Một phương pháp mới nâng cao độ tương phản ảnh màu theo hướng tiếp cận trực tiếp

16 11 0
  • Loading ...
1/16 trang

Thông tin tài liệu

Ngày đăng: 26/02/2019, 10:36

Trong bài báo này, đề xuất một phương pháp mới cho tăng cường độ tương phản của hình ảnh màu dựa trên phương pháp trực tiếp. Kết quả thí nghiệm chứng minh sự kết hợp của phương pháp đề xuất của chúng tôi với Các thuật toán phân cụm Fuzzy C_Mean (FCM) thực hiện cũng trên hình ảnh màu sắc khác nhau. Các cơng trình nghiên cứu phát triển CNTT Truyền thông Tập V-1, Số 17 (37), tháng 6/2017 Một phƣơng pháp nâng cao độ tƣơng phản ảnh màu theo hƣớng tiếp cận trực tiếp A New Method to Enhancement The Contrast of Color Images based on Direct Method Nguyễn Văn Quyền, Trần Thái Sơn, Nguyễn Tân Ân, Ngơ Hồng Huy, Đặng Duy An Abstract: Image contrast enhancement techniques have two mainly methods: indirect method and direct method While indirect methods only modify the histogram without defining any specific contrast measure, the direct methods establish a criterion of contrast measurement and enhance the image by improving the contrast measure Among many direct methods, only the studies by Cheng and Xu modified the contrast at each point of grayscale image using a contrast measure [6, 7] In this paper we propose a new method for enhancing the contrast of color images based on the direct method The experimental results demonstrate that the combination of our proposed method with Fuzzy C_Mean (FCM) clustering algorithms performs well on different color images Keywords: Direct contrast enhancement, homogeneity measure, contrast measure, FCM, Sfunction, histogram, the dynamic range of gray, HSV, entropy, fuzzy entropy, the image details I GIỚI THIỆU Nâng cao độ tƣơng phản ảnh vấn đề quan trọng xử lý phân tích hình ảnh, bƣớc phân đoạn ảnh Các kỹ thuật thông dụng nâng cao độ tƣơng phản ảnh đƣợc phân loại theo hai tiếp cận chính: (1) Các phƣơng pháp gián tiếp [1, 2, 5, 12, 13, 17]; (2) phƣơng pháp trực tiếp [6, 7] Có nhiều kỹ thuật đƣợc đề xuất đƣợc tìm thấy tài liệu tham khảo, hầu hết số phƣơng pháp gián tiếp, chúng biến đổi histogram mà không sử dụng độ đo tƣơng phản Các kỹ thuật biến đổi histogram đƣợc khai thác nhiều khía cạnh nhƣ thuật tốn khung biến đổi histogram thích nghi nội dung [2], biến đổi logarit histogram [1], kỹ thuật cân động histogram [5], chuẩn hóa nhiều histogram [17], biến đổi Cosine rời rạc [13], xây dựng toán tử tăng cƣờng mở rộng toán tử INT Zadeh để mờ hóa thơng tin miền khơng gian [12] v.v… Mặc dù có nghiên cứu theo phƣơng pháp trực tiếp biến đổi độ tƣơng phản ảnh dựa độ đo tƣơng phản xác định điểm ảnh, chẳng hạn nghiên cứu [9, 3, 8, 6, 7] Trong [9, 3], kết chứng tỏ phƣơng pháp trực tiếp tạo kỹ thuật nâng cao độ tƣơng phản hiệu Nhƣ nhận xét trên, thời gian dài hầu nhƣ có nghiên cứu Cheng Xu [6, 7] đề xuất phƣơng pháp biến đổi độ tƣơng phản điểm ảnh dựa định nghĩa độ đo tƣơng phản độ sáng điểm ảnh lân cận xung quanh Độ đo tƣơng phản [6, 7] đƣợc xây dựng dựa đặc trƣng địa phƣơng nhƣ gradient, entropy, độ lệch chuẩn trung bình moment bậc điểm ảnh Ngay từ đầu, phƣơng pháp nâng cao độ tƣơng phản đƣợc thực ảnh đa cấp xám Mở rộng phƣơng pháp để nâng cao độ tƣơng phản ảnh màu nhiệm vụ dễ dàng gặp phải số yếu tố, chẳng hạn nhƣ lựa chọn mơ hình màu thích hợp để biểu diễn xử lý ảnh, ảnh hƣởng hệ thống thị giác ngƣời - 59 - Các công trình nghiên cứu phát triển CNTT Truyền thơng Việc lựa chọn mơ hình màu quan trọng để cải thiện độ tƣơng phản ảnh màu Biểu diễn màu RGB