Nghiên cứu các phương pháp nhận dạng cây dựa trên hình ảnh các bộ phận của cây

LỜI CẢM ƠN
Lời đầu tiên, em xin gửi lời cảm ơn chân thành và sâu sắc nhất đến cô
Nguyễn Thị Thanh Nhàn, người đã tận tình chỉ bảo và hướng dẫn em trong suốt
quá trình học tập và thực hiện đồ án tốt nghiệp. Cô đã giúp đỡ, dạy bảo em không
chỉ về mặt kiến thức, mà còn là những kỹ năng để học tập và làm việc. Đó là
những bài học kinh nghiệm quý báu sẽ đồng hành cùng em trên suốt chặng đường
học tập, nghiên cứu và làm việc sau này.
Em xin được gửi lời cảm ơn đến các thầy cô giáo của trường Đại học Công
nghệ Thông tin và Truyền thông Thái nguyên đã giảng dạy, truyền đạt cho em
những kiến thức tốt nhất, những kỹ năng sống. Đó là nền tảng để em vững bước
trên chặng đường sau này của mình.
Để thực hiện tốt đồ án lần này, em xin chân thành cảm ơn sự trợ giúp của
thầy cô giáo trong Viện MICA –Trường đại học Bách khoa Hà Nội. Đặc biệt được
sự chỉ dẫn của cô Lê Thị Lan trong quá trình làm thực tập tốt nghiệp đã tạo tiền đề
cho lần thực hiện tốt đồ án lần này.
Cuối cùng em xin gửi lời cảm ơn tới bố mẹ, gia đình, bạn bè, những người
đã luôn bên cạnh em trong mọi hoàn cảnh, tạo cho em những điều kiện tốt nhất để
em có thể phát huy, tìm hiểu những đam mê, sở thích của mình trong các lĩnh vực.

Thái Nguyên, tháng 6 năm 2016
Người thực hiện

Phan Ngọc Quân

1


LỜI CAM ĐOAN

Đồ án tốt nghiệp là sản phẩm tổng hợp toàn bộ kiến thức mà em đã học và
nghiên cứu trong suốt thời gian học tập tại trường đại học. Ý thức được điều đó,

với tinh thần làm việc nghiêm túc, tự giác cùng sự lao động miệt mài của bản thân
và sự hướng dẫn nhiệt tình chu đáo của cô giáo: Nguyễn Thị Thanh Nhàn, em đã
hoàn thành đồ án tốt nghiệp của mình.
Em xin cam đoan về nội dung của đồ án: “Nghiên cứu các phương pháp
nhận dạng cây dựa trên hình ảnh các bộ phận của cây” là do em tự tìm hiểu,
nghiên cứu dưới sự hướng dẫn của cô giáo: Nguyễn Thị Thanh Nhàn. Mọi trích
dẫn và tài liệu mà em tham khảo đều được ghi rõ nguồn gốc.
Nếu mọi thông tin sai lệch em xin chịu mọi hình thức kỷ luật của trường Đại
học Công nghệ thông tin và Truyền thông.
Thái Nguyên, tháng 6 năm 2016
Người thực hiện

Phan Ngọc Quân

2


3


MỤC LỤC

4


DANH MỤC HÌNH ẢNH
Hình 1.1. Giáo dục-bảo tồn đa dạng sinh học 9
Hình 1.2. Lá cây trong ảnh kiểm thử cùng họ với lá nào trong ảnh
Hình 1.3. Sơ đồ các khối chức năng của giai đoạn kiểm thử

11

11

Hình 2.1. Sơ đồ tổng quan hệ thống nhận dạng cây với truy vấn gồm nhiều hình
ảnh các bộ phận của cây.

13

Hình 2.2: Một số ảnh lá đơn và lá kép trên nên phức tạp.

15

Hình 2.3. Sơ đồ phân đoạn lá cây có tương tác 16
Hình 2.4. Minh họa cách thức hoạt động của giải thuật watershed
Hình 2.5. Quá trình chi tiết giải thuật Watershed.

