Đang tải... (xem toàn văn)
Mục Lục Chương I: Các khái niệm cơ bản trong xử lý ảnh. 1 1.1 Một số khái niệm 1 1.1.1 Phần tử ảnh. 1 1.1.2 Ảnh. 1 1.1.3 Mức xám. 2 1.1.4 Ảnh đen trắng. 3 1.1.5 Ảnh màu. 3 1.1.6 Các định dạng cơ bản. 6 1.2 Một số kỹ thuật tiền xử lý ảnh . 8 1.2.1 Chuyển ảnh xám. 8 1.2.2 Lọc nhiễu. 9 1.2.3 Nhị phân ảnh. 12 1.2.4 Lược đồ mức xám (Histogram): 13 1.2.5 Phóng to, thu nhỏ ảnh. 15 1.2.6 Kỹ thuật phân vùng đối tượng. 15 1.2.6.1 Phân vùng ảnh dựa trên phương pháp phân lớp 16 1.2.6.2 Phân vùng ảnh dựa trên cấu trúc 18 1.2.6.3 Phân vùng dựa vào đường biên 21 Chương 2: Kỹ thuật nhận dạng chữ in. 25 2.1. Sơ đồ tổng quát của một hệ nhận dạng chữ 25 2.2. Giai đoạn tách chữ 28 2.3. Một số thuật toán nhận dạng chữ in 29 2.3.1 Kỹ thuật đối sánh mẫu 29 2.3.2 Thuật toán nhận dạng chữ dựa vào cấu trúc 32 Chương 3: Bài toán nhận dạng biển số xe máy. 35 Tổng quan về hệ thống nhận dạng biển số xe máy trong thực tế. 36 3.1 Thiết bị thu nhận ảnh. 38 3.2 Hệ thống xử lý ảnh. 39 3.2.1 Các giả thiết đầu vào. 40 3.2.2 Tách vùng biển số. 42 3.2.3 Cách ly vùng ký tự 45 3.2.4 Tách ký tự 49 3.2.5 Nhận dạng ký tự 50 Thiết kế chương trình và kết quả thực nghiệm 55 Kết luận và hướng mở rộng của đồ án. 60 TÀI LIỆU THAM KHẢO 62
Mục Lục Mục Lục 1 Chương I 1 CÁC KHÁI NIỆM CƠ BẢN TRONG XỬ LÝ ẢNH 1 1.1 Một số khái niệm 1 1.1.1 Phần tử ảnh 1 1.1.2 Ảnh 1 1.1.3 Mức xám 2 1.1.4 Ảnh đen trắng 3 1.1.5 Ảnh màu 3 1.1.6 Các định dạng cơ bản 6 1.2 Một số kỹ thuật tiền xử lý ảnh 8 1.2.1 Chuyển ảnh xám. 8 1.2.2 Lọc nhiễu 9 1.2.3 Nhị phân ảnh 12 1.2.4 Lược đồ mức xám (Histogram): 13 1.2.5 Phóng to, thu nhỏ ảnh 15 1.2.6 Kỹ thuật phân vùng đối tượng 15 1.2.6.1 Phân vùng ảnh dựa trên phương pháp phân lớp 16 1.2.6.2 Phân vùng ảnh dựa trên cấu trúc 18 1.2.6.3 Phân vùng dựa vào đường biên 21 Chương 2 25 KỸ THUẬT NHẬN DẠNG CHỮ IN 25 2.1. Sơ đồ tổng quát của một hệ nhận dạng chữ 25 2.2. Giai đoạn tách chữ 29 2.3. Một số thuật toán nhận dạng chữ in 29 2.3.1 Kỹ thuật đối sánh mẫu 30 2.3.2 Thuật toán nhận dạng chữ dựa vào cấu trúc 32 Chương 3 35 BÀI TOÁN NHẬN DẠNG BIỂN SỐ XE MÁY 35 Tổng quan về hệ thống nhận dạng biển số xe máy trong thực tế 36 3.1 Thiết bị thu nhận ảnh 38 3.2 Hệ thống xử lý ảnh 39 3.2.1 Các giả thiết đầu vào 40 3.2.2 Tách vùng biển số 42 3.2.3 Cách ly vùng ký tự 45 3.2.4 Tách ký tự 49 3.2.5 Nhận dạng ký tự 50 Thiết kế chương trình và kết quả thực nghiệm 56 KẾT LUẬN 61 Danh mục các hình vẽ Hình 1.1: Không gian màu và các màu cơ bản 4 Hình 1.2: Các màu cơ bản của hệ màu CMY 5 Hình 1.3: Không gian màu HSV 5 Hình 1.4: Chuyển ảnh xám 9 Hình 1.5: Mặt nạ thông thấp 10 Hình 1.6: Lọc trung bình 11 Hình 1.7: Mặt nạ thông cao 11 Hình 1.8: Lọc trung vị 12 Hình 1.9: Nhị phân ảnh 13 Hình 1.10: Lược đồ mức xám của các loại ảnh 14 Hình 1.11: Phóng to ảnh 15 Hình 1.12: Lược đồ xám của ảnh 