Bài giảng về Photoshop

h t l ng m t nh .S đi u ch nhậ ả ượ ử ụ ể ấ ượ ộ ả ự ề ỉ c ng đ c a m t nh là m t kĩ thu t làm giàu nh mà ánh x các giá tr c ng đườ ộ ủ ộ ả ộ ậ ả ạ ị ườ ộ c a m t nh t i m t kho ng m i . Đ minh ho , hình sau ch ra m t nh có đ t ngủ ộ ả ớ ộ ả ớ ể ạ ỉ ộ ả ộ ươ ph n th p v i bi u đ c a nó . Chú ý trong bi u đ c a nh , t i sao t t c các giá trả ấ ớ ể ồ ủ ể ồ ủ ả ạ ấ ả ị t t p t i tâm c a vùng .ụ ậ ạ ủ 112 I = imread('pout.tif'); imshow(I) figure, imhist(I,64) - N u ta ánh x l i các giá tr d li u đ tô toàn b vùng c ng đ [0,255] , ta có thế ạ ạ ị ữ ệ ể ộ ườ ộ ể tăng đ t ng ph n c a nh . Sau đây ta s xem xét m t s kĩ thu t đi u ch nh c ngộ ươ ả ủ ả ẽ ộ ố ậ ề ỉ ườ đ ộ a- Đi u ch nh các giá tr c ng đ đ n m t kho ng xác đ nhề ỉ ị ườ ộ ế ộ ả ị - Ta có th đi u ch nh các giá tr c ng đ trong m t nh b ng cách s d ng hàmể ề ỉ ị ườ ộ ộ ả ằ ử ụ imadjust khi ta ch ra kho ng c a các giá tr c ng đ trong nh ra .ỉ ả ủ ị ườ ộ ả - Ch ng h n , mã sau đây s tăng đ t ng ph n trong m t nh c ng đ có đ t ngẳ ạ ẽ ộ ươ ả ộ ả ườ ộ ộ ươ ph n th p b ng cách ánh x l i các giá tr d li u đ đi n đ y toàn b kho ng giá trả ấ ằ ạ ạ ị ữ ệ ể ề ầ ộ ả ị c ng đ [0,255]ườ ộ I = imread('pout.tif'); J = imadjust(I); imshow(J) figure, imhist(J,64) - Hình sau hi n th nh đã đ c đi u ch nh và bi u đ c a nó . ể ị ả ượ ề ỉ ể ồ ủ 113 Ch đ nh gi i h n đi u ch nhỉ ị ớ ạ ề ỉ - Ta có th ch ra kho ng c a các giá tr vào và giá tr ra s d ng hàm imadjust . Ta chể ỉ ả ủ ị ị ử ụ ỉ ra nh ng kho ng này trong hai véct và truy n đ n hàm imadjust nh là tham s .ữ ả ơ ề ế ư ố Véct đ u tiên ch ra các giá tr c ng đ th p và cao mà ta mu n ánh x . Véct thơ ầ ỉ ị ườ ộ ấ ố ạ ơ ứ hai ch ra t l qua đó ta mu n ánh x chúng ỉ ỉ ệ ố ạ Chú ý : Ta ph i ch ra các c ng đ nh là các giá tr gi a 0 và 1 b t k nh vào Iả ỉ ườ ộ ư ị ữ ấ ể ả thu c l p nào .ộ ớ - Ch ng h n , ta có th gi m đ t ng ph n c a m t nh b ng cách thu h p kho ngẳ ạ ể ả ộ ươ ả ủ ộ ả ằ ẹ ả d li u . Trong ví d d i đây , áo choàng c a ng i đàn ông có màu đen đ l m t sữ ệ ụ ướ ủ ườ ể ộ ộ ố chi ti t nào . Hàm imadjust ánh x kho ng [0,51] trong nh vào thu c l p uint8 thànhế ạ ả ả ộ ớ nh ra [128,255] . Đi u này làm sáng đáng k nh ra và cũng m r ng kho ng đ ngả ề ể ả ở ộ ả ộ ( dynamic range ) c a ph n t i trong nh g c , làm cho nó d dàng nhìn th y các chiủ ầ ố ả ố ễ ấ ti t trên chi c áo choàng . Chú ý r ng , tuy nhiên b i vì t t c các giá tr l n h n 51ế ế ằ ở ấ ả ị ớ ơ 114 trong nh g c đ c ánh x thành 255 ( tr ng ) trong nh ra , nh ra xu t hi n nh v aả ố ượ ạ ắ ả ả ấ ệ ư ừ b r a .ị ử I = imread('cameraman.tif'); J = imadjust(I,[0 0.2],[0.5 1]); imshow(I) figure, imshow(J) Thi t l p ng ng đi u ch nh t đ ngế ậ ưỡ ề ỉ ự ộ - Đ s d ng hàm imadjust , ta ph i th c hi n hai b c đi n hình :ể ử ụ ả ự ệ ướ ể 1. Quan sát bi u đ c a nh đ quy t đ nh giá tr c ng đ gi i h n ể ồ ủ ả ể ế ị ị ườ ộ ớ ạ 2. Ch ra nh ng ng ng này d i d ng m t phân s trong kho ng 0 đ n 1 đ ta có thỉ ữ ưỡ ướ ạ ộ ố ả ế ể ể truy n chúng vào hàm imadjust trong véc t [low_in high_in]ề ơ - M t cách thu n ti n h n đ ch ra các giá tr ng ng là s d ng hàm stretchlim . Hàmộ ậ ệ ơ ể ỉ ị ưỡ ử ụ này tính toán bi u đ c a nh và tính các giá tr ng ng đi u ch nh m t cách t đ ng .