Tóm Tắt Các Kỹ Thuật và Ứng Dụng Quan Trọng | Môn Xử lí ảnh - Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh

lOMoAR cPSD| 58933639
1. Các loại ảnh số (Digital Images)
1.1. Ảnh nhị phân (Binary Image) Đặc điểm:
Giá trị pixel là 0 hoặc 1. • Bit per pixel: 1.
1.2. Ảnh xám (Grayscale Image) •
Đặc điểm: Một kênh màu với giá trị pixel từ 0 đến 255. • Bit per pixel: 8. • Ví dụ: Ảnh X-quang. 1.3. Ảnh màu (Color Image) •
Đặc điểm: Sử dụng ba kênh màu (R, G, B), mỗi kênh có độ sâu màu 8 bit. •
Tổng màu có thể biểu diễn: 256×256×256=16,777,216256 \times 256 \times 256 =
16,777,216256×256×256=16,777,216. •
Ảnh 32-bit màu: Có thêm kênh Alpha (độ trong suốt).
2. Biểu đồ tần suất (Histogram) 2.1. Khái niệm •
Histogram thể hiện tần suất các mức xám hoặc màu sắc trong ảnh. •
Ví dụ: Tính histogram cho ba kênh màu trong ảnh RGB. 2.2. Ứng dụng •
Tăng cường độ tương phản (Contrast Enhancement). •
Phân đoạn ảnh (Image Segmentation).
2.3. Histogram cân bằng (Equalization) •
Ảnh cân bằng lý tưởng: Các mức xám có số lượng điểm ảnh bằng nhau.
3. Kỹ thuật làm mịn và lọc ảnh (Smoothing and Filtering)
3.1. Lọc không gian (Spatial Domain) •
Lọc trung bình (Average Filter): Làm mịn ảnh, loại bỏ nhiễu, nhưng làm mất chi tiết. •
Lọc Gaussian: Làm mịn ảnh tự nhiên, phổ biến trong giảm nhiễu. •
Lọc trung vị (Median Filter): Hiệu quả với nhiễu muối tiêu, làm mịn mà vẫn giữ biên. lOMoAR cPSD| 58933639 •
Lọc song phương (Bilateral Filter): Giữ chi tiết sắc nét nhưng tính toán chậm.
3.2. Lọc miền tần số (Frequency Domain) •
Lọc thông thấp (Low-pass Filter): Loại bỏ tần số cao, giữ lại các chi tiết chính. •
Lọc thông cao (High-pass Filter): Làm sắc nét ảnh. •
Lọc dải thông (Band-pass Filter): Chỉ giữ tín hiệu trong dải tần số cụ thể.
4. Xử lý hình thái học (Morphological Operations)
4.1. Các phép toán cơ bản •
Phép giãn (Dilation): Mở rộng vùng sáng (giá trị 1). •
Phép co (Erosion): Thu hẹp vùng sáng. •
Phép mở (Opening): Co ảnh rồi giãn ảnh (loại bỏ các chi tiết nhỏ). •
Phép đóng (Closing): Giãn ảnh rồi co ảnh (làm mịn biên). 4.2. Ứng dụng • Loại bỏ nhiễu. • Làm mịn biên. •
Phân đoạn ảnh nhị phân.
5. Phân đoạn ảnh (Image Segmentation)
5.1. Kỹ thuật phân đoạn •
Tách ngưỡng (Thresholding):
o Toàn cục (Global): Dùng một giá trị ngưỡng cố định. o Biến thiên (Adaptive): Xử
lý biến đổi ánh sáng cục bộ.
o Otsu: Tự động tìm ngưỡng tối ưu bằng cách cực đại hóa phương sai giữa các lớp. •
Phương pháp khác: Thuật toán K-Means, Mean Shift.
6. Phát hiện và làm nổi bật biên (Edge Detection) 6.1. Khái niệm •
Biên là tập hợp các điểm có sự thay đổi đột ngột về mức xám.
