Đang tải... (xem toàn văn)
Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét Một số phương pháp làm mảnh ảnh đường nét
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM HÀ NỘI NGUYỄN THANH BÌNH NGUYỄN THANH BÌNH MỘT SỐ PHƯƠNG PHÁP LÀM MẢNH ẢNH ĐƯỜNG NÉT KHOA HỌC MÁY TÍNH LUẬN VĂN THẠC SĨ MÁY TÍNH KHÓA: 2012-2014 HÀ NỘI, 2014 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM HÀ NỘI NGUYỄN THANH BÌNH MỘT SỐ PHƯƠNG PHÁP LÀM MẢNH ẢNH ĐƯỜNG NÉT Chuyên ngành: Khoa học máy tính Mã số: 60 48 01 01 LUẬN VĂN THẠC SĨ MÁY TÍNH Người hướng dẫn khoa học: PGS.TS Ngô Quốc Tạo HÀ NỘI, 2014 LỜI CẢM ƠN Sau thời gian học tập nghiên cứu, cuối hoàn thành luận văn nghiên cứu mình. Đây thời điểm tốt có dịp bày tỏ lòng biết ơn đến thầy cô, người thân giúp đỡ động viên suốt trình thực luận văn này. Trước tiên, xin bày tỏ lòng biết ơn sâu sắc đến PGS.TS Ngô Quốc Tạo, người thầy, người hướng dẫn khoa học, người định hướng nghiên cứu cho suốt thời gian thực luận văn này. Xin gửi lời cảm ơn chân thành tới quý thầy cô Khoa Công nghệ thông tin trường Đại học Sư phạm Hà Nội 2, thầy cô viện Công nghệ thông tin tận tình giảng dạy, truyền đạt cho nhiều kiến thức quý báu suốt trình học tập. Cuối cùng, xin bày tỏ lòng biết ơn sâu sắc tới gia đình, bạn bè, anh chị em đồng nghiệp ủng hộ, tạo điều kiện thuận lợi, khích lệ, góp ý cho suốt trình học để có ngày hôm nay. Xin trân trọng cảm ơn! Hà Nội, tháng 12 năm 2014 Tác giả Nguyễn Thanh Bình LỜI CAM KẾT Tôi xin cam kết luận văn công trình nghiên cứu thực tôi, hoàn thành dựa kết nghiên cứu hướng dẫn khoa học PGS.TS Ngô Quốc Tạo. Trong toàn nội dung luận văn, điều trình bày cá nhân tổng hợp từ nhiều nguồn tài liệu. Tất tài liệu tham khảo có xuất xứ rõ ràng trích dẫn hợp pháp. Hà Nội, tháng 12 năm 2014 Tác giả Nguyễn Thanh Bình MỤC LỤC MỞ ĐẦU . Chương . TỔNG QUAN VỀ XỬ LÝ ẢNH . VÀ CÁC PHƯƠNG PHÁP LÀM MẢNH ẢNH ĐƯỜNG NÉT 1.1 Tổng quan xử lý ảnh 1.1.1 Giới thiệu xử lý ảnh . 1.1.2 Các thuật ngữ thường dùng xử lý ảnh . 1.1.3 Một số phương pháp biểu diễn ảnh 1.2 Tổng quan phương pháp làm mảnh ảnh đường nét 1.2.1 Các khái niệm thuật toán làm mảnh . 1.2.2 Phân loại thuật toán làm mảnh ảnh đường nét 12 1.2.3 Các tính chất yêu cầu việc làm mảnh . 13 Chương . 16 PHƯƠNG PHÁP LÀM MẢNH ẢNH ĐƯỜNG NÉT THEO THUẬT TOÁN TUẦN TỰ 16 2.1 Làm mảnh phương pháp dò theo biên 16 2.1.1 Thuật toán Chu Suen . 16 2.1.2 Thuật toán Arcelli 17 2.1.3 Thuật toán Pavlidis 18 2.1.4 Thuật toán Kwork 19 2.2 Làm mảnh phương pháp dò theo loạt . 20 2.2.1 Thuật toán làm mảnh Yakei . 21 2.2.2 Thuật toán làm mảnh SPTA . 21 2.2.3 Thuật toán làm mảnh Nakayama . 22 2.3 Nhận xét thuật toán 23 Chương . 24 PHƯƠNG PHÁP LÀM MẢNH ẢNH ĐƯỜNG NÉT THEO THUẬT TOÁN SONG SONG . 24 3.1 Làm mảnh song song sử dụng chu trình 24 3.1.1 Thuật toán Rutovitz . 24 3.1.2 Thuật toán Holt 26 3.1.3 Thuật toán Favre Keller 28 3.1.4 Thuật toán Chin . 30 3.1.5 Thuật toán Chen 31 3.2 Làm mảnh song song sử dụng chu trình 31 3.2.1 Thuật toán Zang-Suen . 31 3.2.2 Thuật toán Suzuki 33 3.2.3 Thuật toán Guo 33 3.3 Làm mảnh song song sử dụng chu trình 34 3.3.1 Thuật toán Bel-lan Monoto . 34 3.3.2 Thuật toán Rosenfeld . 