16

17

Hình 2.6. Ví dụ về chuyển đổi ảnh màu RGB sang ảnh đa mức xám và từ ảnh đa
mức xám chuyển sang ảnh nhị phân.

17

Hình 2.7. Áp dụng bộ lọc Canny cho ảnh RGB để tìm biên lá. 17
Hình 2.8. Chuẩn hóa hướng của lá cây. (a): Ảnh lá sau khi được phân đoạn, chưa
chuẩn hóa hướng, (b): Chuyển sang ảnh nhị phân, (c): Xác định biên lá sử dụng bộ
lọc Canny, (d): Ảnh đã được chuẩn hóa hướng. 18

Hình 2.9. Ảnh lá cây khi vẽ vùng bên trong và bên ngoài lá dùng WaterShed.
19
Hình 2.10. Ảnh lá cây sau khi chạy chương trình phân đoạn WaterShed.
Hình 2.11. Ảnh lá cây sau khi đã tách ra khỏi nền và chuẩn hóa.
Hình 2.12. Một số hình ảnh lá cây trên nền đơn giản

20

21

Hình 2.13. Phân đoạn ảnh tự động 21
Hình 2.14.Các bước thực hiện giải thuật Phân đoạn vùng nổi bật.
Hình 2.15. Các tính saliency map của một ảnh 22
Hình 2.16. Sự chuyển đổi hai không gian màu RGB và Lab
Hình 2.17. Co ảnh nhị phân23
Hình 2.18. Giãn ảnh nhị phân

24
5

23

22

19


Hình 2.19. Kết quả phân đoạn ảnh hoa, quả sử dụng salient region segmentation
25
Hình 2.20. Kết quả phân đoạn ảnh thân cây

25

Hình 2.21. Minh họa các tính đặc trưng LBP tại 1 điểm26
Hình 2.22. Cách chia ảnh thành các patch ảnh

27

Hình 2.23. thử nghiệm, đánh giá sai số phương pháp xấp xỉ giới hạn số chiều
29
Hình 2.24. Minh họa phương pháp spatial pyramid matching 31
Hình 2.25. Minh họa xây dựng bộ phân lớp SVM nhị phân
Hình 2.26. Ví dụ cách tính toán K-NN

32

35

Hình 2.27. Minh họa cách tính BC37
Hình 2.28. Minh họa cách tính IRP

38

Hình 2.29. Minh họa cách tính WP

38

Hình 3.1:Một số hình ảnh thu thập được của các bộ phận cây . 43
Hình 3.2: Ví dụ minh họa tiền xử lý ảnh lá cây trên nền đơn giản
Hình 3.3: Kết quả tiền xử lý ảnh lá cây trên nền phức tạp

45

46

Hình 3.4:Kết quả tiền xử lý ảnh thân cây 46
Hình 3.5: Kết quả tiền xử lý ảnh hoa.

47

Hình 3.6: Một số ảnh phần đoạn bị mất nội dung ảnh

47

Hình 3.7. Phân vùng dữ liệu ảnh cho tập huấn luyện,tập thử nghiệm. 48

6


DANH MỤC CÁC BẢNG
Bảng 2.1. Các yêu cầu và giải pháp cho bài toán nhận dạng cây trong giai đoạn tiền
xử lý. 14
Bảng 3.1:Thống kê số lượng ảnh thu thập được của một số cây ở khu vực
phía bắc

43

Bảng 3.2: Thống kê số lượng ảnh đã tiền xử lý dữ liệu thu thập được 44
Bảng 3.3. Thống kê số lượng ảnh train và ảnh test được sử dụng
Bảng 3.2. Kết quả nhận dạng

