Báo cáo bài tập lớn Phân vùng ảnh trong phân tích ảnh

BÁO CÁO BÀI TẬP LỚN NHẬP MÔN XỬ LÝ ẢNH
Đề tài:
Tìm hiểu tác dụng của phân vùng ảnh trong phân tích ảnh. Trình bày và
xây dựng ứng dụng thử nghiệm của phương pháp phân vùng ảnh dựa trên
phương pháp gia tăng vùng.


Mục Lục


Danh mục hình ảnh


Nhận xét đánh giá
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………
………………………………………………………………………………………....


Lời nói đầu
Trong những năm gần đây, cùng với sự phát triển vượt bậc của khoa học máy
tính, thì xử lý ảnh là một lĩnh vực đang được quan tâm và đã trở thành môn học
chuyên ngành của sinh viên ngành Công Nghệ Thông Tin cũng như một số ngành kỹ
thuật khác trong các trường Đại học.

Xử lý ảnh là ngành khoa học nghiên cứu các quá trình xử lý thơng tin dạng hình
ảnh. Hình ảnh là một dạng thơng tin vô cùng phong phú, đa dạng và là phương tiện
giao tiếp, trao đổi chủ yếu của con người. Thông tin hình ảnh ngày nay có thể được xử
lý dễ dàng bằng máy tính.
Có thể thấy xử lí ảnh đóng vai trò quan trọng trong các ứng dụng
thực tế về khoa học kĩ thuật cũng như cuộc sống thường ngày. Để xử lí được một bức
ảnh thì phải trải qua nhiều khâu khác nhau tùy theo mục đích của việc xử lí, nhưng
khâu quan trọng và khó khăn nhất đó là phân vùng ảnh. Trong một số lượng lớn các
ứng dụng về xử lí ảnh và hiện thị trên máy tính, phân vùng ảnh đóng vai trị chính yếu
như là bước đầu tiên trước khi áp dụng các thao tác xử lí ảnh ở mức cao hơn như: nhận
dạng ảnh, biểu diễn ảnh. Nếu bước phân vùng ảnh không tốt thì dẫn đến việc nhận
diện sai lầm về các đối tượng có trong ảnh.


1 TỔNG QUAN VỀ PHÂN VÙNG ẢNH
1.1 Tổng quan về một hệ thống xử lí ảnh
1.1.1 Các bước cơ bản trong một hệ thống xử lí ảnh

Xử lý ảnh là một ngành khoa học tương đối mới mẻ so với các ngành khoa học
khác, nhất là trên quy mô công nghiệp. Tuy nó là một ngành khoa học mới mẻ so với
nhiều ngành khoa học khác nhưng tốc độ phát triển của nó rất nhanh, kích thích các
trung tâm nghiên cứu, ứng dụng, đặc biệt là máy tính chuyên dụng riêng cho nó. Tổng
quan về một hệ thống xử lý ảnh được thể hiện bằng hình ảnh bên dưới:

Hình 1- 1:

Các bước cơ bản trong một hệ thống xử lí ảnh

Trước hết là q trình thu nhận ảnh: 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 có camera số hóa (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 mỗi ảnh thu nhận
được phụ thuộc và thiết bị thu và môi trường (ánh sáng, phong cảnh).
Tiền xử lí: sau bộ thu nhận, ảnh có thể nhiễu độ tương phản thấp nên cần đưa
vào bộ tiền xử lí để nâng cao chất lượng. Chức năng chính của bộ tiền xử lí là lọc
nhiễu, nâng độ tương phản để làm ảnh rõ nét hơn.