ể ồ ủ ả ị ưỡ ề ỉ ộ ự ộ Hàm tr v các giá tr d i d ng phân s trong m t véct mà ta có th truy n theoả ề ị ướ ạ ố ộ ơ ể ề d ng [low_in high_in] nh là tham s t i hàm imadjust . Ch ng h n :ạ ư ố ớ ẳ ạ I = imread('rice.png'); 115 J = imadjust(I,stretchlim(I),[0 1]); - Theo m c đ nh , hàm stretchlim s d ng các giá tr c ng đ đ i di n cho đáyặ ị ử ụ ị ườ ộ ạ ệ 1%(0.01) và đ nh 1%(0.99) c a kho ng nh là các ng ng gi i h n đi u ch nh . Ta cóỉ ủ ả ư ưỡ ớ ạ ề ỉ th ch ra các kho ng gi i h n khác nh là tham s cho hàm stretchlim . ể ỉ ả ớ ạ ư ố T ng quan Gammaươ - Hàm imadjust ánh x low thành bottom , high thành top . Theo m c đ nh , nh ng giáạ ặ ị ữ tr gi a low và high đ c ánh x m t cách tuy n tính t i các giá tr gi a bottom và top .ị ữ ượ ạ ộ ế ớ ị ữ Ch ng h n , giá tr gi a low và high t ng ng v i giá tr gi a bottom và top ẳ ạ ị ữ ươ ứ ớ ị ữ - Hàm imadjust có th ch p nh n m t tham s ph ch ra tác nhân t ng quanể ấ ậ ộ ố ụ ỉ ươ Gamma . Ph thu c vào giá tr c a Gamma , s ánh x gi a các giá tr trong nh vào vàụ ộ ị ủ ự ạ ữ ị ả ra có th là không tuy n tính . Ch ng h n , giá tr gi a low và high có th ánh x t iể ế ẳ ạ ị ữ ể ạ ớ m t giá tr l n h n ho c nh h n giá tr gi a bottom và top . Hình sau minh ho m iộ ị ớ ơ ặ ỏ ơ ị ữ ạ ố quan h này . Ba đ ng cong chuy n đ i ch ra các giá tr đ c ánh x ra sao khiệ ườ ể ổ ỉ ị ượ ạ Gamma nh h n , b ng và l n h n 1 . ỏ ơ ằ ớ ơ - Ví d d i đây minh ho t ng quan Gamma. Chú ý r ng trong l i g i hàmụ ướ ạ ươ ằ ờ ọ imadjust , kho ng d li u c a nh vào và ra đ c ch đ nh là các ma tr n r ng . Khi taả ữ ệ ủ ả ượ ỉ ị ậ ỗ ch đ nh m t ma tr n r ng , hàm imadjust s d ng kho ng giá tr m c đ nh [0 ,1] .ỉ ị ộ ậ ỗ ử ụ ả ị ặ ị Trong ví d này , c hai kho ng đ u r ng v phía trái , đi u này có nghĩa r ng t ngụ ả ả ề ỗ ề ề ằ ươ quan Gamma đ c áp đ t mà không có b t kì s đi u ch nh d li u nào khác .ượ ặ ấ ự ề ỉ ữ ệ [X,map] = imread('forest.tif') I = ind2gray(X,map); J = imadjust(I,[],[],0.5); imshow(I) 116 figure, imshow(J) b- S làm cân b ng bi u đự ằ ể ồ ( Histogram Equalization ) - Quá trình đi u ch nh các giá tr c ngề ỉ ị ườ đ có th đ c th c hi n t đ ng b ngộ ể ượ ự ệ ự ộ ằ hàm histeq . Hàm histeq th c hi n m t sự ệ ộ ự cân b ng bi u đ bao g m vi c bi n đ iằ ể ồ ồ ệ ế ổ các giá tr c ng đ đ bi u đ c a nhị ườ ộ ể ể ồ ủ ả ra có th x p x t ng h p v i m t bi uể ấ ỉ ươ ợ ớ ộ ể đ xác đ nh . ( theo m c đ nh , hàm này c g ng làm h p t i m t bi u đ ph ng v i 64ồ ị ặ ị ố ắ ợ ớ ộ ể ồ ẳ ớ thùng – bins , nh ng ta có th ch ra m t bi u đ khác )ư ể ỉ ộ ể ồ - Ví d sau đây minh ho vi c s d ng hàm histeq đ đi u ch nh c ng đ c a m tụ ạ ệ ử ụ ể ề ỉ ườ ộ ủ ộ nh . nh g c có đ t ng ph n th p v i h u h t các giá tr gi a c a kho ngả Ả ố ộ ươ ả ấ ớ ầ ế ị ở ữ ủ ả c ng đ . Hàm histeq t o ra m t nh ra có các giá tr đ c phân b đ u trong nh ườ ộ ạ ộ ả ị ượ ố ề ả I = imread('pout.tif'); J = histeq(I); imshow(J) figure, imhist(J,64) 117 - Hàm histeq có th tr v m t véc t 1x256 ch ra m i giá tr vào có th đ c cho taể ả ề ộ ơ ỉ ỗ ị ể ượ k t qu c a giá tr ra . ( giá tr trong véct này n m trong kho ng [0,1] b t k nh vàoế ả ủ ị ị ơ ằ ả ấ ể ả thu c l p nào ) . Ta có th v d li u này đ nh n đ ng cong bi n đ i . Ch ng h n :ộ ớ ể ẽ ữ ệ ể ậ ườ ế ổ ẳ ạ I = imread('pout.tif'); [J,T] = histeq(I); figure,plot((0:255)/255,T); - Đ ý đ ng cong này ph n ánh bi u đ trong hình tr c v i các giá tr vào n m gi aể ườ ả ể ồ ướ ớ ị ằ ữ 0.3 và 0.6 trong khi giá tr ra đ c phân b gi a 0 và 1 .