BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ HỒ QUỐC THIỀN GIÁM SÁT AN NINH DÙNG KỸ THUẬT XỬ LÝ HÌNH ẢNH NGÀNH: KỸ THUẬT ĐIỆN TỬ- 60520203 S K C0 Tp Hồ Chí Minh, năm 2016 LÝ LỊCH KHOA HỌC I LÝ LỊCH SƠ LƢỢC: Họ & tên: Hồ Quốc Thiền Giới tính: Nam Ngày, tháng, năm sinh: 25/08/1990 Nơi sinh: Đà Lạt Quê quán: Quảng Nam Dân tộc: Kinh Chỗ riêng địa liên lạc: Căn hộ H812 - Chung cƣ CBD đƣờng Đồng Văn Cống – Phƣờng Thạnh Mỹ Lợi – Quận – Tp.Hồ Chí Minh Điện Thoại: 0949009666 E-mail: hoquocthiendl@gmail.com II QUÁ TRÌNH ĐÀO TẠO: Đại học: Hệ đào tạo: quy - Thời gian đào tạo từ 2008 đến 2014 Nơi học (trƣờng, thành phố): Đại học sƣ phạm kĩ thuật Tp.HCM Ngành học: Công nghệ điện tử viễn thông Tên đồ án, luận án môn thi tốt nghiệp: ―Xử lý nhận dạng tiếng nói‖ Ngày & nơi bảo vệ đồ án, luận án thi tốt nghiệp: 2/2014 trƣờng Đại học sƣ phạm kĩ thuật Tp.HCM Ngƣời hƣớng dẫn: Th.S Nguyễn Ngô Lâm i Thạc sĩ: Hệ đào tạo: quy - Thời gian đào tạo từ 05/2015 đến 10/2016 Nơi học (trƣờng, thành phố):Đại học sƣ phạm kĩ thuật Tp.HCM Ngành học: kĩ thuật điện tử Tên luận văn: ―Giám sát an ninh dùng kĩ thuật xử lý hình ảnh‖ Ngày & nơi bảo vệ luận văn: 22/10/2016 trƣờng Đại học sƣ phạm kĩ thuật Tp.HCM Ngƣời hƣớng dẫn: TS Lê Mỹ Hà ii LỜI CAM ĐOAN Tôi cam đoan công trình nghiên cứu Các số liệu, kết nêu luận văn trung thực chƣa đƣợc công bố công trình khác Tp Hồ Chí Minh, ngày 01 tháng 10 năm 2016 Hồ Quốc Thiền iii LỜI CẢM ƠN Em xin chân thành cám ơn Thầy, Cô khoa Điện – Điện Tử trang bị cho em kiến thức tảng giúp em hoàn thành tốt luận văn Cám ơn bạn lớp chia sẻ kinh nghiệm hỗ trợ lúc làm luận văn Đặc biệt em xin chân thành cảm ơn Thầy hƣớng dẫn, T.SLê Mỹ Hàđã hƣớng dẫn hỗ trợ em lúc thực luận văn Học viên Hồ Quốc Thiền iv TÓM TẮT Khoa học kĩ thuật ngày phát triển dẫn đến nhu cầu thiết bị thông minh thay ngƣời đƣa định nhƣ phân loại đối tƣợng Xử lý ảnh – thị giác máy tính giúp giải phần nhu cầu Nhận dạng hành động ngƣời đề tài thu hút ý nghiên cứu với ứng dụng tƣơng tác ngƣời máy nhƣ ứng dụng giám sát anh ninh khu vực đặt camera cố định Luận văn xây dụng ứng dụng xử lý ảnh –thị giác máy tính vào việc phát nhận dạng hành động đối tƣợng qua video Đầu tiên phân ngƣời khung ảnh dùng ACF Adaboost để trƣợt khung cửa sổ phân loại Sau phát đƣợc ngƣời có khung ảnh bám theo khu vực ngƣời (tracking)video Khi bám mục tiêu (tracking) thành công,chƣơng trình trích đặc trƣng HOG (Histogram of Oriented Gradients) nhiều frame ảnh liên tiếp ngƣời khung ảnh xếp chúng miền thời gian để biểu thị cho hành động ngƣời –sau phân loại hành động thông qua