Xử lý ảnh

§¹i häc quèc gia

khoa C«ng nghÖ

xö lý ¶nh

trÝch dÞch

two-dimensional

signal and Image

processing

T¸c gi¶: JAE S. LIM

§¹i häc C«ng nghÖ Massachusetts

DÞch gi¶: NguyÔn v¨n Ngä

HiÖu ®Ýnh: nguyÔn viÕt kÝnh

Hµnéi- 2001

TWO-DIMENSIONAL

SIGNAL and IMAGE

PROCESSING

JAE S.LIM

Departrnent of Electrical Engineering

and Cornputer Science

Massachusetts Institute of Technology

PRENTICE HALL, Englewood, New Jersey 07632

PRENTICE HALL SIGNAL PROCESSING SERIES

Alan V. Oppenheim, Editor

ANDREWS AND HUNT Digital Image Restoration

BRIGHAM The Fast Fourier Transform

BRIGHAM The Fast Fourier Transform and It’s Applications

BURDIC Underwater Acoustic System Analysis

CASTLEMAN Digital Image Processing

COWAN AND GRANT Adaptive Filters

CROCHIERE AND RABINEK Multirate Digital Signal Processing

DUDGEON AND MERSEREAU Multidimensional Digital Signal

Processing

HAMMING Digital Filters, 3/E

HAYKIN, ED. Array Signal Processing

JAYANT AND NOLL Digital Coding of Waveforms

KAY Modern Spectral Estimation

KINO Acoustic Waves: Devices, Imaging, and Analog Signal

Processing

LEA, ED. Trends in Speech Recognition

LIM Two-Dimensional Signal and Image Processing

LIM, ED. Speech Enhancement

LIM AND OPPENHIEIM, EDS. Advanced Topics in Signal Processing

MARPLE Digital Spectral Analysis with Applications

McCLELLAN AND RADER Number Theory in Digital Signal Processing

MENDEL Lessons in Digital Estimation Theory

OPPENHEIM, ED. Applications of Digital Signal Processing

OPPENHEIM, WILLSKY, WITH YOUNG Signals and Systems

OPPENHEIM AND SCHAFER Digital Signal Processing

OPPENHEIM AND SCHAFER Discrete-Time Signal Processing

QUACKENBUSH ET AL. Objective Measures of Speech Quality

RABINER AND GOLD Theory and Applications of Digital Sign al

Processing

RABINER AND SCHAFER Digital Processing of Speech Signals

ROBINSON AND TREITEL Geophysical Signal Analysis

STEARNS AND DAVID Signal Processing Algorithms

TRIBOLET Seismic Applications of Homomorphic Signal Processing

.

WIDROW AND STEARNS Adaptive Signal Processing

Môc lôc

Lêi nãi ®Çu cña ng­êi dÞch (i.~ii.)

Ch­¬ng I.

C¬ së xö lý ¶nh

Më ®Çu 1

1. ¸nh s¸ng 4

1.1 ¸nh s¸ng lµ sãng ®iÖn tõ 4

1.2 §é s¸ng, mµu s¾c vµ ®é b·o hoµ 5

1.3 HÖ mµu céng vµ hÖ mµu trõ 10

1.4 BiÓu diÔn ¶nh ®¬n s¾c vµ ¶nh mµ u 12

2 HÖ thèng thÞ gi¸c cña ng­êi 16

2.1 M¾t 16

2.2 M« h×nh møc ngo¹i vi cña hÖ thÞ gi¸c. 21

3 C¸c hiÖn t­îng thÞ gi¸c . 23

3.1 §é nh¹y c¶m c­êng ®é. 23

3.2. Sù thÝch nghi. 25

3.3 HiÖu øng d¶i Mach vµ ®¸p øng tÇn sè kh«ng gian. 26

3.4 MÆt n¹ kh«ng gian. 28

3.5 C¸c hiÖn t­îng thÞ gi¸c kh¸c. 29

4 HÖ thèng xö lý ¶nh 32

4.1 Tæng quan hÖ thèng xö lý ¶nh. 32

4.2 Bé sè ho¸. 33

4.3 HiÓn thÞ. 37

Ch­¬ng 2 .

c¶i thiÖn ¶nh.

