Nghiên cứu giải pháp đo kích thước áo thun bằng xử lý ảnh (2)

13

CHƯƠNG 3

GIẢI THUẬT XỬ LÝ ẢNH
3.1 Giới thiệu
Khi đã tiềm hiểu về tổng quan, quy trình sản xuất, cách đo kiểm áo thun
bằng thủ công, thì phần xây dựng giải thuật xử lý ảnh vô cùng quan trọng. Trong
chương này sẽ trình bày về giải thuật dùng để nhận dạng các điểm để tính kích
thước của áo, gồm năm kích thước: Chiều dài, chiều rộng, tay áo, vai áo, đuôi áo.
Tác giả nhận thấy nhận dạng nách áo dễ dàng hơn cả cho nên việc xử lý được tiến
hành tại đây trước tiên. Hai giải thuật được đưa ra và phân tích. Giải thuật thứ nhất
dùng các phép biến đổi Hình thái ảnh để tìm ra nách áo. Tuy nhiên, khi đã tìm được
nách áo, tác giả nhận thấy các kích thước còn lại khó có thể áp dụng phương pháp
này. Do đó, phương pháp thứ hai ra đời. Phương pháp thứ hai dùng các giải thuật
ghép điểm ảnh, dựa vào các điểm ảnh đặc biệt mà ta lưu trong bộ nhớ, ta có thể tìm
ra điểm tương tự trên áo được camera chụp về. Từ đó xác định được các kích thước
mong muốn. Trong quá trình nghiên cứu các giải thuật xử lý ảnh, tác giả sử dụng
các hàm được cung cấp bởi thư viện emguCV để thực hiện các phép biến đổi ảnh
thông dụng như phép biến đổi Hình thái ảnh, chuyển ảnh màu sang ảnh xám, tách
biên ảnh…
3.2. Cơ sở lý thuyết
Đối tượng của đề tài là kiểm tra kích thước áo thun với kích thước chuẩn và
sai số cho phép khi thành phẩm. theo tiêu chuẩn xuất khẩu. Do đó với tính chất đặc
thù có nhiều kích thước khác nhau của áo thun. Điều này gây khó khăn, tốn thời
gian cho việc kiểm tra kích thước bằng thủ công. Vì vậy cần phải có một hệ thống
kiểm tra thông minh hơn, linh hoạt trong đo kích thước áo thun.
Dựa vào các quy trình kiểm tra áo bằng thủ công chưa mang lại hiệu quả cao,
thời gian kiểm tra lâu. Nên trong đề tài này tác giả nghiên cứu đưa ra phương án sử
dụng hệ thống kiểm tra áo thun ứng dụng xử lý ảnh.

14

3.3 Giới thiệu về ảnh số
Khi quan sát một bức ảnh, ngoài việc cảm nhận về kích thước và màu sắc
của bức ảnh thì người quan sát còn có thể tìm thấy các thông tin cần thiết qua các
bức ảnh đó. Ảnh của một đối tượng đóng vai trò quan trọng trong lĩnh vực trao đổi
thông tin nhất định. Để nhận ra những thông tin chứa trong ảnh người ta có một quá
trình xử lý ảnh.
Trong những năm gần đây, kỹ thuật xử lý ảnh ngày càng sử dụng phổ biến
trong các hệ thống tự động hóa. Các hệ thống này ngày càng thông minh hơn,
không chỉ dừng lại ở việc xử lý ảnh để nâng cao chất lượng ảnh, lưu trữ ảnh hay
phân tích kết cấu của ảnh mà còn tự động nhận dạng các đối tượng trong ảnh để có
thể rút ra những thông tin chứa trong ảnh. Chẳng hạn, trong lĩnh vực thám không,
các Hình ảnh được chụp từ trên không trung (bằng máy bay, vệ tinh..) nhờ hệ thống
xử lý ảnh động để có thể xác định một thông tin về một vùng nào đó dưới mặt đất
hay một hiện tượng tự nhiên đang diễn ra nhằm dự báo các hiện tượng tương tự xảy
ra trong tương lai. Hay trong lĩnh vực y học cũng sử dụng kỹ thuật xử lý ảnh chụp
cắt lớp cơ thể người, ảnh chụp siêu âm, ảnh chụp tế bào, nhiễm sắc thể ...để nhận
dạng và chuẩn đoán bệnh. Hay trong lĩnh vực xử lý đo lường cũng cần phải xử lý
ảnh chụp các quá trình để nhận dạng, đo lường như đo các mực nước ở các đập
nước đo liều lượng, đo tốc độ dòng chảy, năng lượng của các hạt nhân nguyên tử.
Có nhiều phương pháp xử lý ảnh khác nhau, nhưng ngày nay lĩnh vực xử lý
ảnh số ngày càng phát triển và được sử dụng nhiều do sự tiện lợi của nó. Với ảnh số
thông tin của ảnh có thể được truyền đi nhanh chóng, chính xác, việc xử lý lại đơn
giản hơn nhờ vào sự giúp đỡ của các máy tính số. Để thực hiện đo kích thước tương
đối chính xác thì chúng ta cần phài calib camera.
3.4 Cân chỉnh camera
Cũng giống như các thiết bị đo, các cảm biến đo lường khác, để có thể dùng
camera trong các ứng dụng đo lường thì trước hết cần phải trải qua bước calib