49

7

48


LỜI NÓI ĐẦU
Trong những năm gần đây, thị giác máy tính (Computer Vision) đang trở
thành một lĩnh vực đầy tiềm năng và rất được quan tâm. Ứng dụng của thị giác
máy tính có thể được được quan sát, tìm thấy trong các sản phẩm công nghệ cao,
các hệ thống thông minh như những hệ thống giám sát, nhận dạng,… Nhận dạng
các loài cây là một trong số các sản phẩm đó. Nhận dạng cây có tính ứng dụng cao
trong y tế, giáo dục, an ninh lương thực.
Trong bài toán nhận dạng cây dựa trên kĩ thuật xử lý ảnh, cũng đã có rất
nhiều các tác giả đã nghiên cứu bài toán này. Nhưng các nghiên cứu đó chỉ tập
trung vào một bộ phận của cây như hoa hay lá cây. Tuy nhiên, xét về tổng thể các
bộ phận khác như quả, thân cây,… cũng có những đặc trưng để phân biệt các loài
cây. Đồ án lần này tập trung vào việc nghiên cứu các phương pháp nhận dạng đã
có và đề xuất một phương pháp nhận dạng cây dựa trên hình ảnh các bộ phận của
cây, tiến hành các thử nghiệm, đánh giá kết quả.
Đồ án tốt nghiệp bao gồm 3 chương:
CHƯƠNG 1:GIỚI THIỆU
CHƯƠNG 2:HỆ THỐNG NHẬN DẠNG ẢNH CÂY
CHƯƠNG 3:XÂY DỰNG CƠ SỞ DỮ LIỆU VÀ THỬ NGHIỆM

8

CHƯƠNG 1 GIỚI THIỆU
1.1. Nhu cầu thực tế về hệ thống nhận dạng cây.
Nhận dạng cây có nhiều ứng dụng khác nhau trong công nghiệp, sinh học,
giáo dục và y tế. Tuy nhiên việc xác định chính xác tên của một loài cây là một bài
toán khó ngay cả đối với những người có kinh nghiệm thường xuyên tiếp xúc, làm
việc với cây như nông dân, các nhà sinh vật học… do sự đa dạng của các loài cây.

Hình 1.1. Giáo dục-bảo tồn đa dạng sinh học
1.2 . Định nghĩa về hệ thống nhận dạng các bộ phận của cây
Ứng dụng của thị giác máy tính có thể quan sát rất rõ trong các sản phẩm
9


công nghệ cao, những hệ thống giám sát, nhận dạng như nhận dạng vân tay, nhận
dạng chữ viết, nhận dạng tiếng nói, nhận dạng mặt người, nhận dạng cử chỉ hành
động,…Trong đó có nhận dạng các loài cây là một trong các ứng dụng ngày càng
được sử dụng rộng rãi như nhận biết cây thuốc trong y tế, nhận dạng cây trong
môi trường lạ như rừng núi,…
Nhận dạng và phân biệt các loại cây là một bài toán có xuất phát từ nhu cầu
thực tế. Việc nhận dạng cây giúp cho ta phát hiện được các loài cây quý, các loài
cây có tác dụng chữa bệnh cực kỳ quan trọng trong y học, giúp nâng cao hiểu biết
của con người về các loại cây có vai trò quan trọng, giúp bảo vệ đa dạng sinh
học…
Nhận dạng cây hiện nay có 3 hướng tiếp cận:
 Nhận dạng cây dựa trên từ khóa (tìm bằng từ khóa ).
 Nhận dạng cây theo giao diện mô tả các bộ phận cây thông qua các biểu
tượng (Mô tả bằng hình dạng cho trước ).
 Nhận dạng cây dựa trên các kỹ thuật xử lý ảnh.
Nhận dạng cây là bài toán xác định tên chính xác của các loài cây dựa trên
các đặc điểm quan sát của cây.Nhận dạng cây có nhiều ứng dụng khác nhau trong

