We’ve updated our privacy policy so that we are compliant with changing global privacy regulations and to provide you with insight into the limited ways in which we use your data. You can read the details below. By accepting, you agree to the updated privacy policy. Thank you! View updated privacy policy We've encountered a problem, please try again. BÀI TẬP LỚN XỬ LÝ TÍN HIỆU SỐ - XỬ LÝ ẢNH PHI TUYẾN Với ảnh gốc, được cộng nhiễu Salt & Pepper 10%, mô phỏng bộ lọc trung vị 3x3, 5x5, 7x7, 9x9 đưa ra được kết quả sau: Hình3.6. Minh họa cho bộ lọc trung vị cỡ 3x3. a) Ảnh gốc. b) Ảnh nhiễu muối tiêu 10%. c) Ảnh đầu ra. d)Ma trận trọng số. 22 BÀI TẬP LỚN XỬ LÝ TÍN HIỆU SỐ - XỬ LÝ ẢNH PHI TUYẾN Hình 3.7. Kết quả mô phỏng bộ lọc trung vị 3x3 (a), 5x5 (b),7x7 (c), 9x9 (d)
3.2.2.Weight median filter. a. Định nghĩa. Định nghĩa: Cho tập hợp trọng số W=(W1,W2,….,WN) và vector quan sát X=[x1,x2,…xN] qua bộ lọc trung vị trọng số cho đầu ra là: Với Wi > 0 và Wi♦xi=xi,xi,xi,…xi với Wi số xi b. Minh họa Xét ma trận trọng số W = [ 1, 2, 3, 2, 1],vector quan sát: x(n) = [ 12, 6, 4, 1,9]. Đầu ra của bộ lọc trung vị trọng số là: y(n)=MEDIAN[1*12,2*6,3*4,2*1,1*9] 23 BÀI TẬP LỚN XỬ LÝ TÍN HIỆU SỐ - XỬ LÝ ẢNH PHI
TUYẾN =MEDIAN[12,6,6,4,4,4,1,1,9] =MEDIAN[1,1,4,4,4,6,6,9,12] =4 Một bộ lọc trung vị trọng số có thể sử dụng một vùng láng giềng có kích thước bất kì, nhưng phổ biến là các kích thước 3x3, 5x5, 7x7 và 9x9. c. Ý tưởng thực hiện Bộ lọc trung vị trọng số được thực hiện như sau: Bước 1. Kết hợp với ma trận trọng số để liệt kê các giá trị trong ma trận ảnh thành một chiều. Bước 2. Sắp xếp tất cả các giá trị pixel trong ma trận trượt ảnh theo
trật tự tăng dần hoặc giảm dần. Bước 3. Thay thế giá trị pixel đang xem xét với giá trị trung vị. d. Kết quả. Từ ảnh gốc, cộng nhiễu muối tiêu 10%, với ma trận trọng số [1 2 1,2 4 2,1 2 1] quá trình mô phỏng đưa ra kết quả sau: 24 BÀI TẬP LỚN XỬ LÝ TÍN HIỆU SỐ - XỬ LÝ ẢNH PHI TUYẾN Hình 3.8. Minh họa cho bộ lọc trung vị trọng số cỡ 3x3. a) Ảnh gốc. b) Ảnh nhiễu muối tiêu 10%. c) Ảnh đầu ra. d) Ma trận trọng số. 3.2.3.
Nhận xét Ưu điểm: -Lọc trung vị và trung vị trọng số được sử dụng phổ biến bởi vì nó khử nhiễu rất tốt, nhất là đối với những loại nhiễu ngẫu nhiên. Lọc trung vị trọng số là bước tiến nâng cao của lọc trung vị - Ít bị nhòe hơn so với phép lọc trung bình -Kết quả ảnh đạt được ít vết nhòe hơn so với lọc trơn tuyến tính cùng kích thước. 25 Bài tập lớn xử lý ảnh
Giới thiệu qua đề tài
Đề tài
Đề 7 : Tìm hiểu về các phép lọc số , khảo sát và lập trình thử nghiệm các ứng dụng của phép
lọc trên miền tần số với xử lý ảnh màu .