camera để đảm bảo tính chính xác khi thực hiện các phép đo.


15

Trong xử lý ảnh, mô hình camera đơn giản nhưng hiệu quả được dùng phổ
biến là mô hình pinhole camera. Theo mô Hình này thì camera có bốn thông số đặc
trưng cho các thông số Hình học của camera, bốn thông số này được gọi là các
thông số nội của camera, bao gồm: f x, fy, cx, cy. fx (fy) chính là tiêu cự của thấu kính
trong camera, tính bằng đơn vị pixel, chính là tích của tiêu cự thật của thấu kính hội
tụ và kích thước của các phần tử cảm biến; cx, cy chính là tọa độ của điểm giao của
trục quang với cảm biến trong hệ tọa độ của cảm biến .
Một cách lý tưởng thì thấu kính trong camera không có sự biến dạng nào
(distortion). Tuy nhiên, thấu kính thực thì không thỏa mãn điều này, nguyên nhân là
do sai số quá trình chế tạo, lắp ráp thấu kính. Việc chế tạo thấu kính có bề mặt cầu
dễ hơn so với mặt parabol. Quá trình lắp ráp cũng khó đảm bảo độ chính xác vị trí
tương quan giữa cảm biến và thấu kính. Do đó, các thông số của camera còn xuất
hiện thêm các thông số khác liên quan đến sự biến dạng do chế tạo, lắp ráp gây ra.
Đó là biến dạng hướng tâm (radial distortion) và biến dạng tiếp tuyến. Theo tài liệu,
thì có năm thông số đặc trưng cho sự sai lệch này. Vậy ta có thêm năm tham số nữa
đặc trưng cho camera được gọi là tham số biến dạng.
Tóm lại, ta có bốn thông số nội và năm thông số biến dạng đặc trưng cho
một camera. Để có thể dùng camera trong việc đo lường thì việc cần làm trước tiên
là xác định các thông số này. Luận văn này sử dụng các hàm trong thư viện calib
camera của EmguCv và dựa trên chương trình mẫu trong tài liệu để calib camera.
3.5 Hệ số cân chỉnh camera
Camera dùng trong luận văn này là camera Logitech Carl Zeiss Tessar của
hãng Logitech. Thực hiện cân chỉnh với bàn cờ có kích thước mỗi ô 30 x 30 (mm)
như Hình 3.1 ta được các hệ số như sau:

Hình 3.1 Bàn cờ dùng để cân chỉnh camera trong luận văn


16

Hệ số của camera khi cân chỉnh:
Ma trận hệ số nội của camera:
1886,61206

0


0


0
1929,38379
0

305,586395 
246,049835


1,0


Vector các hệ số distortion:
[ 1,79822528 28,2098064 - 0,249643907

0,334334314]

Sau khi cân chỉnh camera, ảnh đã được chỉnh lại như trên Hình 3.2b.