công nghiệp, sinh học, giáo dục và y tế. Tuy nhiên việc xác định chính xác tên của
một loài cây là một bài toán khó ngay cả đối với những người có kinh nghiệm như
nông dân, nhà sinh vật học do sự đa dạng của các loài cây. Gần đây, với sự phát
triển của các công nghệ truy xuất, tìm kiếm bằng hình ảnh, hướng tiếp cận nhận
dạng cây dựa trên hình ảnh đang được coi là một hướng đầy hứa hẹn giúp tăng khả
năng nhận dạng các loài cây. Trong bài toán nhận dạng cây dựa trên các kỹ thuật
xử lý ảnh các nhà nghiên cứu cũng đã đưa ra rất nhiều cách tiếp cận với bài toán
nhận dạng dựa trên việc kết hợp giữa các bộ phận của cây như lá, hoa, quả, thân,
cành hay cả toàn bộ cây.
Trong đề tài này, em tập trung vào việc nghiên cứu các phương pháp nhận
dạng cây kết hợp thông tin từ nhiều bộ phận của cây. Những đóng góp của đề tài
10


bao gồm:
 Xây dựng các giải pháp tiền xử lý dữ liệu, phân đoạn ảnh phù hợp với mỗi bộ
phận của cây
 Xây dựng các mô hình nhận dạng từng bộ phận của cây, bằng cách áp dụng các
phương pháp trích chọn đặc trưng Kernel Description (KDES) [2], HSV histogram
và bộ phân lớp Support Vector Machine (SVM) [9].
 Xây dựng các giải thuật kết hợp các danh sách kết quả trả về với mỗi ảnh trong
cùng một truy vấn để đưa ra được danh sách thứ hạng các kết quả cuối cùng (Late
Fusion).

Hình 1.2. Lá cây trong ảnh kiểm thử cùng họ với lá nào trong ảnh
huấn luyện?
1.3. Sơ đồ tổng quát của một hệ thống nhận dạng.
Nhận dạng ảnh là một bài toán thường gặp trong lĩnh vực xử lý hình ảnh. Một
hệ thống nhận dạng ảnh gồm 2 giai đoạn: Huấn luyện và thử nghiệm. Mỗi giai
đoạn được thực hiện qua các bước được mô tả trong Hình 1.2, Hình 1.3

11


Hình 1.3. Sơ đồ các khối chức năng của giai đoạn huấn luyện

Hình 1.3. Sơ đồ các khối chức năng của giai đoạn kiểm thử
 Tiền xử lý
Ở giai đoạn này thường thực hiện các phép thay đổi kích thước ảnh, xoay ảnh,
áp dụng các bộ lọc để giảm nhiễu, phân đoạn ảnh,… Tiền xử lý có vai trò rất quan
trọng trong một hệ thống nhận dạng, bởi vì nó sẽ ảnh hưởng trực tiếp đến việc
trích chọn đặc trưng ở bước tiếp theo. Vì vậy cần chọn những phương pháp phù
hợp để có thể tách đối tượng cũng như làm nổi bậts các đặc trưng của đối tượng.
Nhìn chung, tiền xử lý có vai trò nâng cao tính chất đặc trưng của ảnh trên
một phương diện nào đó, vì vậy, nó gắn liền với việc trích trọn đặc trưng. Nói các
khác, ta cần lựa chọn thuật toán tiền xử lý sao cho đối tượng rõ nhất, sát với đối
tượng hơn để dễ dàng cho việc nhận dạng .
 Trích chọn đặc trưng
Trích chọn đặc trưng là một phép ánh xạ chuyển từ không gian các pixel của
một ảnh sang một không gian đặc trưng được xây dựng. Mỗi ảnh sau khi trích
chọn đặc trưng sẽ được đại diện bằng một vector đặc trưng, sao cho vector đặc
trưng này mang đủ các tích chất, đặc điểm của bức ảnh đó để có thể phân biệt được
với các bức ảnh khác. Có 2 loại đặc trưng: cục bộ ( đặc trưng cho một hoặc nhiều
12