ị ượ ố ữ 118 c- Cân b ng bi u đ thích ng , đ t ng ph n gi i h n ( Contrast – Limitedằ ể ồ ứ ộ ươ ả ớ ạ Adaptive Histogram Equalization ) - T ng t nh s d ng hàm histeq , ta có th th c hi n s cân b ng bi u đ thíchươ ự ư ử ụ ể ự ệ ự ằ ể ồ ng đ t ng ph n gi i h n s d ng hàm adapthisteq . Trong khi hàm histeq là vi cứ ộ ươ ả ớ ạ ử ụ ệ trên toàn b c nh , hàm adapthisteq ho t đ ng trên m t vùng nh c a nh đ c g i làứ ả ạ ộ ộ ỏ ủ ả ượ ọ ngóii ( tiles ) . Đ t ng ph n c a m i tile đ c làm giàu đ cho bi u đ c a vùng raộ ươ ả ủ ỗ ượ ể ể ồ ủ x p x t ng h p v i m t bi u đ xác đ nh . Sau khi thi hành phép cân b ng ,ấ ỉ ươ ợ ớ ộ ể ồ ị ằ adapthisteq k t h p các tile g n nhau s d ng n i suy song tuy n thính đ lo i b cácế ợ ầ ử ụ ộ ế ể ạ ỏ artifact bao g m các đ ng biên .ồ ườ - Đ tránh m r ng nhi u có trong nh , ta có th s d ng hàm adapthisteq v i m t sể ở ộ ễ ả ể ử ụ ớ ộ ố tham s tuỳ ch n đ gi i h n đ t ng ph n đ c bi t trên các vùng thu n nh t .ố ọ ể ớ ạ ộ ươ ả ặ ệ ầ ấ - Đ minh ho , ví d này s d ng hàm adapthisted đ đi u ch nh đ t ng ph n c aể ạ ụ ử ụ ể ề ỉ ộ ươ ả ủ m t nh c ng đ ( nh đen tr ng ) . nh g c có đ t ng ph n th p v i h u h t cácộ ả ườ ộ ả ắ Ả ố ộ ươ ả ấ ớ ầ ế giá tr n m gi a c a kho ng c ng đ . Hàm adapthisteq t o ra m t nh có các giáị ằ ở ữ ủ ả ườ ộ ạ ộ ả tr đ c phân b đ u trong nh :ị ượ ố ề ả I = imread('pout.tif'); J = adapthisteq(I); imshow(I) figure, imshow(J) 119 d- Giãn không t ng quan ( Decorrelation Stretching )ươ - Ta áp d ng giãn không t ng quan b ng cách s d ng hàm decorrstretch . S l ngụ ươ ằ ử ụ ố ượ gi i màu , NBANDS trong m t nh th ng là 3 . Tuy nhiên , ta có th áp đ t giãnả ộ ả ườ ể ặ không t ng quan b t kì s gi i màu nào ta mu n .ươ ấ ố ả ố - Các giá tr màu g c c a nh đ c ánh x t i m t t p các giá tr m i v i m t kho ngị ố ủ ả ượ ạ ớ ộ ậ ị ớ ớ ộ ả r ng h n . C ng đ màu c a m i pixel đ c bi n đ i thành màu ộ ơ ườ ộ ủ ỗ ượ ế ổ eigenspace c a maủ tr n t ng quan , đ c giãn đ ngang b ng v i s bi n đ i gi i màu ( band variances )ậ ươ ượ ể ằ ớ ự ế ổ ả sau đó đ c bi n đ i l i thành gi i màu g c .ượ ế ổ ạ ả ố - Đ đ nh nghĩa m tể ị ộ bandwise statistics , ta s d ng toàn b nh g c ho c v i tuỳử ụ ộ ả ố ặ ớ ch n subset , b t kì m t vùng nào đó c a nh . ọ ấ ộ ủ ả Giãn không t ng quan đ n gi n ươ ơ ả - Trong ví d này , ta th c hi n m t phép giãn không t ng quan trên m t nh ụ ự ệ ộ ươ ộ ả 1. nh có 7 gi i , nh ng ta ch đ c vào 3 màu nhìn th y Ả ả ư ỉ ọ ấ A = multibandread('littlecoriver.lan', [512, 512, 7], ... 