b. Ảnh sau khi đã calib
a. Ảnh khi chưa calib
Hình 3.2 Ảnh trước và sau khi cân chỉnh camera
* Ma trận homography
Trong thị giác máy tính có một khái niệm là homography trong mặt phẳng
(planar homography) là một phép chiếu từ mặt phẳng này sang mặt phẳng khác.
Trong luận văn này, các phép đo được tiến hành dựa trên mặt phẳng, do đó có thể
ứng dụng phép biến đổi homography trong mặt phẳng để biến đổi các giá trị tọa độ
pixel ra tọa độ thực. Gọi H là ma trận homography. Ma trận H thể hiện sự liên hệ
giữa các điểm trên một mặt phẳng thực và điểm ảnh tương ứng trong ảnh thu được
từ camera. Phương trình sau thể hiện mối quan hệ này :
Pdst = H .Pstc , Psrc = H −1 .Pdst

(3.1)


17

 x dst 
Pdst =  y dst  ,
1 

 x src 
Psrc =  y src 
1 

(3.2)

Có thể xác định được ma trận H mà không cần biết các thông số nội của
camera. Thực tế, việc xác định ma trận H từ nhiều ảnh chụp cùng một đối tượng
chính là cách mà Emgu CV dùng để xác định các thông số nội của wecam .
Trong thư viện EmguCV có hàm được dùng để xác định ma trận H khi mà biết
các điểm tương ứng trên hai mặt phẳng. Để xác định được ma trận H cần ít nhất 4
điểm (không có 3 điểm nào thẳng hàng) tương ứng trên hai mặt phẳng. Dùng càng
nhiều cặp điểm tương ứng thì đảm bảo khả năng loại bỏ được nhiễu tốt hơn. Luận
văn này dùng chính bàn cờ để calib camera để thực hiện công việc này.
3.6. Giải thuật xử lý ảnh
ẢNH ĐẦU VÀO

CHUYỂN
ẢNH XÁM

NHỊ PHÂN
HÓA

TÁCH
BIÊN

TÌM CÁC
ĐIỂM THÂN,
NGỰC, CỔ,
TAY, ĐUI ÁO

TÍNH KÍCH
THƯỚC

Hình 3.3. Sơ đồ khối quy trình xác định kích thước

Để phân loại áo dựa vào kích thước, luận văn dùng giải thuật xử lý ảnh có sơ
đồ như Hình 3.3. Trong đó bước quan trọng nhất chính là tìm các cặp điểm: thân áo,


18

. ngực áo,tay áo, cổ áo,vai, đuôi. Phần tiếp theo sẽ trình bày sơ lược về các vấn đề
cơ bản trong xử lý ảnh nói chung. Sau đó sẽ trình bày chi tiết hơn về giải thuật dung
để trích xuất các cặp điểm.
3.6.1 Ảnh xám ( grayscale or grayscale digital image).
Ảnh xám là kiểu ảnh 8 bit ( 256 màu) hoặc 16 bit (65.535 màu), giá trị mỗi
pixel được lưu trữ trong 1 byte. Ảnh xám là một dạng của ảnh t đen rắng với giá trị
độ lớn tại mỗi pixel thay đổi từ 0 đến 255 tương ứng với sự thay đời từ đen sang
trắng.
Theo chuẩn của hệ thống màu NTSC (National Television System Commitee),
một ảnh bậc độ xám của một ảnh màu có được bằng cách tính mỗi pixel tương ứng
của ảnh bậc độ xám bằng công thức:
Y = YR + YG + YB = α .Rd + β .G d + δ .Bd

(3.3)

Trong đó:
Y là giá trị bậc độ xám của điểm ảnh.
Rd, Gd, Bd là giá trị của các điểm ảnh màu cơ bản R(đỏ), G(xanh lá), B(xanh dương).
Trong thư viện emguCV, hàm GrayScale được dùng để chuyển đổi ảnh màu sang
ảnh mức xám với tham số code là Gray_Image, như Hình 3.4