34 3.3.3 Thuật toán Stentiford . 35 3.3 Nhận xét thuật toán 40 Chương . 42 CÀI ĐẶT THỬ NGHIỆM THEO THUẬT TOÁN HOLT . 42 4.1 Sơ đồ khối trình xử lý ảnh . 42 4.2 Hướng dẫn sử dụng chương trình . 42 4.3 Một số hình ảnh cài đặt thử nghiệm . 43 KẾT LUẬN 45 1. Kết luận 45 2. Hướng phát triển đề tài . 45 TÀI LIỆU THAM KHẢO 46 DANH MỤC CÁC HÌNH VẼ Trang Hình 1.1. Quá trình xử lý ảnh . Hình 1.2. Biểu diễn mức xám ảnh số . Hình 1.3. Dạng láng giềng điểm ảnh P . Hình 2.1. Cấu hình điểm ngắt . 22 Hình 3.1. Cửa sổ xóa cầu thang gác 27 Hình 3.2. Sự thay đổi dựa thuật toán Zhang-Suen . 27 Hình 3.3. Kết áp dụng thuật toán Holt’s với rời cầu thang . 28 Hình 3.4 a. Làm mảnh 30 Hình 3.4 b. Làm trơn 30 Hình 3.4 c. Làm lại . 30 Hình 3.5. Kết sau áp dụng thuật toán Zhang-Suen . 32 Hình 3.6. Cửa số láng giềng Suzuki . 33 Hình 3.7. Điều kiện xóa điểm ảnh Rosenfeld . 34 Hình 3.8. Các mẫu cửa sổ thuật toán Stentiford 36 Hình 3.9. Số liên kết . 37 Hình 3.10. Tất bước lặp thuật toán Stentiford 38 Hình 3.11. Cơ sở làm mảnh nhân tạo 39 Hình 3.12. Mẫu sử dụng góc nhọn quan trọng 40 Hình 4.1. Sơ đồ khối trình xử lý ảnh 42 Hình 4.2. Hình ảnh chữ viết xử lý thuật toán Holt . 43 Hình 4.3. Hình ảnh biển số xe xử lý thuật toán Holt 43 Hình 4.4. Hình ảnh vân tay xử lý thuật toán Holt 44 Hình 4.5. Hình ảnh chữ ký tayđược xử lý thuật toán Holt 44 MỞ ĐẦU Xử lý ảnh ngành khoa học có bước tiến dài dần khẳng định ngành khoa học thiếu lĩnh vực ứng dụng công nghệ thông tin. Trong tiến trình phát triển xử lý ảnh, từ giai đoạn sớm, nhận thấy tính khả thi công nghệ nhận dạng mẫu hình máy điện toán. Đi với phát sinh nhu cầu giảm thiểu lượng thông tin cần xử lý công nghệ nhận dạng mẫu hình. Trong nhiều năm qua, có nhiều thuật toán nén liệu dựa việc làm mảnh xây dựng, phát triển ứng dụng rộng rãi cho nhiều mục đích khác nhau. Trong đó, làm mảnh ảnh đường nét đóng góp vai trò quan trọng. Đường nét thành phần cấu thành nên hình dạng đối tượng với số điểm ảnh cách biểu diễn đối tượng cách cô đọng nhất. Đường nét thẳng, cong hay gẫy khúc. Trong nhiều trường hợp, đường nét sau làm mảnh trở nên gần gũi với giác quan hơn, đôi mắt. Ảnh đường nét ảnh có chiều dài lớn chiều rộng nhiều. Làm mảnh ảnh đường nét chiếm vị trí đặc biệt quan trọng khoa học nhận dạng vectơ. Kỹ thuật “làm mảnh ảnh đường nét” ứng dụng trình phân tích nhận biết ảnh nhận dạng chữ viết, nhận dạng dấu vân tay, . hay nén liệu truyền xử lý ảnh. Từ lý định chọn đề tài : “Một số phương pháp làm mảnh ảnh đường nét” để nghiên cứu nhằm cung cấp cho người đọc thông tin hữu ích phương pháp làm mảnh ảnh nói chung, làm mảnh ảnh đường nét nói riêng. Luận văn nghiên cứu nhằm hướng tới mục tiêu sau: - Giới thiệu tổng quan xử lý ảnh. - Giới thiệu khái niệm, tính chất, yêu cầu việc làm mảnh ảnh đường nét. - Nghiên cứu nhóm thuật toán làm mảnh ảnh đường nét theo thuật toán tuần tự, thuật toán song song. - Cài đặt thực nghiệm mô thuật toán Holt. Bố cục luận văn gồm chương lý thuyết chương cài đặt thực nghiệm. - Chương 1: Tổng quan xử lý ảnh phương pháp làm mảnh ảnh đường nét - Chương 2: Phương pháp làm mảnh ảnh đường nét theo thuật toán - Chương 3: Phương pháp làm mảnh