'uint8=>uint8', 128, 'bil', 'ieee-le', ... {'Band','Direct',[3 2 1]}); 2. Th c hi n giãn không t ng quan ự ệ ươ B = decorrstretch(A); 3. Hi n th k t quể ị ế ả imshow(A); figure; imshow(B) 120 - So sánh hai nh , nh g c có màu tím nh trong khi nh b bi n đ i có m t chút gì đóả ả ố ẹ ả ị ế ổ ộ nh đ c m r ng kho ng màu ư ượ ở ộ ả - M t đ th bi u di n s phân b gi i c a nh s ch ra các gi i đ c làm m t t ngộ ồ ị ể ễ ự ố ả ủ ả ẽ ỉ ả ượ ấ ươ quan và cân b ng nh th nào :ằ ư ế rA = A(:,:,1); gA = A(:,:,2); bA = A(:,:,3); figure, plot3(rA(:),gA(:),bA(:),'.'); grid('on') xlabel('Red (Band 3)'); ylabel('Green (Band 2)'); ... zlabel('Blue (Band 1)') rB = B(:,:,1); gB = B(:,:,2); bB = B(:,:,3); figure, plot3(rB(:),gB(:),bB(:),'.'); grid('on') xlabel('Red (Band 3)'); ylabel('Green (Band 2)'); ... zlabel('Blue (Band 1)') 121 Giãn t ng ph n tuy n tínhươ ả ế - Bây gi ta s th c hi n m t bi n đ i t ng t nh ng v i m t phép giãn t ng ph nờ ẽ ự ệ ộ ế ổ ươ ự ư ớ ộ ươ ả tuy n tính áp đ t lên nh sau khi giãn không t ng quan .ế ặ ả ươ imshow(A); C = decorrstretch(A,'Tol',0.01); figure; imshow(C) - Hãy so sánh đã đ c bi n đ i v i nh g cượ ế ổ ớ ả ố 122 - Vi c thêm giãn t ng ph n tuy n tính làm giàu nh k t qu b ng cách m i r ng h nệ ươ ả ế ả ế ả ằ ở ộ ơ kho ng màu . Trong tr ng h p này , kho ng màu đ c m r ng đ c ánh x trongả ườ ợ ả ượ ở ộ ượ ạ m i gi i t i m t kho ng chu n gi a 0.01 và 0.99 đ bão hoà 2% ỗ ả ớ ộ ả ẩ ữ ộ 5- Lo i b nhi u ạ ỏ ễ - Các nh s có th có nhi u lo i nhi u khác nhau . Có m t s cách mà nhi u có thả ố ể ề ạ ễ ộ ố ễ ể thâm nh p vào trong nh ph thu c vào vi c nh đ c t o ra nh th nào . Ch ngậ ả ụ ộ ệ ả ượ ạ ư ế ẳ h n :ạ + N u nh đ c scan t m t nh đ c ch p trên phim , các h t trên phim là m tế ả ượ ừ ộ ả ượ ụ ạ ộ ngu n nhi u . Nhi u có th là k t qu c a vi c phim b h h ng ho c do ch t l ngồ ễ ễ ể ế ả ủ ệ ị ư ỏ ặ ấ ượ c a scannerủ + N u nh đ c thu th p tr c ti p t đ nh d ng s , c ch c a vi c thu th p d li uế ả ượ ậ ự ế ừ ị ạ ố ơ ế ủ ệ ậ ữ ệ nh ( ch ng h n nh b phát hi n CCD ) có th t o ra nhi u ả ẳ ạ ư ộ ệ ể ạ ễ + S truy n d li u nh cũng có th b nhi u tác đ ng ự ề ữ ệ ả ể ị ễ ộ - Toolbox cung c p m t s cách đ lo i b ho c gi m nhi u trong m t nh . Các cáchấ ộ ố ể ạ ỏ ặ ả ễ ộ ả khác nhau đ c s d ng cho các lo i nhi u khác nhau . Các cách đó bao g m :ượ ử ụ ạ ễ ồ +S d ng các b l c tuy n tính ( Linear Filter )ử ụ ộ ọ ế + S d ng các b median ( Median Filter )ử ụ ộ + S d ng các b l c thích nghi ( Adaptive Filter )ử ụ ộ ọ - Đ mô ph ng tác đ ng c a các v n đ v nhi u đã nói trên , toolbox cung c p hàmể ỏ ộ ủ ấ ề ề ễ ở ấ imnoise mà ta có th dùng đ thêm nhi u vào m t nh . ể ể ễ ộ ả a- S d ng các b l c tuy n tínhử ụ ộ ọ ế - Ta có th s d ng các b l c tuy n tính đ lo i b nhi u trong m t nh . Các b l cể ử ụ ộ ọ ế ể ạ ỏ ễ ộ ả ộ ọ này ch ng h n nh b l c trung bình ho c b l c Gauss là thích h p . Ch ng h n ,ẳ ạ ư ộ ọ ặ ộ ọ ợ ẳ ạ m t b l c trung bình đ c s d ng đ lo i b các h t nhi u t m t nh ch p trênộ ộ ọ ượ ử ụ ể ạ ỏ ạ ễ ừ ộ ả ụ 123 phim . Do m i pixel đ c thi t l p t i giá tr trung bình c a các pixel xung quanh nó ,ỗ ượ ế ậ ớ ị ủ do v y s bi n đ ng đ a ph ng gây ra b i các h t nhi u b gi m b t .