Đồ án Xây dựng chương trình hỗ trợ giảng dạy môn học xử lý ảnh

256 mức xám (ảnh nhị phân ứng với B=1). Trong các bít mã hoá này, người ta chia làm hai loại: bít bậc thấp và bít bậc cao. Với bít bậc cao, độ bảo toàn thông tin cao hơn nhiều so với bit bậc thấp. U = k12B-1 + k22B-2 + ... + kB-1 2 + kB Nếu ta muốn trích chọn bit thứ n và hiện chúng, ta dùng biến đổi: Hình 1.12. A- Ảnh gốc; B - Ảnh với bit 5; C - Ảnh với bit 4; D - Ảnh với bit 3 Trừ ảnh Trừ ảnh dùng để tách nhiễu khỏi nền. Ta quan sát ảnh ở hai thời điểm khác nhau, so sánh chúng để tìm ra sự khác nhau, sau đó dóng thẳng hai hai ảnh rồi trừ đi và thu được ảnh mới. Ảnh mới đó chính là sự khác nhau. Kỹ thuật này hay được dùng trong dự báo thời tiết hay trong y học. Nén dải độ sáng Đôi khi do dải động của ảnh lớn, việc quan sát không thuận tiện, cần phải thu nhỏ dải độ sáng lại mà người ta gọi là nén dải độ sáng. Người ta dùng phép biến đổi Loga sau: v(m,n)=c log10 (d+u(m,n)). Với c là hằng số tỷ lệ, d rất nhỏ so với u(m,n). Thường d chọn cỡ 10-3. Cải thiện ảnh dùng toán tử không gian Làm trơn nhiễu bằng lọc tuyến tính a. Lọc trung bình không gian Mỗi điểm ảnh được thay thế bằng lọc trung bình trọng số của các điểm lân cận: Nếu ta dùng các trọng số như nhau, công thức trở thành. Với ; Nw : là số điểm ảnh trong cửa sổ lọc. y(m,n) : ảnh đầu vào. v(m,n): ảnh đầu ra. w(m,n): cửa sổ lọc. a(m,n): trọng số lọc. 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: 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. b. Lọc thông thấp Lọc thông thấp thường sử dụng để làm trơn nhiễu. Sử dụng một số nhân chập sau: Khi b=1 Hb chính là nhân chập H1 (lọc trung bình). Để hiểu rõ hơn, ta viết lại phương trình thu nhận ảnh dưới dạng: Xqs[m,n] = Xgoc[m,n] + h[m,n] Trong đó h[m,n] là nhiễu cộng có phương sai s2n. Như vậy, theo cách tính của lọc trung bình ta có: Hay: Như vậy nhiễu cộng trong ảnh giảm đi Nw lần. c. Lọc đồng hình Kỹ thuật lọc này hiệu quả đối với nhiễu nhân. Thực tế ảnh quan sát được gồm ảnh gốc nhân với một hệ số nhiễu. X(m,n) = X (m,n).h(m,n) X (m,n) : ảnh gốc X (m,n) : ảnh thu được h(m,n) : nhiễu Lọc đồng hình thực hiện lấy logarit của ảnh quan sát. log(X(m,n)) = log(X (m,n))+log(h(m,n)) Rõ ràng nhiễu nhân có trong ảnh sẽ bị giảm. Làm trơn nhiễu bằng lọc phi tuyến: a. Lọc trung vị v(m,n)= Trung vi(y(m-k,n-l) với (k,l) Î W (1.1) 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 số lẻ. Các cửa sổ hay dùng là cửa sổ 3 x3, 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]= Trung vị(2,3,8)=3 v[2]= Trung vị (3,8,4)=4 v[3]=Trung vị(8,4,2)=4 v[4]=2 Tính chất của lọc trung vị: - Lọc trung vị là phi tuyến vì: Trung vị ((x(m) + y (m))# Trung vị(x(m)) + Trung vị(y(m)) - Hữu ích cho việc loại bỏ các điểm 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. 