Giáo viên hướng dẫn: Nguyễn Thị Hoàng Lan
Nhóm sinh viên thực hiện :
Nguyễn Trung Giang
Trần Đức Ánh
Lê Trí Dũng Lời nói đầu
Xử lý ảnh đang là một lĩnh vực đươc quan tâm và đã trở thành một phần rất quan trọng
trọng , liên quan đến nhiều nghành
khác như : hệ thống tin học , lý thuyết thông tin , lý thuyết
thống kê , trí tuệ nhân tạo , nhận dạng . Đây là một môn khoa học tương đối mới mẻ so với nhiều
nghành khoa học khác . Nó gồm nhiều quá trình liên tục . Đầu tiên là thu nhận ảnh từ camera , vệ
tinh hay các bộ cảm ứng , …Tín hiệu lấy vào sẽ được số hóa thành tín hiệu số và chuyển sang giai
đoạn xử lý , phân tích hay lưu trữ lại . Trong quá trình học , chúng em đặc biệt hứng thú với các
phương pháp lọc số để xử lý
ảnh . Chính vì vậy nhóm em đã chọn đề tài : " Tìm hiểu về các phép
lọc số , khảo sát và lập trình thử nghiệm các ứng dụng của phép lọc trên miền tần số với xử lý ảnh
màu " Đây là một đề tài rất hay, đặc biệt tạo nên nhiều ảnh với các mục đích của người dùng .
Chúng em đã tìm kiếm và học hỏi từ cô và từ tài liệu rất nhiều cùng với quá trình xây dựng ứng
dụng , chúng em đã rút ra được rất nhiều kinh nghiệm thực tế cũng như kiến thức sâu hơn về môn
học , có thể trả lời
được những thắc mắc từ lâu . Tuy nhiên do thời gian làm bài tập lớn không có
nhiều , cũng chưa có nhiều kinh nghiệm , tài liệu đầy đủ về lĩnh vực này , nên đề tài của chúng em
khó có thể tránh khỏi thiếu xót , nhưng cũng đã đạt được thắng lợi ban đầu . Chúng em xin cám ơn
cô đã hướng dẫn giúp chúng em hoàn thành bản báo cáo này. Em xin chân thành cảm ơn .
Nhóm sinh viên : Nguyễn Trung Giang 20070911
Lê Trí Dũng 20070553
Trần Đức Ánh 20073580 Mục lục
Phần I : Tìm hiểu về các phép lọc số
1. Khái quát về phép lọc ảnh
2. Các bộ lọc số
2.1.Định nghĩa và mô hình
2.2.Phân loại bộ lọc
- Bộ lọc có đáp ứng xung hữu hạn FIR
- Bộ lọc có đáp ứng xung vô hạn IIR
2.3.Các bộ lọc số thông dụng
- Bộ lọc trung bình
- Bộ lọc thông thấp
- Bộ lọc Laplace
- Bộ lọc thông cao
Phần II : Khảo sát và xây dựng ứng dụng các phép lọc trên miền tần số
1. Cơ sở lý thuyết
- Hạn chế của xử lý trên miền không gian
- Ý
tưởng xử lý trên miền tần số
- Tính toán chi tiết
2. Các bộ lọc
2.1. Lọc thông thấp
-Lọc tần số thấp Idea
- Lọc tần số thấp Gauss
- Lọc tần số thấp Butterworth 2.2. Lọc thông cao -Lọc thông cao từ lọc thông
-Lọc tần số thấp Idea
- Lọc tần số thấp Gauss
- Lọc tần số thấp Butterworth
3. Xây dựng ứng dụng
Phần I : Tìm hiểu về các phép lọc số
1. Khái quát về phép lọc ảnh
Phép lọc ảnh được sử dụng nhiều trong xử lý ảnh , được dùng trong
giảm
nhiễu , làm nét ảnh , cũng như trong phát hiện cạnh , biên ảnh …Các phép lọc ảnh
chủ yếu được sử dụng để ngăn chặn các tần số cao trong hình ảnh , như làm mịn
ảnh hay tần số thấp như phát hiện cạnh trong hình ảnh . Các bộ lọc có thể chia làm
2 loại theo phép toán : lọc tuyến tính và lọc phi tuyến. Phép lọc tuyến tính là các
phép lọc có bản chất là lọc tần số như lọc trung bình, lọc thông thấp, lọc thông cao,
lọc đạo hàm. Ngược lại các phép lọc phi tuyến bao gồm lọc
trung vị, lọc đồng
hình, lọc với k láng giềng gần nhất, lọc hạng r ….