vector hỗ trợ máy học (SVM: Support Vector Machines) Luận văn có bố cục gồm phần nhƣ sau: I Tổng Quan đề tài II Cơ sở lý thuyết III Xây dựng chƣơng trình IV Kết luận hƣớng nghiên cứu v MỤC LỤC Trang tựa TRANG LÝ LỊCH KHOA HỌC i LỜI CAM ĐOAN iii LỜI CẢM ƠN iv TÓM TẮT v MỤC LỤC vi DANH SÁCH HÌNH viii Chƣơng 1: TỔNG QUAN 1.1 Tổng Quan Về Lĩnh Vực Nghiên Cứu 1.2 Mục đích đề tài 1.3 Nhiệm Vụ Và Giới Hạn Của Đề Tài 1.3.1Nhiệm Vụ đề tài 1.3.2Giới Hạn đề tài 1.3.3Phƣơng Pháp Nghiên Cứu 1.4 Kế hoạch thực Chƣơng 2: CƠ SỞ LÝ THUYẾT 2.1 Xử lý ảnh số 2.1.1 Các thuật toán xử lý hình thái học 2.1.1.1 Phần tửcấu trúc 2.1.1.2 Phép co ảnh – Erosion 2.1.1.3 Phép giãn ảnh – Dialtion 2.1.1.4 Phép mở ảnh– Openning 2.1.2 Các ứng dụng thuật toán xử lý hình thái học 10 2.1.2.1 Trích lọc biên ảnh –Boundaryextraction 10 2.1.2.2 Tô đầy vùng – Region fill 11 vi 2.1.2.3 Trích lọc thành phần liên thông - Extracting connected components 12 2.1.2.4 Làmmỏngđốitƣợngtrongảnh–Thinning 13 2.1.2.5 Làm dày đối tƣợng ảnh – Thickening 13 2.1.2.6 Thuật toán tìm xƣơng đối tƣợng ảnh- Skeletons 14 2.2 Đặc trƣng ACF Adaboost 15 2.2.1 Đặc trƣng ACF (Aggregated Channel Features ) 15 2.2.1.1 Kênh đặc trƣng tỉ lệ 16 2.2.1.2 Đặc trƣng nhanh hình tháp 16 2.2.1.3 Đặc trƣng kênh tổng hợp (ACF) 18 2.2.2 Phƣơng pháp AdaBoost 18 2.3 Bộ lọc Kalman 19 2.3.1 Bộ lọc Kalman tuyến tính 19 2.3.2 Bộ lọc Kalman mở rộng 24 2.4 Histogram of gradient (HOG) 27 2.4.1 Giới thiệu HOG 27 2.4.2 Rút trích đặc trƣng HOG ảnh 27 2.4.3 Đặc trƣng hành động n-hog: 31 2.5 Support Vector Machines (SVM) 32 2.5.1 Giới thiệu 32 2.5.2 Các khái niệm 32 2.5.3 Phân lớp liệu 40 Chƣơng 3: Xây dựng chƣơng trình MATLAB 43 3.1 Thiết kế: 43 3.2 Kết quả: 46 3.3 Nhận xét: 48 Chƣơng 4: Kết luận hƣớng phát triển 49 TÀI LIỆU THAM KHẢO 53 vii DANH SÁCH HÌNH HÌNH TRANG Hình 2.1: Mộtsố hình dáng phần tử cấu trúc phẳng Hình 2.2: Mộtmặt nạ xác định lân cận phần tử cấu trúc không phẳng Hình 2.3: Ma trận giá trị thực tƣơng ứng với lân cận phần tử cấu trúc không phẳng Hình 2.4: Ví dụ phép toán co ảnh nhị phân vớiphần tử cấutrúc phẳng Hình 2.5 Ví dụ phép toán co ảnh ảnh xám với phần tử cấu trúc không phẳng Hình 2.6: Ví dụ phép giãn nhị phân ảnh vớiphần tử cấutrúc phẳng Hình 2.7: Phép toán giãn ảnh ảnh xám với phần tử cấu trúc không phẳng Hình 2.8: Phần tử cấu trúc phẳng Hình 2.10: Kết số phép biến đổi ảnh nhị phân ảnh xám Hình 2.11: Trích lọc biên đối tƣợng: 10 Hình 2.12: Kết việc thực lấp đầy vùng ảnh 11 Hình 2.13: Hình dáng lân cận (N4)và lân cận (N8) 12 Hình 2.15: Kết thực tríchlọc thành phần liên thông ảnh 13 