Bài giảng Xử lý ảnh số - Xử lý ảnh trong miền không gian (tt)

XỬ LÝ ẢNH TRONG MIỀN KHÔNG GIAN (TT) NGÔ QUỐC VIỆT TPHCM-2012 1. Các bộ lọc thông thấp và thông cao 2. Đạo hàm và nhân chập  Đạo hàm bậc hai - mặt nạ Laplacian  Đạo hàm bậc nhất – mặt nạ Sobel, Roberts 3. Làm sắc nét ảnh  Phương pháp unsharp mask  Sharpen transform 4. Tóm tắt và bài tập 2Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt  Làm rõ các chi tiết nét trong ảnh. Ngược với làmmờ  Ứng dụng trong printing, medical imaging, chẩn đoán công nghiệp, etc. 3Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt Ảnh gốc Ảnh đã làm sắc nét Nguồn:  Làm sắc nét dựa trên nguyên lý “sự khác biệt trong miền không gian” (spatial differentiation)  Difference ~ high-pass filter (bộ lọc thông cao) và high-boost filter  High-pass filter: Lấy ảnh trừ đi ảnh đã làm mờ  sắc nét  High-Boost filter: làm nét, nhưng không bỏ thành phần thô (tần số thấp). Bằng cách nhân ảnh gốc với hệ số trước khi trừ ảnh đã làmmờ. 4Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 5  Định nghĩa đạo hàm bậc nhất của f(x) trongmiền liên tục và f(n) trong miền rời rạc  Định nghĩa đạo hàm bậc hai của f(x) trong miền liên tục và f(n) trong miền rời rạc Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 6  Đạo hàm được định nghĩa “khác biệt”  có cùng mục tiêu của bộ lọc làm sắc nét  Đạo hàm có thể phát hiện được nhiều tính chất: Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 7 1 3 2 4 1. Đạo hàm bậc nhất thể hiện được cạnh dầy trong ảnh (phần ramp trong ảnh trên) 2. Đạo hàm bậc hai thể hiện rõ các chi tiết mịn hoặc điểm cô lập 3. Đạo hàm bậc nhất thể hiện tốt bước nhảy lớn của mức xám. 4. Đạo hàm bậc hai có thể tạo ra 2 giá trị tại thay đổi lớn trong mức xám  Đạo hàm bậc hai thường được dùng nhiều trong nâng cao chất lượng ảnh vì khả năng cải tiến các chi tiết mịn Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 8  Định nghĩa đạo hàm bậc hai của f(x, y) trong miền liên tục 9Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt  Đạo hàm bậc 2 thể hiện bởi Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 10                                  010 141 010 010 020 010 000 121 000 Nhân chập Laplacian Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 11            111 181 111 Xét hai lân cận chéo Có thể dùng cho Heavy sharpen              010 141 010              111 181 111 Các biến thể của nhân chập Laplacian              010 151 010              111 191 111  Làm cho ảnh sắc nét hơn thông qua một số phương pháp: Sharpen,UnsharpMask.Ví dụ về làm sắc nét Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 12 Ảnh gốc Ảnh đã làm sắc nét Nguồn:  Unsharp mask:  Sử dụng các mặt nạ mờ (còn gọi là unsharp) tác động lên ảnh gốc để tạo ra ảnhmờ  Ảnh được làm mờ “cộng” với âm bản của ảnh gốc để tạo ra ảnh sắc nét.  Sharpen: sử dụng các bộ lọc làm sắc nét ảnh (lân cận ngang+dọc và/hoặc lân cận chéo). Sử dụng các mặt nạ Laplacian và các biến thể. Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 13  Mặt nạ Laplacian được dùng để làm sắc nét ảnh theo cách: ảnh gốc cộng với ảnh đã được lấy cạnh bằng Laplacian  Công thức làm nét ảnh với nhân chập  Nhân chập Laplacian có đường chéo thường làm sắc nét rõ hơn Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 14       positivetâmyxfyxf âmtâmyxfyxf yxg ),(),( ),(),( ),( 2 2   ),(4)1,()1,(),1(),1(),(),( yxfyxfyxfyxfyxfyxfyxg               010 151 010  Phương pháp cổ điển để làm nét ảnh.Thực hiện bởi  Biến thể của unsharp mask được gọi là high-boost filter.Thực hiện bởi Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 15 ),(),(),( yxfyxfyxf blurs  ),(),(),( yxfyxAfyxf blurhb  ),(),(),()1(),( yxfyxfyxfAyxf blurhb  ),(),()1(),( yxfyxfAyxf shb   Nhân chập high-boost xác định bởi, với (A  1).  Khi A = 1, high-boost filter là nhân Laplacian  High-boost filter thường dùng khi ảnh gốc tối. Có thể làm tăng độ tương phản. Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 16              010 141 010 A              111 181 111 A       positivetâmyxfyxAf âmtâmyxfyxAf yxfhb ),(),( ),(),( ),( 2 2 Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 17                            01000 01110 01610 01110 01110 01110 01110 00000 I               010 141 010 LaplacianKernel                         242 4204 151 101 101 212 sharpenedI   Tìm hiểu và trình bày mức độ làm nét (nét vừa, nét quámức, etc).  Khái niệm bán kính (giá trị A trong high-boost) và ngưỡng làm nét trong Unsharp mask  Cách làmmờ ở cácmức độ khác nhau  Cài đặt làm sắc nét ảnh với các nhân chập Laplacian khác nhau và so sánh kết quả Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 18  Định nghĩa gradient của f(x,y).  Magnitude được xác định bởi  Sử dụng magnitude của gradient nhằm cải tiến chất lượng ảnh.  Magnitude theo định nghĩa gần đúng có tính chất rotation invariant. Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 19 yx GGf                         y f x f G G f y x 2/1 22                          y f x f f  Dạng xấp xỉ, đạo hàm bậc nhất được xét trong lân cận 3x3 của pixel. Nhắc lại lân cận  Đạo hàm được định nghĩa bởi  Hai xấp xỉ khác theo Roberts (1965)  Magnitude đạo hàm Roberts xấp xỉ được xác định bởi Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 20 Z3Z2Z1 Z6Z5=PZ4 Z9Z8Z7 58 ZZGx  56 ZZGy  6859 ZZZZf  68 ZZGy 59 ZZGx   Biểu diễn bởi ma trận 2x2:  Nhân chập 3x3 xác định bởi  Nhân chập Roberts  Giá trị 2: center important Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 21       10 01        01 10 Roberts cross-gradient operator     )2()2( )2()2( 741963 231987 ZZZZZZ ZZZZZZ f            121 000 121              101 202 101 Sobel operators f/ x f/ y  Tổng các số hạng trong nhân chập bằng zero  không ảnh hưởng đếnmức xám tổng thể của ảnh  Đạo hàm bậc nhất thường ứng dụng trong phát hiện biên (edge detection)  Các toán tử khác làCanny, Prewitt, Sobel, Roberts  Có thể kết hợp theo hướng xử lý tuần tự các mặt nạ trong bước tiền xử lý ảnh nhằm nhận được ảnh “tốt hơn” cho các bước xử lý sau Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 22  Sử dụng các hàm sau để chuẩn bị ảnh  cvLoadImage  cvCreateImage: tạo ảnhmới  cvCvtColor: đổi từ ảnhmàu sang ảnh xám  Sử dụng cvLaplace(): lọc Laplacian trên ảnh Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 23  Trình bày một số kỹ thuật cơ bản nhằm “nâng cao” chất lượng ảnh trong miền không gian  Phần đầu trình bày xử lý không phụ thuộc không gian – trực tiếp trên từng điểm ảnh với kỹ thuật chính dựa trên histogram  Phần kế trình bày xử lý ảnh trong miền không gian với kỹ thuật chính là sử dụng các nhân chập áp trực tiếp lên ảnh xám. Bài giảng Xử lý ảnh - TS. Ngô Quốc Việt 24