Hình 3.4 Biểu diễn ảnh xám

19

3.6.2 Nhị phân hóa ảnh
Nhị phân hóa là quá trình biến một ảnh xám thành ảnh nhị phân. Ảnh nhị phân
chỉ chứa hai giá trị 0 hoặc 1 (hoặc 0 và 255 tùy theo quy định của cấu trúc ảnh).
Theo đó, giá trị 0 sẽ là giá trị ứng với những điểm đen trên ảnh và giá trị 1 (hoặc
255) sẽ là giá trị ứng với những điểm trắng. Công thức để nhị phân ảnh là đặt tất cả
các giá trị của ảnh xám về 0 nếu chúng bé hơn một ngưỡng T cho trước và về 255
nếu chúng lớn hơn ngưỡng T đó. Vấn đề ở đây là với ngưỡng T như thế nào thì cho
ta được tấm ảnh nhị phân như ý muốn, nghĩa là ảnh làm nổi các vùng đối tượng và
nền. Việc xác định giá trị T là rất khó vì chúng phụ thuộc vào từng điều kiện chiếu
sáng khác nhau của môi trường. Với môi trường này T nhận một giá trị, môi trường
khác lại một giá trị khác.
Để tránh khó khăn trong việc chọn ngưỡng T ta có thêm một sự lựa chọn là
dùng ngưỡng động. Thuật toán nhị phân hóa với ngưỡng động hay còn gọi là nhị
phân hóa với ngưỡng thích nghi là cách để nhị phân hóa ảnh xám với những
ngưỡng khác nhau trên từng vùng ảnh khác nhau của một ảnh.

Hình 3.5 Mặt nạ lấy ngưỡng động
Ta sẽ lấy ngưỡng nhị phân trên một vùng cục bộ là một cửa sổ có kích thước
mxn. Ngưỡng cần xác định đối với tâm của cửa sổ đó sẽ là trung bình cộng các giá
trị của các lân cận của nó. Giả sử ta lấy ngưỡng động cho điểm A22 và kích thước
cửa sổ là 3x3 như trên Hình 3.4. Khi đó giá trị T sẽ là T = 1/8(A11 + A12+ A13 +
A21 + A23 + A31 + A32 + A33). Nếu A22 > T, đặt A22 về 255, nếu A22 < T, đặt
A22 về 0. Ta thấy rằng để nhị phân hóa được một bức ảnh theo cách trên sẽ tốn rất
nhiều thời gian, đặc biệt là đối với những cửa sổ ta chọn kích thước lớn. Để tránh


20

hiện tượng này, người ta sử dụng một phương pháp gọi là tích phân ảnh (Integral
Image).
3.7. Trích vùng chứa áo
Có nhiều phương pháp và phép toán trong xử lý ảnh để trích vùng chứa áo
Mỗi phương pháp đều có ưu, khuyết điểm, ta cần phải kết hợp các phương
pháp để trích được vùng chứa áo cho kết quả tốt nhất.
3.7.1. Biên của ảnh
Biên là một vấn đề chủ yếu trong phân tích ảnh các kỹ thuật ảnh chủ yếu dựa
vào biên. Một điểm ảnh có thể coi là biên nếu ở đó có sự thay đổi đột ngột về mức
xám.Tập hợp các điểm tạo thành biên hay đường bao của ảnh, được thể hiện ở Hình
dưới ( Hình 3.6).
Sự biến thiên giữa các điểm ảnh thường là nhỏ, trong khi đó biến thiên độ
sáng của điểm biên lại khá hơn.

Hình 3.6 Biên của ảnh
3.7.2 Làm nổi biên
Một lớp bộ lọc khác có thể làm rõ nét hoặc tăng cường các đường biên bên
trong ảnh. Đó là bộ lọc thông cao, có những đặc tính ngược với bộ lọc thông thấp,


21

nó không làm thay đổi các thành phần tần số cao của những tín hiệu, nhưng nó làm
suy giảm những thành phần tần số thấp và hạn chế vùng nền có mức xám hằng.
Mặt khác, bộ lọc thông cao có các tính chất làm cho dữ liệu các điểm ảnh
trong vùng của đường biên đối tượng được hiệu chỉnh và yếu tố đường biên được
gia tăng. Sự nhận biết đường biên là yếu cầu cần thiết cho những phương pháp phân
tích ảnh kế tiếp.
3.7.3 Kỹ thuật tách biên
Tách biên là một trong những bước quan trọng của quá trình xử lý ảnh.