đƣợc sử dụng cho việc hiển thị màu sắc, biểu diễn màu HSV cho hệ thống thị giác ngƣời Trong mơ hình màu HSV, kênh H biểu diễn màu sắc, kênh S độ bão hòa, kênh V cƣờng độ màu Bằng cách bảo toàn kênh H, thay đổi kênh V thay đổi kênh S kênh V, nâng cao chất lƣợng ảnh màu mà không làm suy giảm chất lƣợng ảnh gốc [12] Trong thuật toán [6, 7] sở phép nâng cao độ tƣơng phản ảnh đa cấp xám, chúng không đảm bảo hiệu áp dụng trực tiếp cho ảnh màu số nguyên nhân sau: (i) Ảnh nâng cao độ tƣơng phản không thay đổi mức độ sáng màu so với ảnh gốc Khi áp dụng thuật toán [7] kênh V ảnh màu biểu diễn màu HSV, nhận thấy với nhiều ảnh màu, đặc biệt ảnh tối, điểm ảnh nhƣ chiếm nhiều Do ảnh đƣợc nâng cao không thay đổi mức sáng vùng không khác biệt với ảnh gốc dựa cảm nhận mắt Hình Ảnh kết sử dụng [7] cho ảnh #1 (Xem hình 5) (ii) Chi tiết ảnh gốc bị suy giảm Trong [6], tác giả đề xuất thuật toán sử dụng hàm S-function có tham số để biến đổi ảnh đa cấp xám I đầu vào sau nâng cao độ tƣơng phản ảnh biến đổi theo phƣơng pháp trực tiếp I  I (i, j ) SI (a, bopt , c)  S  func( I (i, j ); a, bopt , c) , (1) Tập V-1, Số 17 (37), tháng 6/2017 a, bopt c tham số đƣợc ƣớc lƣợng tự động khảo sát đỉnh histogram dựa nguyên lý cực đại fuzzy entropy: bopt  arg max H ( I ; a, b, c) , (2) b[a  1, c  1] H độ đo fuzzy entropy thơng dụng (xem cơng thức (33), mục IV.3) Hình Ảnh biến đổi sử dụng hàm S-function bị chi tiết [6] Hình chứng tỏ áp dụng phép biến đổi dạng Sfunction cho kênh R, G B ảnh #1 nhận đƣợc ảnh bị chi tiết nhƣ đƣợc thể vùng đánh dấu chữ nhật Điều xảy áp dụng biến đổi cho kênh V biểu diễn màu HSV ảnh #1 Phần lại báo đƣợc tổ chức nhƣ sau: Phần II, trình bày số nghiên cứu liên quan thuật toán nâng cao độ tƣơng phản theo hƣớng trực tiếp Cheng cộng sự; Phần III đề xuất thuật toán sử dụng phân cụm mờ để ƣớc lƣợng nhiều khoảng động mức xám, xây dựng hàm biến đổi kênh ảnh trƣớc tính độ tƣơng phản điểm ảnh thuật toán nâng cao độ tƣơng phản ảnh màu biểu diễn màu HSV; Các kết thực nghiệm trình bày phần IV; Kết luận đƣợc đƣa phần V II NGHIÊN CỨU LIÊN QUAN Bảng liệt kê số kí hiệu đƣợc sử dụng báo Bảng Các ký hiệu định nghĩa Ký hiệu Định nghĩa I Ảnh RGB nói chung M x N kích thƣớc theo pixel ảnh M, N đầu vào Kênh ảnh R,G B ảnh màu IR, IG, IB biểu diễn màu RGB - 60 - Các cơng trình nghiên cứu phát triển CNTT Truyền thông IS, IH, IV Lk, min, Lk, max d Eij Hij Vij R4,ij HOij ij ij ξij t f1,f2 K C i,j,c fcut Kênh ảnh H,S V ảnh màu biểu diễn màu HSV Miền giá trị mức xám kênh ảnh thứ k ảnh đầu vào, thông thƣờng Lk, = 0, Lk, max = 255 d x d kích thƣớc cửa sổ lân cận điểm ảnh Các giá trị gradient lấy điểm ảnh (i, j) đƣợc chuẩn hóa miền [0, 1] theo tốn tử tìm kiếm biên chẳng hạn tốn tử Sobel Giá trị entropy địa phƣơng lấy điểm ảnh (i, j) đƣợc chuẩn hóa miền [0, 1] Độ lệch chuẩn trung bình mức xám lấy điểm ảnh (i, j) đƣợc chuẩn hóa miền [0, 1] Giá trị moment bậc lấy điểm ảnh (i, j) đƣợc chuẩn hóa miền [0, 1] Giá trị kết nhập dạng f(Eij, Hij, Vij, R4,ij)[7] Giá trị điểm ảnh (i, j) Giá trị trung bình không điểm ảnh (i, j) Số mũ khuếch đại (i, j) t(0,1): Tham số phép nâng độ khuếch đại f1, f2  (0, 1): Tham số xác định dải động mức xám [7] Số kênh ảnh cần xử lý ảnh đầu vào Số cụm cần phân cụm tổ hợp kênh ảnh đầu vào Giá trị độ thuộc cụm thứ c điểm ảnh (i, j), đầu thủ tục phân cụm FCM fcut (0, 1): Tham số xác định C dải động mức xám kênh ảnh (mục III) II.1 Độ tƣơng phản trực tiếp điểm ảnh Thông thƣờng, độ tƣơng phản chênh lệch độ sáng đối tƣợng (ký hiệu f) vùng xung quanh (ký hiệu