Më ®Çu 39

1. thay ®æi ®é t­¬ng ph¶n vµ d¶i ®éng. 41

1.1 Thay ®æi møc x¸m. 41

1.2 Bé läc th«ng cao vµ mÆt n¹ mê 50

1.3 Xö lý ®ång cÊu 53

1.4 PhÐp thay ®æi thÝch nghi ®é t­¬ng ph¶n côc bé vµ gi¸ trÞ trung b×nh ®é . .

chãi côc bé. 55

2 lµm tr¬n nhiÔu. 58

2.1 Bé läc th«ng thÊp. 58

2.2 Läc trung vÞ (läc median). 59

2.3 Lµm tr¬n pixel ngo¹i cì. 66

3 Ph¸t hiÖn biªn 67

3.1 Ph­¬ng ph¸p gradient. 68

3.2 C¸c ph­¬ng ph¸p dùa trªn Laplaxian. 76

3.3 Ph¸t hiÖn biªn b»ng ph­¬ng ph¸p Marr vµ Hildreth. 80

3.4 Ph¸t hiÖn biªn dùa trªn m« h×nh tÝn hiÖu. 83

4 PhÐp néi suy ¶nh vµ sù ­íc l­îng chuyÓn ®éng 86

4.1 PhÐp néi suy kh«ng gian. 86

4.2 ¦íc l­îng chuyÓn ®éng 89

4.2.1 C¸c ph­¬ng ph¸p thÝch øng vïng 93

4.2.2 C¸c ph­¬ng ph¸p rµng buéc kh«ng - thêi gian 97

4.3 PhÐp néi suy thêi gian cã bï chuyÓn ®éng 102

4.4 øng dông cña c¸c ph­¬ng ph¸p ­íc l­îng chuyÓn ®éng vµo phÐp néi .

suy kh«ng gian. 104

5 MÇu gi¶ vµ mÇu t«. 106

Ch­¬ng 3

Phôc Håi ¶nh

më ®Çu. 109

1. ­íc l­îng sù xuèng cÊp. 111

2 lµm gi¶m nhiÔu céng ngÉu nhiªn. 113

2.1 Bé läc Wiener 113

2.2 C¸c biÕn thÓ cña bé läc Wiener. 118

2.3 Xö lý ¶nh thÝch nghi. 120

2.4 Bé läc Wiener thÝch nghi. 123

2.5 Phôc håi ¶nh thÝch nghi dùa vµo hµm ®é r â nhiÔu. 128

2.6 Trõ phæ trong kh«ng gian hÑp. 133

2.7 Phôc håi ¶nh thÝch nghi nhËy biªn. 136

3 gi¶m nhoÌ. 139

3.1 Bé läc ng­îc. 139

3.2 Algorit chia chËp mï. 142

4 lµm gi¶m nhoÌ vµ tap ©m céng ngÉu nhiªn. 148

5 lµm gi¶m nhiÔu phô thuéc tÝn hiÖu. 151

5.1 BiÕn ®æi thµnh nhiÔu céng kh«ng phô thuéc tÝn hiÖu. 151

5.2 Gi¶m nhiÔu phô thuéc tÝn hiÖu trong miÒn tÝn hiÖu. 154

6 PhÐp läc thêi gian cho phôc håi ¶nh.

6.1 LÊy trung b×nh khung. 158

6.2 Phôc håi ¶nh b»ng bï chuyÓn ®éng 162

7 b×nh luËn. 164

Ch­¬ng 4

M· ho¸ ¶nh

më ®Çu. 167

1. L­îng tö ho¸ 169

1.1 L­îng tö ho¸ v« h­íng 169

1.2 L­îng tö ho¸ vÐc t¬ 178

1.3 ThiÕt kÕ s¸ch m· vµ alg«rit K-means 186

1.4 S¸ch m· c©y vµ t×m kiÕm nhÞ ph©n 190

2. G¸n tõ m· 193

2.1 G¸n tõ m· cã chiÒu dµi ®Òu 193

2.2 Entropy vµ g¸n tõ m· cã chiÒu dµi biÕn ®æi 193

2.3 KÕt hîp tèi ­u cña l­îng tö ho¸ vµ g¸n tõ m· 198

3. m· ho¸ d¹ng sãng 199

3.1 §iÒu xung m· 200

3.2 §iÒu chÕ Delta 205

3.3 §iÒu xung m· vi sai 210

3.4 C¸c bé m· ho¸ hai kªnh 214

3.5 M· ho¸ h×nh chãp 216

3.6 M· hãa thÝch nghi vµ l­îng tö ho¸ vÐct¬ 224

4. phÐp m· ho¸ biÕn ®æi ¶nh 226

4.1 C¸c phÐp biÕn ®æi 226

4.2 Nh÷ng kh¸i niÖm bæ sung 231

4.3 Lµm gi¶m hiÖu øng khèi 237

4.4 Sù m· ho¸ biÕn ®æi lai ghÐp 239

4.5 M· ho¸ thÝch nghi vµ l­îng tö ho¸ vÐct¬ 240

5. m· ho¸ m« h×nh ¶nh 241

6. m· ho¸ liªn mµnh. M· ho¸ ¶nh mµu 245

6.1 M· ho¸ liªn mµnh 245

6.2 M· ho¸ ¶nh mµu 249

6.3 Lçi do kªnh truyÒn g©y ra 251

7. nh÷ng nhËn xÐt bæ sung 251

8. vµi lêi kÕt luËn 253

Phô lôc

Qu¸ tr×nh ngÉu nhiªn

1. BiÕn ngÉu nhiªn 255

2. Qu¸ tr×nh ngÉu nhiªn 257

3. TÝn hiÖu ngÉu nhiªn lµ ®Çu vµo cña hÖ tuyÕn tÝnh 262

4. Bé läc Wiener kh«ng nh©n qu¶ 264

5. ¦íc l­îng th«ng sè thèng kª 266

Lêi nãi ®Çu cña ng­êi dÞch

QuyÓn s¸ch “Xö lý TÝn hiÖu hai chiÒu vµ ¶nh” (TWO-DIMENSIONAL

SIGNAL and IMAGE PROCESSING) cña t¸c gi¶ Jae S. LIM , gi¸o s­ Häc viÖn C«ng

nghÖ Massachusetts (Hoa kú), n»m trong bé s¸ch næi tiÕng vÒ xö lý tÝn hiÖu do gi¸o s￾Alan V. OPPENHEIM lµm Tæng biªn tËp.