Trong đó biên là phần chia tách nằm giữa 2 phần ảnh có sự khác biệt về mức xám.
Mặt khác biên cũng được định nghĩa là các điểm ảnh mà tại đó có sự thay đổi đột
ngột về độ sáng. Dò biên là tập hợp các phương pháp xữ lý dùng để xác định các
biến đổi về các góc cạnh trong ảnh nhằm đưa ra biên dạng của đối tượng.
Có nhiều phương pháp tách biên nhưng ở luận văn ta sẽ xem xét chủ yếu đến
ba phương pháp là:
3.7.3.1 Phương pháp Gradient
Phương pháp gradient là phương pháp dò biên cục bộ dựa vào cực đại
của đạo hàm. Theo định nghĩa thì gradient là một vector có các thành phần biểu thị
tốc độ thay đổi gía trị của điểm ảnh theo hai hướng x và y.
∂f ( x, y )
f ( x + dx, y ) − f ( x, y )
= fx / ≈
∂x
dx

(3.4)

∂f ( x, y )
f ( x + dx, y ) − f ( x, y )
= fy / ≈
∂x
dx

(3.5)

Với dx là khoảng cách giữa các điểm theo hướng x và tượng tự với dy. Trên
thực tế dx = dy =1.
Với một ảnh liên tục f(x,y), các đạo hàm riêng của nó cho phép xác định vị
trí cực đại cục bộ theo hướng của biên. Mặt khác, gradient của lột ảnh liên tục được

biểu diễn bởi một hàm f(x,y) dọc theo r với góc θ, được thể hiện bởi:


22

df ∂f dx ∂f dy
=
+
= f x cos θ + f y sin θ
dr ∂x dr ∂y dr

(3.6)

df/dr đạt cực đại khi fxcosθ + fysinθ = 0. Do vậy ta có thể xác định hướng cực đại
của chúng.
f 
df
θ r = tan −1  x  và
= f x2 + f y2
f 
dr
 y

, θ là hướng biên

Hình 3.7. Hướng biên
3.7.3.2. Phương pháp Canny
Phương pháp này thể hiện qua bốn bước.
Bước 1: Làm trơn ảnh bằng phương pháp Gaussian.
Bước 2: Ảnh ở bước 1 được đạo hàm lần lượt theo phương x,y. Sau đó tính được gía

trị đạo hàm tại từng điểm theo phương x,y và tính được độ lớn của gradient tương
ứng.
M ( x, y ) = I x′ ( x, y ) 2 + I ′y ( x, y ) 2

(3.7)

Bước 3: Sau khi tính toán được gá trị của gradient, đường biên là những điểm có gía
trị gradient cục bộ. Quá trình dò biên được tiến hành bằng cách giảm dần góc
gradient.
Bước 4. Phân ngưỡng đường biên: phương pháp Canny không dùng cách Threshold
thông thường mà sử dụng một phương pháp gọi là “ hysteresis thresholding”.
Phương pháp này sử dụng 2 ngưỡng là ngưỡng trên và ngưỡng dưới. Nếu giá trị tại
một pixel lớn hơn ngưỡng trên hoặc lớp nền ngay lập tức. Những điểm nằm giữa
hai giá trị này sẽ được xem xét tùy thuộc vào số điểm mà nó connect.


23

Kết quả cho thấy phương pháp canny rất nhiều hiệu quả đối với ảnh trong
điều kiện thông thường về độ sáng và độ tương phản.
3.8. Dò biên dựa theo Canny
Ở mỗi điểm ảnh ,ta có thể thấy được sự thay đổi đột ngột của màu sắc cũng
như độ tương phản, bằng cách tính gradient , ta có thể phân biệt được những điểm
ảnh trên và tách chúng ra thành một tập điểm đường biêt ý tưởng của thuật toán là
làm sao để tính được gradient của mỗi điểm ảnh để từ đó ta suy ra được tập điểm
nào là tập các đường biên đó. Với một bức ảnh bình thường, ảnh thường bị các loại
nhiễu như bị các chấm nhỏ(salt and pepper noise ) hay speckle noise hoặc các
đường biên bị mờ… vì thế , trước khi xử lí tìm gradient, ta sẽ qua trước 1 bước khử
nhiễu (blur ảnh) bằng phương pháp Gauss. Cuối cùng ta sẽ xử dụng một số thuật
toán để làm mỏng các đường biên, loại bỏ các thành phần dư thừa.