b) Tƣơng tự nhƣ [6, 7], báo sử dụng độ đo tƣơng phản sau: C f b f b (3) Tập V-1, Số 17 (37), tháng 6/2017 Nâng cao độ tƣơng phản theo phƣơng pháp trực tiếp, theo [6, 7] việc thực dãy biến đổi ( f , b) C f , b Cnew f new, f , b , ≤ Cf,b ≤ Cnew ≤ f new, f , b   Cnew , f b b  C  new  b  Cnew , f  b    Cnew (4) II.2 S-function Trong lý thuyết tập mờ, Zadeh định nghĩa toán tử tăng cƣờng gọi INT (intensification), dạng tổng quát đƣợc gọi S-function [7], đƣợc xác định nhƣ sau: 0,  x  a    x  a   b  a  c  a  , a  x  b  S ( x; a, b, c)    x  c  1  c  b c  a , b  x  c      1, c  x (5) Trong [6] Cheng cộng sử dụng hàm Sfunction để chuyển ảnh xám sang miền fuzzy, sau nghiên cứu nâng cao độ tƣơng phản ảnh miền fuzzy Trong [7] đề xuất xây dựng phép nâng cao độ tƣơng phản trực tiếp ảnh đa cấp xám dựa đặc trƣng địa phƣơng điểm ảnh Đây phƣơng pháp gốc đƣợc dùng phát triển thuật toán đƣợc đề xuất phần III II.3 Ƣớc lƣợng độ sáng độ tƣơng phản điểm ảnh Phép nâng cao độ tƣơng phản trực tiếp ảnh xám đƣợc công bố [7] đƣợc tóm tắt nhƣ sau: Giả sử gij mức xám điểm ảnh I(i,j) at ảnh đa cấp xám I kích thƣớc M × N, Wij cửa sổ lân cận (i, j) kích thƣớc d × d Thực bƣớc sau: Bƣớc 1: Tính tham số địa phƣơng đƣợc chuẩn hóa giá trị đoạn [0, 1], gradient Eij, entropy Hij, trung bình độ lệch chuẩn Vij, moment bậc R4,ij: 1.1: Tính cƣờng độ biên ảnh: e = {eij} giá trị cƣờng độ biên ảnh xám đầu vào toán tử xác định ảnh biên nhƣ tốn tử Sobel - 61 - Các cơng trình nghiên cứu phát triển CNTT Truyền thơng 1.2: Giá trị trung bình, độ lệch chuẩn ij  min   = {ij}, v = {vij}, ij giá trị trung bình mức xám, vij độ lệch chuẩn mức xám lấy lân cận điểm ảnh gij ij   ( p , q )Wij  g g pq d2 ( p , q )Wij vij  , pq  ij  L hij  pk  k 1 k log pk (6) log d   1 C'  Cij ij ij  ij   , gij   ij ij ijt  Cij'   C ij  gij'   t  Cij ij   Cij'   ij , gij   ij  ij t  Cij'  Cij ij   t  4,ij  d2  g ( p , q )Wij  ij  pq d 1 (8) H ij  eij max eij hij max hij ,V  ij vij max vij , R4,ij  (17) Thuật toán [6, 7] thỏa mãn điều kiện sau: Tại điểm ảnh, độ cao mức độ nâng tƣơng phản thấp 1.5: Chuẩn hóa miền giá trị đoạn [0, 1] Eij  (14) , tham số t  {0.25, 0.5} [7] 3.4: Tính giá trị mức xám điểm ảnh # ( p, q)  Wij : g p ,q  k 1.4: Tính moment bậc  max   Cij  Cij , (7) , max  min  *  ij  min  đó:   g k  g1 , max  , gk, g1 (15) g max  g1 đỉnh histogram đƣợc xác định theo [3] 3.3: Nâng độ tƣơng phản ijt (16) ' d2 1.3: Tính giá trị entropy địa phƣơng p Tập V-1, Số 17 (37), tháng 6/2017 (9)  4,ij max  4,ij Bƣớc 2: Tính giá trị độ điểm ảnh giá trị mức xám không 2.1: Tính giá trị đo độ điểm ảnh ij  HOij max HOij , (10) HOij  Eij * Vij * H ij * R4   1  Eij  * 1  Vij  * 1  H ij  * 1  R4,ij  (11) 2.2: Tính giá trị mức xám không (nonhomogeneity gray value [7])  ij   ( p , q )Wij  g pq (1   pq ) ( p , q )Wij (1   pq ) (12) Bƣớc 3: Tính giá trị độ tƣơng phản điểm ảnh số mũ khuếch đại 3.1: Giá trị độ tƣơng phản Cij  gij   ij gij   ij Hình Đồ thị số mũ khuếch đại [7] (gần tuyến tính) Nhƣ đề cập phần I, ảnh tối, thuật toán nâng cao độ tƣơng phản trực tiếp không thay đổi đƣợc độ sáng ảnh Để giải vấn đề thay đổi độ sáng ảnh sau tăng cƣờng độ tƣơng phản (địa phƣơng) đề xuất xây dựng biến đổi ảnh F kênh ảnh xám tổ hợp kênh ảnh đầu vào Khi độ tƣơng phản đƣợc tính công thức (13) đƣợc thay đổi thành: Cij  (13) F (i, j)   ij ( F ) F (i, j )   ij ( F ) , ta đồng biến đổi F với ảnh {F(i, j)} 3.2: Số mũ khuếch đại - 62 - (18) Các cơng trình nghiên cứu phát triển CNTT Truyền thông biến đổi kênh ảnh kỹ thuật nâng cao độ tƣơng phản