6


Phân đoạn (phân vùng): 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 vạch) riêng biệt để nhận
dạng. Đây là phần phức tạp khó khăn nhất trong xử lí ảnh và cũng dễ gây lỗi, làm mất
độ chính xác của ảnh. Kết quả nhận dạng ảnh thụ thuộc rất nhiều và công đoạn này.
Biểu diễn ảnh: đầu ra phân vùng ảnh chứa các điểm ảnh của vùng ảnh (ảnh đã
phân đoạn) cộng với mã liên kết với các vùng lân cận. Việc biến đổi các số liệu này
thành dạng thích hợp là cần thiết cho xử lí ảnh tiếp theo bằng máy tính. Việc chọn các
tính chất để thể hiện ảnh gọi là trích đoạn đặc trưng gắn với việc tách các đặc tính của
ảnh dưới dạng các thơng tin định lượng hoặc làm cơ sở để phân biệt lớp đối tượng
khác trong phạm vi ảnh nhận được.
Nhận dạng và nội suy ảnh: nhận dạng ảnh là quá trình xác định ảnh. Quá trình
này thường thu được bằng cách so sánh với mẫu chuẩn đã được lọc (hoặc lưu) từ
trước. Nội suy là phán đoán theo ý nghĩa trên cơ sở nhận dạng.
Cơ sở tri thức: trong nhiều khâu xử lí phân tích ảnh ngồi việc đơn giản các
phương pháp tốn học đảm bảo tiện lợi cho xử lí, người ta mong muốn bắt chước quy
trình tiếp nhận và xử lí ảnh theo cách của con người. Trong các bước xử lí đó, nhiều
khâu hiện nay đã xử lí theo các phương pháp trí tuệ con người. Vì vậy, ở đây các cơ sở

tri thức được phát huy.

7


Hình 1- 2 Một hệ thống xử lí ảnh
1.1.2 Mục tiêu của xử lí ảnh

-

Xử lí ảnh ban đầu để có được ảnh mới theo một yêu cầu xác định, ví dụ như

-

ảnh mờ cần được xử lí để ảnh được rõ hơn.
Phân tích ảnh để thu được các thơng tin đắc trưng giúp cho việc phân tích

-

loại, nhận biết ảnh.
Hiểu đầu vào để có những mơ tả về ảnh ở mức cao hơn, sâu hơn.

Xử lí ảnh có liên quan đến nhiều ngành như: hệ thống thông tin, lý thuyết thơng
tin, lý thuyết thống kê, trí tuệ nhân tạo, nhận dạng,…
Xử lí ảnh cũng tạo ra được rất nhiều ứng dụng hữu ích trong thực tế như: bài
tốn nhận dạng vân tay, chữ viết, giọng nói…
1.1.3 Một số ví dụ về xử lí ảnh

Hình 1- 3 Giảm nhiễu

8


Hình 1-4 Điều chỉnh độ tương phản

Hình 1- 5 Tìm biên

Hình 1- 6 Nén ảnh

9


Hình 1-7 Phân vùng ảnh

Hình 1-8 Khơi phục ảnh

1.2

Tổng quan về phân vùng ảnh

1.2.1 Một số khái niệm

Phân vùng ảnh là bước then chốt trong xử lý ảnh. Giai đoạn này nhằm phân tích
ảnh thành những thành phần có cùng tính chất nào đó dựa theo biên hay các vùng liên
thông. Tiêu chuẩn để xác định các vùng liên thông có thể là cùng mức xám, cùng màu
hay cùng độ nhám.

10

Vùng ảnh (Region): là tập hợp các điểm ảnh có chung các thuộc tính về một đối
tượng nào đó.
Phân vùng ảnh ( Image Segmentation): là quá trình phân hoạch tập điểm các
điểm ảnh của X thành các tập con của R (hay một vùng ảnh) thỏa mãn các điều kiện
sau:

Hình 1-9 Minh họa phân vùng ảnh

(a) Ảnh gốc (b) Ảnh sau khi phân vùng
1.2.2 Các hướng tiếp cận phân vùng ảnh

Phân vùng ảnh là chia ảnh thành các vùng không trùng lắp. Mỗi vùng gồm một
nhóm pixel liên thơng và đồng nhất theo một tiêu chí nào đó. Tiêu chí này phụ thuộc
vào mục tiêu của quá trình phân đoạn. Ví dụ như đồng nhất về màu sắc, mức xám, kết
cấu, độ sâu của các layer… Sau khi phân đoạn mỗi pixel chỉ thuộc về một vùng duy
nhất. Để đánh giá chất lượng của quá trình phân đoạn là rất khó. Vì vậy trước khi phân
đoạn ảnh cần xác định rõ mục tiêu của quá trình phân đoạn là gì. Xét một cách tổng
quát, ta có thể chia các hướng tiếp cận phân đoạn ảnh thành các nhóm chính như sau:
-

