các bước xử lý đó, nhiều khâu hiện nay
đã xử lý theo các phương pháp trí tuệ con người. Vì yậy, ở đây các cơ sở tri
thức được phát huy.
1.2.3 Chuyển hệ màu
1.2.3.1

Không gian màu

Hình 1.4 Hệ toạ độ RGB
RGB (Red-Green-Blue): 8 bits cho mỗi giá trị màu.

Mô hình màu RGB sử dụng mô hình bổ sung trong đó ánh sáng đỏ, xanh
lá cây và xanh lam được tổ hợp với nhau theo nhiều phương thức khác nhau để
tạo thành các màu khác. Từ viết tắt RGB trong tiếng Anh có nghĩa là đỏ (red),
xanh lá cây (green) và xanh lam (blue), là ba màu gốc trong các mô hình ánh


1
7

sáng bổ sung. Mô hình màu RGB tự bản thân nó không định nghĩa thế nào là
"đỏ", "xanh lá cây" và "xanh lam" một cách chính xác, vì thế với cùng các giá
trị như nhau của RGB có thể mô tả các màu tương đối khác nhau trên các thiết
bị khác nhau có cùng một mô hình màu. Trong khi chúng cùng chia sẻ một mô
hình màu chung, không gian màu thực sự của chúng là dao động một cách đáng
kể.
Sử dụng mô hình màu RGB như một tiêu chuẩn biểu thị màu trên Internet
có nguồn gốc từ các tiêu chuẩn cho ti vi màu năm 1953 của RCA và việc sử
dụng tiêu chuẩn RGB bởi Edwin Land ừong các camera Land / Polaroid.
1.2.3.2

Cơ sở sinh hoc
*

Các màu gốc có liên quan đến các khái niệm sinh học hơn là vật lý, nó dựa
trên cơ sở phản ứng sinh lý học của mắt người đối với ánh sáng. Mắt người có
các tế bào cảm quang có hình nón nên còn được gọi là tế bào hình nón, các tế
bào này thông thường có phản ứng cực đại với ánh sáng vàng - xanh lá cây (tế
bào hình nón L), xanh lá cây (tế bào hình nón M) và xanh lam (tế bào hình nón
S) tương ứng với các bước sóng khoảng 564 nm, 534 nm và 420 nm. Ví dụ,
màu vàng thấy được khi các tế bào cảm nhận màu xanh ánh vàng được kích

thích nhiều hơn một chút so với tế bào cảm nhận màu xanh lá cây và màu đỏ
cảm nhận được khi các tế bào cảm nhận màu vàng - xanh lá cây được kích thích
nhiều hơn so với tế bào cảm nhận màu xanh lá cây. Mặc dù biên độ cực đại của
các phản xạ của các tế bào cảm quang không diễn ra ở các bước sóng của màu
"đỏ", "xanh lá cây" và "xanh lam", ba màu này được mô tả như là các màu gốc
vì chúng có thể sử dụng một cách tương đối độc lập để kích thích ba loại tế bào
cảm quang. Để sinh ra khoảng màu tối ưu cho các loài động vật khác, các màu
gốc khác có thể được sử dụng. Với các loài vật có bốn loại tế bào cảm quang,
chẳng hạn như nhiều loại chim, người ta có lẽ phải nói là cần tới bốn màu gốc;
cho các loài vật chỉ có hai loại tế bào cảm quang, như phần lớn các loại động


1
8

vật có vú, thì chỉ cần hai màu gốc.
Biểu diễn dạng số 24 bit: Khi biểu diễn dưới dạng số, các giá trị RGB trong
mô hình 24 bpp thông thường được ghi bằng cặp ba số nguyên giữa 0
và 255, mỗi số đại diện cho cường độ của màu đỏ, xanh lá cây, xanh lam trong
trật tự như thế. số lượng màu tối đa sẽ là: 2/4 = 16.777.216 Ví dụ:
(0, 0, 0) là màu đen
(255, 255, 255) là màu trắng
(255, 0, 0) là màu đỏ
(0, 255, 0) là màu xanh lá cây
(0, 0, 255) là màu xanh lam
(255, 255, 0) là màu vàng
(0, 255, 255) là màu xanh ngọc
(255, 0, 255) là màu hồng cánh sen
Định nghĩa trên sử dụng thỏa thuận được biết đến như là toàn bộ khoảng
RGB. Thông thường, RGB cho video kỹ thuật số không phải là toàn bộ khoảng