ậ ự ế ộ ị ươ ở ạ ễ ị ả ớ b- S d ng các b l c median ử ụ ộ ọ -S dung các b l c trung bình t ng t nh vi c s d ng các b l c trung bìnhử ộ ọ ươ ự ư ệ ử ụ ộ ọ ( averaging filters ) , m i pixel ra đ c thi t l p giá tr trung bình c a các giá tr pixelỗ ượ ế ậ ị ủ ị lân c n c a pixel vào t ng ng . Tuy nhiên , v i b l c này , giá tr c a m t pixel raậ ủ ươ ứ ớ ộ ọ ị ủ ộ đ c quy t đ nh b i median c a các pixel lân c n h n là giá tr trung bình . Medianượ ế ị ở ủ ậ ơ ị th ng nh h n nhi u so v i trung bình các giá tr xa nh t (đ c g i là outliers ) . Bườ ỏ ơ ề ớ ị ấ ượ ọ ộ l c median do đó t t h n đ lo i b nh ng outlier này mà không gi m đ s c nét c aọ ố ơ ể ạ ỏ ữ ả ộ ắ ủ nh . Hàm medfilt2 s d ng phép l c median ả ử ụ ọ - Ví d sau đây so sánh vi c s d ng m t b l c trung bình và m t b l c median đụ ệ ử ụ ộ ộ ọ ộ ộ ọ ể lo i b nhi u là các h t “mu i” và “h t tiêu “ . Lo i nhi u này bao g m m t t p h pạ ỏ ễ ạ ố ạ ạ ễ ồ ộ ậ ợ các pixel ng u nhiên đ c thi t l p thành màu đen ho c tr ng . Trong c hai tr ngẫ ượ ế ậ ặ ắ ả ườ h p , kích c c a vùng xung quanh đ c s d ng đ l c là 3x3 .ợ ỡ ủ ượ ử ụ ể ọ 1. Đ c nh và hi n th nó ọ ả ể ị I = imread('eight.tif'); imshow(I) 2. Thêm nhi u vào nhễ ả J = imnoise(I,'salt & pepper',0.02); figure, imshow(J) 124 3. L c nhi u v i b l c trung bình sau đó hi n th k t qu ọ ễ ớ ộ ọ ể ị ế ả K = filter2(fspecial('average',3),J)/255; figure, imshow(K) 4. S d ng m t b l c median đ l c nh và hi n th k t qu . Chú ý r ng hàmử ụ ộ ộ ọ ể ọ ả ể ị ế ả ằ medfilt2 th c hi n vi c lo i b nhi u t t h n và ít làm m các c nh ự ệ ệ ạ ỏ ễ ố ơ ờ ạ L = medfilt2(J,[3 3]); figure, imshow(K) figure, imshow(L) 125 c- S d ng các b l c thích nghiử ụ ộ ọ - Hàm wiener2 áp đ t m t b l c Wiener ( m t ki u c a b l c tuy n tính ) lên m tặ ộ ộ ọ ộ ể ủ ộ ọ ế ộ nh m t cách thích nhi ( adaptively ) v i s bi n đ ng đ a ph ng c a nh . Nh ngả ộ ớ ự ế ộ ị ươ ủ ả ữ n i có bi n đ ng l n , hàm này th c hi n m t s ít thao tác làm m t nh . Nh ng n iơ ế ộ ớ ự ệ ộ ố ượ ả ữ ơ có bi n đ ng nh , hàm th c hi n nhi u các thao tác làm m t nh .ế ộ ỏ ự ệ ề ượ ả - C ch này th ng t o ra k t qu t t h n so v i l c tuy n tính . Các b l c thíchơ ế ườ ạ ế ả ố ơ ớ ọ ế ộ ọ nghi th ng đ c s d ng nhi u h n so v i các b l c tuy n tính trong vi c b o vườ ượ ử ụ ề ơ ớ ộ ọ ế ệ ả ệ các c nh và vùng có t n s cao c a m t nh . Thêm vào , không có tác v thi t kạ ầ ố ủ ộ ả ụ ế ế nào , hàm wiener2 đi u khi n t t c các tính toán ban đ u và thi hành phép l c cho nhề ể ấ ả ầ ọ ả vào . Tuy nhiên , hàm này c n nhi u tính toán h n các b l c tuy n tính ầ ề ơ ộ ọ ế - Hàm wiener2 làm vi c t t h n khi nhi u là nhi u “tr ng” ch ng h nh nh nhi uệ ố ơ ễ ễ ắ ẳ ạ ư ễ Gauss . Ví d d i đây áp đ t hàm wiener1 lên m t nh có nhi u Gauss tác đ ng . ụ ướ ặ ộ ả ễ ộ RGB = imread('saturn.png'); I = rgb2gray(RGB); J = imnoise(I,'gaussian',0,0.005); K = wiener2(J,[5 5]); imshow(J) figure, imshow(K) 126 nh g c Ả ố nh k t quẢ ế ả VII   –   Các   thao   tác   hình   thái  (Morphological Operations ) - Morphology là m t kĩ thu t x lý nhộ ậ ử ả d a trên các hình d ng . Giá tr c a m i pixel trong nh ra d a trên c s m t s soự ạ ị ủ ỗ ả ự ơ ở ộ ự sánh c a các pixel t ng ng trong nh vào v i các pixel xung quanh nó . B ng cáchủ ươ ứ ả ớ ằ l a ch n kích c và hình d ng c a vùng xung quanh , ta có th xây d ng m t thao tácự ọ ỡ ạ ủ ể ự ộ hình thái r t nh y c m v i m t s hình d ng đ c thù trong nh vào .