QuyÓn s¸ch nµy ph¸t triÓn lªn tõ nh÷ng c«ng tr×nh nghiªn cøu vµ qu¸ tr×nh

gi¶ng d¹y cña t¸c gi¶ trong lÜnh vù c xö lý tÝn hiÖu nhiÒu chiÒu vµ ¶nh, chñ yÕu ®Ó dïng

lµm s¸ch gi¸o khoa cho bËc cao häc vµ n¨m cuèi bËc ®¹i häc.

QuyÓn s¸ch gåm 10 ch­¬ng, theo ý kiÕn t¸c gi¶ lµ cã thÓ sö dông lµm s¸ch gi¸o

khoa cho mét gi¸o tr×nh chung gåm c¶ xö lý tÝn hiÖu hai chiÒu vµ xö lý ¶nh, nh­ng

còng cã thÓ t¸ch ra ®Ó lµm hai s¸ch gi¸o khoa riªng cho tõng gi¸o tr×nh “Xñ lý tÝn hiÖu

hai chiÒu” vµ “Xö lý ¶nh”.

Trong b¶n dÞch nµy, chóng t«i ®· dÞch bèn ch­¬ng chuyªn vÒ xö lý ¶nh, gåm

ch­¬ng 1 nãi vÒ nh÷ng vÊn ®Ò c¬ së cña xö lý ¶nh, ch­¬ng2 vÒ c¶i thiÖn ¶nh, ch­¬ng 3

vÒ phôc håi ¶nh, vµ ch­¬ng 4 vÒ m· ho¸ ¶nh (bèn ch­¬ng 7 ~ 10 cña nguyªn b¶n tiÕng

Anh). Ngoµi ra, dÞch thªm tiÕt 6.1 cña nguyªn b¶n, coi nh­ phÇn phô lôc cña b¶n dÞch,

v× mét sè c«ng thøc trong tiÕt nµy ®­îc sö dông tron g bèn ch­¬ng nãi trªn.

Nguyªn b¶n quyÓn s¸ch do gi¸o s­ Ch©u Th¶i Vinh, nay lµ Phã Gi¸m ®èc §¹i häc

§«ng nam, Trung quèc, mang sang Hµnéi n¨m 1994 ®Ó gi¶ng chuyªn ®Ò “M· ho¸ TÝn

hiÖu” ë líp häc hÌ cña Héi V« tuyÕn -§iÖn tö ViÖt nam vµ giíi thiÖu cho c¸c ®ån g

nghiÖp ViÖt nam.

Ch­¬ng 10 cña nguyªn b¶n ®· ®­îc dÞch trong thêi gian ®ã. GÇn ®©y, khi khoa

C«ng nghÖ §¹i häc Quèc gia Hµ néi ®­îc thµnh lËp, gi¸o s­ viÖn sü NguyÔn v¨n HiÖu

®· ®éng viªn chóng t«i trong viÖc t×m chän vµ giao phã viÖc chñ biªn c¸c s¸ch gi¸o

khoa V« tuyÕn- §iÖn tö næi tiÕng trªn thÕ giíi, nh»m n©ng cao chÊt l­îng ®µo t¹o bËc

®¹i häc vµ trªn ®¹i häc cho ngµnh §iÖn tö -ViÔn th«ng n­íc nhµ. V× vËy, chóng t«i ®·

dÞch nèt nh÷ng ch­¬ng cßn l¹i, nh»m dïng lµm s¸ch tham kh¶o chÝnh cho gi¸o tr×n h

Xö lý ¶nh ë bËc cao häc.

§oµn gi¸o s­ §¹i häc §«ng nam, Trung quèc, sang th¨m §¹i häc Quèc gia Hµnéi

vµo th¸ng 10 n¨m 2000 còng ®· khuyÕn nghÞ biªn dÞch vµ sö dông quyÓn s¸ch nµy.

B¶n dÞch quyÓn s¸ch ®· ®­îc Phã gi¸o s­ NguyÔn viÕt KÝnh, chñ tÞch Héi ® ång

ngµnh §iÖn tö -ViÔn th«ng thuéc Khoa C«ng nghÖ hiÖu ®Ýnh víi tinh thÇn tr¸ch nhiÖm

cao, gîi ý nhiÒu thuËt ng÷ hîp lý vÒ chuyªn ngµnh Xö lý ¶nh vµ ®ãng gãp nh÷ng tõ

ng÷ x¸c ®¸ng lµm cho sù diÔn ®¹t ë mét sè chç dÔ hiÓu h¬n.