điểm trong ảnh) và toàn cục (có sự tương tác, liên kết giữa các điểm ảnh với nhau
).
 Phân lớp đối tượng dựa trên phương pháp học máy
Học máy (Machine learning) là một nhánh của trí tuệ nhân tạo, liên quan đến

việc xây dựng và nghiên cứu các hệ thống (chủ yếu là các bộ phân lớp) có thể học
ra từ dữ liệu, từ đó giúp xây dựng lên các mô hình có thể phân tách được các lớp
đối tượng với nhau.
Đầu vào của modul này là đặc trưng của đối tượng, đi kèm với nhãn lớp của
nó. Đầu ra sẽ là mô hình toán học tương ứng. Với mô hình này, mỗi khi có dữ liệu
thích hợp đi vào, nó sẽ tính toán để gán một nhãn cho đối tượng ( vào một trong
các lớp mà nó đã học, đôi khi có đi kèm với xác xuất).
1.4. Nội dung chính của đồ án tốt nghiệp
 Thu thập dữ liệu ảnh các bộ phận của một số cây ở khu vực phía Bắc và các
thông tin liên quan.
 Tìm hiểu các phương pháp tiền xử lý,trích chọn đặc trưng, các phương pháp
phân lớp và phương pháp kết hợp các kết quả của các bộ phận cây.
 Cài đặt các chương trình tiền xử lý, trích chọn đặc trưng,phân lớp và kết
hợp
 Thử nghiệm đánh giá nhận dạng dựa trên phần mềm nhận dạng cây cho dữ
liệu thu nhập được.
 Đưa ra được các đề xuất,cải tiến(nếu có )


13


CHƯƠNG II HỆ THỐNG NHẬN DẠNG ẢNH CÂY
2.1.Sơ đồ chung của hệ thống
Hình 2.1 dưới là mô hình nhận dạng cây dựa trên hình ảnh nhiều bộ phận của
cây. Hệ thống cho phép nhận dạng cây bằng cách đưa ra hình ảnh của một hoặc
một vài các bộ phận gồm lá cây ( trên nền đơn giản hoặc phức tạp ), hoa, quả, thân,
ảnh toàn bộ cây.
Sơ đồ tổng quan các bước thực hiện của hệ thống nhận dạng cây dựa trên
hình ảnh các bộ phận trong đề tài này được thực hiện thông qua các bước:

 Tiền xử lý
 Trích chọn đặc trưng
 Phân lớp và nhận dạng
 Kết hợp các kết quả trả về

14


Hình 2.1. Sơ đồ tổng quan hệ thống nhận dạng cây với truy vấn gồm nhiều hình
ảnh các bộ phận của cây.
Trong các phần tiếp theo của chương này, sẽ trình bày chi tiết về các khâu
của hệ thống nhận dạng theo mô hình đã được đề xuất trên.
2.2. Tiền xử lý
Tiền xử lý dữ liệu được sử dụng với mục đích phân đoạn, tách đối tượng ra
khỏi nền hoặc làm giảm ảnh hưởng của nhiễu nền đến đối tượng. Dữ liệu ảnh các
bộ phận của cây được thu thập trong môi trường tự nhiên. Hình ảnh của nhiều bộ
phận khác nhau, mà mỗi bộ phận lại có những đặc trưng khác nhau. Ảnh gồm phần
đối tượng quan tâm và phần nền. Nhiệm vụ của bước tiền xử lý là tách đối tượng
quan tâm ra khỏi nền.
Do đó, trong Bảng 2.1 dưới đây là những yêu cầu và giải pháp cho những
phương pháp phân đoạn ảnh, tiền xử lý phù hợp cho từng loại hình ảnh tương ứng
với mỗi bộ phần của cây:
Bảng 2.1. Các yêu cầu và giải pháp cho bài toán nhận dạng cây trong giai đoạn
tiền xử lý.
Bộ phận

Yêu cầu

Giải pháp

Lá đơn trên nền đơn  Loại bỏ sự ảnh hưởng của  Áp dụng giải thuật phù
giản

cuống lá.

hợp để loại bỏ cuống lá

 Loại bỏ sự ảnh hưởng của

 Áp

góc đặt lá, góc chụp.

xoay lá về một hướng
chuẩn.