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 hợp 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. BIẾN ĐỔI ẢNH Biến đổi Fourrier-TF: khái niệm và công thức Biến đổi Fourrier cho một tín hiệu có thể hình dung như sau: x(t) TF X(f) Miền thời gian Miền tần số Một số ứng dụng cần miền phức, người ta dùng biến đổi phức (biến đổi z) : x(n) TZ X(z) với z là biến phức Biến đổi Fourrier cho một tín hiệu một chiều gồm một cặp biến đổi: - Biến đổi thuận: chuyển sự biểu diễn từ không gian thực sang không gian tần số (phổ và pha). Các thành phần tần số này được gọi là các biểu diễn trong không gian Fourrier của tín hiệu. - Biến đổi ngược: chuyển đổi sự biểu diễn của đối tượng từ không gian Fourrier sang không gian thực. Không gian một chiều Cho một hàm f(x) liên tục. Biến đổi Fourrier của f(x), kí hiệu F(u), u biểu diễn tần số không gian, được định nghĩa: F(u) = (1.2) Biến đổi ngược của F(u) cho f(x) được định nghĩa: f(x) = (1.3) Không gian hai chiều Cho f(x,y) hàm biểu diễn ảnh liên tục trong không gian 2 chiều, cặp biến đổi Fourier cho f(x,y) được định nghĩa: - Biến đổi thuận F(u,v) = (1.4) u,v biểu diễn tần số không gian. - Biến đổi ngược f(x,y) = (1.5) Biến đổi Fourrier rời rạc – DFT Biến đổi DFT được phát triển dựa trên biến đổi Fourrier cho ảnh số. Ở đây, ta dùng tổng thay cho tích phân. Biến đổi DFT tính các giá trị của biến đổi Fourrier cho một tập các giá trị trong không gian tần số được cách đều. DFT cho tín hiệu một chiều Với tín hiệu một chiều, người ta biểu diễn bởi một chuỗi trực giao các hàm cơ sở. Với các hàm liên tục, khai triển chuỗi trực giao sẽ cung cấp chuỗi các hệ số dùng trong nhiều quá trình khác nhau hay trong phân tích hàm. Khai triển Fourrier rời rạc DFT cho một dãy {u(n), n = 0, 1, ..., N-1} định nghĩa bởi: v(k) = với k =0, 1, ..., N-1 (1.6) với WN = e-j2p/N và biến đổi ngược u(n) = WN-kn , k=0, 1, ..., N-1 (1.7) DFT cho tín hiệu hai chiều (ảnh số) Cặp DFT đơn vị hai chiều được định nghĩa: v(k,l) = WN (km + ln) 0 = l, k = N-1 (1.8) u(m,n) = WN -(km + ln) 0 = m, n = N-1 (1.9) Ở đây, WN(km+ln) là ma trận ảnh cơ sở. Nhắc lại rằng eja = cos(a) +jsin(a) (công thức Ơle). Do vậy: WN(km+ln) = e-j2p(km+ln)/N = cos(2p(km+ln)/N) - j sin (2p(km+ln)/N). Như vậy, các hàm cơ sở trong ma trận ảnh cơ sở của biến đổi Fourier là các hàm cosine và hàm sine. Theo tính toán trên, ta thấy biến đổi Fourrier biểu diễn ảnh trong không gian mới theo các hàm sine và cosine. Biến đổi KL a. Định nghĩa và khái niệm: Cho u là một véc tơ các số thực ngẫu nhiên; véctơ cơ sở của biến đổi KL là các véc tơ riêng trực giao của ma trận hiệp biến R cho bởi phương trình: Rj k = lkj k ; 0 £ k £N-1 Biến đổi KL của u là v = F*Tu (1.10) và biến đổi ngược u = Fv = v(k) Fk (1.11) u là véc tơ cột, v là véctơ hàng và Fk là cột thứ k của ma trận F. Biến đổi F đưa R về dạng đường chéo : l1 F*TRF = l = l2 . . . lN Thường người ta hay làm việc với ma trận A hơn. b. Biến đổi KL của ảnh: Nếu một ảnh u(m,n) NxN được biểu diễn bởi trường ngẫu nhiên, ma trận A cho bởi: E[u(m,n)u(m',n')] = r(m,n;m',n') 0 £ m,m',n,n' £ N-1 (1.12) thì ảnh cơ sở của