6.2. Các kỹ thuật phát hiện biên lOMoAR cPSD| 58933639 •
Toán tử gradient: Sobel, Prewitt, Laplacian. •
Kỹ thuật la bàn: Sử dụng 8 mặt nạ Sobel.
7. Các phép biến đổi trong xử lý ảnh (Image Transformations) 7.1. Biến đổi Fourier •
Ứng dụng: Loại bỏ nhiễu định kỳ, lọc tần số. 7.2. Biến đổi logarit •
Tăng độ tương phản trong vùng tối, nén giá trị sáng.
7.3. Điều chỉnh gamma (Gamma Correction) •
Tối ưu hiển thị hình ảnh trên các thiết bị.
8. Nội suy và lấy mẫu lại ảnh (Interpolation and Resampling) 8.1. Kỹ thuật nội suy • Láng giềng gần nhất. •
Song tuyến tính (Bilinear). •
Song lập phương (Bicubic). 8.2. Ứng dụng •
Thay đổi kích thước ảnh. •
Phục hồi ảnh bị mất mát dữ liệu.
9. Các chỉ số đánh giá chất lượng ảnh (Image Quality Metrics)
9.1. Độ tương phản (Contrast) •
Cao: Chi tiết rõ nét, màu sắc phân biệt mạnh. •
Thấp: Mờ nhạt, khó phân biệt.
9.2. Tỉ số tín hiệu trên nhiễu (SNR) •
Giá trị càng lớn thì chất lượng ảnh càng tốt.
9.3. Sai số bình phương trung bình (MSE) •
Giá trị càng nhỏ thì ảnh càng ít sai lệch. lOMoAR cPSD| 58933639
10. Tổng quan quy trình xử lý ảnh
1. Thu nhận ảnh (Image Acquisition).
2. Tiền xử lý (Preprocessing).
3. Phân đoạn (Segmentation).
4. Biểu diễn và mô tả (Representation and Description).
5. Nhận dạng và nội suy (Recognition and Interpolation). Proposed Organization:
Based on the provided notes, I suggest organizing the content into the following broad categories and
subtopics. This structure will help in creating a logical flow and facilitate easy reference. 1. Image Fundamentals •
Image Formation: How images are formed, digital image representation, color models (RGB, HSV, CMYK), bit depth •
Image Sampling and Quantization: Discretization of continuous images, effects of sampling and quantization •
Histogram: Definition, properties, equalization, matching •
Spatial and Frequency Domains: Fourier transform, convolution, correlation 2. Image Enhancement •
Point Processing: Gray level transformations, histogram equalization, contrast stretching •
Spatial Filtering: Averaging, median, Gaussian filters, sharpening, edge detection (Sobel, Laplacian) •
Frequency Domain Filtering: Low-pass, high-pass, band-pass filters •
Unsharp Masking: Principle and applications 3. Image Restoration •
Noise Models: Additive, multiplicative noise •
Noise Reduction: Spatial and frequency domain filtering, Wiener filtering •
Image Degradation Model: Linear shift-invariant systems, degradation function •
Restoration Techniques: Inverse filtering, Wiener filtering 4. Image Segmentation •
Thresholding: Global, local, adaptive thresholding •
Edge-based Segmentation: Gradient-based methods, Canny edge detector lOMoAR cPSD| 58933639 •
Region-based Segmentation: Region growing, region splitting and merging •
Clustering: K-means, hierarchical clustering 5. Image Compression •
Lossless Compression: Run-length encoding, Huffman coding •
Lossy Compression: JPEG, JPEG2000 •
Rate-Distortion Theory: Balancing between compression ratio and image quality
6. Morphological Image Processing •
Basic Operations: Erosion, dilation, opening, closing
Hit-or-Miss Transform: Shape detection
Boundary Extraction: Skeletonization 7. Color Image Processing •
Color Models: RGB, HSV, CMYK •
Color Transformations: Color histogram, color quantization
Color Image Segmentation 8. Wavelets and Multiresolution Processing •
Wavelet Transform: Continuous and discrete wavelet transform •
Applications: Image compression, denoising