ảnh đường nét theo thuật toán song song - Chương 4: Cài đặt thực nghiệm mô thuật toán Holt Chương TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ CÁC PHƯƠNG PHÁP LÀM MẢNH ẢNH ĐƯỜNG NÉT 1.1 Tổng quan xử lý ảnh 1.1.1 Giới thiệu xử lý ảnh Con người thu nhập thông tin qua giác quan. Trong thị giác đóng vai trò quan trọng nhất. Những năm trở lại với phát triển phần cứng máy tính. Xử lý ảnh số đồ họa phát triển mạnh mẽ, có nhiều ứng dụng sống. Xử lý ảnh số bao gồm phương pháp kỹ thuật để biến đổi, để truyền tải mã hóa ảnh tự nhiên nhằm mục đích: - Biến đổi ảnh làm đẹp ảnh. - Tự động nhận dạng ảnh hay đoán nhận ảnh đánh giá nội dung ảnh. Quá trình xử lý ảnh xem trình thao tác ảnh đầu vào nhằm cho kết mong muốn. Kết đầu trình xử lý ảnh ảnh tốt kết luận. Sơ đồ trình xử lý ảnh: Thu nhận ảnh Tiền xử lý Phân đoạn Tách đặc tính Phân loại ảnh Hình 1.1: Sơ đồ trình xử lý ảnh Trong đó: - Thu nhận ảnh: trình thu nhận ảnh từ nhiều nguồn khác số thiết bị như: máy quay, máy scan, Mục đích thiết bị chuyển thông tin dạng hình ảnh thành cấu trúc lưu trữ máy tính hiển thị thiết bị hiển thị như: hình, máy in, . 32 Cuối bước lặp đánh dấu điểm ảnh bị xóa. Ở chu trình hai Z3 Z4 thay sau: Z3: x3.x1.x7 = Z4: x1.x5.x7 = Như ta xóa điểm ảnh hướng ngược lại, để ý ta thấy điều kiện Z3 Z4 bước lặp thứ phép quay điều kiện Z3 Z4 bước lặp thứ 1800. Một lần nữa, số điểm ảnh đánh dấu để xóa. Nếu điểm cuối bước lặp không bị xóa, sau xương hoàn chỉnh chương trình kết thúc. Kết thuật toán Hình 3.5: Hình 3.5: Kết ảnh sau áp dụng thuật toán Zang-Suen Nhận xét: thuật toán đơn giản mà loại nhiễu biên. Tuy hình vuông x bị xóa hoàn toàn, đường chéo có độ rộng hai điểm ảnh bị xóa. Xương thu đường thừa, hay hiển thị đường cột. Có cải biên thay Z1 ≤b(p) ≤ điều có hiệu giữ lại cấu trúc bị xóa đó, đưa làm mảnh thành độ dày một, làm tăng thời gian tính toán. 33 3.2.2 Thuật toán Suzuki Thuật toán lấy thông tin từ cửa sổ x Hình 3.8 dựa vào số giao XH(p) để kiểm tra việc xóa điểm hai chu trình con. Trong chu trình thứ nhất, p xóa nếu: S1: XH(p) < 2, S2: (b ( p ) [(b(p))=2 xk xk 1 0] i 1 S3: (x = 0) [(x5 = 0) ∧ S4 ∧ S5], S4: x2 ∨ x8( y1 ∨ y2 ∨ y3) ∨ y2 .y3 = 1, S5: x4 ∨ y5 ∨ x2 . y4 = Trên chu trình thứ hai, điều kiện S1, S2 dạng quay 1800 S3 – S5. Y5 Y4 X4 X3 X2 Y3 X5 P X1 Y2 X6 X7 X8 Y1 Hình 3.6.Cửa sổ láng giềng Suzuki 3.2.3 Thuật toán Guo Thực việc làm mảnh 2_chu trình con, ảnh chia thành hai trường riêng biệt bảng kiểm tra mẫu, vòng lặp lại xóa điểm ảnh trường p điểm ảnh đường biên, b(p) > XH(p) = 1. Thủ tục có hiệu đường cong, đường cưa ngang dọc. Thuật toán sử dụng XH(p) để kiểm tra điểm ảnh p có xóa hay không, vòng lặp thứ p xóa nếu: G1: XH(p) = G2: < min{n1(p), n2(p)} ≤ 3, đó: 34 n1 (p) x2 k 1 x2 k n2 (p) x2 k x2 k 1 tương ứng với số cặp điểm i 1 i 1 ảnh kề N(p) chứa điểm ảnh đen G3: (x x3 x8 ) x1 vòng lặp thứ dạng quay 1800 vòng thứ hai. 3.3 Làm mảnh song song sử dụng chu trình 3.3.1 Thuật toán Bel-lan Monoto Đây thuật toán 4_vòng lặp con, đây, điểm ảnh xương tìm thấy vòng lặp phân định số vòng lặp phép tính toán độ rộng đối tượng tiếp sau đó. Các giá trị điểm ảnh xương từ vòng lặp trước giữ không