Các phép lọc ảnh đều sử dụng cách xử lý cục bộ, tức là điểm ảnh đầu ra chỉ
chịu ảnh hưởng của 1 số điểm ảnh lân cận theo kĩ thuật mặt nạ. Người ta cũng sử
dụng phép nhân chập rời rạc để thực hiện bộ lọc.
2.1 . Định nghĩa và mô hình
Một hình ảnh có thể được lọc trong miền tần số hoặc trong miền không gian.
Trong kĩ thuật lọc miền không gian ta sử dụng một mặt nạ , tổ hợp điểm ảnh từ ảnh
hưởng của
các điểm lân cận. Trong miền không gian ta sẽ dùng phép nhân chập tín
hiệu ảnh đầu vào với bộ lọc số :
Y (m,n ) = H(k,l ) * X(m,n )
Với K*L << M * N
Hình 1. Bộ lọc 3*3
Ma trận bộ lọc còn được gọi là ma trận hạt nhân. Các ma trận hạt nhân có thể có
nhiều kích thước tùy ý, phổ biến nhất là ma trận 3*3 (hình 1) , ngoài ra trong các
trường hợp cụ thể có thể sử dụng các bộ lọc 5*5 hay 7*7. Bộ lọc trong miền không
gian với ma trận hạt nhân khá trực quan và dễ thực
hiện. Nó phù hợp với cảm quan của chúng ta. Tuy nhiên cũng chính vì khá đơn giản nên nó không có được sự tinh
tế. Mặt nạ thường có các giá trị dương và đối xứng, nhưng không nhất thiết phải
như vậy. Nó có thể được chọn theo một phương pháp nào đó mà không thể trực
quan và một trong các phương pháp đó là lọc trên miền tần số .
Phương pháp lọc trên miền tần số đơn giản là thực hiện các phép biến đổi
ảnh trên miền tần số. Các tín hiệu đầu vào, đầu ra của ảnh, các bộ lọc
đều được
biến về miền tần số.
Y(u,v ) = X(u,v ) * H(u,v)
Với Y(u,v ) = DFT (Y(m,n));
X(u,v) . H(u,v ) = DFT ( X(m,n ) * H(k,l) )
Bộ lọc trên miền tần số có 2 loại là bộ lọc thông thấp và thông cao. Bộ lọc
thông thấp thường được sử dụng để làm mờ ảnh, giảm nhiễu,bộ lọc thông cao thì
được sử dụng để làm sắc nét cạnh, biên làm cho ảnh rõ nét hơn. Thực ra bản chất
của phép lọc số đều sử dụng lọc tần số , chỉ là thực hiện trên miền không gian hay
miền tần số mà
thôi.
Hình 2 . Mô hình bộ lọc
2.2.Phân loại bộ lọc
- Bộ lọc có đáp ứng xung hữu hạn FIR
- Bộ lọc có đáp ứng xung vô hạn IIR
Phần II : Khảo sát và xây dựng ứng dụng các phép lọc trên miền tần số
Kết luận
Mean Filter - noise reduction NR using mean of neighborhood
Median Filter - NR using median of neighborhood
Gaussian Smoothing - NR using convolution with a Gaussian smoothing kernel
Conservative Smoothing - NR using maximum and minimum of
neighborhood
Crimmins Speckle Removal - more complex NR operator
Frequency Filters - high and low pass image filters, etc
Laplacian/Laplacian of Gaussian Filter - edge detection filter | 