ấ ạ ả ớ ộ ố ạ ặ ả - Ta s xem xét các hàm x lý hình thái c a toolbox. Ta có th s d ng nh ng hàm nàyẽ ử ủ ể ử ụ ữ đ th c hi n các thao tác x lý thông d ng nh làm giàu đ t ng ph n ( contrastể ự ệ ử ụ ư ộ ươ ả enhancement ) , lo i b nhi u ( nose removal ) , làm m ng ( thinning ) , tô ( filling ) vàạ ỏ ễ ỏ phân vùng ( segmentation ) . 1. B ng thu t ng ả ậ ữ Tên thu t ngậ ữ Di n gi Iễ ả Background N n . Trong nh nh phân , các pixel đ cề ả ị ượ thi t l p giá tr 0 đ c xem xét nh là n nế ậ ị ượ ư ề c a nh . Khi ta nhìn m t nh nh phân ,ủ ả ộ ả ị màu c a n n là màu đen ủ ề Connectivity Các tiêu chu n mô t vi c các pixel trongẩ ả ệ m t nh hình thành nên m t nhóm g nộ ả ộ ắ k t nh th nào . Toolbox cung tr giúpế ư ế ợ connectivity 2 chi u cũng nh nhi u chi uề ư ề ề Foreground Trong m t nh nh phân , các pixel đ cộ ả ị ượ thi t l p giá tr 1 đ c xem nhế ậ ị ượ ư foreground . Khi quan sát m t nh nhộ ả ị phân , màu c a foreground là màu tr ng ủ ắ Global maxima Vùng cao nh t trong nh .ấ ả Global minima Vùng th p nh t trong nh`ấ ấ ả 127 Morphology M t t p h p r ng c a các thao tác x lýộ ậ ợ ộ ủ ử nh mà x lý trên các hình d ng . Các thaoả ử ạ tác này áp đ t m t ph n t có c u trúc lênặ ộ ầ ử ấ m t nh , t o m t nh ra có cùng kíchộ ả ạ ộ ả th c v i nh vào . Các thao tác hình tháiướ ớ ả c b n nh t là giãn n ( dilation ) và ănơ ả ấ ở mòn (erosion ) Neighborhood Vùng xung quanh – đó là t p các pixelậ đ c đ nh nghĩa b i v trí t ng đ i c aượ ị ở ị ươ ố ủ chúng v i pixel quan tâm . M t vùng xungớ ộ quanh có th đ c đ nh nghĩa b i m tể ượ ị ở ộ ph n t có c u trúc ho c b ng cách ch raầ ử ấ ặ ằ ỉ m t connectivity ( tính k t n i )ộ ế ố Object T p các pixel trong m t nh nh phân hìnhậ ộ ả ị thành nên m t nhóm k t n i . Trong ngộ ế ố ữ c nh c a xem xét này , “object” vàả ủ “connected component” là đ ng nh t .ồ ấ Packed binary Ph ng pháp nén nh nh phân mà có thươ ả ị ể làm tăng t c quá trình x lý nhố ử ả Regional maxima T p các pixel k t n i có cùng c ng đậ ế ố ườ ộ l n nh t trong m t vùng . T t c các pixelớ ấ ộ ấ ả xung quanh đ u có giá tr nh h n giá trề ị ỏ ơ ị này Regional minima T p các pixel k t n i có cùng c ng đậ ế ố ườ ộ nh nh tỏ ấ Structuring element Ma tr n đ c s d ng đ đ nh nghĩa m tậ ượ ử ụ ể ị ộ hình d ng xung quanh và kích c cho tácạ ỡ thao tác hình thái bao g m giãn n và xóiồ ở mòn . Nó ch ch a các giá tr 0 và 1 và cóỉ ứ ị th có m t hình d ng và kích c b t kì .ể ộ ạ ỡ ấ Các pixel v i giá tr 1 đ nh nghĩa vùngớ ị ị xung quanh 128 2. Giãn n và xói mònở - Giãn n và xói mòn là hai thao tác x lý hình thái c b n . Giãn n c ng thêm cácở ử ơ ả ở ộ pixel t i vùng biên c a các đ i t ng trong m t nh trong khi xói mòn lo i b cácớ ủ ố ượ ộ ả ạ ỏ pixel trên vùng biên c a các đ i t ng . S l ng pixel đ c thêm vào ho c lo i b tủ ố ượ ố ượ ượ ặ ạ ỏ ừ các đ i t ng trong m t nh ph thu c vào kích c và hình d ng c a ph n t c u trúcố ượ ộ ả ụ ộ ỡ ạ ủ ầ ử ấ đ c s d ng đ x lý nh . Ph n này s :ượ ử ụ ể ử ả ầ ẽ + Cung c p nh ng thông tin c b n v vi c các hàm giãn n và xói mòn ho t đ ngấ ữ ơ ả ề ệ ở ạ ộ nh th nào ư ế + Mô t ph n t có c u trúc và cách t o ra chúngả ầ ử ấ ạ + Mô t cách th c hi n xói mònả ự ệ + Mô t m t s thao tác c b n d a trên giãn n và xói mònả ộ ố ơ ả ự ở + Mô t các hàm c a toolbox d a trên c s c a giãn n và xói mònả ủ ự ơ ở ủ ở a-T ng quan v Dilation và Erosionổ ề - Trong các thao tác giãn n và xói mòn , tr ng thái c a m t pixel nào đó trong nh raở ạ ủ ộ ả đ c quy t đ nh b ng vi c áp đ t m t quy t c lên các pixel t ng ng và các pixel lânượ ế ị ằ ệ ặ ộ ắ ươ ứ c n trong nh vào . Quy t c này đ c s d ng đ x lý các pixel đ nh nghĩa thao tácậ ả ắ ượ ử ụ ể ử ị giãn n hay xói mòn . B ng sau đây li t kê các quy t c cho c hai phép x lý này ;ở ả ệ ắ ả ử Tao tác Quy t cắ Dilation Giá tr c a các pixel ra là giá tr l n nh tị ủ ị ớ ấ c a t t c các pixel trong vùng lân c nủ ấ ả ậ c a pixel vào t ng ng . Trong m t nhủ ươ ứ ộ ả nh phân , n u b t kì pixel nào có giá tr 1 ,ị ế ấ ị pixel ra s là 1ẽ Erosion Giá tr c a pixel ra là giá tr nh nh t c aị ủ ị ỏ ấ ủ t t c các pixel trong vùng lân c n c aấ ả ậ ủ pixel vào t ng ng . N u trong m t nhươ ứ ế ộ ả nh phân có m t pixel có giá tr 0 thì pixelị ộ ị ra có giá tr 0ị 129 - Hình sau đây minh ho s giãn n c a m t nh nh phân . Chú ý cách ph n t c uạ ự ở ủ ộ ả ị ầ ử ấ trúc đ nh nghĩa vùng xung quanh c a pixel quan tâm , đó là vùng hình tròn . Hàm giãnị ủ n áp đ t quy lu t t ng ng lên các pixel trong vùng lân c n và gán m t giá tr t iở ặ ậ ươ ứ ậ ộ ị ớ pixel t ng ng trong nh ra . Trong hình , hàm giãn n hình thái thi t l p các giá trươ ứ ả ở ế ậ ị c a pixel ra b ng 1 b i vì m t trong nh ng ph n t trong vùng lân c n đ c đ nhủ ằ ở ộ ữ ầ ử ậ ượ ị nghĩa b i ph n t c u trúc có giá tr 1ở ầ ử ấ ị - Hình sau đây minh ho quá trình x lý nh cho m t nh đen tr ng . Hình này ch raạ ử ả ộ ả ắ ỉ quá trình x lý c a m t pixel c th trong nh vào . Chú ý vi c hàm đã áp đ t quy t cử ủ ộ ụ ể ả ệ ặ ắ t i vùng lân c n c a pixel vào và s d ng giá tr cao nh t c a t t c các pixel trongớ ậ ủ ử ụ ị ấ ủ ấ ả vùng này nh là giá tr t ng ng cho pixel ra nh th nào .ư ị ươ ứ ư ế 130 X lý các pixel biên nhử ở ả - Các hàm x lý hình thái đ nh v g c c a ph n t c u trúc , tâm c a nó qua các pixelử ị ị ố ủ ầ ử ấ ủ quan tâm trong nh vào . V i các pixel c nh c a m t nh , các ph n lân c n đ cả ớ ở ạ ủ ộ ả ầ ậ ượ đ nh nghĩa b i ph n t c u trúc có th m r ng qua biên c a nhị ở ầ ử ấ ể ở ộ ủ ả -Đ x lý các pixel trên biên nh ,các hàm x lý hình thái gán m t giá tr t i nh ngể ử ả ử ộ ị ớ ữ pixel không xác đ nh này gi ng nh các hàm đã thêm vào nh v i m t s hàng và c tị ố ư ả ớ ộ ố ộ nào đó . Giá tr c a nh ng pixel thêm vào này thay đ i v i c thao tác giãn n l n xóiị ủ ữ ổ ớ ả ở ẫ mòn . B ng sau đây mô t quy t c thêm ( padding ) cho giãn n và xói mòn trên c nhả ả ắ ở ả ả nh phân và nh đen tr ng .