15

dụng giải thuật


Lá kép trên nền đơn -Loại bỏ sự ảnh hưởng của đối -Sử dụng giải thuật Salient
giản

tượng khác bằng việc tách chỉ Region
lấy một trong số các đối tượng

Segmentation(

phân đoạn vùng nổi bật)và

sử dụng Finding Contours
để tìm ra đối tượng lớn

-Loại bỏ sự ảnh hưởng của nhất.
cuống lá

 Áp dụng giải thuật phù

-Loại bỏ sự ảnh hưởng của góc hợp để loại bỏ cuống lá.
đặt lá, góc chụp.

-Áp dụng giải thuật xoay
lá về một hướng chuẩn.

Lá đơn trên nền phức -Loại bỏ sự ảnh hưởng của sự
tạp

- Áp dụng phương pháp

biến đổi mức xám trên nền phân đoạn WaterShed.
(loại
nền).

-Áp dụng giải thuật phù

-Loại bỏ sự ảnh hưởng của hợp để loại bỏ cuống lá.
cuống lá

-Áp dụng giải thuật xoay

-Loại bỏ sự ảnh hưởng của góc lá về một hướng chuẩn.
đặt lá, góc chụp.
Lá kép trên nền phức -Loại bỏ sự ảnh hưởng của sự
tạp

- Thực hiện phân đoạn có

biến đổi mức xám trên nền tương tác để lấy đối tượng
(loại

ra khỏi nền.

nền).

16


Hoa

-Loại bỏ sự ảnh hưởng của sự

-Sử dụng giải thuật phân

biến đổi mức xám trên nền đoạn vùng nổi bật kết hợp
(loại

với việc thực hiện phân

nền).

đoạn Mean-Shift để đưa ra
vùng nổi bật.
-Sử dụng một bounding
box để bao đối tượng.

Thân cây

 Làm nổi vùng bên trong thân  Sử

cây

dụng

cửa

Hanning window

2.2.1 . Ảnh lá cây trên nền phức tạp
Đây là những bức ảnh lá cây được chụp trên nền đa dạng có thể là những bức
ảnh được chụp cả một cành cây hoặc nền là những chiếc lá khác (Hình 2.2). Điều
đó cho thấy vùng đối tượng và vùng nền khá giống nhau.

Hình 2.2: Một số ảnh lá đơn và lá kép trên nên phức tạp.
Do đó với ảnh lá cây trên nền phức tạp, em sử dụng phương pháp phân đoạn
có tương tác. Với mỗi ảnh, người dùng cần xác định một vài vùng thuộc vào đối
tượng (inner marker) và không thuộc vào đối tượng (outer market). Dựa trên các
17

sổ

đánh dấu của người dùng, sẽ áp dụng giải thuật watershed để phân đoạn ảnh thành
các đối tượng. Người dùng lựa chọn vùng đối tượng tương ứng với lá cây và kết
hợp với tính toán moment ảnh để xoay lá về một hướng chuẩn.

Hình 2.3. Sơ đồ phân đoạn lá cây có tương tác
 Tìm đường viền của ảnh bằng Giải thuật Watershed

Hình 2.4. Minh họa cách thức hoạt động của giải thuật watershed
Giải thuật Watershed là phương pháp phổ biến xuất phát từ các phương pháp
hình thái học.Là thuật toán xử lý hình ảnh nhằm tách đối tượng khỏi background.
Thuật toán có input là ảnh xám và 1 ảnh gọi là ảnh marker. Ảnh marker là ảnh mà
bạn cho thuật toán Watershed biết đâu là đối tượng foreground và background.Ảnh
18


marker là ảnh có cùng size với ảnh xám.
Về nguyên tắc: Bất cứ một ảnh mức xám nào cũng thể được coi là một bề
mặt topography ( địa hình )trong đó những điểm có cường độ mức xám lớn là các
“đỉnh đồi” và những điểm có mức xám thấp được coi là các “thung lũng”.Hãy hình
dung chúng ta bắt đầu đổ đầy những loại nước có màu khác nhau vào các thung
lũng khác nhau(Hình 2.4). Khi nước bắt đầu dâng lên từ đáy hồ, tùy thuộc vào các
đỉnh gần với thung lũng mà nước sẽ bắt đầu dâng lên theo những cách khác nhau.
Khi mà các vùng nước gặp nhau ở đỉnh sẽ cho ta được một đường viền. Cuối cùng
là ta được vùng đối tượng là đường viền khép kín. Xem chi tiết trong hình 2.5