ảnh màu xét biểu diễn màu HSV Trong [6], tác giả xây dựng biến đổi mờ hóa ảnh áp dụng cho quy trình nâng cao độ tƣơng phản trực tiếp Nhƣ phân tích phần I, biến đổi ảnh làm chi tiết ảnh Để chi tiết chúng tơi tóm lƣợc lại phép mờ hóa kênh ảnh [7] nhƣ mục sau: III.1 Ƣớc lƣợng nhiều dải động mức xám dựa vào phân cụm mờ FCM Phân cụm mờ c-mean (FCM [4]), đƣợc sử dụng hiệu số nghiên cứu nâng cao độ tƣơng phản ảnh kênh Trong [16] trình bày cách xác định dải II.4 Ƣớc lƣợng dải động mức xám biến đổi - mờ hóa ảnh sử dụng S-function Dựa histogram ảnh, [6, 7] tác giả nhận thấy đỉnh histogram ảnh liên quan đến vùng mức xám lớn đỉnh sau nhiễu Vì tác giả đề xuất cách xác định dải động mức xám nhƣ sau: k Đặt  His His max ( g )  i 1 max ( gi ) , động miền giá trị mức xám cách sử dụng thuật tốn phân cụm mờ FCM, cụm ảnh có tính chất hơn, việc xác định dải động mức xám tƣơng đối dễ dàng Ngoài [15] tác giả sử dụng FCM để phân đoạn histogram nâng cao độ tƣơng phản theo phận histogram (19) k k số điểm cực đại địa phƣơng) histogram, Hismax(g1), …, Hismax(gk) điểm cực đại địa phƣơng histogram, g1, gk điểm cực đại địa phƣơng sau tƣơng ứng cho: Hismax(g1)  His max ( g ), Hismax(gk)  His max ( g ) (20) Dải động mức xám đoạn [a, c] a = min{(1 - f2)(g1 - Lmin) + Lmin, B1} c = max{f2(Lmax - gk) + gk, B2}, (21) B1, B2 đƣợc xác định : B1  i  Lmin Lmax His(i )  f1  His(i)  i  B2 f1 Lmax  His(i ) i  Lmin Lmax  His(i ), (22) i  Lmin Lmin, Lmax giá trị mức xám nhỏ lớn kênh ảnh, số f1 = 0.01, f2 = 0.5 đƣợc xác định thực nghiệm Từ dải động mức xám [a, c] ƣớc lƣợng trên, [6] trình bày thuật tốn để mờ hóa ảnh đầu vào trƣớc nâng cao độ tƣơng phản ảnh đầu vào III KỸ THUẬT ĐỀ XUẤT Tập V-1, Số 17 (37), tháng 6/2017 Để ƣớc lƣợng tự động dải động mức xám cho nhiều loại ảnh khác nhƣ ảnh tối, ảnh sáng, ảnhđộ tƣơng phản thấp ảnhđộ tƣơng phản cao, chúng tơi đề xuất sử dụng phân cụm mờ để ƣớc lƣợng dải động mức xám kênh ảnh ảnh đa kênh Lƣu ý số biểu diễn màu nhƣ biểu diễn màu RGB, kênh ảnh khơng độc lập mà có độ tƣơng quan cao, cách làm ƣớc lƣợng dải động kênh ảnh độc lập khơng hồn tồn phù hợp trƣờng hợp tổng quát Trong kỹ thuật chúng tơi, đặc tính thuật tốn phân cụm mờ thích hợp cho liệu đầu vào dạng vector số nên kỹ thuật sử dụng FCM có tính khái quát cao áp dụng cho kênh ảnh có tƣơng quan Sau phân cụm, việc ƣớc lƣợng dải động mức xám cụm dễ dàng tính đồng cao giá trị mức xám cụm Với tổ hợp K kênh ảnh ảnh I (trong biểu diễn màu), để thuận tiện ký hiệu I1, K  {I1 , I2 , , IK } , sử dụng thuật toán phân cụm mờ FCM phân cụm I1, K thành C cụm, C ≥ Thuật toán lặp FCM cực tiểu hóa hàm mục tiêu: Phần trình bày kỹ thuật ƣớc lƣợng dải động mức xám sử dụng phân cụm mờ FCM, phép J (V ,  )  C i, j - 63 -  i2, j ,c I1,K (i, j )  Vc  (23) c 1 Các cơng trình nghiên cứu phát triển CNTT Truyền thông với độ đo khoảng cách Ơcơlit, K I1, K (i, j )  Vc    I k (i, j)  Vc (k )  ràng buộc biến nhƣ sau: (ii)  i, j,c  1, 1  i  M,  j  N  (24) i, j Nhƣ với FCM nhận đƣợc bảng giá trị độ thuộc cụm cho điểm ảnh   , ≤ c ≤ C, ≤ i ≤ M ≤ j ≤ N i , j ,c Định nghĩa 3.1: Histogram mờ:  Giả sử i , j ,c bảng độ thuộc thỏa mãn công thức (24), histogram mờ theo kênh Ik ảnh I (trong biểu diễn màu),  k  K , ký hiệu hck đƣợc xác định nhƣ sau: hck  g       ( i , j ) gi,j  g1i,j , gi,j2 , , gi,jK : gi,jk  g  i , j ,c , g  Lk ,min Lk ,max C I k (i, j)i  1,M , j 1, N , k 1, K cụm tập vector liệu thuật toán FCM chuẩn   i , j ,c i  1, M , j  1, N , c  1, C , theo công   Bƣớc 2: Xác định histogram mờ hck c  1, C , k  1, K theo