này. Thay vì thế video RGB sử dụng thỏa thuận với thang độ và các giá trị
tương đối chẳng hạn như (16, 16, 16) là màu đen, (235, 235, 235) là màu trắng
v.v. Ví dụ, các thang đọ và giá trị tương đối này được sử dụng cho định nghĩa
RGB kỹ thuật số trong CCIR 601.
Kiểu 16 bit: Kiểu 16 bpp, trong đó hoặc là có 5 bit cho mỗi màu, gọi là
kiểu 555 hay thêm một bit còn lại cho màu xanh lá cây (vì mắt có thể cảm nhận
màu này tốt hon so với các màu khác), gọi là kiểu 565. Kiểu 24 bpp nói chung
được gọi là thật màu, trong khi kiểu 16 bpp được gọi là cao màu.
Kiểu 32 bit: Kiểu 32 bpp phần lớn là sự đồng nhất chính xác với kiểu 24
bpp, do ở đây thực sự cũng chỉ có 8 bit cho mỗi màu thành phần, tám bit dư đon
giản là không sử dụng (ngoại trừ khả năng sử dụng như là kênh alpha). Lý do
của việc mở rộng của kiểu 32 bpp là vận tốc cao hon mà phần lớn các phần
cứng ngày nay có thể truy cập các dữ liệu được sắp xếp trong các địa chỉ byte


1
9

có thể chia được ngang nhau theo cấp số của 2, so với các dữ liệu không được
sắp xếp như vậy.
Kỉễu 48 bit: "Kiểu 16-bit" cũng có thể để chỉ tới 16 bit cho mỗi màu
thành phần, tạo ra trong kiểu 48 bpp. Kiểu này làm cho nó cố khả năng biểu thị
65.535 sắc thái mỗi màu thành phần thay vì chỉ có 255. Nó đầu tiên được sử
dụng trong chỉnh sửa hình ảnh chuyên nghiệp, như Photoshop của Adobe để
duy trì sự chinh xác cao hơn khỉ có hom một thuật toán lọc hình ảnh được sử
dụng đối với hinh ảnh đó. Với chí có 8 bit cho mỗi màu, các sai số làm tròn cố
xu hướng tích lũy sau mỗi thuật toán lọc hình ảnh được sử dụng và làm biến
dạng kết quả cuối cùng.
YcrCb.
- Thành phần độ chói Y (Luminance, gray-scale components): Giới hạn

phổ 6.5 Mhz.
- Hai thành phần màu sắc Cr và Cb (Chrominance, color components):
Giới hạn phổ 2 Mhz.
(YUV (Chuẩn PAL): Tương tự YCrCb. Y-thành phần độ chói, u, V Hai thành phần màu.


2
0

Chuyển đỗi hệ màu:
Chuyển đổi từ RGB sang YUV:
-

Cách 1:
Y = 0.299R + 0.587 G + 0.1145. u = 0.492(5
- Y ) = - 0.1475 - 0.289Ơ + 0.4365. v = 0.877(5
- Y ) = 0.6155 - 0.515Ơ - 0.1005.

-

Cách 2: (Dùng ma trận).
Y
' 0.299 0.587 0.114 "
=
ư
-0.147 -0.289 0.436
V
0.615 -0.515 -0.100

R

G
B

Chuyển đồi từ YUV sang YCrCb (JPEG):
Y = Y;
Cb = U/2 + 0.5.
Cr = V/1.6 + 0.5
1.2.4

Lấy mẫu các thành phần màu

Lấy mẫu là một quá trình, qua đó ảnh được tạo nên trên một vùng có tính
liên tục được chuyển thành các giá trị rời rạc theo tọa độ nguyên. Quá trình này


2
1

gồm 2 lựa chọn:
-

Một là: khoảng lấy mẫu được đảm bảo nhờ lý thuyết lấy mẫu Shannon.

-

Hai là: cách thể hiện dạng mẫu liên quan đến độ đo (Metric) được dùng
trong miền rời rạc.
Tọa độ màu tĩnh: Là tọa độ của các điểm màu tĩnh trong đó đồ thị tĩnh

màu của hệ tọa độ X, y tiêu chuẩn.

0

1

2

3•••

■■■N-l

Độ phân giải ( Resolution): Là độ sắc nét của hình ảnh thể hiện qua số
dòng và số cột của màn ảnh hay số phần tử hình ảnh trên một đơn yị diện tích.
Ví dụ: Độ phân giải của ảnh trên màn hình CGA (Color Graphic Adaptor)
là một lưới điểm theo chiều ngang màn hình: 320 điểm chiều dọc * 200 điểm
ảnh (320*200). Rõ ràng, cùng màn hình CGA 12” ta nhận thấy mịn hơn màn
hình CGA 17” độ phân giải 320*200. Lý do: cùng một mật độ (độ phân giải)
nhưng diện tích màn hình rộng hơn thì độ mịn (liên tục của các điểm) kém hơn.
Độ chói (Luminance): Là lượng ánh sáng do một phần tử ánh sáng hay
một vùng cụ thể của ảnh phát xạ.
Mức xám của ảnh: Một điểm ảnh (pixel) có hai đặc trưng cơ bản là vị trí
(x, y) của điểm ảnh và độ xám của nó.
Mức xám của điểm ảnh: là cường độ sáng của nó được gán bằng giá trị số