Hình 2.5. Quá trình chi tiết giải thuật Watershed.
 Chuẩn hóa hướng lá.
Sau khi đã tách được đối tượng ra khỏi nền, ta cần tính toán moment theo
đường biên của lá để có thể xoay lá về một hướng chuẩn. Thuật toán chuẩn hóa

hướng lá được thực hiện theo các bước sau:
 Bước 1: Chuyển đổi ảnh RGB sang ảnh đa mức xám (mỗi điểm ảnh có giá trị
từ 0 đến 255) rồi từ ảnh đa mức xám đó chuyển sang ảnh nhị phân( mỗi điểm
ảnh có giá trị 0 và 1 ). Ví dụ về chuyển từ ảnh RGB sáng ảnh xám và sang
ảnh nhị phân:

19


Hình 2.6. Ví dụ về chuyển đổi ảnh màu RGB sang ảnh đa mức xám và từ ảnh đa
mức xám chuyển sang ảnh nhị phân.
 Bước 2 : Áp dụng bộ lọc Canny để tìm biên lá.

Hình 2.7. Áp dụng bộ lọc Canny cho ảnh RGB để tìm biên lá.

20


 Bước 3 :Tính toán các giá trị moment

Để tính toàn giá trị moment thì ảnh đầu vào là lá của cây.
Bước 4 :Xoay ảnh về hướng dọc theo trục thẳng đứng

Xây dựng ma trân chuyển đổi T(kích thước 2x3) như sau :


Trong đó:

 Công thức chuyển đổi tọa độ :

Trong đó :w,h lần lượt là kích thước cột , hàng của ảnh đầu ra

21


 Ảnh sau khi xoay trục sẽ được tính bằng công thức sau :

Hình 2.8. Chuẩn hóa hướng của lá cây. (a): Ảnh lá sau khi được phân đoạn, chưa
chuẩn hóa hướng, (b): Chuyển sang ảnh nhị phân, (c): Xác định biên lá sử dụng
bộ lọc Canny, (d): Ảnh đã được chuẩn hóa hướng.
 Các bước thực hiện tiền xử lý ảnh lá đơn trên nền phức tạp
Phân đoạn có tương tác với người dùng, sử dụng giải thuật Watershed.
Bước 1: Vẽ đường để xác định vùng bên trong và ngoài lá.

22


Hình 2.9. Ảnh lá cây khi vẽ vùng bên trong và bên ngoài lá dùng WaterShed.
Bước 2: Phân đoạn ảnh thành các vùng, chọn vùng ảnh ứng với lá cây.

23


Hình 2.10. Ảnh lá cây sau khi chạy chương trình phân đoạn WaterShed.
Bước 3: Trích lá cây ra khỏi ảnh, chuẩn hóa kích thước và hướng.

24


Hình 2.11. Ảnh lá cây sau khi đã tách ra khỏi nền và chuẩn hóa.

 Đối với ảnh lá kép
Xây dựng thuật toán phân đoạn có tương tác với người dùng cho phép
người dùng click chuột vào góc trên bên trái và một điểm ở góc dưới bên phải để
bao lấy đối tượng giúp loại bỏ nền ảnh và đồng thời thực hiện chuẩn hóa hướng lá
bằng thuật toán chuẩn hóa hướng lá giống như với lá đơn trên nền phức tạp.
 Các bước thực hiện tiền xử lý ảnh lá kép trên nền phức tạp gồm:
 Bước 1 : Đọc dữ liệu ảnh đầu vào.
 Bước 2 : Xác định tọa độ hai điểm góc trên bên trái và điểm góc dưới phải
để bao lấy đối tượng.
25