virgo_star_9x
New Member
Download miễn phí Bài giảng Xử lý và nâng cao chất lượng ảnh
Khôi phục ảnh đề cập tới các kỹ thuật loại bỏ hay tối thiểu hoá các ảnh hưởng
của môi trường bên ngoài hay các hệ thống thu nhận, phát hiện và lưu trữ ảnh đến ảnh thu nhận được. Ở đây, ta có thể liệt kê nguyên nhân các biến dạng (degradations): do nhiễu bộ cảm nhận tín hiệu, ảnh mờ do camera, nhiễu ngẫu nhiên của khí quyển, v.v. Khôi phục ảnh bao gồm nhiều quá trình như: lọc ảnh, khử nhiễu nhằm làm giảm các biến dạng để có thể khôi phục lại ảnh gần giống ảnh gốc tuỳ theo các nguyên nhân gây ra biến dạng. Một hệ thống khôi phục ảnh số có thể minh hoạ như hình 4.12.
Để tải bản Đầy Đủ của tài liệu, xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.
Ai cần download tài liệu gì mà không tìm thấy ở đây, thì đăng yêu cầu down tại đây nhé:
Nhận download tài liệu miễn phí
Tóm tắt nội dung tài liệu:
tín hiệu có tần số nào đó thông qua (dải tần bộ lọc). Do vậy để lọc nhiễu ta dùng lọc thông thấp (theo quan điểm tần số không gian) hay lấy tổ hợp tuyến tính để san bằng (lọc trung bình). Để làm nổi cạnh (ứng với tần số cao), ngưòi ta dùng các bộ lọc thông cao, Laplace. Chi tiết và các cách áp dụng được trình bày dưới đây.4.1.2.1 Làm trơn nhiễu bằng lọc tuyến tính: lọc Trung bình và lọc dải thông thấp
Vì có nhiều loại nhiễu can thiệp vào quá trình xử lý ảnh như: nhiễu cộng, nhiễu xung, nhiễu nhân nên cần có nhiều bộ lọc thích hợp. Với nhiễu cộng và nhiễu nhân ta dùng các bộ lọc thông thấp, trung bình và lọc đồng hình (homomorphie); với nhiễu xung ta dùng lọc trung vị , giả trung vị, lọc ngoaì (outlier).
a)Lọc trung bình không gian
Với lọc trtrung bình, mỗi điểm ảnh được thay thế bằng trung bình trọng số của các điểm lân cận và được định nghĩa như sau:
v(m,n) = (4.6)
Nếu trong kỹ thuật lọc trên, ta dùng các trọng số như nhau, phương trình 4-6 trở thành:
v(m,n) = (4-7)
. . . . . . . .
q l
với - y(m,n) : ảnh đầu vào . . . . . . . .
- v(m,n) : ảnh đầu ra . . . . . . .
- w(m,n) : là cửa sổ lọc W . . . . . . . .
- a(k,l) : là trọng số lọc . . . . k . . . .
Hình 4.8.
với ak,l = và Nw là số điểm ảnh trong cửa sổ lọc W.
Lọc trung bình có trọng số chính là thực hiện chập ảnh đầu vào với nhân chập H. Nhân chập H trong trường hợp này có dạng:
H =
Trong lọc trung bình, đôi khi người ta ưu tiên cho các hướng để bảo vệ biên của ảnh khỏi bị mờ đi do làm trơn ảnh. Các kiểu mặt nạ như đã liệt kê trong chương trước được sử dụng tuỳ theo các trường hợp khác nhau. Các bộ lọc trên là bộ lọc tuyến tính theo nghĩa là điểm ảnh ở tâm cửa sổ sẽ được thay bởi thế bởi tổ hợp tuyến tính các điểm lân cận chập với mặt nạ.