thay đổi, trái lại giá trị điểm ảnh bên lại tăng lên sau vòng lặp. Trong vòng lặp thứ n, điểm ảnh p kiểm tra để xoá thành phần đường biên Bắc x3 = 0, p có giá trị n, x7 ≠ 0. Như thành phần biên p giữ lại làm xương có tồn xi ∈ N(p) cho xi > N(xi) ∩ N(p) = {p, x i}, không, p nhận giá trị bị xoá đi. Thuật toán giữ lại tính chất tô pô nhạy cảm với nhiễu biên phải phụ thuộc vào thứ tự vòng lặp con. 3.3.2 Thuật toán Rosenfeld Thuật toán sử dụng cửa sổ làm mảnh, mặt nạ để xét điểm xóa Hình 3.9 với dạng quay nó. P a) P b) Hình 3.7. Điều kiện xóa điểm ảnh Rosenfeld 35 Mỗi mặt nạ áp dụng cách song song P, mặt nạ có thứ tự (a), (b) dạng quay nó…vì thuật toán xóa điểm ảnh từ biên hợp lệ nw, w,…Bản chất đối xứng (b) kết thu từ yêu cầu P không bị xóa hoàn toàn xử lý song song. Thuật toán thích hợp để thực xử lý song song mà trích thành phần “0” “1”, có định trước số thành viên “0” “1” việc chọnvị trí láng giềng. Thuật toán xác nhận thực cách xác. Thông thường thuật toán biên thuật toán biên song song, việc thực thuật toán biên song song xử lý không liên quan đến phép tính láng giềng có giá trị 1, xóa bước riêng tình nào. Vì cần kiểm tra điểm mẫu bắt đầu vòng lặp, điểm kiểm tra mẫu đến giữ lại. 3.3.3 Thuật toán Stentiford Phần lớn thuật toán làm mảnh ảnh dựa lặp lặp lại bóc dần lớp điểm ảnh không lớp có thể. Đó nguyên tắc định nghĩa điểm ảnh bị loại bỏ, thường xuyên có mẫu so sánh nhỏ thực theo nguyên tắc này. Thông thường nguyên tắc thiết kế dễ dàng cho biết kết thúc: Khi không xuất thay đổi sau hai lần lặp liên tiếp. Stentiford (1983) thuật toán đặc trưng. Nó sử dụng mẫu cửa sổ 3x3, vùng cửa sổ thích hợp với mẫu ảnh xóa (chuyển thành ảnh trắng) điểm ảnh trung tâm. Cơ sở thuật toán là: Bước 1: Tìm điểm ảnh vị trí (i,j) nơi mà điểm ảnh ảnh I thích hợp với mẫu M1 Hình 3.8. 36 Bước 2: Nếu điểm ảnh trung tâm không điểm cuối, có số kết nối = 1, sau đánh dấu điểm ảnh để thực xóa đi. Bước 3: Lặp lại bước cho tất điểm ảnh so khớp với mẫu M1. Bước 4: Lặp lại từ bước đến bước cho mẫu M2, M3,M4. Bước 5: Nếu số điểm ảnh đánh dấu xóa chúng cách thay chúng điểm ảnh trắng. Bước 6: Nếu có số điểm ảnh bị xóa bước 5, lặp lại toàn trình từ bước 1; Nếu không dừng lại. Hình 3.8. Các mẫu cửa sổ thuật toán Stentiford Ảnh phải quét cho mẫu thích hợp kiểu riêng cho mẫu. Mục đích mẫu M1 tìm điểm ảnh để xóa điểm ảnh rìa đối tượng, tìm kiếm điểm ảnh thích hợp từ trái sang phải, sau từ xuống dưới. M2 phù hợp điểm ảnh rìa trái đối tượng; mẫu di chuyển từ lên ảnh, từ trái sang phải. M3 đặt vị trí điểm ảnh với điểm ảnh rìa dưới, di chuyển từ phải sang trái, từ lên trên. Cuối tìm điểm ảnh rìa phải đối tượng, với mẫu M4 duyệt từ xuống dưới, từ phải sang trái. Kiểu lý thuyết hướng áp dụng mẫu bảo đảm điểm ảnh bị xóa cách đối xứng. Vẫn tồn hai vấn đề giải quyết, từ bước 2. Một điểm ảnh điểm cuối liên kết với điểm ảnh khác; là, điểm ảnh đen chỉcó láng giềng đen láng giềng. Nếu điểm cuối bị xóa, đường thẳng đường không khép kín bị xóa hoàn toàn. 37 Một tính toán số liên kết giống Hình 3.9 Hình 3.9. Số liên kết. (a) Số liên kết = 1; (b): 2; (c): 3; (d): 4; (e): 0. Số liên kết Hình 3.11, (Yokoi 1973): Cn N k (N