biến đổi KL là các hàm riêng, chuẩn và trực giao fk,l là lời giải của phương trình: r(m,n;m',n') fk,l = lk,l fk,l (1.13) Theo ký pháp ma trận ta có: RYi = li fi i = 0, 1, ..., N2-1 (1.14) Với fi là véc tơ N2 x 1 biểu diễn của Yk,l và R là ma trận N2 x N2 ánh xạ vào véc tơ u, R = E[uu]. Nếu R là tách được thì ma trận Y N2 x N2 mà các cột là Yi sẽ tách được: fk,l(m,n) = f1 Ä f2 hay R = R1 Ä R2 (1.15) Biến đổi KL của U là V = Y*Tu = f1*T Ä f2*T và biến đổi ngược U =f1 V f2 (1.16) LÀM NỔI VÀ TÁCH ĐƯỜNG BIÊN ẢNH Làm nổi đường biên ảnh qua bộ lọc FIR Vì đường biên ảnh chiếm ở dải tần số cao trong phổ của ảnh, nên ta có thể làm nổi hoặc tách đường biên ảnh qua bộ lọc thông cao. Dùng cho chức năng này, ta có thể dùng bộ lọc tương phản pha có điểm cắt tần số đủ cao để làm nổi đường biên ảnh và làm mờ các chi tiết khác của ảnh có tần số thấp. Một phương pháp khác hay dùng để làm nổi đường biên ảnh là dùng bộ lọc Laplace, định nghĩa như sau: (1.17) ở đây f(x,y) là hàm cường độ của ảnh. Đặc tính tần số của Laplace được định nghĩa như sau: (1.18) Để hiểu hoạt động của phương pháp Laplace trong việc trích ra đường biên, xem sơ đồ ví dụ hình 1.14. Chúng là sự đơn giản hoá sườn âm và sườn dương đường biên. Hình 1.13. (a) Kết quả sử dụng bộ lọc PCF với . (b) Kết quả sử dụng lọc PCF với . f(x) a b c Hình 1.14. Đạo hàm bậc nhất và bậc hai của đường biên. Rõ ràng là đạo hàm bậc hai có thể dùng để phát hiện đường biên ảnh. Thông thường, các điểm cắt zero của đạo hàm bậc hai là nơi có đường biên ảnh. Cần phải nhớ rằng đạo hàm của một hàm hai biến tại bất kỳ điểm nào cũng phụ thuộc vào hướng lấy đạo hàm. Các bộ lọc FIR có thể dùng xấp xỉ một Laplace. Tách đường biên ảnh qua cách tiếp cận khoảng cách Toán tử Robert W1 0 -1 1 0 W2 -1 0 0 1 Nó bao gồm hai mặt nạ sau đây : Chiều dài đường biên ảnh có thể rút ra bằng cách dùng bất kỳ phép xử lý không tuyến tính nào sau đây. (1.19) (1.20) (1.21) Trong đó y1(i,j) và y2(i,j) là đáp ứng rút ra từ mẫu W1 và W2. Hai biểu thức cuối cùng được dùng thường xuyên nhất. Hướng của đường biên q(i,j), tính theo phương nằm ngang, có thể rút ra bởi: (1.22) Các phần tử trong mặt nạ gọi là các trọng số. Toán tử Sobel Phương pháp Sobel được thiết kế để xấp xỉ hàm gradient rời rạc. Mặt nạ xử lý Sobel có dạng sau: 1 0 -1 2 0 -2 1 0 -1 W1 -1 -2 -1 0 0 0 1 2 1 W2 Và ảnh chiều dài đường biên tính ra từ tính toán dùng biểu thức (1.19), (1.20) hoặc (1.21). Hướng của đường biên tính từ: (1.23) Chú ý rằng W1 dùng để tách lấy đường biên dọc ảnh, còn W2 dùng để tách lấy đường biên ngang của ảnh. Các mặt nạ gradient khép kín Chúng được phát triển dựa trên sự đánh giá tất cả các hướng có thể của một đường biên ảnh trong một ảnh rời rạc. Bởi vậy thay vì chỉ áp dụng hai mặt nạ như hai phương pháp trước, tám mặt nạ đã được dùng, mỗi cái cung cấp một cạnh đường biên dọc theo một trong tám hướng có thể của vòng (xem hình 5.4). Bốn kiểu khác nhau của các mặt nạ của phương pháp này cho ở