2
2

tại điểm đó.
Các thang giá trị mức xám thông thường: 16, 32, 64, 128, 256 (Mức 256 là
mức phổ dụng. Lý do: từ kỹ thuật máy tính dùng 1 byte (8 bit) để biểu diễn mức

xám: Mức xám dùng lbyte biểu diễn: 28=256 mức ( tức là từ 0 đến 255).
Điểm lẩy mẫu: Là điểm được lấy trên hình ảnh trong quá trình rời rạc hóa
hình ảnh để tạo nên tín hiệu số của hình ảnh.
Độ tương phản: Độ tương phản là sự khác nhau về màu sắc giữa hình ảnh
và nền.
1.2.4.1 Khoảng lấy mẫu (Sampling Interval)
Ảnh lấy mẫu có thể được mô tả như việc lựa chọn một tập các yị trí lấy
mẫu trong không gian hai chiều liên tục. Đầu tiên mô tả qua quá trình lấy mẫu
một chiều với việc sử dụng hàm delta:
(x - x0 ) = |_

khi X ;£
0
o
Ịị
k

•1^.

II

-8

H
Ị
o

pV(
*

Định nghĩa hàm răng lược với các khoảng Ax:
Comb(x) — ^ ổ(x — rAx)
r=—QO

với r là số nguyên, Ax : khoảng lấy mẫu
Như vậy, hàm răng lược là chuỗi các xung răng lược từ

(-00

sử hàm một chiều g(x) được mô tả (gần đúng) bằng g(r Ax) tức là:
g(x)~g(rAx)
Khi đó tín hiệu lấy mẫu được mô hình hoá:
§s

(•*■) = g(x)comb(x) =

ao

g(x)

~
r=—oo

rAx

)

đến +oo). Giả

2
3

(tích chập trong miền không gian X.)
Hoặc tương đương:
gs(x) = X! girAxìỏíx - r-Ax)

Trong thực tế, r không thể tính được trong khoảng vô hạn (từ - 00 đến +oo)
mà là một số lượng NAx mẫu lớn cụ thể. Như yậy, để đơn giản có thể nói hàm
liên tục g(x) có thể biểu diễn trên một miền với độ dài NAx mẫu thành chuỗi
như sau:
g(x) ~ {g(0), g(Ax), g(2Ax),..., g((A^-l)Ax) }
Chú ý 1: Khoảng lấy mẫu (Sampling Interval) Ax là một tham số cần phải
được chọn đủ nhỏ, thích họp, nếu không tín hiệu thật không thể khôi phục lại
được từ tín hiệu lấy mẫu.
Chú ỷ 2\ Từ lý thuyết về xử lý tín hiệu số tích chập trong miền không gian
X

tương đương với tích chập trong miền tần số 0) tức là biến đổi Fourier của

gs(x) là:
G

Ả<°x)

Iz
Axi^

"%

trong đó cox là giá trị tần số ứng với giái trị X trong miền không gian. Điều
kiện khôi phục ảnh lấy mẫu về ảnh thật được phát biểu từ định lý lẫy mẫu của
Shannon.
1.2.4.2

Định lý lấy mẫu của Shannon

Giả sử g(x) là một hàm giới hạn giải (Band Limited Function) và biến đổi
Fourier của nó là

~0

(0

X

>

. Khi đó g(x) có thể

được khôi phục lại từ các mẫu được tạo tại các khoảng Ax đều đặn. Tức là Ax

< 1 / 2(ÙX
Định lý lẫy mẫu của Shannon có thể mở rộng cho không gian hai chiều.
Hàm răng lược hai chiều khi đó được xác định:
00 oo


couib(x,y)= ^

2
4
£>(;*■ — 77Ar)(y — ttiAy)


và Ax,Ay được chọn thoả mãn các điều kiện tương ứng theo định lý lấy mẫu của
Shannon khi đó sẽ là:

11
A*<——:Av<——
2 ÚXC
2 Cỡy

Tương tự như không gian một chiều, một tín hiệu ảnh hai chiều g(x,y) có thể
xấp xỉ trong khoảng [N, MỊ có thể được ước lượng như sau:
ỉ(xv^g(ẠmỊ)=|Ễ(aO),g(OJ)....o(ạA'-l).ỉaO).ỉ(U),...ĩ(LV-l),...^V-LAÍ-l)Ị.
So với tín hiệu một chiều, quá trình số hóa tín hiệu hình ảnh trong không
gian 2 chiều có thể được thực hiện với nhiều cấu trúc lấy mẫu khác nhau và các
bước lượng tử khác nhau nhằm giảm dung lượng tín hiệu số nhận được. Tuy
nhiên, trên thực tế cấu trúc lấy mẫu trong đa số trường họp có dạng trực giao với
giá trị bước lượng tử không thay đổi, vì khi đó quá trình số hóa sẽ đơn giản nhất.
Khi sử dụng cấu trúc lấy mẫu trực giao, ảnh số nhận được dưới dạng ma trận các
điểm ảnh phân bố theo dòng và cột.
1.2.4.3

Các tiều chuẩn lấy mẫu.