ị ả ắ Thao tác Quy t cắ Dilation Các pixel ngoài biên nh đ c gán giá trả ượ ị nh nh t tuỳ theo ki u d li u . V i nhỏ ấ ể ữ ệ ớ ả nh phân , nh ng pixel này đ c gán giá trị ữ ượ ị 0 . V i nh đen tr ng , giá tr nh nh tớ ả ắ ị ỏ ấ cho nh uint8 là 0ả Erosion Các pixel ngoài biên nh đ c gán giá trả ượ ị l n nh t tuỳ theo ki u d li u . V i nhớ ấ ể ữ ệ ớ ả nh phân , nh ng pixel này đ c gán giá trị ữ ượ ị 1 . V i nh đen tr ng , gía tr l n nh t c aớ ả ắ ị ớ ấ ủ nh uint8 là 255ả Chú ý : B ng cách s d ng giá tr nh nh t cho thao tác giãn n và giá tr l n nh t choằ ử ụ ị ỏ ấ ở ị ớ ấ thao tác xói mòn , các hàm toolbox tránh vi c tác đ ng lên biên . Các vùng g n biênệ ộ ầ c a nh ra không đ ng nh t v i ph n còn l i c a nh . Ch ng h n , n u xói mònủ ả ồ ấ ớ ầ ạ ủ ả ẳ ạ ế 131 đ c thêm v i giá tr nh nh t , vi c xói mòn m t nh s d n đ n đ ng biên đenượ ớ ị ỏ ấ ệ ộ ả ẽ ẫ ế ườ xung quanh c nh c a nh ra .ạ ủ ả b-Ph n t c u trúcầ ử ấ - M t ph n không th thi u đ c c a các thao tác giãn n và xói mòn là ph n t c uộ ầ ể ế ượ ủ ở ầ ử ấ trúc đ c s d ng đ thăm dò nh vào . Ph n t c u trúc 2 chi u ho c ph ng baoượ ử ụ ể ả ầ ử ấ ề ặ ẳ g m m t ma tr n c a 0 và 1 th ng nh h n ma tr n nh đang đ c x lý . Pixelồ ộ ậ ủ ườ ỏ ơ ậ ả ượ ử trung tâm c a ph n t c u trúc đ c g i là g c phân bi t v i các pixel quan tâm –ủ ầ ử ấ ượ ọ ố ệ ớ pixel đang đ c x lý . Nh ng pixel trong ph n t c u trúc ch a giá tr 1 đ nh nghĩaượ ử ữ ầ ử ấ ứ ị ị vùng lân c n c a ph n t c u trúc . Nh ng pixel này cũng đ c xem xét trong quáậ ủ ầ ử ấ ữ ượ trình giãn n ho c xói mòn . Ph n t 3 chi u hay không ph ng s d ng 0 và 1 đ đ nhở ặ ầ ử ề ẳ ử ụ ể ị nghĩa quy mô c a ph n t c u trúc trong m t ph ng x-y và thêm vào giá tr chi u caoủ ầ ử ấ ặ ẳ ị ề đ đ nh nghĩa chi u th 3 .ể ị ề ứ G c c a ph n t c u trúcố ủ ầ ử ấ - Các hàm x lý hình thái s d ng mã sau đây đ l y to đ c a g c ph n t c u trúcử ử ụ ể ấ ạ ộ ủ ố ầ ử ấ có kích th c và chi u b t kì ướ ề ấ origin = floor((size(nhood)+1)/2) ( Trong mã trên , nhood là vùng lân c n đ nh nghĩa ph n t c u trúc . Do ph n t c uậ ị ầ ử ấ ầ ử ấ trúc là đ i t ng trong Matlab , ta không th s d ng kích th c c a đ i t ngố ượ ể ử ụ ướ ủ ố ượ STREL trong tính toán này . Ta ph i s d ng ph ng th c getnhood c a STREL đả ử ụ ươ ứ ủ ể nh n vùng lân c n c a ph n t c u trúc t đ i t ng STREL )ậ ậ ủ ầ ử ấ ừ ố ượ - Ch ng h n , ví d sau minh ho m t ph n t c u trúc có hình thoi ẳ ạ ụ ạ ộ ầ ử ấ T o ph n t c u trúcạ ầ ử ấ 132 - Các hàm giãn n và xói mòn c a toolbox ch p nh n các đ i t ng ph n t c u trúcở ủ ấ ậ ố ượ ầ ử ấ đ c g i là STRELs . Ta s d ng hàm strel đ t o ra các STRELs có kích th c vàượ ọ ử ụ ể ạ ướ hình d ng b t kì . Hàm strel cũng bao g m tr giúp s n cho các hình d ng thông d ngạ ấ ồ ợ ẵ ạ ụ khác nh : đ ng th ng , hình thoi , hình đĩa , đ ng th ng đi u hoà và hình qu bóng ư ườ ẳ ườ ẳ ề ả - Ch ng h n , đo n mã sau t o m t ph n t c u trúc ph ng có d ng hình thoi ẳ ạ ạ ạ ộ ầ ử ấ ẳ ạ se = strel('diamond',3) se = Flat STREL object containing 25 neighbors. Decomposition: 3 STREL objects containing a total of 13 neighbors Neighborhood: 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 1 1 1 1 0 1 1 1 1 1 1 1 0 1 1 1 1 1 0 0 0 1 1 1 0 0 0 0 0 1 0 0 0 Phân tích ph n t c u trúc ( Structuring Element Decomposition )ầ ử ấ - Đ nâ