phía dưới. Chúng là sự phát triển dựa trên mô hình dữ liệu cơ sở cho đường biên trong ảnh. 1 2 0 7 6 5 4 3 E NE N NW W SW S SE Hình 1.15. Các hướng xử lý. NHẬN DẠNG ẢNH Mô hình tham số Sử dụng một véctơ để đặc tả đối tượng. Mỗi phần tử của véctơ mô tả một đặc tính của đối tượng. Giả sử tiếp : x0 = xi y0 = yi là toạ độ tâm điểm. Như vậy, moment trung tâm bậc p, q của đường bao là: mpq =(xi-x0)p(yi-y0)q (1.24) Véctơ tham số trong trường hợp này chính là các moment mij với i=1, 2,...,p và j=1, 2,...,q. Còn trọng số các đặc trưng hình học, người ta hay sử dụng chu tuyến, đường bao, diện tích và tỉ lệ T = 4pS/p2, với S là diện tích, p là chu tuyến. Việc lựa chọn phương pháp biểu diễn sẽ làm đơn giản cách xây dựng. Tuy nhiên, việc lựa chọn đặc trưng nào là hoàn toàn phụ thuộc vào ứng dụng. Mô hình cấu trúc: Cách tiếp cận của mô hình này dựa vào việc mô tả đối tượng nhờ một số khái niệm biểu thị các đối tượng cơ sở trong ngôn ngữ tự nhiên. Để mô tả đối tượng, người ta dùng một số dạng nguyên thuỷ như đoạn thẳng, cung, v,...,v. Chẳng hạn một hình chữ nhật được định nghĩa gồm 4 đoạn thẳng vuông góc với nhau từng đôi một. NÉN DỮ LIỆU ẢNH Nén dữ liệu là quá trình làm giảm lượng thông tin "dư thừa" trong dữ liệu gốc và do vậy, lượng thông tin thu được sau nén thường nhỏ hơn dữ liệu gốc rất nhiều. Với dữ liệu ảnh, kết quả thường là 10 : 1. Một số phương pháp còn cho kết quả cao hơn. Ngoài thuật ngữ "nén dữ liệu”, do bản chất của kỹ thuật này nó còn có một số tên gọi khác như: giảm độ dư thừa, mã hoá ảnh gốc. Các loại dư thừa dữ liệu Sự phân bố ký tự Trong một dãy ký tự, có một số ký tự có tần suất xuất hiện nhiều hơn một số dãy khác. Do vậy, ta có thể mã hoá dữ liệu một cách cô đọng hơn. Các dãy ký tự có tần xuất cao được thay bởi một từ mã nhị phân với số bít nhỏ; ngược lại các dãy có tần xuất thấp sẽ được mã hoá bởi từ mã có nhiều bít hơn. Đây chính là bản chất của phương pháp mã hoá Huffman. Sự lặp lại của các ký tự Trong một số tình huống như trong ảnh, 1 ký hiệu (bít "0" hay bít "1") được lặp đi lặp lại một số lần. Kỹ thuật nén dùng trong trường hợp này là thay dãy lặp đó bởi dãy mới gồm 2 thành phần: số lần lặp và kí hiệu dùng để mã. Phương pháp mã hoá kiểu này có tên là mã hoá loạt dài RLC (Run Length Coding). Những mẫu sử dụng tần suất Có thể có dãy ký hiệu nào đó xuất hiện với tần suất tương đối cao. Do vậy, có thể mã hoá bởi ít bít hơn. Đây là cơ sở của phương pháp mã hoá kiểu từ điển do Lempel-Ziv đưa ra và có cải tiến vào năm 1977, 1978 và do đó có tên gọi là phương pháp nén LZ77, LZ78. Năm 1984, Terry Welch đã cải tiến hiệu quả hơn và đặt tên là LZW (Lempel-Ziv- Welch). Độ dư thừa vị trí Do sự phụ thuộc lẫn nhau của dữ liệu, đôi khi biết được ký hiệu (giá trị) xuất hiện tại một vị trí, đồng thời có thể đoán trước sự xuất hiện của các giá trị ở các vị trí khác nhau một cách phù hợp. Chẳng hạn, ảnh biểu diễn trong một lưới hai chiều, một số điểm ở hàng dọc trong một khối