Dựa trên tính đồng đều ( độ tương tự của mức xám và các thuộc tính chung

-

của các điểm ảnh trong mỗi vùng).
Phân vùng dựa trên sự biến thiên của hàm độ xám hoặc mức xám ( phân
vùng dựa trên tách biên).
11

1.2.3 Các cơng đoạn chính của phân vùng ảnh

Gồm 3 cơng đoạn sau:
-

Tiền xử lí ảnh ( nếu có).
Q trình phân vùng ảnh ( thực hiện dựa trên các thuật toán).
Đánh nhãn cho các vùng ảnh được phân tách và điều chỉnh nếu cần.

1.2.4 Một số thuộc tính của điểm ảnh và vùng ảnh

1.2.4.1
Một số thuộc tính của điểm ảnh
- Giả sử có một điểm ảnh X = { P } , trong đó P là pixel thứ i ( i = 1,…,
M*N)
Có 2 loại ảnh sau:
+ Ảnh đơn màu : P được biểu diễn bằng giá trị mức xám ( độ xám ). Kí
hiệu A(P) hoặc X(P).
+ Ảnh đa màu ( đa phổ ) : mỗi pixel được biểu diễn bởi một vecto màu
mà ta gọi là vecto thuộc tính.
P=
-

Độ tương phản giữa hai điểm ảnh
( S, S ) = | A(S) – A(S) | / ( L-1)
Trong đó L : giá trị mức xám lớn nhất của ảnh

1.2.4.2
Một số thuộc tính của vùng ảnh
- Độ đồng đều mức xám của một vùng ảnh R :

E(R) = ( A(P) – m )
Trong đó : card(R) là số phần tử của vùng R ( lực lượng của vùng R )
A(P) là giá trị mức xám của một điểm ảnh
m là giá trị trung bình được tính bằng cơng: m =
-

A(P)

Hàm vị từ của R ( Pred (R) ) : để đo độ đồng đều của mức xám, được định
nghĩa như sau:
Pred(R) =

Trong đó: θ là ngưỡng tự chọn
: nếu Pred(R) = 1 thì vùng R là vùng đồng đều
Pred(R) = 0 thì vùng R là khơng đồng đều
12


-

Thuộc tính tần số, thuộc tính thống kê, thuộc tính cấu trúc

1.2.5 Một số phương pháp phân vùng ảnh

Với một số ứng dụng, như nhận diện ảnh hay nén ảnh, ta khơng thể xử lý tồn
bộ bức ảnh một cách trực tiếp bởi lí do đó khơng hiệu quả và phi thực tế. Vì vậy, một
vài thuật tốn về phân vùng ảnh đã được đưa ra nhằm phân vùng ảnh trước khi nhận
diện hoặc nén. Phân vùng ảnh là phân loại hoặc nhóm ảnh thành nhiều phần (vùng) tùy
theo đặc tính của ảnh. Cho tới nay có rất nhiều thuật toán về phân vùng ảnh vẫn tồn tại
và được ứng dụng rộng rãi trong khoa học và cuộc sống thường ngày. Tùy theo

phương pháp phân vùng ảnh, có thể phân loại chúng thành phân vùng ảnh dựa vào
vùng, nhóm dữ liệu, và phân vùng ảnh dựa vào biên (cạnh).
Phân vùng ảnh rất hữu ích trong nhiều ứng dụng. Phân vùng ảnh có thể phát
hiện những vùng cần quan tâm trong một cảnh hoặc chú giải dữ liệu.
Các loại phương pháp phân vùng ảnh sau đây hay được sử dụng:
1.
2.
3.
4.