Hình 3.8 Ảnh dò biên canny
Luận văn này dùng giải thuật Canny để tìm biên ảnh. Giải thuật Canny được thực
hiện

trong

thư

viện

EmguCV

thông

qua

hàm

canny

Threshold,

cannyThresholdLinking thực
3.8.1. Sử dụng các ngưỡng để tìm ra đường biên .
Ta có thể sử dụng 1 ngưỡng để xác định các đường biên nhưng với những
bức ảnh có độ “nhiễu” cao (các vùng tối sáng không đều …), ta nên sử dụng 2
ngưỡng, 1 cao và 1 thấp để đạt được hiệu quả tối ưu.

24

3.8.2 Thuật toán Otsu Thresholding.
q1 (T ) = ∑i =1 P (i )

(3.8)

q 2 (T ) = ∑i =T +1 P (i )

(3.9)

T

T

µ1 (T ) = ∑i =1
T

iP (i )
q1 (T )

µ 2 (T ) = ∑i =T +1
T

(3.10)

iP (i )
q 2 (T )

σ 22 (T ) = ∑i =T +1[i − µ 2 (T )]2

T

(3.11)

iP (i )
q 2 (T )

σ b2 = σ 2 − σ w2 (T ) = q1 (T )[1 − q1 (T )][ µ1 (T ) − µ 2 (tT )]2

(3.12)

(3.13)

Thuật toán Ostu được sử dụng để tự động lấy ngưỡng của ảnh dựa trên Hình
dáng của lược đồ xám của ảnh hoặc giảm mức độ xám của ảnh màu thành ảnh nhị
phân. Thuật toán thực hiện qua các bước sau:
Bước 1. Tính histogram, và xác suất tại mỗi giá trị mức xám
Bước 2. Khởi tạo : q1 (1) = p(1); μ1(0) = 0
Bước 3. Duyệt lần lượt các giá trị của T từ 1 đến T + 1
Tính q1(t); � 1( T )
Tính σ B2 (T )
Bước 4. Cập nhật ngưỡng T ứng với σ B2 (T ) lớn nhất
Qua quá trình thử nghiệm và phân tích, được thể hiện qua Hình 3.9.


25

Hình 3.9 Ảnh thuật toán ostu
3.8.3 Tìm các điểm đặc biệt
Việc làm sao để phát hiện ra các cặp điểm để tính các kích thước của áo thun

là một trong những nhiệm vụ được tác giả tập trung giải quyết khi thực hiện luận
văn này, kết quả của công việc này là điều kiện cần để hệ thống này có thể hoạt
động được.
Nhiệm vụ của luận văn này là xác định sáu kích thước: chiều dài, chiều rộng,
tay áo, vai áo, cổ áo và đui áo. Qua quá trình áp dụng các phép biến đổi hình thái
ảnh lên ảnh áo, tác giả nhận thấy kích thước dễ phát hiện nhất là kích thước chiều
rộng ngực. Để tính được kích thước chiều rộng ngực thì ta phải phát hiện được hai
nách áo. Nhờ đặc tính các cặp điểm của hai nách áo sẽ được phát hiện được chúng.
3.8.3.1.Thuật toán tìm chiều dài áo.
Sau khi sử dụng thuật toán tách biên canny đến lúc này ảnh của vật
trở thành một khung ảnh một nét, dùng hàm LineSegment2D trong EmguCV kiểm
tra cột, hàn, lúc đó sẽ tính ra tọa độ các điểm trên hai biên.
Thuật toán được mô tả như sau:
Bước 1: Kiểm tra có điểm đặc biệt.
Bước 2: Dò vị trí có tọa độ 255pixel.


