Thạc Sĩ Phát hiện biên, biểu diễn Forier Elliptic và ứng dụng

PHẦN MỞ ĐẦU

Xử lý ảnh là một lĩnh vực đã và đang được quan tâm của nhiều nhà khoa học trong và ngoài nước bởi tính phong phú và lợi ích của nó được ứng dụng trong khoa học kỹ thuật, kinh tế, xã hội và đời sống con người. Lĩnh vực xử lý ảnh liên quan tới nhiều ngành khác như: hệ thống tin học, trí tuệ nhân tạo, nhận dạng, viễn thám, y học, nông học .

Hiện nay, thông tin hình ảnh đóng vai trò rất quan trọng trong trao đổi thông tin, bởi phần lớn thông tin mà con người thu được thông qua thị giác. Do vậy, vấn đề nhận dạng trong xử lý ảnh, đặc biệt là nhận dạng biên ảnh đang được quan tâm bởi yêu cầu ứng dụng đa dạng của chúng trong thực tiễn.

Mục đích đặt ra cho xử lý ảnh được chia thành hai phần chính: phần thứ nhất liên quan đến những khả năng từ các ảnh thu lại các ảnh để rồi từ các ảnh đã được cải biến nhận được nhiều thông tin để quan sát và đánh giá bằng mắt, chúng ta coi như là sự biến đổi ảnh (image transformation) hay sự làm đẹp ảnh (image enhancement). Phần hai nhằm vào nhận dạng hoặc đoán nhận ảnh một cách tự động, đánh giá nội dung các ảnh.

Quá trình nhận dạng ảnh nhằm phân loại các đối tượng thành các lớp đối tượng đã biết (supervised learning) hoặc thành những lớp đối tượng chưa biết (unsupervised learning). Sau quá trình tăng cường và khôi phục (đối với những ảnh có nhiễu), giai đoạn tiếp theo, người ta phải trích rút các đặc tính quan trọng, quyết định của ảnh cần nhận dạng. Các đặc tính đó có thể là đặc tính hình học, đặc tính ngữ cảnh.

Các đặc tính hình học chứa những thông tin về vị trí, kích thước hình học, hình dạng của các đối tượng trong ảnh, là đặc tính rất quan trọng trong xử lý nhận dạng ảnh. Các đặc tính này thường được trích rút ra thông qua việc xác định các đường biên các đối tượng trong ảnh. Biên chứa các thông tin về hình dạng ngoài của đối tượng ảnh. Có thể nói xác định biên là một trong những vấn đề quan trọng và hấp dẫn trong lĩnh vực nghiên cứu xử lý ảnh bởi khả năng biểu đạt cấu trúc đối tượng và tính ứng dụng rộng rãi của nó vào việc giải quyết nhiều bài toán khó như: nhận dạng tự động, thị thực máy tính, hoạt hình

Bên cạnh đó, trong những năm gần đây các nghiên cứu về biên ảnh và phép biến đổi Fourier đã và đang được ứng dụng rộng rãi. Thực tế này đặt ra các bài toán như: đưa những ứng dụng đó vào xã hội và đời sống con người. Một số nhóm nghiên cứu trong và ngoài nước đã đưa ra các phương pháp giải quyết kết hợp các phương pháp phát hiện biên và phép biến đổi Fourier để hoàn thành những ứng dụng góp phần vào sự phát triển trong xã hội.

Chình vì những ứng dụng thực tiễn đó em đã nghiên cứu luận văn thạc sĩ với đề tài “Phát hiện biên, biểu diễn Forier Elliptic và ứng dụng”. Luận văn gồm phần mở đầu, phần kết luận, và 3 chương nội dung:

Chương 1: Tổng quan về xử lý ảnh và biên.

Chương 2: Một số phương pháp phát hiện biên và phép biểu diễn

Fourier Elliptic.

Chương 3: Chương trình thử nghiệm.



MỤC LỤC

Lời cảm ơn i
Danh mục các ký hiệu, các chữ viết tắt . ii
anh mục các hình iii
MỞ ĐẦU . 1
CHưƠNG 1. TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ BIÊN . 3