17 Hình 1.13: Thuật toán tam giác 17 Hình 1.14: Các điểm lân cận gradient 22 Hình 1.15: Làm mảnh chữ 23 Hình 1.16: Căn chỉnh đường biên 24 Hình 2.17: Sơ đồ quá trình nhận dạng chữ 26 Hình 2.18: Làm trơn biên chữ 28 Hình 2.19: Chữ P 31 Hình 2.20 : Qúa trình nhận dang theo cấu trúc 33 Hình 2.21: Điểm kết thúc và chạc ba 35 Hình3.22: Các thành phần của hệ thống nhận dạng biển số xe trong thực tế 38 . Hình 3.23: Biển số xe không giới hạn vùng biển 41 Hình3.24: Biển số xe không giới hạn vùng biển 41 Hình3.25: Xác định ngưỡng dựa vào phương pháp quét 43 Hình3.26 : Xác định vùng chứa biển theo hình thái học 44 Hình 3.27: Xác định vùng chứa biển theo phương pháp kết hợp 44 Hình3.28: Cách ly vùng ký tự 47 Hình 3.29: Xác định góc quay 47 Hình3.30: Biển số và hình chiếu dọc tương ứng 48 Hình 3.31: Sơ đồ khối thuật toán hiệu chỉnh góc nghiêng 49 Hình 3.32: Hình chiếu ngang vùng chứa biển 49 Hình 3.33: Chia vùng biển theo chiều ngang 50 Hình 3.34: Chiếu dọc 50 Hình 3.35: Dãy ký tự mẫu 51 Hình 3.36: Mã hóa vùng ký tự 52 Hình 3.37: Các ký tự hay gặp lỗi trong quá trình nhận dạng 52 Hình 3.38: Hình chiếu đứng của ký tự 1 và 2 53 Hình 3.39: Quá trình nhận dạng ký tự 55 Hình 3.40: Ảnh bị loá chuyển sang nhị phân 55 Hình 3.41: Lấy lại vùng ký tự không nhận dạng được 56 MỞ ĐẦU Ngày nay, công nghệ thông tin là ngành khoa học mới nhưng có tốc độ phát triển rất nhanh trên toàn thế giới, sự phát triển của nó thể tính bằng từng giây, từng phút. Các ứng dụng của công nghệ thông tin được sử dụng rộng rãi trong tất cả các lĩnh vực đời sống, khoa học như: y tế, giáo dục, kinh tế, văn hóa…nó góp phần giúp cải thiện đời sống của con người cũng như mang lại nhiều lợi ích và giá trị khác. Nhận dạng và xử lý ảnh cũng là một trong những bài toán được quan tâm, phát triển và có tính ứng dụng thực tế cao. Có thể kể ra hàng loạt các ứng dụng đã được áp dụng kỹ thuật nhận dạng ảnh như: xử lý ảnh chụp vệ tinh, dự báo thời tiết, điều khiển giao thông công cộng, nhận dạng chữ viết tay, phân tích chữ ký, nhận dạng vân tay, nhận dạng mặt người…Trong số đó, ứng dụng kỹ thuật xử lý ảnh trong bài toán nhận dạng biển số xe đã được áp dụng khá thành công ở Việt Nam trong vài năm gần đây. Hệ thống đã giúp cải thiện đáng kể được hiệu năng về mặt nhân lực cũng tính tiện lợi….cho các bãi đỗ xe vốn đang trở nên quá tải ở các thành phố lớn. Nó không những mang lại những hiệu quả về mặt kinh tế mà còn giúp khẳng định vai trò thiết thực của công nghệ thông tin, tự động hóa ứng dụng trong cuộc sống hằng ngày. Một hệ thống nhận dạng biển số xe trong thực tế là hệ thống tích hợp bao gồm cả phần cứng, phần mềm và các hệ ứng dụng khác. Trong phạm vi đồ án này, Em sẽ tập trung nghiên cứu, ứng dụng các thuật toán để giải quyết bài toán về xử lý ảnh, hiển thị được nội dung của biển số trên nền ngôn ngữ C#. Em xin gửi lời cảm ơn tới các thầy cô giáo trong khoa Công Nghệ Thông Tin - Trường HVKTQS, gia đình và bạn bè đã động viên, giúp đỡ Em hoàn thành đồ án này. Đặc biệt, Em xin cảm ơn thầy Tống Minh Đức, thầy trực tiếp hướng dẫn và chỉ bảo Em trong suốt quá trình thực hiện đồ án. Chắc chắn, sẽ còn rất nhiều thiếu sót trong cuốn đồ án này, Em mong nhận được ý kiến nhận xét và phản hồi từ các thầy cũng như các bạn ! 1 Chương I CÁC KHÁI NIỆM CƠ BẢN TRONG XỬ LÝ ẢNH 1.1 Một số khái niệm 1.1.1 Phần tử ảnh. Pixel (Picture Element – phần tử ảnh): ảnh trong thực tế là một ảnh liên tục về không gian và về giá trị độ sáng. Để có thể xử lý ảnh bằng máy tính cần thiết phải tiến hành số hóa ảnh. Trong quá trình số hóa, người ta biến đối tín hiệu liên tục sang tín hiệu rời rạc thông qua quá trình lấy mẫu ( rời rạc hóa về không gian) và lượng hóa thành phần giá trị mà về nguyên tắc bằng mắt thường không phân biệt được hai điểm kề nhau. Trong quá trình này, người sử dụng khái niệm pixel – phần tử ảnh ở đây cũng cần phải phân biệt rõ khái niệm pixel hay đề cập đến trong các hệ thống đồ họa máy tính. Để tránh nhầm lẫn ta tạm gọi khái niệm này là pixel thiết bị có thể xem xét như sau: khi ta quan sát màn hình (trong chế độ đồ họa), màn hình không liên tục mà gồm nhiều điểm nhỏ, gọi là pixel. Mỗi pixel gồm một cặp tọa độ x, y và màu. Cặp tọa độ x, y tạo nên độ phân giải (resolution) như màn hình máy tính có nhiều loại với độ phân giải khác nhau: màn hình CGA có độ phân giải là 320x 200, màn hình VGA là 640x350 … Như vậy, một ảnh là một tập hợp các điểm ảnh. Khi được số hóa, nó thường được biểu diễn bởi bảng hai chiều I (n, p): n dòng và p cột. Ta nói ảnh gồm n x p pixels. Người ta thường ký hiệu I(x, y) để chỉ một pixel. Thường giá trị của n chọn bằng p và bằng 256. Một pixel có thể lưu trữ trên 1, 4, 8 hay 24 bít. 1.1.2 Ảnh. Tín hiệu ảnh thuộc loại tín hiệu đa chiều: tọa độ(x, y, z), độ sáng (λ), thời gian(t). Ảnh tĩnh trong không gian 2 chiều được định nghĩa là một hàm 2 biến 2 S(x, y), với S là giá trị biên độ (được biểu diễn bằng màu sắc) tại vị trí không gian (x, y). Phân loại ảnh: − Ảnh tương tự S(x, y): (x, y) liên tục, S liên tục. − Ảnh số S(m,n): (m,n) rời rạc, S rời rạc. Một ảnh (gồm một tập các điểm ảnh) có thể xem như bao gồm tập các ảnh con (các vùng ảnh). Thuật ngữ gọi là ROIs – vùng quan tâm. Ảnh số trong không gian rời rạc thu được từ ảnh tương tự trong không gian liên tục thông qua quá trình số hóa. Quá trình số hóa có thể hiểu đơn giản như sau: + Ảnh tương tự được chia thành M hàng, N cột. + Giao của hàng và cột được gọi là: pixel + Giá trị biên độ của pixel tại tọa độ nguyên (m, n) là s (m, n): là trung bình độ sáng trong pixel đó. S (m, n) ≤ L (L số mức xám dùng biểu diễn ảnh). M, N thường được chọn là M=N=2K (K=8, 9, 10). L =2B, B là số bít mã hóa cho độ sáng (biên độ) mỗi pixel. − Ảnh số được biểu diễn bởi ma trận 2 chiều. Các phần tử của nó là biểu diễn cho các pixel số hóa. − Ta ký hiệu 1 ảnh số là S (M, N). Ta nói ảnh có độ phân giải MxN. Ký hiệu S (m, n) để chỉ ra một phần tử ảnh. 1.1.3 Mức xám. Mức xám là kết quả của sự mã hóa tương ứng với một cường độ sáng của mỗi điểm ảnh với một giá trị số, kết quả của quá trình lượng tử hóa. Cách mã hóa kinh điển là dùng 16, 32 hay 64 mức. Mã hóa 256 mức được dùng phổ biến. Do 2 8 = 256 nên mỗi pixel được mã hóa bởi 8 bit. 3 1.1.4 Ảnh đen trắng. Thực tế ảnh đen trắng gồm có ảnh nhị phân và ảnh đa cấp xám. Chúng ta phân biệt sự biến đổi thành L mức. Nếu L bằng 2, nghĩa là chỉ có hai mức 0 và 1 còn gọi là ảnh nhị phân. Nếu L lớn hơn hai mức ta có ảnh đa cấp xám. Việc xác định số mức phụ thuộc vào tiêu chí lượng tử hóa. L thường được chọn bằng 32, 64, 128 và 256. Trong đó ảnh đa cấp xám 256 mức là ảnh có chất lượng cao và thường được sử dụng. Với ảnh nhị phân, mỗi pixel được mã hóa trên một bit. Còn với ảnh xám 256 mức được mã hóa trên 1 byte = 8 bit. Ảnh nhị phân khá đơn giản, các phần tử ảnh có thể coi như phần tử logic. Ảnh nhị phân được dùng theo tính logic, để phân biệt ảnh với nền hay đơn giản để phân biệt biên với điểm khác. 1.1.5 Ảnh màu. Màu sắc của một tia sáng là cảm giác mà tia sáng đó gây nên ở mắt người. Màu sắc của vật thể là màu của ánh sáng phát từ chúng. Ánh sáng này nằm trong dải phổ nhìn thấy (visible). Tùy theo ngữ cảnh nhất định mà ảnh màu được diễn tả theo những mô hình màu khác nhau. Không có mô hình màu nào là đầy đủ cho mọi khía cạnh của màu. Do đó người ta sử dụng những mô hình màu khác nhau để mô tả các tính chất được nhận biết khác nhau của màu. Ví dụ: + Mô hình màu RGB: ánh sáng Red, Green, Blue ứng dụng cho màn hình TV. + Mô hình HSV: Nhận thức con người. + Mô hình CYK: Máy in. Chúng ta đi sâu vào một số mô hình màu sau: − Mô hình màu RGB 4 Theo lý thuyết màu do Thomas đưa ra từ năm 1802, mọi màu đều có thể tổ hợp từ ba màu cơ bản: Đỏ (Red), Lục (Green), Lam (Blue). Ba màu này là các màu cơ bản của hệ màu cộng (Additive Color System). Hệ màu RGB dựa trên cơ sở hệ thống tọa độ Cartesian – hệ thống tọa độ Decac: mỗi màu cơ bản đều được mã hóa bởi 8 bit, vậy với ba màu phối hợp nhau tạo thành 2 24 = 16.777.216 màu thứ cấp mà mắt người có thể cảm nhận được. Ảnh màu được lưu trữ từng màu riêng biệt như ảnh đa cấp xám. Ứng với một pixel của ảnh màu sẽ chiếm 3 byte, do đó ảnh màu sẽ chiếm bộ nhớ gấp ba lần ảnh đa cấp xám cùng kích thước. Hình 1.1: Không gian màu và các màu cơ bản. − Mô hình màu CMY: Gồm ba màu cơ bản: Xanh Lơ (Cyan), Tím (Magenta), Vàng (Yellow), là bù màu của không gian màu RGB, còn gọi là hệ màu trừ (Subtractive Color System). Mối quan hệ giữa hai không gian: C = 1 – R M = 1 – G Y = 1 – B 5 Hình 1.2: Các màu cơ bản của hệ màu CMY. − Mô hình màu HSV (Hue, Saturation, Value) : Dựa trên cảm nhận màu sắc của con người. Ánh sáng màu là tổ hợp của ánh sáng đơn sắc. Mắt người chỉ có thể cảm nhận được vài chục màu, song lại có thể phân biệt tới hàng ngàn màu. Mô hình HSV suy diễn từ mô hình RGB: hãy quan sát hình hộp RGB theo đường chéo từ White đến Black (gốc) ta có hình chóp nón, sử dụng làm đỉnh hình nón HSV. − Có ba thuộc tính chủ yếu trong cảm nhận màu: + Hue: bước sóng của ánh sáng, được biểu diển bằng góc từ 0 – 3600 giúp ta phân biệt các màu khác nhau. + Saturation: độ bão hòa, đo độ tinh khiết của ánh sáng gốc. S nằm trong khoảng [0-1]. + Value (brightness): cường độ hay độ chói ánh sáng. V có giá trị trong khoảng [0-1], V = 0 có màu đen. − Mô hình HSV trực giác hơn mô hình RGB. Bắt đầu từ Hue (H cho trước và V=1, S=1). Thay đổi S: bổ sung hay bớt trắng; thay đổi V: bổ sung hay bớt đen đến khi có màu mong muốn. Hình 1.3: Không gian màu HSV [...]... 2.1 9: Chữ P Khi đó quy tắc nhận dạng X' được xem là X nếu: Hx' Hx' và Vx' Vx hoặc Vx Hx hoặc Hx Vx' Nhìn chung, kỹ việc mất các điểm ở biên chữ Tuy nhiên, kỹ thuật này đòi hỏi font phải chuẩn thuật này tương đối đơn giản, tốc độ cao và kết quả nhận dạng không phụ thuộc vào c /Kỹ thuật nhận dạng dựa vào hình chiếu Kỹ thuật này là cải tiến của kỹ thuật trên, nhằm áp dụng cho nhiều kiểu font Giả sử mẫu nhận. .. đồ cần tìm Kỹ thuật này có thể áp dụng cho nhận dạng chữ hoa 2.3 Một số thuật toán nhận dạng chữ in Nhận dạng chữ sau khi đã tách khỏi từ là giai đoạn quan trọng nhất và cũng là mục đích của các hệ nhận dạng chữ viết Mỗi loại chữ có những đặc điểm riêng nên các kỹ thuật áp dụng cũng khác nhau 30 2.3.1 Kỹ thuật đối sánh mẫu Chữ in thường rõ nét và chất lượng khá tốt sau khi quét Trong nhận dạng chữ in,... Trong nhận dạng chữ in, người ta thường dùng một số kỹ thuật: − Kỹ thuật đối sánh từng điểm - xuất phát từ tâm − Kỹ thuật đối sánh các dãy cắt dọc và cắt ngang − Kỹ thuật nhận dạng theo hình chiếu a/ Kỹ thuật đối sánh từng điểm xuất phát từ tâm Chữ sau khi được tách khỏi từ, tâm nó được tính toán và tọa độ được xác định Chữ được đối sánh với chữ chuẩn (nhận dạng chữ viết là bài toán học có mẫu) từng điểm... đọng 25 Chương 2 KỸ THUẬT NHẬN DẠNG CHỮ IN Trong chương này ta đề cập tới một bài toán nhận dạng tiêu biểu là các hệ nhận dạng chữ OCR (Optical Character Recognizer) Bài toán nhận dạng chữ là một bài toán lớn và được quan tâm từ lâu Bài toán này được phân thành 2 nhánh lớn: − Nhận dạng chữ in để phục vụ cho công tác đọc tự động văn bản, đẩy nhanh việc nhập thông tin vào máy − Nhận dạng chữ viết tay... thành lớp các điểm ảnh có cùng trọng số Khoảng cách giữa 2 điểm ảnh x và x' được tính: Thuật toán trên thực hiện khá nhanh, song nếu chất lượng quét tồi, các điểm chữ bị mất nhiều, trọng tâm bị lệch do đó sẽ ảnh hưởng đến