dữ lệu lại xuất hiện trong cùng vị trí ở các hàng khác nhau. Do vậy, thay vì lưu trữ dữ liệu, ta chỉ cần lưu trữ vị trí hàng và cột. Phương pháp nén dựa trên sự dư thừa này gọi là phương pháp mã hoá dự đoán. Cách đánh giá độ dư thừa như trên hoàn toàn mang tính trực quan nhằm biểu thị một cái gì đó xuất hiện nhiều lần. Đối với dữ liệu ảnh, ngoài đặc thù chung đó, nó còn có những đặc thù riêng. Thí dụ như có ứng dụng không cần toàn bộ dữ liệu thô của ảnh mà chỉ cần các thông tin đặc trưng biểu diễn ảnh như biên ảnh hay vùng đồng nhất. Do vậy, có những phương pháp nén riêng cho ảnh dựa vào biến đổi ảnh hay dựa vào biểu diễn ảnh. Phân loại các phương pháp nén Có nhiều cách phân loại các phương pháp nén khác nhau. Cách thứ nhất dựa vào nguyên lý nén. Cách này phân các phương pháp nén thành 2 họ lớn: Nén chính xác hay nén không mất thông tin (Lossless): họ này bao gồm các phương pháp nén mà sau khi giải nén ta thu được chính xác dữ liệu gốc. Nén có mất mát thông tin (Lossy): họ này bao gồm các phương pháp mà sau khi giải nén ta không thu được dữ liệu như bản gốc. Trong nén ảnh, người ta gọi là các phương pháp "tâm lý thị giác". Các phương pháp này lợi dụng tính chất của mắt người, chấp nhận một số vặn xoắn trong ảnh khi khôi phục lại. Tất nhiên, các phương pháp này chỉ có hiệu quả khi mà độ vặn xoắn là chấp nhận được bằng mắt thường hay với dung sai nào đó. Cách phân loại thứ hai dựa vào cách thức thực hiện nén. Theo cách này, người ta cũng phân thành hai họ: Phương pháp không gian (Spatial Data Compression): các phương pháp thuộc họ này thực hiện nén bằng cách tác động trực tiếp lên việc lấy mẫu của ảnh trong miền không gian. Phương pháp sử dụng biến đổi (Transform Coding): Gồm các phương pháp tác động lên sự biến đổi của ảnh gốc mà không tác động trực tiếp như họ trên [6]. Có một cách phân loại khác nữa, cách phân loại thứ ba, dựa vào triết lý của sự mã hoá. Cách này cũng phân các phương pháp nén thành 2 họ: Các phương pháp nén thế hệ thứ nhất: Gồm các phương pháp mà mức độ tính toán là đơn giản, thí dụ như việc lấy mẫu, gán từ mã, v.. v... Các phương pháp nén thế hệ thứ hai: Dựa vào mức độ bão hoà của tỷ lệ nén. Trong các phần trình bày dưới đây, ta sẽ theo cách phân loại này. Cũng còn phải kể thêm một cách phân loại thứ tự do Anil.K.Jain nêu ra. Theo cách của Jain, các phương pháp nén gồm 4 họ chính: Phương pháp điểm. Phương pháp dự đoán. Phương pháp dựa vào biến đổi. Các phương pháp tổ hợp (Hybrid). Thực ra cách phân loại này là chia nhỏ của cách phân loại thứ ba và dựa vào cơ chế thực hiện nén. Xét một cách kỹ lưỡng nó cũng tương đương cách phân loại thứ ba. Nhìn chung, quá trình nén và giải nén dữ liệu có thể mô tả một cách tóm tắt theo sơ đồ dưới đây: Quá trình nén Dữ liệu gốc Dữ liệu nén Quá trình giải nén Hình 1.16. Sơ đồ chức năng quá trình nén dữ liệu KHẢO SÁT HỆ THỐNG THỰC Các chức năng hỗ trợ của máy tính trong quá trình dạy học Chức năng lưu trữ và xử lí thông