k (N k N k 1 N k 2 ) Ở Nk giá trị màu lân cận điểm ảnh liên quan S={1,3,5,7}. N1 giá trị điểm ảnh trái điểm ảnh trung tâm chúng số ngược chiều kim đồng hồ quanh điểm trung tâm. Giá trị Nk điểm ảnh trắng đen. Điểm trung tâm N0, N k=Nk-8 k>8. Một cách khác số liên kết tính toán việc duyệt lân cận trật tự N1…N8, N1. Số màu thay đổi (đen-trắng) tính toán số vùng điểm ảnh trung tâm liên kết. Hình 3.12 thể lặp lại chứa thành công mẫu. Điểm đen xóa rõ ràng, xóa từ khung hình xác mẫu hoàn hảo. Mỗi lặp lại hoàn thành ảnh hưởng ăn mòn lớp điểm ảnh từ kích cỡ đối tượng, không giống chuẩn ăn mòn hình thái học, xóa điểm ảnh ngẫu nhiên kết hợp điều kiện điểm ảnh cuối số liên kết. 38 Hình 3.10: Tất bước lặp thuật toán Stentiford áp dụng cho chữ T. Hai bước lặp giống nhau, bước lặp thu xương hoàn chỉnh Hoàn thành trình làm mảnh đối tượng yêu cầu 13 lần lặp (sự tính toán lần lặp cuối cùng, mà không hiển thị loại kết thúc). Hình 3.12 thể ảnh kết sau lần lặp. Người ta tính rằng: Một lần lặp tạo thành công trường hợp 60x60 điểm ảnh, 3600 điểm ảnh. Như 187,000 điểm ảnh khảo sát theo thứ tự làm mảnh đối tượng ảnh đơn giản. Nó tồi tệ hơn: mẫu ứng dụng xem xét điểm ảnh (giá trị cực đại 561,600), thời gian mẫu xuất hiện, 18 điểm ảnh khác xem xét (giới hạn 10,108,800 điểm ảnh, lặp lại thường xuyên). Cuối thành công ngoại lệ xóa điểm ảnh rõ ràng (10,152,000). Điều cách tốn việc làm mảnh với điểm ảnh, kiểu thích hợp mẫu sở thuật toán đánh dấu xóa. Có số điều kinh điển với thuật toán làm mảnh thể nhân tạo xương. Đầu tiên gọi phần cột (necking), điểm chật hẹp giao hai đường chéo kéo căng vào đoạn nhỏ Hình 3.11 39 Hình 3.11: Cơ sở làm mảnh nhân tạo. (a) phần cột. (b) đầu thừa; (c) đường xoắn Đoạn cuối tạo chỗ không tồn làm mảnh vượt nơi hai đường gặp góc cao. Cuối thông dụng nhất, tạo thành đoạn nối đoạn xương thực; điều gọi chỗ nhô không sát thực, hình ảnh có đầu thừa, đường xoắn (Hình 3.13 c). Đề xuất Stetiford bước đệm xử lý để giảm đến mức nhân tạo tối thiểu làm mảnh. Vì đường xoắn nguyên nhân thường xuyên điều bất quy tắc nhỏ hình dáng đối tượng, bước làm trơn đề xuất trước làm mảnh để xóa chúng. Về việc xóa điểm ảnh có hai điểm đen lân cận có số liên kết nhỏ hai. Xử lý với phần cột, ông đề xuất thủ tục gọi góc nhọn quan trọng điểm ảnh gần chỗ nối hai đường đặt trắng chúng điểm chốt góc nhọn. Điều chấp nhận sử dụng mẫu Hình 3.14. Một mẫu phù hợp đánh dấu điểm để xóa, bước lặp lại giảm bớt khắt khe việc áp dụng góc nhọn quan trọng 40 sử dụng ba mẫu đầu cho bước lặp cho loại, bước lặp cuối xét đến mẫu đầu tiên. Một xương tốt xuất hiện, phương thức thiếu sót. Sử dụng ba giai đoạn góc nhọn quan trọng không đủ cho đặc tính dầy, mẫu không thích hợp cho tất trạng thái nguyên nhân phần cột phần cuối. Hơn nữa, giai đoạn làm trơn không xét tất chỗ không quy tắc nguyên nhân đường râu. Hình 3.12. Mẫu sử dụng góc nhọn quan trọng 3.3 Nhận xét thuật toán Trong năm gần thuật toán song song tập trung đến tốc độ thực việc làm mảnh, điều dẫn đến việc so sánh với dạng thuật toán khác thời gian tính toán số vòng lặp sử dụng. Tuy nhiên số so sánh số vòng lặp không hoàn toàn xác. Một thuật toán vòng lặp