Phã gi¸o s­ NguyÔn kim Giao, chñ nhiÖm bé m«n ViÔn th«ng còng ®· gióp ®ì ph¸t

hiÖn thªm mét sè sai sãt trong ®¸nh m¸y vµ xÕp h×nh, ®Æc biÖt lµ ®· cã nh÷ng gîi ý rÊt

hay trong viÖc t×m c¸c thuËt ng÷ tiÕng ViÖt thÝch hîp ®Ó m« t¶ c¸c hiÖn t­îng aliasing *

vµ temporal aliasing.

Trong lÜnh vùc xö lý sè, ®Æc biÖt lµ xö lý ¶nh sè, cßn nhiÒu vÊn ®Ò rÊt míi, ë n­íc

ta ch­a cã thuËt ng÷ thèng nhÊt, do ®ã c¸c b¹n trÎ Ho¾c c«ng Sù vµ NguyÔn v¨n C«ng

trong thêi gian lµm luËn ¸n tèt nghiÖp ®· ®äc nhiÒu tµi liÖu tiÕng ViÖt ®Ó s­u tËp thuËt

ng÷ vµ gióp thÇy lùa chän. C¸c b¹n còng ®· gióp lµm chÕ b¶n ®iÖn t­ vµ vËn dông kiÕn

thøc vÒ xö lý ¶nh ®Ó thùc hiÖn viÖc chuyÓn hµng tr¨m bøc ¶nh minh ho¹ tõ b¶n tiÕng

Anh sang b¶n tiÕng ViÖt sao cho ®¶m b¶o ®é trung thùc.

Víi lßng biÕt ¬n ch©n thµnh, t«i xin c¶m t¹ tÊt c¶ b¹n bÌ trong vµ ngoµi n­íc ®·

®éng viªn vµ gióp ®ì lµm cho b¶n dÞch ra ®êi vµ tr¸nh ®­îc nhiÒu sai sãt.

Tuy vËy, trong b¶n in lÇn ®Çu nµy còng cßn vµi chç khiÕm khuyÕt ch­a kh¾c phôc

®­îc. Ch¼ng h¹n, v× chóng t«i kh«ng cã nguyªn b¶n mµ chØ cã b¶n photocopy ®en -

tr¾ng cña quyÓn s¸ch, nªn c¸c h×nh 1.8, 4.58, vµ 4.59 lµ nh÷ng ¶nh mµu kh«ng ®­a lªn

b¶n dÞch lÇn nµy ®­îc, mong ®äc gi¶ l­îng thø.

Hµnéi, ngµy 20 th¸ng 8 n¨m 2001

GS NguyÔn v¨n Ngä

Ch­¬ng 1: c¬ së xö lý ¶nh

1

Ch­¬ng 1.

C¬ së xö lý ¶nh.

 Më ®Çu.

Xö lý ¶nh sè cã nhiÒu øng dông thùc tÕ. Mét trong nh÷ng øng dông sím nhÊt lµ

xö lý ¶nh tõ nhiÖm vô Ranger 7 t¹i phßng thÝ nghiÖm Jet Propulsion vµo nh÷ng n¨m

®Çu cña thËp kû 60. HÖ thèng chôp h×nh g¾n trªn tµu vò trô cã mét sè h¹n chÕ vÒ kÝch

th­íc vµ träng l­îng, do ®ã ¶nh nhËn ®­îc bÞ gi¶m chÊt l­îng nh­ bÞ mê, mÐo h×nh häc

vµ nhiÔu nÒn. C¸c ¶nh ®ã ®­îc xö lý thµnh c«ng nhê m¸y tÝnh sè. H×nh ¶nh cña mÆt

tr¨ng vµ sao ho¶ mµ chóng ta thÊy trong tÊt c¶ c¸c t¹p chÝ ®Òu ®­îc xö lý b»ng nh÷ng

m¸y tÝnh sè .

øng dông cña xö lý ¶nh cã kh¶ n¨ng t¸c ®éng m¹nh mÏ nhÊt ®Õn cuéc sèng cña

chóng ta lµ trong lÜnh vùc y tÕ. Soi chôp b»ng m¸y tÝnh dùa trªn c¬ së ®Þnh lý c¾t líp

(projection_slice) sÏ th¶o luËn trong phÇn 4.3, ®­îc dïng th­êng xuyªn trong trong xÐt

nghiÖm l©m sµng, vÝ dô nh­ ph¸t hiÖn vµ nhËn d¹ng u n·o. Nh÷ng øng dông y häc kh¸c

cña xö lý ¶nh sè gåm c¶i thiÖn ¶nh X quang vµ nhËn d¹ng ®­êng biªn m¹ch m¸u tõ

nh÷ng ¶nh chôp m¹ch b»ng tia X (angiograms).

øng dông kh¸c, gÇn gòi h¬n víi cuéc sèng gia ®×nh lµ c¶i tiÕn ¶nh tivi . H×nh

¶nh mµ chóng ta thÊy trªn mµn h×nh tivi cã c¸c khuyÕt tËt lµ ®é ph©n gi¶i h¹n chÕ, bÞ

rung rinh, cã ¶nh ma ,nhiÔu nÒn vµ tr­ît h×nh do ®an dßng ë nh÷ng møc ®é kh¸c nhau.