tin Máy tính có thể quản lí, xử lí cung cấp thông tin khác nhau như văn bản, dữ liệu thống kê, suy luận logic, các công thức, các phép toán và các dạng khác nhau của tri thức. Máy tính sẽ phát huy được sức mạnh của nó khi thông tin cần cung cấp được trích từ ngân hàng dữ liệu. Ở khía cạnh này, máy tính phục vụ xuất sắc nếu nhiệm vụ của người học có một trong các yêu cầu sau: Tìm kiếm thông tin. Chọn lọc thông tin. Kiểm tra một khái niệm có nội dung xác định thông qua liên kết trong ngân hàng dữ liệu. Chức năng điều chỉnh hoạt động học tập Nếu được lập trình thích hợp, máy tính có thể điều chỉnh hoàn thiện và phát triển hoạt động học tập của học sinh. Máy tính làm cho các môn học trở nên hứng thú hơn đối với học sinh, kích thích học sinh tìm tòi, khám phá kiến thức mới. Máy tính giúp cho học sinh phát triển khả năng diễn đạt, khả năng tư duy logic (đặc biệt tư duy thuật toán). Dựa vào mục đích dạy học và kết quả học tập của từng học sinh, máy tính cung cấp thông tin phản hồi (thông tin ngược) cho học sinh nhằm giúp đỡ họ có thể điều chỉnh hoạt động học tập của mình. Chức năng luyện tập và thực hành Các chương trình để luyện tập và thực hành trên máy tính giúp học sinh có cơ hội tốt để tiếp xúc với những vấn đề thực tiễn đã được đơn giản hoá sao cho phù hợp với khả năng và trình độ học sinh. Học sinh có thể luyện tập hoặc thực hành trên máy tính trước khi bắt tay vào làm việc với đối tượng thực. Chức năng minh hoạ và trực quan Máy tính cung cấp một khả năng lớn về lưu trữ, thể hiện các hình ảnh, âm thanh. Chính vì vậy, nhờ máy tính, các hình ảnh trực quan trong quá trình dạy học có thể được thể hiện một cách sinh động, đa dạng và phong phú. Chức năng hỗ trợ thiết kế Chức năng này thể hiện ở việc đưa vào quá trình dạy học các chương trình đồ hoạ hay các chương trình tương tự. Chức năng mô hình hoá và mô phỏng Mô hình hoá và mô phỏng là những phương pháp gần tương tự nhau dùng để phản ánh tiến trình nghiên cứu khoa học và sau đó để dạy về cơ sở của các tiến trình đó. Trong khoa học, mô hình hoá các quá trình lý thuyết được coi là con đường tốt nhất để huấn luyện tư duy khoa học và phương pháp giải quyết vấn để, ở mô hình hoá, ta có thể tìm thấy hầu như ở tất cả các khâu của quá trình nhận thức và khám phá điển hình đối với một người nghiên cứu. Chức năng liên lạc Chức năng liên lạc của máy tính được sử dụng nhiều trong những trường hợp mà mối liên lạc giữa người học và người dạy một cách trực tiếp gặp khó khăn (ví dụ đào tạo từ xa). Trong những trường hợp đó máy tính đóng vai trò là phương tiện truyền thông giữa người dạy và người học. Chức năng đánh giá Máy tính, qua các phần mềm dạy học, đóng vai trò là một thiết bị phân tích và đánh giá các bài kiểm tra, chuẩn đoán đưa ra các hướng giải quyết (các thông tin phản hồi). Các quan điểm thiết kế phần mềm theo hướng dạy học với sự giúp đỡ của máy tính Các quan điểm có tính cổ điển Các quan điểm cổ điển nhất trong việc thiết