kiểm tra (ví dụ: Thuật toán Holt) thường thực vùng hỗ trợ lớn 3x3 dẫn đến việc cần phải có cấu chung để định nghĩa “vòng lặp” thuật toán song song so sánh cách có ý nghĩa. Người ta đưa sơ đồ cho vòng lặp, thành phần mạng máy tính tính toán hàm logic láng giềng x tốc độ song song thuật toán đánh giá số vòng lặp cần thiết. Khi sử dụng độ 41 đo tốc độ thuật toán Holt không tốt thuật toán hai vòng lặp thuật toán Zang-Suen. Có thể nói rằng, đối lập với thuật toán tuần tự, phức tạp thuật toán song song kết việc cần thiết giữ tính liên thông sử dụng phép toán song song vùng lân cận nhỏ. Đây vấn đề đặc thù tự nhiên làm mảnh song song khắc phục cách sử dụng vòng lặp cách mở rộng vùng lân cận để kiểm tra. Trong trường hợp khác, kết thực tính toán tức thời sử dụng mẫu để giữ nhiều cấu trúc tổng thể hơn. 42 Chương CÀI ĐẶT THỬ NGHIỆM THEO THUẬT TOÁN HOLT Chương trình thử nghiệm (demo) làm mảnh ảnh đường nét thuật toán Holt viết Visual C++ Microsoft, sử dụng thư viện mã nguồn mở OpenCV. Làm mảnh song song thuật toán Holt yêu cầu ảnh đầu vào phải đáp ứng ràng buộc sau: - Thứ ảnh đường nét. - Thứ hai ảnh đen trắng. 4.1 Sơ đồ khối trình xử lý ảnh 4.2 Hướng dẫn sử dụng chương trình - Bước 1: Mở ảnh đường nét cần làm mảnh Cách 1: Chọn trực tiếp biểu tượng Open công cụ Cách 2: Trên Menu chọn File, sau chọn Open Cách 3: Nhấn tổ hợp phím Ctrl + O - Bước 2: Chọn ảnh định dạng bmp, jpg, png, gif. Chương trình tự động chuyển ảnh vừa mở sang ảnh đen trắng - Bước 3: Trên Menu chọn Process, sau chọn Holt Chương trình xử lý đưa kết hình chế độ: Chế độ ONE: hiển thị ảnh trước xử lý ảnh sau xử lý. Chế độ TWO: hiển thị ảnh trước xử lý ảnh sau xử lý. 43 4.3 Một số hình ảnh cài đặt thử nghiệm Hình 4.2. Hình ảnh chữ viết xử lý thuật toán Holt Hình 4.3. Hình ảnh biển số xe xử lý thuật toán Holt 44 Hình 4.4. Hình ảnh vân tay xử lý thuật toán Holt Hình 4.5. Hình ảnh chữ ký xử lý thuật toán Holt 45 KẾT LUẬN 1. Kết luận Nhìn chung luận văn phần giải số vấn đề việc làm mảnh ảnh đường nét. Luận văn đạt số kết định như: Tìm hiểu đưa khái niệm xử lý ảnh nói chung làm mảnh ảnh đường nét nói riêng. Phân loại thuật toán làm mảnh ảnh đường nét. Nghiên cứu nhóm thuật toán làm mảnh tuần tự, thuật toán làm mảnh song song. Nghiên cứu thực việc cài đặt thành công thuật toán Holt. 2. Hướng phát triển đề tài Đường nét thành phần cấu thành nên hình dạng đối tượng với số điểm ảnh cách biểu diễn đối tượng cách cô đọng nhất. Đường nét thẳng, cong hay gẫy khúc. Trong nhiều trường hợp, đường nét sau làm mảnh trở nên gần gũi với giác quan hơn, đôi mắt. Làm mảnh ảnh đường nét chiếm vị trí đặc biệt quan trọng khoa học nhận dạng vectơ. Do việc nghiên cứu phát triển thuật toán “làm mảnh ảnh đường nét” có ý nghĩa to lớn sống như: nhận dạng chữ viết tay, chữ ký, dấu vân tay, . hay nén liệu truyền xử lý ảnh. Do thời gian kiến thức nhiều hạn chế nên luận văn không tránh khỏi thiếu sót em mong nhận góp ý chân thành từ quý thầy cô bạn đồng nghiệp để luận văn hoàn thiện hơn. Em xin chân thành cảm ơn! 46 TÀI LIỆU THAM KHẢO Tiếng Việt [1]. Lương Mạnh Bá, Nguyễn Thanh Thủy(1999), Nhập môn xử lý ảnh số, Nhà xuất bảo Khoa học Kỹ thuật, Hà