Phân vùng dựa vào ngưỡng
Phân vùng dựa vào cạnh
Phân vùng dựa vào phát triển vùng
Kỹ thuật phân nhóm

13


Hình 1- 10 Các kĩ thuật phân vùng ảnh

1.2.6 Phương pháp phân vùng theo ngưỡng biên độ

Các đặc tính đơn giản, cần thiết nhất của ảnh là biên độ và các tính chất vật lý như:
độ tương phản, độ truyền sáng, màu sắc hoặc đáp ứng phổ. Như vậy, có thể dùng
ngưỡng biên độ để phân vùng khi biên độ đủ lớn đặc trưng cho ảnh. Thí dụ, biên độ
trong bộ cảm biến ảnh hồng ngoại có thể phản ánh vùng có nhiệt độ thấp hay vùng có
nhiệt độ cao. Kỹ thuật phân ngưỡng theo biên độ rất có lợi đối với ảnh nhị phân như
văn bản in, đồ họa, ảnh màu hay ảnh X-quang. Việc chọn ngưỡng rất quan trọng. Nó
bao gồm các bước :
• Xem xét lược đồ xám của ảnh để xác định các đỉnh và các khe. Nếu ảnh có dạng

rắn lượn (nhiều đỉnh và khe), các khe có thể dùng để chọn ngưỡng.
• Chọn ngưỡng t sao cho một phần xác định trước η của tồn bộ số mẫu là thấp hơn
t.
• Điều chỉnh ngưỡng dựa trên lược đồ xám của các điểm lân cận.
14


• Chọn ngưỡng theo lược đồ xám của những điểm thỏa mãn tiêu chuẩn chọn. Thí
dụ, với ảnh có độ tương phản thấp, lược đồ của những điểm có biên độ Laplace g(m,n)
lớn hơn giá trị t định trước (sao cho từ 5% đến 10% số điểm ảnh với Gradient lớn
nhất sẽ coi như biên) sẽ cho phép xác định các đặc tính ảnh lưỡng cực tốt hơn ảnh gốc.
• Khi có mơ hình phân lớp xác suất, việc xác định ngưỡng dựa vào tiêu chuẩn xác
suất nhằm cực tiểu xác suất sai số hoặc dựa vào một số tính chất khác của luật Bayes.
Trong phân vùng dựa vào ngưỡng, các điểm ảnh của đầu vào được so sánh với
một hoặc nhiều ngưỡng T, từ đó xếp các điểm ảnh vào các vùng khác nhau.

Hình 1-11 Biểu đồ xám và ngưỡng T

Trong hình 1-4 có biểu đố xám và ngưỡng T có thể dùng để phân vùng các đối
tượng/ nền. Hạn chế cơ bản của phương pháp này là biểu đồ khơng cung cấp thơng tin
khơng gian, chỉ có phân phối các mức xám.
Các tiêu chuẩn lựa chọn ngưỡng:
-

Xác suất lỗi cực tiểu
Giá trị cực tiểu
Phương sai trong nhóm cực tiểu
Kiểm tra bằng mắt

Hình 1-12 Ví dụ lấy ngưỡng

15


1.2.6.1
Kĩ thuật lấy ngưỡng
Kỹ thuật này dựa trên một ý tưởng hết sức đơn giản. Một tham số q, gọi là ngưỡng
độ sáng, sẽ được chọn để áp dụng cho một ảnh a[m,n] theo cách sau:
Nếu

thì

Ngược lại
Thuật tốn trên giả định rằng chúng ta đang quan tâm đến các đối tượng sáng
(object) hay nền ảnh (background) bằng các giá trị “1” hoặc “0”.
1.2.6.2
Ngưỡng cố định
Phương pháp đầu tiên là chọn một ngưỡng độc lập với dữ liệu ảnh. Nếu chúng ta
biết trước là chương trình ứng dụng sẽ làm việc với những ảnh có độ tương phản rất
cao, trong đó các đối tuợng quan tâm rất tối còn nền gần như đồng nhất và rất sáng, thì
giá trị ngưỡng khơng đổi 128 trên thang độ sáng từ 0 đến 255 sẽ là một giá trị chọn
khá chính xác. Chính xác ở đây nên được hiểu theo nghĩa là số lượng các điểm ảnh bị
phân lớp sai là cực tiểu.
1.2.6.3
Ngưỡng dựa trên lược đồ
Trong hầu hết các trường hợp, ngưỡng được chọn từ lược đồ độ sáng của vùng hay
ảnh cần được phân đoạn.
Có rất nhiều kỹ thuật chọn ngưỡng tự động xuất phát từ lược đồ xám. Những kỹ
thuật phổ biến nhất trong số đó sẽ được trình bày dưới đây. Những kỹ thuật này có thể
tận dụng lợi thế do sự làm trơn dữ liệu lược đồ ban đầu mang lại, nhằm loại bỏ những