Hình 2.14: Kết làm mỏng đối tƣợng 13 Hình 2.16: Kết làm dày đối tƣợng 14 Hình 2.18: Ảnh 15 Hình 2.19: kênh đặc trƣng ACF 15 Hình 2.20: Kênh đặc trƣng tỉ lệ 16 Hình 2.21: Đặc trƣng nhanh hình tháp [10] 17 Hình 2.22: Tổng quan phát ACF 18 Hình 2.23: Thuật toán Kalman cổ điển 23 viii Hình 2.24: thuật toán Kalman mở rộng 26 Hình 2.25: Mỗi khối (block) gồm nhiều ô (cell) 28 Hình 2.26: Các khối (block) đƣợc xếp chồng lên 28 Hình 2.27: Tính góc biên độ theo X-gradient Y-gradient 29 Hình 2.28: Các bƣớc rút trích đặc trƣng HOG [2] 31 Hình 2.29: Đối tƣợng sau đƣợc phát trích đặc trƣng HOG 5-frames ảnh liên tiếp 32 Hình 2.30: Đƣờng màu vàng hình đƣờng phân chia tập liệu gồm hai thuộc tính 34 Hình 2.31: Một liệu hai chiều đƣợc phân chia tuyến tính.35Hình 2.32: Ví dụ siêu phẳng phân chia tuyến tính với biên độ 36 Hình 2.33: Đƣờng biểu diễn H1 H2 38 Hình 2.34: Các support vector SVM 39 Hình 2.35: Một trƣờng hợp không khả phân tuyến tính 41 Hình 3.1: Tiến trình hệ thống 43 Hình 3.2: Đối tƣợng sau đƣợc phát trích đặc trƣng HOG 5-frames ảnh liên tiếp 44 Hình 3.3: Ảnh kết sau phát tracking ngƣời test tập liệu PETS09 [13] với độ phân giải 768*576 46 Hình 4.1: Lỗi sai đặc trƣng HOG thể 49 Hình 4.2: Sơ đồ khối phƣơng pháp [5] để nâng cao chất lƣợng DPM 50 Hình 4.3: Kết thời gian thực thi phƣơng pháp trình bày [5] 51 Hình 4.4: Kết thực thi phƣơng pháp trình bày [5] 51 ix Chƣơng Tổng quan Chƣơng 1: TỔNG QUAN 1.1 Tổng Quan Về Lĩnh Vực Nghiên Cứu Trong sống hàng ngày, ngƣời không ngừng vận động phát triển Mọi thứ xung quanh ngày đại hơn, phát triển Do việc có thiết bị thông minh hiểu đƣợc hành động ngƣời video tạo thuận lợi việc tƣơng tác ngƣời máy, dựa vào hành động mà máy tính hiểu ứng dụng cho camera giám sát khu vực bất kì.Để thiết bị nhận dạng đƣợc hành động ngƣời gồm phần: Phát đối tượng (người): thị giác máy tính công việc tìm kiếm vật thể ảnh video Đây hƣớng nghiên cứu đƣợc quan tâm nhiều với nhiều ứng dụng Phát ngƣời ảnh video nhánh phát đối tƣợng Chúng ta (con ngƣời)có thể nhận biết đối tƣợng ngƣời cách dễ dàng ảnh video dù hình dạng trƣờng hợp khác vả với ảnh biến đổi đa dạng Nhƣng hệ thống thị giác máy tính công việc thách thc lớn Nguyên nhân chủ yếu diện mạo tƣ ngƣời đa dạng, ảnh hƣởng điều kiện ánh sáng, che lấp lẫn ngƣời đám đông, chất lƣợng video… Phát ngƣời hƣớng nghiên cứu dành đƣợc nhiều quan tâm khả ứng dụng Manoranjan Paul, [1] trình bày tổng quan (review) hầu hết phƣơng pháp phát ngƣời nhƣ ứng dụng thực tế Ngoài ra, N.Dalal; B.Triggs[2]đề xuất đặc trƣng HOG phân loại SVM dùng cửa sổ trƣợt để phân loại