chất lượng nhận dạng b /Kỹ thuật nhận dạng dựa vào đối sánh các điểm cắt dọc và cắt ngang 31 Kỹ thuật này nhằm khắc phục một số nhược điểm của kỹ thuật trên Giả sử chữ cô lập có kích... nhiễu mà áp dụng các kỹ thuật lọc Làm trơn biên chữ 27 Đôi khi chất lượng quét quá tồi, các đường biên chữ không còn dáng vẻ trơn tru như ban đầu mà hình thành các đường răng cưa Trong trường hợp này phải áp dụng một số kỹ thuật để làm trơn biên chữ, lấp đầy các chỗ trống, xoá đi các điểm giả tạo trên biên Hai kỹ thuật hay được sử dụng là kỹ thuật Unger và kỹ thuật Dineen Kỹ thuật Dineen dùng một mặt... kiện: − Có ít nhất 1 trong 3 phần tử : P3, P2, P4 là đen − Có ít nhất 1 trong 3 phần tử : P6, P7, P8 là đen.hay: − Có ít nhất 1 trong 3 phần tử : P6, P5, P4 là đen 28 − Có ít nhất 1 trong 3 phần tử : P2, P9, P8 là đen Thực tế chứng tỏ rằng hai kỹ thuật trên đây áp dụng khá tốt cho văn bản tiếng Anh Tuy nhiên với tiếng Việt do kích thước nhỏ nên cần phải áp dụng một số cải tiến khác Anh gốc Kỹ thuật. .. tổng quát của một hệ nhận dạng chữ Về cơ chế, một hệ thống nhận dạng chữ thường gồm các khối chính, phù hợp với các giai đoạn xử lý sau: − Khối xử lý sơ bộ − Khối tách chữ − Khối nhận dạng chữ − Khối phục hồi chữ( hoàn thiện về nội dung và hình thức, chữa lỗi ) 26 Hình 2.1 7: Sơ đồ quá trình nhận dạng chữ *Giai đoạn xử lý sơ bộ Đây là giai đoạn quan trọng ảnh hưởng đế kết quả nhận dạng Tuỳ thuộc vào... việc nhận dạng Ảnh kết qu : Ảnh gốc Ảnh nhị phân Hình 1. 9: Nhị phân ảnh 1.2.4 Lược đồ mức xám (Histogram ): Lược đồ mức xám là một hàm cung cấp tần suất xuất hiện của mỗi mức xám (gray-level) trong ảnh Biễu diễn toán học của histogram của một ảnh số có L=256 mức xám là một hàm rời rạc : p( f k ) = nk n trong đó : 14 f k là giá trị xám thứ k (k = 0, 1, , L-1) nk là số pixel có mức xám đó và n là tổng số. .. I(x2, y2) Hình 1.1 4: Các điểm lân cận gradient Nếu I(x, y) lớn hơn cả I(x1, y1) và I(x2, y2) giá trị của I(x, y) sẽ đ ược bảo toàn Nếu không nó sẽ bị loại bỏ Ngoài thuật toán trên còn nhiều kỹ thuật làm mảnh biên như kỹ thuật mảnh biên chữ do Sherman đề xuất sau đó được Fraser cải tiến cho ảnh nhị phân Kỹ thuật này có thể mô tả tóm tắt như sau: - Gọi I(x,y) là một pixel Ik(k=1 8) là các pixel lân cận theo . hàng loạt các ứng dụng đã được áp dụng kỹ thuật nhận dạng ảnh như: xử lý ảnh chụp vệ tinh, dự báo thời tiết, điều khiển giao thông công cộng, nhận dạng chữ viết tay, phân tích chữ ký, nhận. tone liên tục. Tiêu chuẩn này có thể được ứng dụng trong nhiều lĩnh vực: lưu trữ ảnh, truyền bá báo chí, ảnh y học, camera số. 1.2 Một số kỹ thuật tiền xử lý ảnh . 1.2.1 Chuyển ảnh xám. Ảnh. x=-b/2a. Phương pháp xấp xỉ các giá trị của histogram và tìm vị trí thấp nhất cho giá trị ngưỡng tốt hơn nhưng lại yêu cầu tài nguyên về tính toán để thực hiện độ phức tạp trong việc cài đặt.