dao động nhỏ về độ sáng. Tuy nhiên các thuật toán làm trơn cần phải cẩn trọng khơng
được làm dịch chuyển các vị trí đỉnh của lược đồ.
1.2.7 Phương pháp phân vùng dựa vào cạnh

Phân vùng dựa vào cạnh thường chỉ ra phương pháp phân vùng dựa vào các
cạnh trong một ảnh. Các phương pháp đơn giản áp dụng một số phương pháp phát
hiện cạnh trước khi phân vùng. Một số phương pháp phát hiện cạnh được thực hiện
theo độ dốc và biến đổi Hilbert.
1.2.8 Kĩ thuật phân cụm

Mặc dù phân nhóm/ cụm đơi khi được dùng như một từ đồng nghĩa các các kĩ
thuật phân vùng, song ở đây phân nhóm để chỉ kĩ thuật được sử dụng chủ yếu thăm dị
phân tích dữ liệu của các mẫu. Trong ngữ nghĩa này, các phương pháp phân nhóm sắp
xếp các mơ hình tương tự cào từng nhóm với một ý nghĩa nhất định. Mục tiếu này rất
16


giống với những gì ta đang làm khi phân vùng một ảnh, và thực sự một số kĩ thuật
phân nhóm có thể dễ dàng áp dụng cho phân vùng ảnh.
1.2.9 Phương pháp dựa vào vùng

Các phân vùng dựa trên phân vùng là phân vùng của một ảnh vào các vùng
tương đồng / đồng nhất của các điểm giống nhau giữa các tập đại diện của các điểm
ảnh. Mỗi điểm trong ảnh trong một vùng tương tự như đối với một số đặc tính hoặc
tính tốn như cường độ, màu và kết cấu. Phát triển vùng bắt đầu với tạo vùng bằng
việc chọn một số điểm ảnh làm hạt giống. Tiếp theo kiểm tra các điểm ảnh lân cận của
“điểm hạt giống” ban đầu và xác định liệu những điểm lân cận nên được thêm vào
vùng.

2 PHÂN VÙNG ẢNH VỚI THUẬT TỐN PHÁT TRIỂN VÙNG

2.1 Thuật tốn phát triển vùng
Thuật tốn phát triển vùng (region growing) là một thuật toán phân đoạn ảnh
được sử dụng để phân chia các vùng khác nhau trên một ảnh. Đặc điểm của các thuật
toán phát triển vùng phụ thuộc vào thông số để kết thúc q trình tìm kiếm trong
vùng. Thơng thường, q trình phát triển vùng sẽ được dừng khi khơng có pixel thỏa
mãn tiêu chuẩn của vùng đó. Khi thơng tin ban đầu khơng thể tìm kiếm được, q
trình phát triển vùng sẽ dựa vào những pixel có cùng đặc tính để quyết định xem
pixel có nằm trong vùng cần tính hay khơng. Việc lựa chọn các tiêu chuẩn tương
đồng phụ thuộc đặc điểm của đối tượng cần xét trên ảnh và loại dữ liệu ảnh. Tiêu
chuẩn có thể bao gồm giá trị cường độ xám, đặc điểm cấu trúc hoặc chỉ số thống kê
và khơng tiến hành tính tốn lại các pixel đã tính trong vùng. Việc lựa chọn tiêu
chuẩn chính xác sẽ làm tăng khả năng xác định của thuật toán phát triển vùng cả về
kích thước của vùng xét và hình dạng của vùng.