26

Bước 3: Kiểm tra hàng từ trái qua lấy điểm có tọa độ pi(xi,yi) ( i thay đổi)
Bước 4: Kiểm tra cột từ phải qua lấy điểm có tọa độ pj(xj,yj) ( j thay đổi)
Bước 5: Khớp các cặp điểm pi,pj, chọn chọn cặp điểm có tọa độ 255pixel.
Bước 6: Vẽ đường thẳng nối hai điểm ta được kích thước chiều dài áo thể
hiện qua Hình 3.10.

a Ảnh đo thân áo

b. Ảnh đo thân áo bằng giải thuật

Hình 3.10 Ảnh đo thân áo.

3.8.3.2. Thuật toán tìm chiều dài tay áo.
Bước 1: Kiểm tra có điểm đặc biệt.
Bước 2: Dò vị trí có tọa độ 255pixel.
Bước 3: Kiểm tra hàng từ trái qua lấy điểm có tọa độ pi(xi,yi)
Bước 4: Kiểm tra cột từ phải qua lấy điểm có tọa độ pj(xj,yj)
Bước 5: Nối hai điểm có tọa độ 255 pixel .
Bước 6: Tính cạnh quyền tam giác vuông ta có kích thước tay áo thể
hiện qua Hình 3.11.


27

b. Ảnh đo tay áo bằng giải thuật

a Ảnh đo tay áo

Hình 3.11 Ảnh đo tay áo
3.8.3.3. Thuật toán tìm kích thước đuôi áo.
Bước1: Từ đái áo đo lên.
Bước 2: Dò vị trí có tọa độ 255pixel.
Bước 3: Kiểm tra hàng từ trái qua lấy điểm có tọa độ pi(xi,yi)
Bước 4: Kiểm tra cột từ phải qua lấy điểm có tọa độ pj(xj,yj)
Bước 5: Nối hai điểm có tọa độ 255 pixel ta được kích thước đui áo
thể hiện hình 3.12

a Ảnh đo đuôi áo

b. Ảnh đo đuôi áo bằng giải thuật

Hình 3.12 Ảnh đo đuôi áo

28

3.8.3.4. Thuật toán tìm kích thước vai áo.
Bước 1: Đo từ hai mép vai áo.
Bước 2: Dò vị trí có tọa độ 255pixel.
Bước 3: Kiểm tra hàng từ trái qua lấy điểm có tọa độ pi(xi,yi)
Bước 4: Kiểm tra cột từ phải qua lấy điểm có tọa độ pj(xj,yj)
Bước 5: Nối hai điểm có tọa độ 255 pixel ta được kích thước vai áo
thể hiện hình 3.13

a Ảnh đo vai áo

b. Ảnh đo vai áo bằng giải thuật
Hình 3.13 Ảnh đo vai áo

3.8.3.5. Thuật toán tìm kích thước cổ áo.
Bước 1: Kiểm tra điểm đặc biệt.
Bước 2: Dò vị trí có tọa độ 255pixel.
Bước 3: Kiểm tra hàng từ trái qua lấy điểm có tọa độ pi(xi,yi)
Bước 4: Kiểm tra cột từ phải qua lấy điểm có tọa độ pj(xj,yj)
Bước 5: Nối hai điểm có tọa độ 255 pixel ta được kích thước vai áo
thể hiện hình 3.14


29

b. Ảnh đo cổ áo bằng giải thuật

a Ảnh đo cổ áo

Hình 3.14 Ảnh đo cổ áo
3.8.3.6. Thuật toán tìm kích thước ngực áo ( chiều rộng).
Bước 1: Từ nách áo .
Bước 2: Dò vị trí có tọa độ 255pixel.
Bước 3: Kiểm tra hàng từ trái qua lấy điểm có tọa độ pi(xi,yi)
Bước 4: Kiểm tra cột từ phải qua lấy điểm có tọa độ pj(xj,yj)
Bước 5: Nối hai điểm có tọa độ 255 pixel ta được kích thước ngực áo
thể hiện hình 3.15

a Ảnh đo ngực áo

b. Ảnh đo ngực áo bằng giải thuật

Hình 3.15 Ảnh đo rộng áo