công thức (25) Bƣớc 3: k  1, K , c  1, C i, j,c  0, 1  c  C  Phân thức (24) c 1 (iii) 1: C 1],1  c  C C Bƣớc ta đƣợc Vc c 1 , k 1 (i) i,j,c  [0, Tập V-1, Số 17 (37), tháng 6/2017 (25) Lk ,max  B  Bk ,1,c  arg   hck ( g )  f cut  hck ( g )  B[Lk,min ,Lk,max ]  g  L g  Lk ,min   k ,min Lk ,max  Lk ,max k  Bk ,2,c  arg   hc ( g )  f cut  hck ( g )  B[Bk ,1,c +1,Lk,max ]  g  B g  Lk ,min   Trả về: B k ,1,c (26) , Bk ,2,c k  1, K , c  1, C Thuật tốn có độ phức tạp tồi O(M*N*L), L tham số số lần lặp tối đa thuật toán FCM chuẩn Nhận xét: Khi K = 1, C = Lmax - Lmin + 1, I (i, j )  c  c  1, L1,max  L1,min  1, i , j ,c    h (c 1) c c 1, Lk ,kmax ,Lk,min +1 trùng với histogram thông thƣờng ảnh xám Thuật toán Ƣớc lƣợng C dải động mức xám cụm tổ hợp kênh ảnh sử dụng histogram mờ Đầu vào: K kênh ảnh I (trong biểu diễn màu), I1, K  {I1 , I2 , , I K } , tham số C  N  , C  , ngƣỡng fcut (fcut > 0, đủ nhỏ), M x N kích thƣớc ảnh I Đầu ra: Bk ,1,c , Bk ,2,c k  1, K , c  1, C , Lk ,min  Bk ,1,c  Bk ,2,c  Lk ,max , c  1, C, k  1, K Hình Histogram kênh V, cụm số ảnh #4 (C = 5), trục hoành biểu diễn giá trị xám, trục tung biểu thị tần suất III.2 Biến đổi kênh ảnh Định nghĩa 3.2: Phép biến đổi kênh ảnh tổ hợp kênh biểu diễn màu ảnh đầu vào Xét K kênh ảnh I, I1, K  {I1 , I2 , , I K } biểu diễn màu, C  N  , C  số cụm, B k ,1,c , Bk ,2,c k 1, K ,c 1,C dải động mức xám đƣợc xác định nhờ thuật tốn - 64 - Các cơng trình nghiên cứu phát triển CNTT Truyền thông Tập V-1, Số 17 (37), tháng 6/2017 (27) Bƣớc 3: Xác định ảnh biến đổi FS, FV kênh IS, IV tƣơng ứng theo công thức (27), định nghĩa 3.2 với dải động mức xám đƣợc ƣớc lƣợng từ bƣớc cho kênh S kênh V Nhận xét: Biến đổi ảnh Fk bảo tồn thứ tự, nghĩa Bƣớc 4: Tính tham số [7] cho kênh FS, FV nhƣ trình bày mục (xem cơng thức từ (6) đến (12) với kích thƣớc cửa sổ dxd, cụ thể giá trị mức xám không {δS,ij}, {δV,ij}, số mũ khuếch đại {S,ij}, {V,ij} điểm ảnh kênh FS kênh FV Với k  1, K , xác định biến đổi Fk cho kênh ảnh Ik nhƣ sau: C   I (i, j )  B     Lk ,max  Lk ,min   clip  kB  B k ,1,c   c 1 k ,1,c     k ,2,c Fk (i, j )   Lk ,min  , C     k  1, K , i  1, M , j  1, N , clip(x) = min{max{x, 0}, 1} [x] phần nguyên số thực x I k (i, j )  I k (i ', j ')  Lk ,min  Fk (i, j)  Fk (i ', j ')  Lk ,max Kỹ thuật nâng cao độ tƣơng phản ảnh màu biểu diễn màu HSV, ảnh RGB đầu vào đƣợc chuyển sang biểu diễn HSV Sau đó, thuật toán sử dụng ảnh kênh {S, V} nhƣ ảnh kênh đầu vào để thực phép nâng cao độ tƣơng phản đƣợc thực theo thuật toán nhƣ dƣới Hai kênh ảnh {S, V} đầu thu nhận đƣợc kết hợp với kênh H gốc ảnh đầu vào để biến đổi ngƣợc từ biểu diễn màu HSV trở biểu diễn màu RGB Đầu biến đổi ngƣợc HSV sang RGB ảnh kết cuối đƣợc trả Thuật toán đƣợc thực nhƣ sau: Bƣớc 5: Tính độ tƣơng phản xác định kênh ảnh xám kênh FS kênh FV, FS I S ,new , FV IV ,new nhƣ sau: Với kênh FS kênh FV: Tính độ tƣơng phản CS,ij  FS (i, j )   ij ( FS ) FS (i, j )   ij ( FS ) , CV,ij  FV (i, j )   ij ( FV ) FV (i, j )   ij ( FV ) (28) Tính giá trị mức xám kênh S V:   C S,ij S,ij  S,ij t , gS,ij   S,ij S,ij   CS,ij IS,new (i, j )   t   CS,ijS,ij t , gS,ij   S,ij  S,ij S,ij   CS,ij t (29)   C V,ij V,ij  V,ij , g V,ij   V,ij t V,ij   CV,ij IV,new (i, j )   t  CV,ijS,ij  , g V,ij   V,ij t  V,ij  V,ij   CV,ij t Thuật toán Nâng cao độ tƣơng phản ảnh màu sử dụng biểu diễn màu HSV Đầu vào: Ảnh màu I biểu diễn màu RGB, có kích thƣớc M x N Tham số C  N  , C  , ngƣỡng fcut (fcut > 0, đủ nhỏ), d (d x d kích thƣớc cửa sổ) Đầu ra: Ảnh màu RGB Inew, tùy chọn trả về: Giá