Nội. [2]. Ngô Quốc Tạo(2002), Tập giảng Xử lý ảnh, Khoa Công nghệ - Đại học Quốc gia, Hà Nội. [3]. Đỗ Năng Toàn, Phạm Việt Bình(2008), Giáo trình Xử lý ảnh, Nhà xuất Khoa học Kỹ thuật, Hà Nội. Tiếng Anh [4]. Louisa Lam, Seong – Whan Lee, Member(1992), “Thinning methodologies – A Comprehensive Survery”, IEEE Trans on Parttern Analusis and Machine Itelligence, vol 14, no.9. [5]. Louisa Lam, Ching Y Suen(1992), “An Evaluation of Prallel Thinning Algorithms for Character Recognition”, IEEE Trans on Partern Analysis and Machine Itelligence, vol 17, no.9. [6]. P.C.K Kwok(1998), “A thinning algorithms by contour generation”, Comm.ACM, vol.31, no.11, 1314-1324. [7]. O. Baruch(1989), “Line thinning by line following”, Patt.Recogn.Lett, vol.8, no.4, pp, 271-276. [8]. T. Pavlidis(1980), “A thinning algorithm for discrete binary images” Comput. Graphics Image Processing, vol.13,pp.142-157. [9]. Huang, L., Wan, G. and Liu, C.(2003), “An Improved Parallel Thinning Algorithm”. Proceedings of. Seventh International Conference on Document Analysis and Recognition, 780 – 783. [10]. James R. Parker(1997), “Algorithms for image processing and computer vision”, pp 69-101, pp 177-188; [11]. D. Rutovitz(1996), “Pattern recognition” J. Roy. Stat. Soc, vol. 192. 47 Serries A, pp. 504-530. [12]. C. J. Hilditch(1969), “Linear skeletons form square cupboards”, in Machine Intell. (B. Meltzer and D. Michic, Eds). New York: Amer. Elsevier, pp. 403-420, vol.4. [13]. Rosenfeld(1995), “A Characterization of parallel thining algorithm” Inform. Contr, vol 29, no. 3, pp 286-2910. [...]... nghĩa làm rõ tính chất, đặc điểm của từng thuật toán cũng như khả năng nâng cao tốc độ xử lý – một yêu cầu quan trọng của các thuật toán làm mảnh ảnh đường nét Ngoài các thuật toán làm mảnh dựa trên cơ chế lặp, còn tồn tại một số thuật toán làm mảnh không dựa trên cơ chế lặp Việc làm mảnh dựa trên thuật toán này không thực hiện kiểm tra các điểm ảnh đơn lẻ mà trong một chu trình chúng tạo ra một trục... cuối giả cùng một lúc, chúng ta phải có những cách khác nhau nhằm loại trừ điều kiện điểm cuối 16 Chương 2 PHƯƠNG PHÁP LÀM MẢNH ẢNH ĐƯỜNG NÉT THEO THUẬT TOÁN TUẦN TỰ Làm mảnh ảnh đường nét theo thuật toán tuần tự, các điểm ảnh được xét để xóa đi theo một trật tự nhất định trong mỗi vòng lặp con Điều này có thể được thực hiện bằng việc dò theo loạt hoặc dò theo biên 2.1 Làm mảnh bằng phương pháp dò theo... các thuật toán làm mảnh tuần tự là kết quả của việc cố gắng giữ lại nhiều đặc trưng hình học hơn 24 Chương 3 PHƯƠNG PHÁP LÀM MẢNH ẢNH ĐƯỜNG NÉT THEO THUẬT TOÁN SONG SONG Làm mảnh ảnh đường nét theo thuật toán song song, các điểm ảnh được kiểm tra để xóa dựa trên kết quả của vòng lặp trước Do đó, các thuật toán làm mảnh song song phù hợp để cài đặt trên các bộ xử lý song song, các điểm ảnh phải thỏa... 8c(p) lớn hơn 1 thuộc vào loại điểm ảnh bội Chúng bao gồm các điểm cuối của các nhánh, các nét vẽ có độ dày 2 điểm ảnh, các điểm ảnh phát sinh ra xương dựa trên tiêu chuẩn liên thông Do đó, các điểm ảnh này được giữ lại trong quá trình làm mảnh ảnh 1.2.2 Phân loại các thuật toán làm mảnh ảnh đường nét Trong