Tivi sè kh«ng cßn xa víi thùc tÕ vµ xö lý ¶nh sè sÏ cã t¸c ®éng quyÕt ®Þnh ®Õn

viÖc c¶i thiÖn chÊt l­îng h×nh ¶nh cña nh÷ng hÖ truyÒn h×nh hiÖn t¹i vµ lµm ph¸t triÓn

nh÷ng hÖ truyÒn h×nh míi nh­ truyÒn h×nh cã ®é ph©n gi¶i cao (HDTV).

Mét vÊn ®Ò chÝnh cña truyÒn th«ng video nh­ héi nghÞ video, ®iÖn tho¹i video lµ

cÇn cã cã d¶i tÇn réng. ViÖc m· ho¸ th¼ng ch­¬ng tr×nh video chÊt l­îng qu¶ng b¸ yªu

cÇu ®Õn 100 triÖu bit/sec. NÕu hy sinh mét phÇn chÊt l­îng vµ dïng c¸c s¬ ®å m· ho¸

¶nh sè th× cã thÓ ®­a ra thÞ tr­êng nh÷ng hÖ truyÒn h×n h chÊt l­îng ®ñ râ víi nhÞp bit

chØ d­íi 100 ngh×n bit/sec.

Ch­¬ng 1: c¬ së xö lý ¶nh

2

Ng­êi m¸y cµng ngµy cµng ®ãng vai trß quan träng trong c«ng nghiÖp vµ gia

®×nh. Chóng sÏ thùc hiÖn nh÷ng c«ng viÖc rÊt nhµm ch¸n hoÆc nguy hiÓm , vµ nh÷ng

c«ng viÖc mµ tèc ®é vµ ®é chÝnh x¸c v­ît qu¸ kh¶ n¨ng cña con ng­êi . Khi ng­êi m¸y

trë nªn tinh vi h¬n , thÞ gi¸c m¸y tÝnh sÏ ®ãng vai trß ngµy cµng quan träng. Ng­êi ta sÏ

®ßi hái ng­êi m¸y kh«ng nh÷ng ph¸t hiÖn vµ nhËn d¹ng c¸c bé phËn c«ng nghiÖp, mµ

cßn “hiÓu” ®­îc nh÷ng g× chóng “thÊy” vµ ®­a ra nh÷ng hµnh ®éng phï hîp. Xö lý ¶nh

sè sÏ cã t¸c ®éng lín ®Õn thÞ gi¸c m¸y tÝnh.

Ngoµi nh÷ng lÜnh vùc øng dông mäi ng­êi ®· biÕt, xö lý ¶nh sè cßn cã mét sè

øng dông kh¸c Ýt ®­îc nãi ®Õn h¬n. Ng­êi thi hµnh luËt ph¸p th­êng chôp h×nh trong

nh÷ng m«i tr­êng kh«ng thuËn lîi ,vµ ¶nh nhËn ®­îc th­êng bÞ xuèng cÊp. VÝ dô, bøc

¶nh chôp véi biÓn ®¨ng kÝ xe « t« ®ang ch¹y th­êng bÞ nhoÌ, viÖc lµm gi¶m ®é nhoÌ lµ

cÇn thiÕt trong viÖc nhËn d¹ng « t«. Mét øng dông Ýt biÕt kh¸c lµ nghiªn cøu sù di c￾cña c¸ voi. Khi ng­êi ta nghiªn cøu hµnh vi di c­ cña s­ tö, hæ vµ c¸c ®éng vËt kh¸c, hä

b¾t c¸c ®éng vËt vµ cét thÎ vµo vÞ trÝ thuËn lîi ë ®u«i hoÆc tai. Khi b¾t ®­îc ®éng vËt ë

n¬i kh¸c, thÎ cho biÕt th«ng tin vÒ sù di c­ cña ®éng vËt. Tuy nhiªn, c¸ voi rÊt khã b¾t

vµ cét thÎ. May thay, c¸ voi l¹i thÝch ®Ó lé ®u«i, mµ ®u«i cña chóng cã nh÷ng ®Æc ®iÓm

cã thÓ gióp ®Ó nhËn biÕt chóng. §Ó nhËn d¹ng mét con c¸ voi, bøc ¶nh chôp véi ®u«i

cña nã tõ trªn tµu ®­îc so s¸nh víi hµng ngµn ¶nh ®u«i c¸ voi kh¸c nhau trong mét bé

s­u tËp. Quan s¸t liªn tiÕp vµ nhËn d¹ng mét c¸ thÓ c¸ voi nµo ®ã ta cã thÓ theo dâi sù

di c­ cña nã. Tuy nhiªn, viÖc so s¸nh ¶nh cùc kú nhµm ch¸n vµ ph¶i dïng xö lý ¶nh sè

®Ó tù ®éng ho¸ c«ng viÖc.