trị tƣơng phản trung bình CMR, CMG, CMB Giá trị Eavg , Havg Bƣớc 1: Gọi (IH, IS, IV) biểu diễn màu I khơng gian màu HSV Lƣợng hóa để coi kênh IS, IV nhƣ ảnh đa cấp xám Bƣớc 2: Với liệu đầu vào tổ hợp kênh (IS, IV), tham số số cụm C ngƣỡng fcut , gọi thuật toán để ƣớc lƣợng dải động mức xám theo kênh IS, IV (xem công thức (24), (25) (26)) Lƣu ý kênh S đƣợc đánh số k = 1, kênh V đƣợc đánh số k = Bƣớc 6: Chuyển đổi ảnh (IH, IS,new, IV,new) biểu diễn màu HSV biểu diễn màu RGB, ta đƣợc ảnh Inew Bƣớc 7: Bƣớc tùy chọn, tính số khách quan CM{R,G,B}, Eavg Havg 7.1: Tính tham số [7] cho kênh IR, IG IB ảnh gốc I nhƣ trình bày mục II.3 (xem công thức từ (6) đến (12) với kích thƣớc cửa sổ dxd, cụ thể giá trị mức xám không {δR,ij}, {δG,ij}, {δB,ij} kênh IR, IG IB tƣơng ứng - 65 - Các cơng trình nghiên cứu phát triển CNTT Truyền thơng 7.2: Tính CMR, CMG, CMB theo cơng thức (31), cụ thể là: I new, R (i, j )   R ,ij CM R  I ij new, R (i, j )   R ,ij MN I new,G (i, j )   G ,ij CM G  CM B  I ij new,G (i, j )   G ,ij MN I new, B (i, j )   B ,ij I ij new, B (i, j )   B ,ij MN 7.3: Tính Eavg = Eavg{Inew,R, Inew,G, Inew,B} theo cơng thức (32) Tính Havg = Havg{Inew,R, Inew,G, Inew,B} theo công thức (35) Trả về: Inew, tùy chọn đƣợc trả CMR, CMG, CMB , Eavg , Havg Tập V-1, Số 17 (37), tháng 6/2017 Để đánh giá hiệu phƣơng pháp đƣợc đề xuất, đƣa số thực nghiệm so sánh kết với kết phƣơng pháp đƣợc mô tả [7] Trong thực nghiệm sử dụng đa dạng kiểu ảnh màu, kênh màu ảnh vệ tinh Các ảnh đa màu đƣợc chọn điển hình từ loại ảnh tối, ảnh sáng, ảnhđộ tương phản kênh thấp, ảnhđộ tương phản kênh cao v.v Các ảnhđộ sáng thấp chi tiết ảnh không quan sát đƣợc rõ mắt Việc lựa chọn ảnh thử nghiệm đa dạng nhƣ nên tin tƣởng việc kiểm thử thuật tốn chúng tơi cho đánh giá khách quan hiệu chúng Tập ảnh màu (đánh số #1 - #6) đƣợc dùng để thể khuôn khổ báo thu nhận từ tập ảnh RGB đƣợc công bố [14] (ảnh từ #3 đến #5 hình 6), ảnh vệ tinh huyện Lạc Thủy Việt Nam (ảnh #6 Hình 6) Thuật tốn có độ phức tạp tƣơng đƣơng thuật tốn gốc [7] Mơ hình kiến trúc hệ thống đề xuất (Hình 5) đƣợc xây dựng tƣơng tác nhƣ sau: #1: Kích thƣớc 352x254 Bắt đầu Ảnh RGB đầu vào #2: Kích thƣớc 256x384 CHUYển đổi RGB sang HSV Biến đổi kênh S V TÍNH ij, δij ij kênh S kênh V đƣợc biến đổi #3: Kích thƣớc 512x384 TÍNH CÁC GIÁ TRị mức xám kênh S kênh V #4: Kích thƣớc 512x384 CHUYển đổi ngƣợc HSV RGB Kết thúc Hình Lưu đồ xử lý thuật tốn đề xuất #5: Kích thƣớc 512x384 IV THỰC NGHIỆM IV.1 Ảnh thử nghiệm #6: Kích thƣớc 633x647 Hình Một số ảnh gốc dùng cho thử nghiệm - 66 - Các cơng trình nghiên cứu phát triển CNTT Truyền thông Tập V-1, Số 17 (37), tháng 6/2017 IV.2 Tính độ kênh ảnh Chất lƣợng ảnh đƣợc nâng cao độ tƣơng phản phụ thuộc vào giá trị điểm ảnh, độ đo liên quan đến thông tin địa phƣơng ảnh phản ánh tính vùng ảnh đóng vai trò quan trọng nâng cao chất lƣợng ảnh [7] Trong thử nghiệm giá trị địa phƣơng đƣợc mơ tả [7] đƣợc tính với kích thƣớc cửa số 3x3, đặc biệt cơng thức (11) tính giá trị HOij  Eij *Vij * H ij * R4,ij  1  Eij  * 1  Vij  * 1  H ij  * 1  R4,ij  đƣợc thay công thức sau:   HOij  max Eij * Hij , Vij * R4,ij , (30) cần nhấn mạnh giá trị entropy địa phƣơng Hij nhạy với nhiễu thay đổi giá trị mức xám, nên kết hợp theo công thức (11) tạo giá trị độ khơng trơn ảnh hƣởng đến độ trơn ảnh nâng cao độ tƣơng phản đầu Để tới đề xuất công thức đơn giản (30) khảo sát 30 công thức khác kết hợp đặc trƣng địa phƣơng Eij, Hij, Vij, R4,ij, sử dụng tốn tử kết nhập mờ thông dụng nhƣ min, max, product, Yager, Zimmerman, Hamacher, Dombi, Aczel, tổng trọng số v.v… [10] thấy công thức (30) phù hợp cho đa dạng ảnh màu RGB (các ảnh đƣợc nâng cao độ tƣơng phản sử dụng công thức (30) thuật tốn [7] trơn) Ngồi ra, [7] tác giả sử dụng Eij Hij để tính giá trị trung bình khơng điểm ảnh nâng cao độ tƣơng phản kênh ảnh theo phƣơng pháp trực tiếp (a) (b) (d) (c) Hình Độ tính theo cơng thức gốc (11) [7] (a) Ảnh nâng cao độ tương phản kênh R,G B sử dụng công thức (11) (b) Độ tính theo cơng thức (30) (c) Ảnh nâng cao sử dụng cơng thức (30) (d) Hình 7.a chứng tỏ giá trị độ điểm ảnh ảnh #5 ảnh kết phép nâng cao [7] dùng công thức gốc (11) khơng đủ trơn (xem hình 7.b vùng đánh dấu chữ nhật) Ngồi thử nghiệm với ảnh màu khác thuật toán [6, 7] cho kênh ảnh R, G B nhận thấy công thức (11) công thức (30) cho ảnh đầu thuật tốn [7] có tƣơng phản mạnh vùng có độ thấp (chẳng hạn, vùng đơi mắt, xem hình 8.b 8.d) mức độ sáng hình ảnh đƣợc nâng cao nhƣ IV.3 Đánh giá thuật toán Khi đánh giá kết thuật tốn thuật tốn chúng tơi so với thuật tốn gốc đƣợc cơng bố [7], [7] đƣợc phát biểu ứng dụng cho ảnh đa cấp xám, thuật tốn chúng tơi đƣợc phát biểu cho ảnh màu để đảm bảo tính khách quan ngồi đánh giá trực quan chúng tơi sử dụng số khách quan để đánh giá Nhƣ cách đánh giá là:  Bằng trực quan  Sử dụng số biểu diễn độ tƣơng phản trực tiếp  Chỉ số đánh giá khách quan khác (a) (b) Hình {Hij} #5 (a) {Vij}; (b) kênh R, G B với ảnh #5 Lƣu ý thực nghiệm thuật toán gốc [7, 6] tác giả thuật tốn gốc sử - 67 - Các cơng trình nghiên cứu phát triển CNTT Truyền thông dụng đánh giá cảm nhận trực quan, không dùng số khách quan để đánh giá Các số đánh giá khách quan độ tƣơng phản ảnh đƣợc dùng báo cụ thể là: ' k CM ( I k , I )   i,j I (i, j )   k ,ij I k' (i, j )   k ,ij MN , (31) δk,ij giá trị mức xám không điểm ảnh (i, j) Ik (xem ký hiệu bảng 1, xem [7]) Nhận xét: Nói chung ta có,  CM ( I k , I k' )  CM ( I k' , I k ) phép mờ hóa H  (Ik )   (2) Chỉ số entropy đƣợc lấy trung bình tồn điểm ảnh kênh ảnh, chúng đƣợc cho nhƣ sau: E(Ik )   L max k  g  L k pk ( g ) log ( pk ( g )) K Eavg ( I1, K )   E(I k 1 K k Lk ,max    ( g )log ( ( g ))  1   ( g )  log (1   ( g ))  * p ( g ) g  Lk ,min k ,max ) đo fuzzy-entropy trung bình K kênh ảnh nhƣ sau: K H avg ( I1, K )  I k (i, j )  (3) Chỉ số đánh giá khách quan fuzzy-entropy đƣợc lấy trung bình tồn điểm ảnh kênh ảnh, chúng đƣợc cho nhƣ sau: k 1 k ) K (35) Lk ,min  Lk ,max  H ( I k )  Các ảnh thể báo đƣợc đánh số nhƣ Hình Trong nghiên cứu độ tƣơng phản ảnh nhƣ [12], số khách quan  nhƣ sau thƣờng hay đƣợc sử dụng: Lk ,max  g  Lk ,min   ( g ),   ( g )  * pk ( g ) Thực số  tƣơng tự nhƣ số fuzzy entropy theo ý nghĩa : I k (i, j )  def 0*log2(0) = Giá trị số entropy cao xem ảnh giầu tính chi tiết Chỉ số entropy ảnh kết cao khả ảnh kết bảo tồn tốt tính chi tiết ảnh gốc  H (I Nhận xét: Giá trị fuzzy entropy thấp độ phân biệt điểm ảnh kênh ảnh sáng tối cao tức ảnhđộ tƣơng phản tối – sáng cao, điểm ảnh kênh ảnh Ik có mức xám tƣơng phản cao với mức sáng “xám” giữa: , # I k (i, j )  g quy ƣớc pk ( g )  MN k ,min Khi ta viết gọn H thay cho H, ta có độ   (Ik )   (32) (33) k Dƣới dùng phép mờ hóa tự nhiên: def g  Lk ,min g (g)  (34) L L " ' CM ( J k , I k" )  CM ( J k , I k' )   CM ( I k , I k )  CM ( I k , I k ) Ik, Jk, Ik’ Ik” kênh ảnh có kích thƣớc Nhận xét nhấn mạnh phép nâng cao độ tƣơng phản ảnh biến đổi từ ảnh gốc chƣa phép nâng cao độ tƣơng phản ảnh gốc  ( gk ) [0,1] Giả sử gk [Lk,min , Lk,max ] (1) Chỉ số độ tƣơng phản trực tiếp đƣợc lấy trung bình tồn điểm