ngƣời (background) khung ảnh, phƣơng pháp tảng đƣợc đƣợc biết đến rộng rãi lĩnh vực phát ngƣời.Viola-Jone[3] đề xuất mô hình phân tầng để nhận dạng đối tƣợng Bám mục tiêu (tracking): Sau phát đƣợc ngƣời ảnh, việc bám mục tiêu (tracking) để theo dõi đối tƣợng yếu tố cần thiết để xác định đƣợc hành động ngƣời nhiều khung ảnh liên tiếp video Việc bám mục tiêu (tracking) giúp liên kết đối tƣợng mục tiêu khung hình video liên tục Một vài kĩ thuật bám mục tiêu (tracking) đƣợc nghiên cứu nhƣ CAMshift[4], bám mục Chƣơng Tổng quan tiêu (tracker) KLT[5], dùng superpixel để bám mục tiêu (tracking)[6] kết hợp với KNN tđể phân loại màu cho kết tốt nhƣng chi phí tính toán cao Kết việc phát bám mục tiêu (tracking)liên tiếp nhiều khung ảnh sở để thiết bị dựa vào nhận dạng hành động ngƣời .Nhận dạng hành động người: đề tài thu hút đƣợc nghiên cứu nhiều tác giả nƣớc Một vài đặc trƣng để phân loại hành động đƣợc đề xuất tác giả: Laptev đồng nghiệp giới thiệu miêu tả mà xếpcác đặc trƣng HoG (Histogram of Oriented Gradients)– HoF (Histogram of Optical Flow) miền thời gian rút trích thông tin dáng vóc chuyển động, tác giả giới thiệu đặc trƣng STIP (Space-Time Interest Points) để miêu tả hành động không gian cục [7] Nazli Ikizler-Cinbis Stan Sclaroff[8] đề xuất phƣơng pháp cho nhận diện hành động ngƣời mà kết hợp nhiều đặc trƣng thực thể nhƣ: Đối tƣợng, khung cảnh ngƣời Lê Viết Tuấn[9] phân tích tổng hợp phƣơng thức nhận diện hành động video cách kết hợp phƣơng pháp Mục đích đề tài 1.2 Xây dựng chƣơng trình tảng MATLAB để nhận dạng hành động ngƣời qua bƣớc phát ngƣời, bám mục tiêu (tracking) phân loại hành động từ camera video Nhiệm Vụ Và Giới Hạn Của Đề Tài 1.3 1.3.1 Nhiệm Vụ đề tài  Phát ngƣời video  Bám theo mục tiêu (tracking) đối tƣợng  Phân loại số hành động đối tƣợng khung ảnh Chƣơng Tổng quan 1.3.2 - Giới Hạn đề tài Độ chinh xác mức tƣơng đối kết cuối tổng hợp nhiều khâu xử lý nhƣ phát ngƣời, bám mục tiêu (tracking) theo ngƣời phân loại hành động qua huấn luyện - Xử lý khung ảnh vừa có độ phân giải vừa phải để thực thi đƣợc đáp ứng đủ khung hình video mà yêu cầu thông tin tính toán vừa phải 1.3.3 - Phƣơng Pháp Nghiên Cứu Từ ảnh đầu vào, tiến hành phát ảnh có đối tƣợng ngƣời hay không đặc trƣng ACF kết hợp với thuật toán máy học Adaboost - Nếu xuất ngƣời ảnh bắt đầu tiến hành bám mục tiêu( tracking) đối tƣợng ngƣời quan tâm để tiến hành khảo sát hành động - Từ liệu bám mục tiêu (tracking) thu đƣợc trƣớc đó, áp dụng phƣơng pháp trích đặc trƣng HOG khung ảnh liên tiếp tổ hợp lại với biểu thị cho đặc trƣng hành động ngƣời