17


2.2 Một số thuật toán phát triển vùng
2.2.1 Phát triển vùng từ các hạt

Thuật toán phát triển vùng từ các hạt ( Seeded Region Growing – SRG) là một
trong những phương pháp phân vùng dựa vào vùng đơn giản nhất. Thuật toán thực
hiện một phân vùng ảnh với việc kiểm tra những điểm ảnh lân cận của một tập hợp
điểm, được gọi là những điểm hạt và quyết định liệu những điểm này có được phân
loại thành nhóm các điểm hạt hay khơng.
Quy trình thuật tốn được thực hiện như sau:

Một điều chắc chắn là những vùng được phân vùng ảnh SRG đều có độ
tương đồng màu cao. Tuy nhiên, vẫn có 2 hạn chế, đó là ở việc chọn hạt đầu tiên và
vấn đề tốn kém thời gian.

-

Vấn đề điểm hạt đầu tiên tức là chọn các điểm hạt đầu tiên khác nhau dẫn
đến những kết quả phân vùng ảnh khác nhau. Vấn đề này làm giảm tính ổn
định của các kết quả phân vùng ảnh từ cùng một ảnh. Hơn nữa, việc quyết
định xem có bao nhiêu điểm hạt cũng là một vấn đề quan trọng bởi vì những

-

ảnh khác nhau đều có số phân vùng ảnh riêng phù hợp.
Một vấn đề nữa là tiêu tốn thời gian, vì SRG cần rất nhiều thời gian tính
tốn, và đây cũng là vấn đề nghiêm trọng nhất trong SRG.

18


2.2.2 Phát triển vùng khơng dùng hạt

Thuật tốn phát triển vùng không dùng hạt (Unseed Region Growing-URG)
được đề xuất bởi Lin và cộng sự. Sự khác biệt là không cần chọn hạt. Trong q trình
phân vùng, các hạt có thể được phát sinh một cách tự động. Vì thế, phương pháp này
có thể thực hiện phân vùng ảnh tự động đầy đủ cùng với lợi ích thiết thực khi trở thành
một phân vùng ảnh dựa vào vùng.
Thuật toán phát triển vùng không dùng hạt

2.2.3 Tách vùng và sát nhập vùng

Mục đích chính của tách vùng và sát nhập vùng (Region Splitting and
Merging) là để phân biệt sự đồng nhất của ảnh. Thuật tốn dựa trên lược đồ hình cây,
có nghĩa là mỗi nút của cây có bốn con và gốc của cây tương ứng với tồn bộ ảnh. Bên

cạnh đó, mỗi nút đại diện cho các nhánh của một nút vào bốn nút hậu duệ. Trường hợp
được hiển thị trong hình 2-1(a), và trong trường hợp của hình 2-1(b), chỉ R4 được chia
nhỏ hơn. Các vấn đề cơ bản tách vùng và sát nhập vùng được trình bày dưới đây.
R đại diện cho toàn bộ vùng ảnh và quyết định một vị từ P. Nếu P (R) FALSE, ta
chia ảnh R vào bốn phần. Nếu P là FALSE cho bất kỳ phần nào, ta chia nhỏ phần đó
vào 4 phần nhỏ hơn, và cứ thế. Cho đến khi, với bất kỳ vùng Ri, P(Ri) TRUE. Khi đó
19


quá trình tách vùng, sát nhập vùng là quá trình kết hợp hai vùng liền kề R j và Rk nếu
P(Rj, Rk) = True.

20


Thuật toán tách vùng và sát nhập vùng
Bước 1. Bước tách: Đối với bất kỳ vùng Ri nào, P(Ri)

FALSE, ta chia thành

4 phần rời nhau.
Bước 2. Sát nhập: Khi không thể tách được thêm nữa, thì hợp nhất bất kỳ vùng
liền kề Rj và Rk mà P (Rj, Rk) = True.
Bước 3. Chỉ dừng lại nếu khơng có thêm sát nhập nào là cịn khả năng.