Nh÷ng øng dông xö lý ¶nh sè lµ v« h¹n. Ngoµi nh÷ng øng dô ng ®· th¶o luËn ë

trªn, cßn bao gåm c¶ c¸c lÜnh vùc kh¸c nh­ ®iÖn tö gia ®×nh, thiªn v¨n häc, sinh vËt

häc, vËt lý, n«ng nghiÖp, ®Þa lý, nh©n chñng häc, vµ nhiÒu lÜnh vùc kh¸c. Nh×n vµ nghe

lµ hai ph­¬ng tiÖn quan träng nhÊt ®Ó con ng­êi nhËn thøc thÕ giíi bªn ngoµi, do vËy

kh«ng cã g× ®¸ng ng¹c nhiªn khi mµ xö lý ¶nh sè cã nhiÒu kh¶ n¨ng øng dông, kh«ng

chØ trong khoa häc vµ kÜ thuËt mµ c¶ trong mäi ho¹t ®éng kh¸c cña con ng­êi.

Xö lý ¶nh sè cã thÓ chia lµm bèn lÜnh vùc, tuú thuéc vµo lo¹i c«ng viÖc. §ã lµ

c¶i thiÖn ¶nh, phôc håi ¶nh, m· ho¸ ¶nh, vµ lý gi¶i néi dung (understanding) ¶nh. Trong

c¶i thiÖn ¶nh, ¶nh ®­îc xö lý ®Ó ng­êi xem, nh­ tron g truyÒn h×nh, hoÆc lµ ®­îc xö lý

tr­íc ®Ó trî gióp ho¹t ®éng cña m¸y mãc, nh­ trong nhËn d¹ng ®èi t­îng bëi m ¸y mãc.

Trong phôc håi ¶nh, ¶nh bÞ xuèng cÊp trong mét sè tr­êng hîp, ch¼ng h¹n nh­ bÞ nhoÌ,

vµ môc ®Ých lµ ®Ó gi¶m bít hoÆc lo¹i bá h¼n ¶nh h­ëng sù xuèng cÊp. Phôc håi ¶nh cã

Ch­¬ng 1: c¬ së xö lý ¶nh

3

liªn quan mËt thiÕt ®Õn c¶i thiÖn ¶nh. Khi ¶nh bÞ xuèng cÊp, viÖc c¶i thiÖn ¶n h th­êng

®em l¹i kÕt qu¶ lµm gi¶m sù xuèng cÊp.Tuy nhiªn cã mét sè sù kh¸c nhau quan träng

gi÷a phôc håi ¶nh vµ c¶i thiÖn ¶nh. Trong phôc håi ¶nh, mét ¶nh lý t­ëng bÞ xuèng cÊp

vµ môc ®Ých phôc håi lµ t¹o ra ¶nh sau xö lý gièng nh­ ¶nh ban ®Çu. Trong viÖc c¶i

thiÖn ¶nh, môc ®Ých c¶i thiÖn lµ lµm cho ¶nh sau xö lý tr«ng ®Ñp h¬n ¶nh ch­a ®­îc xö

lý. §Ó minh ho¹ sù kh¸c nhau nµy, h·y l­u ý r»ng mét ¶nh gèc ch­a xuèng cÊp kh«ng

thÓ phôc chÕ h¬n n÷a, nh­ng vÉn cã thÓ ®­îc c¶i thiÖn b»ng c¸ch t¨ng ®é nÐt. Trong m ·

ho¸ ¶nh, môc ®Ých lµ biÓu diÔn ¶nh víi mét sè Ýt bÝt nhÊt trong ®iÒu kiÖn chÊt l­îng ¶nh

vµ ®é râ chÊp nhËn ®­îc cho tõng øng dông cô thÓ, ch¼ng h¹n nh­ héi nghÞ video. M·

ho¸ ¶nh liªn quan ®Õn c¶i thiÖn ¶nh vµ phôc håi ¶nh. NÕu cã thÓ c¶i tiÕn d¸ng vÎ b ªn

ngoµi (visual appearance) cña ¶nh ®­îc phôc håi, hoÆc lµm gi¶m sù xuèng cÊp do c¸c

nguån nhiÔu, - nh­ nhiÔu l­îng tö mµ thuËt to¸n m· ho¸ ¶nh g©y ra, th× ta cã thÓ lµm

gi¶m sè l­îng bÝt cÇn thiÕt ®Ó ®¹i diÖn ¶nh ë mét møc chÊt l­îng vµ ®é râ chÊp nhËn

®­îc trong lý gi¶i ¶nh(understanding), ®Çu vµo lµ ¶nh, môc ®Ých lµ diÔn ®¹t néi dung

¶nh b»ng mét hÖ ký hiÖu nµo ®ã. Nh÷ng øng dông cña lý gi¶i ¶nh bao gåm thÞ gi¸c m¸y

tÝnh, kü thuËt r«bèt vµ nhËn d¹ng môc tiªu. Lý gi¶i ¶nh kh¸c víi ba lÜnh vùc kh¸c cña

xö lý ¶nh ë mét khÝa c¹nh chÝnh. Trong c¶i tiÕn, phôc håi vµ m· ho¸ ¶nh c¶ ®Çu vµo vµ