tình trạng bám mục tiêu (tracking) đó.Sau thông qua vector hỗ trợ máy học (SVM – Support Vector machine) để phân loại loại hành động 1.4 Kế hoạch thực Tháng đến tháng Tìm hiểu phƣơng pháp phát ngƣời ảnh Tháng đến tháng Nghiên cứu phƣơng pháp bám theo (tracking) đối tƣợng Tìm hiểu đặc trƣng hành động Tháng đến tháng Xây dựng chƣơng trình Matlab Tháng đến tháng Lập trình để phát hành động ngƣời qua ba giai đoạn phát – bám theo (tracking) – phân loại Tháng đến tháng 10 Viết luận văn tốt nghiệp Chuẩn bị báo cáo Chƣơng Cơ sở lý thuyết Chƣơng 2: CƠ SỞ LÝ THUYẾT Với gia tăng không ngừng số lƣợng nhƣ chất lƣợng thiết bị ghi hình kỹ thuật số mà giá ngày giảm, việc sở hữu máy ảnh hay máy quay không xa vời ngƣời, dẫn đến bùng nổ liệu ảnh, video, cần ứng dụng thông minh hơn, mạnh mẽ giúp ta tổ chức, quản lý liệu cách hiệu 2.1 Xử lý ảnh số 2.1.1 Các thuật toán xử lý hình thái học Với gia tăng không ngừng số lƣợng nhƣ chất lƣợng thiết bị ghi hình kỹ thuật số mà giá ngày giảm, việc sở hữu máy ảnh hay máy quay không xa vời ngƣời, dẫn đến bùng nổ liệu ảnh, video, cần ứng dụng thông minh hơn, mạnh mẽ giúp ta tổ chức, quản lý liệu cách hiệu Phầnlớncácphéptoánhìnhtháihọcđƣợcđịnhnghĩatừhaiphéptoáncơbảnlà phéptoáncoảnh(Erosion)vàgiãnảnh(Dilation).Yếutốquantrọngtrongcácphép toán làlựa chọn mộtphần tửcấu trúc cóhình dáng phùhợp 2.1.1.1 Phần tửcấu trúc Đốivớiảnhnhịphân,phầntửcấutrúclàmộtảnhcókíchthƣớcnhỏgồmcóhai giátrị0và1,cácgiátrịbằng0đƣợcbỏquatrongquátrìnhtínhtoán,gọiH(i,j)là phần tử cấutrúc ảnh nhị phânvà đƣợc thểhiện nhƣ sau : H(i,j)0,1         Mộtsốhìnhdángcủaphầntửcấutrúcthƣờngđƣợcsửdụngtrênảnhnhịphân: dạng đƣờng theo chiều ngangvà dọc,hình vuông, hìnhellip, Chƣơng Cơ sở lý thuyết Hình 2.1: Mộtsố hình dáng phần tử cấu trúc phẳng Đốivớiảnhxám,phầntửcấutrúclàkhôngphẳng,tứclàcácphầntửcấutrúcsử dụngcácgiátrị0và1đểxácđịnhphạmvicủaphầntửcấutrúctrongmặtphẳngxvà mặtphẳngyvàthêmgiátrịđộcaođểxácđịnhchiềuthứba Cấutrúcphầntửkhông phẳng gồm có hai phần : Phầnthứnhất:Mộtmảnghaichiềugồmcócácgiátrị0và1,trongđógiá trị 1xác định lân cậncủa phần tử cấu trúc Hình 2.2: Mộtmặt nạ xác định lâncận phần tử cấu trúc không phẳng Phầnthứhai:Mộtmảnghaichiềucókíchthƣớcbằngvớikíchthƣớccủamảng hai chiều ởphần thứ nhƣngchứa cácgiátrị thực phần tử cấu trúc Hình 2.3: Ma trận giá trị thực tương ứng với lân cận phần tử cấu trúc không phẳng Chƣơng Cơ sở lý thuyết 2.1.1.2 Phép co ảnh – Erosion XéttậphợpAvàtậphợpB(Phầntửcấutrúc),phépcoảnhnhịphâncủatậphợp A bởiphầntử cấu trúc B đƣợc kíhiệu:A B viếtdƣới dạng công thứcnhƣ sau: A B=z|(B) ZA         