1.1. Một số khái niệm cơ bản trong xử lý ảnh . 3

1.1.1. Xử lý ảnh. 3

1.1.2 Quá trình thu nhận, biểu diễn và lưu giữ ảnh . 3

1.1.3 Histogram của ảnh 7

1.1.4 Nhận dạng ảnh 8

1.2 Biên ảnh và vai trò trong nhận dạng ảnh . 9

1.2.1 Khái niệm về biên ảnh và các phương pháp phát hiện

biên cơ bản . 9

1.2.2 Vai trò của biên trong nhận dạng ảnh 14

1.2.3 Biểu diễn biên dựa trên mô tả Fourier . 14

1.2.3.1 Phương pháp dựa trên mô tả Fourier . 16

1.2.3.2 Phương pháp góc quay . 19


CHưƠNG 2: MỘT SỐ PHưƠNG PHÁP PHÁT HIỆN BIÊN

VÀ PHÉP BIỂU DIỄN FORIER ELLIPTIC . 22

2.1 Một số phương pháp phát hiện biên 22



2.1.1. Phương pháp phát hiện biện trực tiếp . 22

2.1.2 Phương pháp phát hiện biên gián tiếp 31

2.1.3 Phương pháp phát hiện biên kết hợp 32

2.1.4 Phát hiện biên dựa vào trung bình cục bộ 38

2.1.5 Cải thiện và nâng cao chất lượng biên ảnh 40

2.2 Phép biến đổi Fourier . 49

2.2.1 Định nghĩa 49

2.2.1 Elliptic Fourier 50

2.2.3 Biến đổi Fourier rời rạc . 55

2.2.4 Các thuộc tính khác của biến đổi Fourier 61

CHưƠNG 3: CHưƠNG TRÌNH THỬ NGHIỆM . 62

3.1 Giới thiệu . 62

3.2 Số hóa biên đối tượng ảnh 62

3.2 Chương trình thử nghiệm . 66

KẾT LUẬN . 70

TÀI LIỆU THAM KHẢO 72

Tiếng Việt 72

Tiếng Anh 72
Danh mục các hình

Hình 1.1 Các giai đoạn chính trong quá trình xử lý ảnh 3

Hình 1.2 Điểm 8 láng giềng và điểm 4 láng giềng 6

Hình 1.3(a) Đồ thị biểu diễn Histogram ảnh . 8

Hình 1.3(b) Ảnh gốc . 8

Hình 1.3(c) Histogram của ảnh gốc theo RGB và Gray 8

Hình 1.4 Ví dụ chu tuyến của đối tượng ảnh 12

Hình 1.5 Phân loại biểu diễn hình dạng và các kỹ thuật biểu diễn 15

Hình 1.6 Biểu diễn góc quay 20

Hình 1.7 Biểu diễn góc quay trong trường hợp có thay đổi nhỏ 21

Hình 2.1 Mô hình 8 hướng . 23

Hình 2.2 Ảnh trước khi dò biên 24

Hình 2.3 Ảnh sau khi dò biên . 25

Hình 2.4 (a) Ảnh gốc (b) Đạo hàm bậc nhất (c) Đạo hàm bậc hai . 25

Hình 2.5(a) Ảnh gốc (b) Ảnh biên dùng Laplace H1 (a) Ảnh biên H2 . 27

Hình 2.6 Minh họa biểu diễn biên nhờ các phép hình thái 30

Hình 2.7 Ảnh gốc . 33

Hình 2.8 Ảnh đen trắng 33

Hình 2.9 Ảnh đen trắng dùng hàm ConvertRGB 34

Hình 2.10 Ảnh đen trắng 34

Hình 2.11 Biên của ảnh đen trắng . 35

Hình 2.12 Ảnh gốc . 36

Hình 2.13 Ảnh biên với cách đánh giá độ chênh lệch mức xám của

điểm ảnh . 36

Hình 2.14 So sánh với mức xám trung bình của cửa sổ ảnh trong

trường hợp N=5 36

Hình 2.15 Xác định điểm biên thực sự . 37

Hình 2.16 Ảnh biên kết hợp phương pháp kết hợp với N =5 37

Hình 2.17 Ma trận điểm ảnh trước và sau lọc . 39

Hình 2.18 Các ảnh biên kết quả thu được theo thuật toán đề xuất . 39

Hình 2.19 Lấy tổ hợp các điểm ảnh lân cận 41

Hình 2.20 Một số kiểu mặt nạ sử dụng cho kỹ thuật lọc phi tuyến 41

Hình 2.21 Minh họa thuật toán hậu xử lý . 46

Hình 2.22 Ví dụ về chain code . 51

Hình 2.23 Minh họa sự kết hợp của chuỗi mã 4, 8-láng giềng . 52

Hình 2.24 Minh họa chuỗi mã 54

Hình 2.25 Biển đổi xung mẫu . 57

Hình 2.26 Ảnh dùng biến đổi Fourier rời rạc 2D 58

Hình 2.27 (a) Ảnh mặt (b) Biển đổi ảnh mặt 60

Hình 2.28 Biến đổi Fourier 2D . 61

Hình 3.1 Thuật toán số hóa biên ảnh của đối tượng ảnh . 63

Hình 3.2 Thuật toán chaincodeal 64

Hình 3.3 Lá gấc ban đầu . 66

Hình 3.4 Lá gấc sau khi Histogram 67

Hình 3.5 Lá gấc sau khi chain code 67

Hình 3.6 (a) Lá gấc trước khi được xử lý 68

Hình 3.6 (b) Lá gấc sau khi được xử lý 68