lĩnh vực xử lý ảnh đã có rất nhiều thuật toán làm mảnh ảnh đã xuất hiện, ý tưởng của hầu hết... là một hàm cung cấp tần suất xuất hiện của mỗi mức xám Lược đồ mức xám được biểu diễn bởi hệ tọa độ vuông góc x, y Trong hệ tọa độ này, trục hoành biểu diễn số mức xám từ 0 đến N, N là số mức xám (Số điểm ảnh có cùng mức xám) 1.1.3 Một số phương pháp biểu diễn ảnh - Ảnh nhị phân: Tùy theo vùng các giá trị xám của điểm ảnh mà các ảnh được phân chia thành: ảnh màu, ảnh xám hay ảnh nhị phân Khi trên một. .. điểm ảnh thuộc lớp này thỏa mãn một số điều kiện xóa nào đó, thuật toán thực hiện được cho đến khi thu được xương của đối tượng Việc xóa bỏ hay giữ lại các điểm ảnh p (điểm đen thuộc thuộc đối tượng) dựa trên vùng lân cận của p Như vậy, các thuật toán làm mảnh lặp có thể được phân thành 2 dạng: Dạng các thuật toán làm mảnh tuần tự và dạng các thuật toán làm mảnh song song Dạng các thuật toán làm mảnh. .. trong thuật toán làm mảnh 1.2.1.1 Thế nào là xương và làm mảnh 7 Trong những năm gần đây, xuất hiện các thuật ngữ Làm mảnh và “Tìm xương”, trong luận văn này chúng được coi là đồng nghĩa với nhau Làm mảnh là việc đi tìm xương của một đối tượng ảnh Do đó ta cần biết: Xương ảnh là gì? Thuật ngữ “Xương” được sử dụng để chỉ kết quả, mà không quan tâm đến hình dạng chuẩn của mẫu hoặc các phương thức được... về việc làm mảnh, có 3 điều cơ bản cần lưu ý: - Thứ nhất: Không phải tất cả các đối tượng đều có thể làm mảnh Làm mảnh chỉ hữu dụng với các đối tượng ăn khớp của đoạn, nghĩa là chúng chỉ thẳng hoặc cong và nó không có tác dụng với các đối tượng có hình dạng đóng trong một vùng 8 - Thứ hai: Làm mảnh thông thường là bước chuẩn bị cho các bước tiếp theo xử lý một đối tượng ảnh Các bước tiếp theo làm việc... là một tín hiệu tương tự mang theo các thông tin về cường độ sáng dọc theo một đường nằm ngang trong ảnh gốc Thuật ngữ tương tự được dùng để mô tả cho các ảnh quét liên tiếp như thế này nhưng thực tế ảnh chỉ tương tự dọc theo hướng nằm ngang Nó là rời rạc khi xét theo hướng dọc, chính vì vậy mà tín hiệu ảnh là tín hiệu lai nửa tương tự, nửa số 1.2 Tổng quan về các phương pháp làm mảnh ảnh đường nét. .. khác không 2.2.3 Thuật toán làm mảnh của Nakayama Đây là một phương pháp làm mảnh tuần tự dựa trên việc đọc theo loạt và các thao tác trên vùng 3×3 có thể được tiến hành bởi việc sử dụng một cấu trúc đường ống để làm giảm bộ nhớ và đáp ứng được đòi hỏi về tốc độ xử lý Sự liên thông theo chiều ngang của các điểm ảnh đen được mã hóa trên không gian các bảng, ảnh được giữ lại sau một vòng lặp được thấy bằng . quan về xử lý ảnh và các phương pháp làm mảnh ảnh đường nét - Chương 2: Phương pháp làm mảnh ảnh đường nét theo thuật toán tuần tự - Chương 3: Phương pháp làm mảnh ảnh đường nét theo thuật. thuật toán làm mảnh 6 1.2.2 Phân loại các thuật toán làm mảnh ảnh đường nét 12 1.2.3 Các tính chất và yêu cầu đối với việc làm mảnh 13 Chương 2 16 PHƯƠNG PHÁP LÀM MẢNH ẢNH ĐƯỜNG NÉT THEO THUẬT. Ảnh đường nét là ảnh có chiều dài lớn hơn chiều rộng rất nhiều. Làm mảnh ảnh đường nét chiếm một vị trí đặc biệt quan trọng trong khoa học nhận dạng và vectơ. Kỹ thuật làm mảnh ảnh đường nét