kế các phần mềm dạy học được tìm thấy trong các dạng ứng dụng được phân cấp theo mức độ chủ động điều khiển các phần mềm. Có thể chỉ ra các dạng thiết kế phần mềm sau: Thiết kế các phần mềm luyện tập và thực hành. Thiết kế các phần mềm mô phỏng. Thiết kế các phần mềm gia sư. Thiết kế các phần mềm hỗ trợ cho việc mô hình hoá. Thiết kế các hệ tương tác (giữa người học và máy) trên cơ sở tri thức. Thiết kế các hệ tìm kiếm thông tin. Thiết kế các phần mềm tính toán. Thiết kế các phần mềm dùng trong thí nghiệm. Xây dựng các vi thế giới Sự xuất hiện của máy tính trong dạy học có thể giúp ích cho việc giải quyết các xung đột về nhận thức giữa cái mới và cái đã biết cũng như các vấn đề tương tự bằng cách tạo ra các thế giới chỉ tồn tại trên máy tính và tuân theo các quy luật mà lý thuyết của thế giới thực đã khẳng định. Xây dựng hệ tác giả Các ngôn ngữ tác giả hoặc hệ tác giả cho phép người giáo viên với một kiến thức tối thiểu về tin học cũng có thể tạo ra các sản phẩm là các chương trình dạy học. Hệ tác giả cho phép giáo viên phát huy tính tích cực năng lực sáng tạo của mình trong việc xây dựng các bài học dưới sự hỗ trợ của máy tính. Đồng thời nó cũng giúp cho học sinh nâng cao hiểu biết, khả năng tư duy, phán đoán và rèn luyện trong quá trình tự học, tự nghiên cứu. Xây dựng hệ chuyên gia Hệ chuyên gia là phần mềm chứa các tri thức về một lĩnh vực cụ thể và trong một mức độ nào đó, hệ có khả năng giải quyết những yêu cầu của người sử dụng ở trình độ của một chuyên gia có kinh nghiệm lâu năm. Hệ chuyên gia có thể lưu trữ, cập nhật tri thức của nhiều chuyên gia trong cùng một lĩnh vực và sử dụng tri thức đó trong công việc mà hệ đảm nhiệm. Trong lĩnh vực giáo dục, hệ chuyên gia như những người “thầy máy tính” có thể giúp đỡ học sinh một cách đắc lực trong học tập bằng cách đưa ra những hướng dẫn, cách thức giải bài tập, kiểm tra kiến thức của học sinh… Ngoài ra, máy tính có thể hiểu các câu hỏi và trả lời của người sử dụng các vấn đề liên quan đến nội dung học tập. Các dạng ứng dụng cụ thể của máy tính trong dạy học tin học Hiện nay trong thực tế đã xuất hiện các chương trình hỗ chợ cho dạy học tin học về các khía cạnh như: Minh hoạ và trình bày kiến thức. Mô phỏng các quá trình. Một số tiêu chuẩn để xây dựng phần mềm hỗ trợ dạy học Những tiêu chuẩn về phần cứng. Những yêu cầu về phần cứng bao gồm: Loại máy tính, dung lượng đĩa cần thiết, các thiết bị ngoại vi (màn hình, ổ đĩa, chuột, bàn phím,…), hệ điều hành dùng cho phần mềm. Những tiêu chuẩn về phần cứng phải được nêu cụ thể và rõ ràng để tạo điều kiện cho người sử dụng có thể khai thác hết các tính năng và tác dụng của phần mềm. Những yêu cầu về mặt sư phạm a. Nội dung dạy học Tác giả phải nêu rõ mục đích cụ thể của phạm vi sử dụng của phần mềm: phần mềm dạy học môn học nào, áp dụng cho đối tượng nào, thuộc thể loại nào. b. Tính chính xác về mặt khoa học thuật ngữ Những thông tin phải được đảm bảo chính xác và khoa học