Bài giảng Xử lý ảnh số: Chương 5 (phần 2) – ThS. Võ Quang Hoàng Khang

Chương 5:

TIỀN XỬ LÝ ẢNH (tt)

Võ Quang Hoàng Khang
TPHCM - 2016


1.

Các biến đổi trên mức xám

2.

Biến đổi trên Geometry

3.

Tiền xử lý sử dụng dữ liệu cục bộ

4.

Biến đổi Fourier

5.

Biến đổi Wavelets

6.

Tổng kết

2




Ứng dụng các phép biến đổi trên mức xám để
điều chỉnh chất lượng ảnh.



Mô tả được các phép biến đổi hình học trên ảnh.



Áp dụng các kỹ thuật dựa trên dữ liệu cục bộ để

làm mịn ảnh, làm nổi biên ảnh, xác định cạnh.


Áp dụng các kỹ thuật phân tích trên miền tần số
để phân tích các đặc điểm của ảnh.



Mô tả được mục đích sử dụng các bộ lọc.
3




Làm ảnh “tốt” hơn cho mục đích nhất định



Do đó: rất phụ thuộc vào từng ứng dụng cụ thể



Phương pháp:
 Xử lý trên miền không gian
▪ Xử lý trên điểm ảnh
▪ Xử lý mặt nạ

 Xử lý trên miền tần số
▪ Các phép lọc

4


Tìm hiểu các kỹ thuật lọc không gian:
 Neighbourhood operations
 Lọc không gian là gì?

 Kỹ thuật làm mịn ảnh
 Xử lý trường hợp đặc biệt


Cửa sổ lân cận tính giá trị
cho phần tử trung tâm.

 Kích thước của cửa sổ:
(2m+1)x(2n+1)


Origin

x

(x, y)

Neighbourhood

y

Image f (x, y)


Origin

x

Simple 3*3
Neighbourhood

y

e

3*3 Filter

Image f (x, y)

a

b

c

d

e

f

g

h

i

Original Image
Pixels

*

r

s

t

u

v

w

x

y

z

Filter

eprocessed = v*e +
r*a + s*b + t*c +
u*d + w*f +
x*g + y*h + z*i

Lặp lại quá trình trên cho mỗi pixel của ảnh gốc.


g ( x, y ) 

a

b

  w(s, t ) f ( x  s, y  t )

s   at   b

• Filtering có thể
biểu diễn bởi
phương trình trên.


Đơn giản nhất chúng ta có thể làm mịn ảnh là:
 Tính trung bình của các giá trị trong neighbourhood cho giá trị

trung tâm.
 Có tác dụng loại
bỏ nhiễu trong ảnh
 Làm nổi bật các chi
tiết tổng thể.

1/

9

1/

9

1/

9

1/

9

1/

9

1/

9

1/

9

1/

9

1/

9

Bộ lọc
trung bình
đơn giản


Origin

x

1/

104 100 108
99 106 98
95
Simple 3*3
Neighbourhood

y

1/ 100
1/ 108
1/
104
9
9
9
1/
1/
1/
99
9 106
9 98
9
195
/9 190
/9

185
/9

90

85

Original Image
3*3 Smoothing
Pixels

*

9

1/

9

1/

9

1/

9

1/

9

1/

9

1/

9

1/

9

1/

9

Filter

Filter

Image f (x, y)

e = 1/9*106 +
1/ *104 + 1/ *100 + 1/ *108 +
9
9
9
1/ *99 + 1/ *98 +
9

9
1/ *95 + 1/ *90 + 1/ *85
9
9
9
= 98.3333

Lặp lại cho mỗi pixel trong ảnh gốc để tạo ra
ảnh được làm mịn.


Cho ảnh gốc (trên trái)
kích thước size
500*500 pixels
Kết quả của bộ lọc
trung bình với kích
thước:3, 5, 9, 15 và 35
Chú ý: các chi tiết bắt
bắt đầu biến mất.








Làm mịn ảnh hiệu quả hơn khi cho trọng số của các pixel lân

cận là khác nhau.

 Các pixel gần với pixel

trung tâm là quan trọng hơn.

1/
2/
1/

16

2/

16

4/

16

2/

16

1/

16

16

2/

16

16

1/

16

Bộ lọc trung bình
có trọng số.







Tác dụng:




Loại bỏ được nhiễu mà không làm mờ cạnh nhiều.
Hiệu quả đối với hai loại nhiễu: nhiễu đốm (speckle noise)
và muối tiêu (salt-pepper noise)
Phổ biến


Original Image
With Noise

Image After
Averaging Filter

Image After
Median Filter

Bộ lọc thường dùng để loại bỏ nhiễu trong ảnh.
Trong một số trường hợp lọc trung vị có hiệu quả

hơn bộ lọc trung bình.

tốt





x
123 127 128

119

115 130

140 145 148 153 167 172

133 154 183 192 194 191
194 199 207 210 198 195
164 170 175 162 173 151

y