Giả sử ảnh đầu vào biểu diễn bởi ma trận I:
4 7 2 7 1
5 7 1 7 1
I = 6 6 1 8 3
5 7 5 7 1
5 7 6 1 2
ảnh số thu được bởi lọc trung bình Y = H Ä I có dạng:
Y =
Một bộ lọc trung bình không gian khác cũng hay được sử dụng và phương trình của bộ lọc có dạng:
Y[m,n] =
ở dây, nhân chập H là nhân chập 2*2 và mỗi điểm ảnh kết quả có giá trị bằng trung bình cộng của nó với trung bình cộng của 4 lân cận (4 lân cận gần nhất).
Lọc trung bình trọng số là một trường hợp riêng của lọc thông thấp.
b)Lọc thông thấp
Lọc thông thấp thường được sử dụng để làm trơn nhiễu. Về nguyên lý giống như đã trình bày trên. Trong kỹ thuật này người ta hay dùng một số nhân chập sau:
H t1=
Hb =
Ta dễ dàng thấy khi b =1, Hb chính là nhân chập H1 (lọc trung bình); còn khi b=2 Hb chính là nhân chập H3 trong phần trước (3.2 chương 3). Để hiểu rõ hơn bản chất khử nhiễu cộng của các bộ lọc này, ta viết lại phương trình thu nhận ảnh dưới dạng:
Xqs[m,n] = X goc[m,n] + [m,n]
trong đó [m,n] là nhiễu cộng có phương sai σ2n. Như vây, theo cách tính của lọc trung bình ta có:
Y[m,n] = (4-8)
hay Y[m,n] = (4-9)
Như vậy nhiễu cộng trong ảnh đã giảm đi Nw lần. Hình 4.9 minh hoạ tác dụng cải thiện ảnh bằng lọc thông thấp.
a)ảnh gốc (chuyển đổi từ ảnh màu sang ảnh mức xám)
b) ảnh qua lọc trung bình
c)ảnh thu được qua lọc thông thấp
Hình 4.9 ảnh gỗc và ảnh kết quả
c) Lọc đồng hình (Homomorphic filter)
Kỹ thuật lọc này hiệu quả với ảnh có nhiễu nhân. Thực tế là ảnh quan sát được gồm ảnh gốc nhân với một hệ số nhiễu. Gọi X(m,n) là ảnh thu được, X(m,n) là ảnh gốc và là nhiễu. Như vậy:
X(m,n) = X(m,n) .
Lọc đồng hình thực hiện lấy logarit của ảnh quan sát. Do vậyta có kết quả sau:
log( X(m,n)) = log(X(m,n)) + log()
Rõ ràng là nhiễu nhân có trong ảnh sẽ bị giảm. Sau quá trình lọc tuyến tính ta lại chuyển về ảnh cũ bằng phép biến đổi hàm e mũ. ảnh thu được qua lọc đồng hình sẽ tốt hơn ảnh gốc.
4.1.2.2 Làm trơn nhiễu bằng lọc phi tuyến
Các bộ lọc phi tuyến cũng hay được dùng trong tăng cường ảnh. Trong kỹ thuật
này người ta dùng bộ lọc trung vị (Median Filtering), giả trung vị (Pseudo Median Filtering), lọc ngoài (Outlier). Với lọc trung vị, điểm ảnh đầu vào sẽ được thay thế bởi trung vị các điểm ảnh. Còn lọc giả trung vị sẽ dùng trung bình cộng của 2 giá trị "trung vị" (trung bình cộng của max và min).
Hình 4.9 d) ảnh qua bằng lọc Homomorphie
a) Lọc trung vị.
Nhắc lại rằng khái niệm "trung vị" đã nêu trong chương 3 và được viết:
v(m,n) = Trungvi(y(m-k,n-l) với (k,l) ẻ W (4-8)
Kỹ thuật này đòi hỏi giá trị các điểm ảnh trong cửa sổ phải xếp theo thứ tự tăng hay giảm dần so với giá trị trung vị. Kích thước cửa sổ thường được chọn sao cho số điểm ảnh trong cửa sổ là lẻ. Các cửa sổ hay dùng là cửa sổ 3x3, 5x5 hay 7x7. Thí dụ:
Nếu y(m) = {2, 3, 8, 4, 2} và cửa sổ W = (-1, 0, 1), ảnh kết quả thu được sau lọc trung vị sẽ là v(m) = (2, 3, 4, 4, 2).