Hình 2-13 a) Cấu trúc lược đồ hình cây, trong đó R đại diện cho toàn bộ vùng ảnh. b) Phân
vùng ảnh tương ứng

Nhận xét thuật tốn tách và sát nhập vùng:
Ưu điểm: Ảnh có thể được chia dần độ phân giải theo yêu cầu để tạo ra số lượng

cấp độ vùng được xác định. Ta có thể phân chia các ảnh bằng cách sử dụng các tiêu chí
mà ta quyết định, như là trung bình. Ngồi ra, các tiêu chí sát nhập có thể là khác với
các tiêu chí phân chia.
Nhược điểm: Thuật tốn có thể tạo ra các phân vùng ảnh dạng ơ vng đều. Vấn
đề phân vùng ảnh ơ vng có thể được giảm bằng cách chia tách ở cấp độ cao hơn,
nhưng thời gian tính tốn sẽ phát sinh.
21


-

2.3 Một số ứng dụng của thuật toán phát triển vùng
Trong lĩnh vực nhận dạng đối tượng, quá trình phân vùng ảnh sẽ tách đối tượng ra khỏi
vùng nền. Đối tượng ở đây có thể là con người hoặc một vật gì đó chuyển động thuộc
vùng tiền cảnh (Fg). Đối tượng sau khi được tách ra trong quá trình phân vùng có thể
được xử lý trong các hệ thống như đếm số lượng người ra vào, nhận dạng cử chỉ tay,

-

nhận dạng khn mặt.
Tronglĩnh vực camera giám sát, q trình phân vùng ảnh có thể ứng dụng trong việc
xác định, giám sát đối tượng đi vào vùng giám sát, cảnh báo chuyển động khi đối

-

tượng di chuyển vào vùng giám sát.
Trong lĩnh vực hình ảnh y tế, các kỹ thuật hình ảnh y tế như chụp CT (Computer
Tomography), chụp MRI (Magnetic Resonance Imaging), chụp X-Quang, USG
(Ultrasound) không thể thiếu để có thể phân tích chính xác nhiều bệnh lý khác nhau,
qua đó đã hộ trợ đáng kể bác sĩ trong việc chẩn đốn bệnh. Trong q trình phân tích,

người chẩn đốn cần phân trích xuất các đường biên cần thiết, các bề mặt hoặc các bộ
phận cơ thể ra khỏi bức hình, kỹ thuật này được gọi là phân vùng (segmentation)[2].
Tuy nhiên, q trình phân vùng thủ cơng là rất tốn thời gian và có thể khơng cho kết
quả tốt. Các phân vùng và đường biên này là rất quan trọng đối với các bác sĩ. Chính
vì vậy, trong vài thập kỷ qua, nhiều thuật toán phân vùng ảnh y tế được đề xuất nhằm
tăng độ chính xác trong quá trình phân vùng ảnh.

22


3 ỨNG DỤNG THỬ NGHIỆM
3.1 Giới thiệu về MATLAB
MATLAB là một mơi trường tính tốn số và lập trình, được thiết kế bởi cơng ty
MathWorks. MATLAB cho phép tính tốn số với ma trận, vẽ đồ thị hàm số hay biểu
đồ thơng tin, thực hiện thuật tốn, tạo các giao diện người dùng và liên kết với những
chương trình máy tính viết trên nhiều ngơn ngữ lập trình khác. MATLAB giúp đơn
giản hóa việc giải quyết các bài tốn tính tốn kĩ thuật so với các ngơn ngữ lập trình
truyền thống như C, C++, và Fortran.
MATLAB được sử dụng trong nhiều lĩnh vực, bao gồm xử lý tín hiệu và ảnh,
truyền thông, thiết kế điều khiển tự động, đo lường kiểm tra, phân tích mơ hình tài
chính, hay tính tốn sinh học. Với hàng triệu kĩ sư và nhà khoa học làm việc trong môi
trường công nghiệp cũng như ở mơi trường hàn lâm, MATLAB là ngơn ngữ của tính
tốn khoa học.

3.2 Thực nghiệm

Hình 3- 14 Giao diện chương trình cài đặt - MATLAB

23

Hình 3- 15 Giao diện chọn ảnh

Hình 3-16 Ảnh gốc

24


Hình 3- 17 Ảnh sau khi phân vùng

25