của vấn để được trình bày. Văn phong phải rõ ràng, cách diễn đạt phải dễ hiểu, cô đọng, xúc tích. Các chuẩn về chính tả ngôn ngữ tiếng việt phải được đảm bảo. Yêu cầu về cách thể hiện a. Trình bày trên màn hình Nội dung trên màn hình phải rõ ràng, phù hợp với nội dung dạy học. Lượng thông tin được cung cấp trên một trang màn hình dưới hình thức văn bản, hình vẽ, tranh ảnh phải vừa đủ. Những thông tin quan trọng phải thể hiện một cách rõ ràng trên màn hình, tránh gây nhầm lẫn cho người sử dụng. Các thủ thuật về màu sắc nhưng không nên lạm dụng quá nhiều sẽ làm cho người học khó chịu. Thêm vào đó là cách bố trí không gian và cách trình bày thích hợp cũng đóng vai trò trong việc gây hứng thú cho người học. b. Hệ thống bảng chọn Phần mềm phải có hệ thống bảng chọn đầy đủ để người sử dụng có được cái nhìn tổng thể về môn học, bài học. Nhờ nó mà chương trình có thể đem lại tiện lợi cao. Thực trạng về vấn đề giảng dạy ở các trường ĐH, CĐ hiện nay Trong tất cả các trường đại học, cao đẳng ở nước ta nói chung và ĐH Hàng Hải hiện nay việc giảng dạy các môn học hầu hết chưa theo một hệ thống bài giảng chung, mà thường là theo từng trường, từng Khoa, Bộ môn quy định, thậm chí là do giáo viên tự nghiên cứu, lựa chọn tài liệu để giảng dạy cho sinh viên. Đặc biệt là đối với các môn học của Khoa Công nghệ thông tin là những môn học mới, hoặc đã có từ lâu nhưng nếu sử dụng các giáo trình hay tài liệu cũ thì kiến thức truyền đạt cho sinh viên đã lạc hậu so với hiện tại. Các giáo trình mới có rất nhiều các giáo trình bằng tiếng Anh, Nga nên rất khó để sinh viên tiếp cận một cách hiệu quả vì khả năng dịch sách của sinh viên còn nhiều hạn chế. Một số môn học, giáo trình tiếng Việt đã có nhưng chưa được Bộ Giáo dục chuẩn hóa để đưa vào giảng dạy. Những cuốn sách đó thường là sách dịch và với các tác giả khác nhau thì cách tiếp cận môn học cũng rất khác nhau. Vì vậy làm cho sinh viên rất khó khăn trong việc lựa chọn. Những hạn chế của phương thức giảng dạy thông thường Cách thức giảng dạy thông thường tỏ ra không mấy hữu hiệu và làm cho việc giảng dạy gặp nhiều khó khăn, nhất là đối với những môn học mới. - Việc quản lý và giảng dạy không tập trung do không thống nhất về giáo trình giảng dạy. - Khó khăn cho giáo viên nếu chưa có kinh nghiệm giảng dạy về môn học đó vì mất thời gian trong việc tiếp cận môn học, sưu tầm tài liệu, giáo trình và khó khăn trong việc giảng dạy cho sinh viên. - Đối với học viên luôn bị động về mặt giáo trình, tài liệu tham khảo cũng như yêu cầu đặt ra sau khi kết thúc môn học. Do đó, kết quả học tiếp thu kiến thức truyền đạt từ giáo viên bị hạn chế. - Phương pháp giảng dạy đối với sinh viên còn nhiều hạn chế: kiến thức truyền đạt trên lớp bị hạn chế nếu chỉ dùng phấn viết và bảng, gây khó khăn cho giáo viên nếu muốn truyền đạt thêm thông tin bởi vì giáo viên mất nhiều thời gian viết. - Sau khi đã dạy xong phần lý thuyết của bài học, thường không có sự minh hoạ cho c