PhépcoảnhnhịphâncủatậphợpAbởiphầntửcấutrúcBlàtậphợpcácđiểmz(znằmở tâmđiểmcủa phần tử cấu trúc B) cho Bzlàtập củaA Hình 2.4: Ví dụ phép toán co ảnh nhị phân vớiphần tử cấutrúc phẳng PhéptoáncoảnhcủaảnhxámIvớicấutrúcphầntửkhôngphẳngHtạivịtrí (x, y) củaảnhIđƣợc xácđịnhnhƣsau: (IH)(x,y)=max(I(x+i,y+j)+H(i,j)|(i,j)DH)   Hình 2.5 Ví dụ phép toán co ảnh ảnh xám với phần tử cấu trúc không phẳng Trong đó, DHlà không gian ảnh củaphần tửcấu trúc khôngphẳngH Chƣơng Cơ sở lý thuyết 2.1.1.3 Phép giãn ảnh – Dialtion Gọi A ảnh gốc, B phần tử cấu trúc Phép giãn nhị phân ảnh A với phần tử cấu trúc B đƣợc kí hiệu AB biểu diễn phép toán giãn ảnh dƣới dạng phép toán tổ hợp sau:  PhépgiãnảnhnhịphâncủatậpAbởiphầntửcấutrúcBlàtậphợpcủacácđiểmz (zlàtâmcủa phần tử cấu trúc B tập A) chophản xạ Bzgiao với tập A tạiít nhấtmột điểm Hình 2.6: Ví dụ phép giãn nhị phân ảnh vớiphần tử cấutrúc phẳng Phép toángiãn ảnh củaảnh xámI với cấutrúc phần tử không phẳngH tạivị trí (x, y) củaảnhIđƣợc xácđịnhnhƣsau: (IH)(x,y)=max(I(x+i,y+j)+H(i,j)|(i,j)DH)    (2.5) Chƣơng Cơ sở lý thuyết Hình 2.7: Phép toán giãn ảnh ảnh xám với phần tử cấu trúc không phẳng Trong đó, DH không gian ảnh phần tử cấu trúc không phẳng H 2.1.1.4 Phép mở ảnh– Openning GọiAlàhìnhảnhgốcvàBlàphầntửcấutrúc,()làkýhiệucủaphépmởảnh tậphợp Avà phần tử cấu trúcB, phépmở ảnh đƣợc xácđịnhbởi côngthức: AB = (A⊖B)⊕B (2.6) 2.1.1.5 Phép đóng ảnh VớitậphợpAlàảnhgốc,Blàphầntửcấutrúc.làkýhiệuphépđóngảnh KhiđóphépđóngảnhcủatậphợpAbởiphầntửcấutrúcB,kíhiệulà(AB)xácđịnh bởi: (AB)=(AB) B (2.7) Hìnhdƣớiđâylàmộtvídụvề cácphéptoánxửlýhìnhhọctrênảnh Trongđó,ápdụngcácphéptoánxửlýảnhnhịphânvớiphầntửcấutrúccóhìnhdáng ởhình2.8;vớiảnhxámsửdụngcấutrúcphầntửkhôngphẳngcóhìnhdánglân trịnhƣ2.9 cận giá Chƣơng Cơ sở lý thuyết Hình 2.8: Phần tử cấu trúc phẳng Hình 2.9: Hình dáng lân cận ma trận giá trị tương ứng phần tử cấu trúc không phẳng Hình 2.10: Kết số phép biến đổi ảnh nhị phân ảnh xám Chƣơng Cơ sở lý thuyết 2.1.2 Các ứng dụng thuật toán xử lý hình thái học 2.1.2.1.Trích lọc biên ảnh –Boundaryextraction Để trích lọc biên củaảnhnhị phân A,chúng tathực hiệnhai bƣớc sau:  Đầu tiên, thực hiệnphép ăn mòn/phép co ảnh với phần tử cấu trúc B  Sauđó,thựchiệnkhửnềncủaảnhAbằngcáchlấyảnhgốcAtrừchoảnhđã thực ởbƣớc Nhƣvậy,chúngtacóthểtríchlọcbiêncủaảnhA,kýhiệulàApvớimộtphầntử cấu trúc Bbằng công thức sau:  Ap= A– (A B) Yếu tốquantrọngtrongviệctríchlọc biêncủaảnhnhị phânlàđƣa rađƣợc phầntử cấu trúc khôngphẳnghợp lý (a) (b) (c) (d) Hình 2.1: Trích lọc biên đối tượng: (a) ảnh gốc, (b) hình dáng phần tử cấu trúc, (c) ảnh sau thực phép co