®Çu ra ®Òu lµ ¶nh ,vµ kh©u xö lý tÝn hiÖu lµ phÇn then chèt trong c¸c hÖ thèng ®· thµnh

c«ng trªn c¸c lÜnh vùc ®ã. Trong lý gi¶i ¶nh , ®Çu vµo lµ ¶nh, nh­ng ®Çu ra th­êng lµ

mét biÓu diÔn b»ng kÝ hiÖu néi dung cña ¶nh ®Çu vµo. Sù ph¸t triÓn thµnh c«ng cña c¸c

hÖ thèng trong lÜnh vùc nµy cÇn ®Õn c¶ xö lý tÝn hiÖu vµ nh÷ng kh¸i niÖm trÝ tuÖ nh©n

t¹o. Trong hÖ lý gi¶i ¶nh ®iÓn h×nh, xö lý tÝn hiÖu ®­îc dïng cho c«ng viÖc xö lý møc

thÊp nh­ lµm gi¶m sù xuèng cÊp vµ trÝch ra c¸c ®­êng bê (extraction of edges) hoÆc c¸c

®Æc tÝnh ¶nh kh¸c, cßn trÝ tuÖ nh©n t¹o ®­îc dïng cho nh÷ng c«ng viÖc xö lý møc cao

nh­ thao t¸c kÝ hiÖu vµ qu¶n lý c¬ së tri thøc. Chóng ta chØ nghiªn cøu mét sè k Ü thuËt

xö lý ë møc thÊp dïng trong lý gi¶i ¶nh, coi nh­ lµ mét bé phËn cña c¶i thiÖn, phôc håi,

vµ m· ho¸ ¶nh. Nghiªn cøu kü h¬n viÖc lý gi¶i ¶nh sÏ v­ît qu¸ ph¹m vi cña cuèn s¸ch

nµy.

Trong ch­¬ng nµy, chóng t«i tr×nh bÇy c¬ së xö lý ¶nh. Nh÷ng c¬ së ®ã sÏ ®Æt

nÒn mãng cho phÇn th¶o luËn vÒ c¶i thiÖn, phôc håi, m· ho¸ ¶nh trong c¸c ch­¬ng sau.

Trong phÇn 1, th¶o luËn vÒ c¬ së xö lý ¶nh. Trong phÇn 2 vµ 3, th¶o luËn nh÷ng phÇnc¬

b¶n cña hÖ thÞ gi¸c ë con ng­êi. Trong phÇn 4, th¶o luËn nh÷ng c¬ së cña m« i tr­êng

xö lý ¶nh ®iÓn h×nh.

Ch­¬ng 1: c¬ së xö lý ¶nh

4

1. ¸nh s¸ng.

1.1. ¸nh s¸ng lµ sãng ®iÖn tõ.

Mäi vËt mµ chóng ta quan s¸t ®­îc nhê ¸nh s¸ng. Cã hai lo¹i nguån s¸ng. Lo¹i

thø nhÊt gäi lµ nguån s¸ng s¬ cÊp, tù nã ph¸t ¸nh s¸ng. VÝ dô nguån s¸ng s¬ cÊp gåm

mÆt trêi, ®Ìn ®iÖn, ®Ìn cÇy (c©y nÕn). Lo¹i kh¸c gäi lµ nguån s¸ng thø cÊp, chØ ph¶n x¹

hoÆc khuÕch t¸n ¸nh s¸ng ®­îc ph¸t bëi nguån kh¸c, vÝ dô nguån s¸ng thø cÊp gåm

mÆt tr¨ng, nh÷ng ®¸m m©y vµ nh÷ng qu¶ t¸o.

¸nh s¸ng lµ mét phÇn cña d¶i phæ liªn tôc bøc x¹ sãng ®iÖn tõ. Sãng ®iÖn tõ

mang n¨ng l­îng vµ sù ph©n bè n¨ng l­îng cña sãng ®iÖn tõ ®i qua mét mÆt ph¼ng

kh«ng gian cã thÓ m« t¶ b»ng c(x,y,t,  ), ë ®ã x vµ y lµ hai biÕn kh«ng gian, t lµ biÕn

thêi gian vµ  lµ b­íc sãng. Hµm c(x,y,t,  ) ®­îc gäi lµ th«ng l­îng bøc x¹ trªn (diÖn

tÝch x b­íc sãng) hoÆc l­îng bøc x¹ trªn b­íc sãng. B­íc sãng  liªn quan víi tÇn sè f

bëi:

 = c/f (1.1)

c lµ vËn tèc cña sãng ®iÖn tõ , kho¶ng 3.10 8m/s trong ch©n kh«ng vµ kh«ng khÝ. MÆc dï

c(x, y, t,  ) cã thÓ biÓu diÔn t¶ theo hµm tÇn sè, nh­ng sö dông b­íc sãng  vÉn thuËn

tiÖn h¬n. §¬n vÞ liªn hÖ víi c(x,y,t,  ) lµ n¨ng l­îng trªn (diÖn tÝch x thêi gian x b­íc

sãng) vµ lµ Jun/(m3

.s) trong hÖ MKS (mÐt, kg, sec). NÕu chóng ta tÝch ph©n c(x,y,t,  )

theo biÕn  , chóng ta nhËn ®­îc l­îng bøc x¹ cã ®¬n vÞ lµ J/(m 2

.s) hoÆc W/m2

. Bøc x¹

mÆt trêi xuyªn qua mÆt ph¼ng th¼ng gãc víi tia bøc x¹ lµ 1350 W/m 2

khi kh«ng cã sù

hÊp thô cña kh«ng khÝ. NÕu chóng ta tÝch ph©n c(x,y,t,  ) víi c¶ 4 biÕn x, y, t vµ  ,

chóng ta cã ®­îc tæng n¨ng l­îng (b»ng Jun) cña sãng ®iÖn tõ xuyªn qua mÆt ph¼ng

kh«ng gian.