Thực vậy: mỗi lần ta so sánh một dãy 3 điểm ảnh đầu vào với trung vị, không kể điểm biên. Do đó:
v[0] = 2 v[1] = Trungvi(2,3,8) = 3
v[2] = Trungvi(3,8,4) = 4 v[3] = Trungvi(8,4,2) = 4
v[4] = 2
Tính chất của lọc trung vị:
Lọc trung vị là phi tuyến vì:
Trungvi((x(m)+y(m)) ạ Trungvi(x(m)) + Trungvi(y(m)).
- Hữu ích cho việc loại bỏ các điểm ảnh hay các hàng mà vẫn bảo toàn độ phân giải.
- Hiệu quả giảm khi số điểm nhiễu trong cửa sổ lớn hơn hay bằng một nửa số điểm trong cửa sổ. Điều này dễ giải thích vì trung vị là (Nw +1)/2 giá trị lớn nhất nếu Nw lẻ. Lọc trung vị cho trường hợp 2 chiều coi như lọc trung vị tách được theo từng chiều, có nghĩa là người ta tiến hành lọc trung vị cho cột tiếp theo
cho hàng.
Hình 4.10. ảnh thu được qua lọc trung vị với ảnh gốc trong 4.9a.
b)Lọc ngoài (Outlier Filter)
Giả thiết rằng có một mức ngưỡng nào đó cho các mức nhiễu (có thể dựa vào lược đồ xám). Tiến hành so sánh giá trị của một điểm ảnh với trung bình số học 8 lân cận của nó. Nếu sự sai lệch này lớn hơn ngưỡng, điểm ảnh này được coi như nhiễu. Trong trường này ta thay thế giá trị của điểm ảnh bằng giá trị trung bình 8 lân cận vừa tính được. Các cửa sổ tính toán thường là 3x3. Tuy nhiên cửa sổ có thể mở rộng đến 5x5 hay 7x7 để đảm bảo tính tương quan giữa các điểm ảnh. Vấn đề quan trọng là xác định ngưỡng để loại nhiễu mà vẫn không làm mất thông tin.
4.1.2.3 Mặt nạ gờ sai phân và làm nhăn (Unharp Masking and Crispering)
Mặt nạ gờ sai phân dùng khá phổ biến trong công nghệ in ảnh để làm đẹp ảnh. Với kỹ thuật này, tín hiệu đầu ra thu được bằng tín hiệu ra của bộ lọc gradient hay lọc dải cao bổ xung thêm đầu vào:
v(m,n) = u(m,n) + lg(m,n) (4-9)
với l > 0, g(m,n) là gradient tại điểm (m,n). Hàm gradient dùng là hàm Laplace(sẽ trình bày trong chương Năm)
g(m,n) = u(m,n) - {u(m-1,n) + u(m+1,n) + u(m,n+1)}/2 (4-10)
Đây chính là mặt nạ chữ thập đã nói trong chương Ba.
(1) (3)
tín hiệu Lọc thông cao
(2) Lọc thông thấp (4) (1) + l (3)
Hình 4.11. Các toán tử gờ sai phân.
4.1.2.4 Lọc thông thấp, thông cao và lọc dải thông
Toàn tử trung bình không gian nói tới trong 4.1.2.1 là lọc thông thấp. Nếu hLP(m,n) biểu diễn bộ lọc thông thấp FIR (Finite Impulse Response) thì bộ lọc thông cao hHP(m,n) có thể được định nghĩa:
hHP(m,n) =d (m,n) - hLP(m,n) (4-11)
Như vậy, bộ lọc thông cao có thể cài đặt m