ảnh với phần tử cấu trúc, (d) ảnh kết theo công thức trích lọc biên 10 Chƣơng Cơ sở lý thuyết 2.1.2.2.Tô đầy vùng – Region fill Ảnhnhịphânthƣờnglàkếtquảcủacácphépthựchiệnphânngƣỡnghoặcphân đoạnảnhxámhoặcảnhmàuđầuvào.Nhữngphépbiếnđổinàyrấthiểmkhi―hoàn donhữngnhân tố bênngoàimàtrong hảo‖ quátrìnhlấymẫuảnhchúngtakhôngkiểm soátđƣợcnhƣcƣờngđộsánghayđộchóixuấthiệntrongảnhvànócóthểđểlại những―lỗhổng‖saukhithựchiệnlấyngƣỡnghoặcphânđoạnảnh.Sửdụngcácphép xử lý hìnhthái họcđể lấp đầy cáclỗ hổng thực rấthiệuquả ChomộtảnhnhịphânAgồmcó:cácđiểmảnhlàbiêncủađốitƣợngđƣợcgán nhãnbằng1vàcácđiểmảnhkhôngphảilàbiênđƣợcgánnhãnbằng0.ĐặtBlàcấu trúcphầntửvà x0làmộtđiểm ảnhbất kìnằm tronglỗhổng đƣợc bao bọcbởi biêncủa đốitƣợng(điểmxuấtphát).Việclàmđầyđốitƣợngđƣợcthựchiệnbằngcáchlặpđi lạibiểu thức sau: x0 = 1; 𝑥𝑘=(𝑥𝑘−1⨁ 𝐵)∩𝐴 , với k = 1,2,3, (2.9) until xk = xk-1 Kết vùng đối tƣợng đƣợc lấp đầy cuối có đƣợc H=A ∪ 𝑥𝑘 (a) (b) Hình 2.2: Kết việc thực lấp đầy vùng ảnh: (a) ảnh nhị phân với “lỗ hổng”, (b) ảnh sau lấp đầy 11 lặp Chƣơng Cơ sở lý thuyết 2.1.2.3 Trích lọc thành phần liên thông - Extracting connected components Tậphợptấtcảcácđiểmảnhkếtnốitớimộtđiểmảnhnàođógọilàcácthành phầnkếtnốicủađiểmảnhđó[25].Mộtnhómcácgiátrịđiểmảnhđƣợckếtnốivới nhauphânbiệtvớicácnhómđiểmảnhkhácthôngquaviệcgánnhãnkhácnhaucho cácnhóm.Cácnhãnnàylàcácsốnguyên,trongđónềncógiátrịbằng0,cácvùng ảnh/nhóm cácđiểmảnh liên thông với nhauđƣợc gán nhãn từ1 trởđi Hình 2.3: Hình dáng lân cận(N4)và lân cận(N8) Thuậttoángánnhãncácthànhphầnliênthôngvớisốlân cậnlà8(N8)thực nhƣ sau: - Quét ảnh đầu vào theohàng từ xuống gặp điểmp (p=1,nếu ảnhnhịphần) ảnh - Kiểmtra cáclân cậnp Dựa thôngtin đó,việcđánh nhãnsẽđƣợc thực nhƣ sau: - Nếu tất cả4 lân cận p đềubằng 0, gán nhãn chop, ngƣợc lại - Nếu lân cận p cógiá trịbằng1, gán nhãn chop, ngƣợc lại - Nếu cónhiều mộtlân cận p cógiá trịbằng1, gán nhãn nhãn cho pvà ghichú thích tƣơngtự Saukhihoàn tấtquá trìnhquét, cáccặp nhãntƣơngứngđã đƣợc xếp vào nhóm tƣơng ứng vàmỗi nhómsẽchỉcó nhãn nhấtđƣợc gán 12 ... thuật Tp.HCM Ngành học: kĩ thuật điện tử Tên luận văn: Giám sát an ninh dùng kĩ thuật xử lý hình ảnh Ngày & nơi bảo vệ luận văn: 22/10/2016 trƣờng Đại học sƣ phạm kĩ thuật Tp.HCM Ngƣời hƣớng... (AB)=(AB) B (2.7) Hìnhdƣớiđâylàmộtvídụvề cácphéptoánxửlýhìnhhọctrênảnh Trongđó,ápdụngcácphéptoánx lý nhnhịphânvớiphầntửcấutrúccóhìnhdáng hình2 .8;vớiảnhxámsửdụngcấutrúcphầntửkhôngphẳngcóhìnhdánglân... SỞ LÝ THUYẾT 2.1 Xử lý ảnh số 2.1.1 Các thuật toán xử lý hình thái học 2.1.1.1 Phần tửcấu trúc 2.1.1.2 Phép co ảnh – Erosion 2.1.1.3 Phép giãn ảnh