¸nh s¸ng kh¸c víi c¸c sãng ®iÖn tõ kh¸c, - nh­ sãng v« tuyÕn ®iÖn, lµ m¾t

ng­êi nhËn biÕt ®­îc nã. Gi¶ sö ta xÐ t mét ®iÓm cè ®Þnh (x’,y’) trong kh«ng gian vµ

mét thêi ®iÓm cè ®Þnh (t’), th× hµm c(x,y,t,  ) cã thÓ xem nh­ lµ chØ lµ hµm cña biÕn  .

Chóng ta cã thÓ diÔn t¶ bëi c(x’,y’,t’,  ) hoÆc c(  ) cho thuËn tiÖn. VÝ dô cña c(  ) tõ

bøc x¹ mÆt trêi ®­îc biÓu diÔn trong h×nh 1.1. M¾t nhËy c¶m víi nh÷ng sãng ®iÖn tõ

trong mét d¶i cùc kú hÑp cña  , ®ã lµ kho¶ng tõ 350nm ®Õn 750nm (1nm = 10 -9

m).

H×nh 1.2 biÓu diÔn c¸c lo¹i sãng ®iÖn tõ theo hµm cña b­íc sãng  . Bøc x¹ ®iÖn tõ víi

 lín, tõ vµi cm ®Õn hµng ngh×n mÐt, cã thÓ t¹o ra bëi m¹ch ®iÖn . Bøc x¹ nh­ vËy ®­îc

Ch­¬ng 1: c¬ së xö lý ¶nh

5

sö dông cho truyÒn th«ng v« tuyÕn vµ radar. Bøc x¹ víi  ngay phÝa trªn d¶i nh×n thÊy

®­îc gäi lµ hång ngo¹i, víi  ngay d­íi vïng nh×n thÊy ®­îc, gäi lµ tö ngo¹i. C¶ bøc

x¹ hång ngo¹i vµ tö ngo¹i ®Òu ®­îc ph¸t bëi nh÷ng nguån s¸ng ®iÓn h×nh ch¼ ng h¹n

nh­ mÆt trêi. Bøc x¹ víi  ë phÝa xa d­íi vïng nh×n thÊy ®­îc gåm tia X, tia  , vµ tia

vò trô; víi tia vò trô, b­íc sãng  nhá h¬n 10-5

nm hoÆc 10-14 ms.

H×nh 1.1: Thµnh phÇn phæ cña bøc x¹ mÆt trêi, ë trªn tÇng khÝ quyÓn cña tr¸i ®Êt

(®­êng liÒn nÐt) vµ trªn mÆt ®Êt t¹i Washington vµo buæi tr­a (®­êng nÐt ®øt).

1.2. §é s¸ng, mµu s¾c vµ ®é b·o hoµ .

Sù nhËn biÕt ¸nh s¸ng cña loµi ng­êi víi c(  ) ®­îc m« t¶ chung b»ng thuËt

ng÷ ®é s¸ng (brightness), mµu s¾c vµ ®é b·o hoµ. §é s¸ng (brightness) liªn quan ®Õn

møc ®é s¸ng cña ¸nh s¸ng. Mµu s¾c liªn quan ®Õn mµu, ch¼ng h¹n nh­ mµu ®á, mµu

cam hoÆc mµu mËn chÝn(tÝa). §é b·o hoµ ®«i khi cßn gäi lµ s¾c ®é, liªn quan ®Õn møc

®é t­¬i hoÆc xÉm cña mµu. §é s¸ng, mµu s¾c vµ ®é b·o hoµ lµ nh÷ng thuËt ng÷ vÒ nhËn

thøc (perceptual terms), phô thuéc vµo mét sè nh©n tè bao gåm d¹ng chi tiÕt cña c(  ),

lÞch sö qu¸ khø cña nh÷ng kÝch thÝch thÞ gi¸c mµ ng­êi quan s¸t ®· tr¶i qua, vµ m«i

tr­êng cô thÓ n¬i ¸nh s¸ng ®­îc quan s¸t. Tuy nhiªn cã thÓ xÐt ®Õn chóng mét c¸ch gÇn

®óng nh­ nh÷ng ®Æc thï cña c(  ).

§Ó liªn hÖ c¶m nhËn ®é s¸ng cña loµi ng­êi víi c(  ) cÇn ®Þnh nghÜa ra mét sè

®¹i l­îng tr¾c quang (photometric quantity). Nh÷ng ®¹i l­îng liªn hÖ víi c(  ), ch¼ng C«ng suÊt t­¬ng ®èi.

120

110

100

90

80

70

60

50

40

10

400 500 600 700

B­íc sãng [nm]