ảnh kênh ảnh Ik’ so với kênh ảnh gốc Ik (Ik’ Ik có kích thƣớc M x N), chúng đƣợc cho nhƣ sau: ' k Tập V-1, Số 17 (37), tháng 6/2017 Lk ,min  Lk ,max   ( I k )  Vì phần thực nghiệm này, chúng tơi khơng đề cập đến số khách quan  đánh giá kết thực nghiệm Với ảnh thử nghiệm bƣớc tính giá trị mức xám không {δR,ij}, {δG,ij}, {δB,ij} kênh R, G B tƣơng ứng Các giá trị đƣợc dùng để tính độ đo tƣơng phản CM kênh R, G B ảnh đầu vào ảnh kết Từ cho đánh giá hiệu thuật toán tăng độ tƣơng phản trực tiếp ảnh màu RGB - 68 - Các cơng trình nghiên cứu phát triển CNTT Truyền thơng Để dễ theo dõi, chúng tơi trình bày lại thuật toán [7] nhƣ thủ tục, giải mã đƣợc cho nhƣ sau: Thủ tục Nâng cao độ tƣơng phản ảnh màu biểu diễn màu HSV, sử dụng phƣơng pháp [7] cho kênh S kênh V Đầu vào: Ảnh màu I biểu diễn màu RGB, có kích thƣớc M x N Tham số d (d x d kích thƣớc cửa sổ) Đầu ra: Ảnh màu RGB Inew, tùy chọn trả về: Giá trị tƣơng phản trung bình CMR, CMG, CMB Giá trị Eavg , Havg Bƣớc 1: Gọi (IH, IS, IV) biểu diễn màu I không gian màu HSV Lƣợng hóa coi kênh IS, IV ảnh đa cấp xám Tập V-1, Số 17 (37), tháng 6/2017 Bƣớc 4: Chuyển đổi ảnh (IH, IS,new, IV,new) biểu diễn màu HSV biểu diễn màu RGB, ta đƣợc ảnh Inew Bƣớc 5: Bƣớc tùy chọn, tính số CM{R,G,B} cho kênh R, G B, Eavg Havg nhƣ sau: 5.1: Tính tham số [7] cho kênh IR, IG IB ảnh gốc I nhƣ trình bày mục II.3 (xem cơng thức tử (6) đến (12) với kích thƣớc cửa sổ dxd, cụ thể giá trị mức xám không {δR,ij}, {δG,ij}, {δB,ij} ảnh đa cấp xám IR, IG IB tƣơng ứng 5.2: Tính CMR, CMG, CMB theo công thức (31), cụ thể là: I new, R (i, j )   R ,ij Bƣớc 2: Tính tham số [7] cho ảnh đa cấp xám IS,IV nhƣ trình bày mục II.3 (xem cơng thức từ (6) đến (12) với kích thƣớc cửa sổ dxd, cụ thể giá trị mức xám không {δS,ij}, {δV,ij}, số mũ khuếch đại {S,ij}, {V,ij} điểm ảnh ảnh đa cấp xám IS IV tƣơng ứng CM R  CS,ij  I S (i, j )   S,ij I S (i, j )   S,ij , CV,ij  IV (i, j )   V,ij IV (i, j )   V,ij Tính giá trị mức xám kênh S kênh V   C S,ij S,ij  S,ij , IS (i, j )   S,ij t S,ij   CS,ij IS,new (i, j )   t   CS,ijS,ij , IS (i, j )   S,ij t  S,ij S,ij   CS,ij ij new, R (i, j )   R ,ij M *N I new,G (i, j )   G ,ij CM G  I ij new,G (i, j )   G ,ij M *N I new, B (i, j )   B ,ij Bƣớc 3: Tính độ tƣơng phản tính mức xám kênh S kênh V, I S I S ,new , IV IV ,new Với kênh S kênh V: Tính độ tƣơng phản I CM B  I ij new, B (i, j )   B ,ij M *N 5.3: Tính Eavg = Eavg{Inew,R, Inew,G, Inew,B} theo cơng thức (32) Tính Havg = Havg{Inew,R, Inew,G, Inew,B} theo công thức (35) Trả về: Inew, tùy chọn trả CMR, CMG, CMB , Eavg , Havg t Bảng giá trị số ảnh #1 - #6, đƣợc tính từ cơng thức (31) đến (35) Bảng Giá trị số ảnh thể   CV,ij  V,ij , I V (i, j )   V,ij t  V,ij   CV,ij IV ,new (i, j )   t  V,ij  CV,ij   , I V (i, j )   V,ij t  V,ij  V,ij  CV,ij  t  V,ij - 69 - Ảnh CMR CMG CMB Eavg Havg #1 #2 #3 #4 #5 #6 0.1180 0.0160 0.0154 0.0256 0.0170 0.0273 0.1914 0.0191 0.0188 0.0298 0.0293 0.0304 0.2482 0.0314 0.0548 0.0511 0.0345 0.0364 5.9395 7.315 7.4847 7.4536 7.3092 3.4443 0.3456 0.8216 0.8001 0.8642 0.8504 0.2861 Các cơng trình nghiên cứu phát triển CNTT Truyền thông Tập V-1, Số 17 (37), tháng 6/2017 IV.4 Các kết luận giải Trong phần chúng tơi trình bày hai kiểm thử, chúng bao gồm: (A) Phép mờ hóa - biến đổi ảnh sử dụng phân cụm mờ cho tổ hợp kênh ảnh (B) Thử nghiệm nâng cao độ tương phản sử dụng biến đổi ảnh kênh ảnh (kênh S kênh V) biểu diễn màu HSV A Thực nghiệm để kiểm tra hiệu Phép mờ hóa-biến đổi ảnh sử dụng phân cụm mờ cho tổ hợp kênh ảnh so với phép mờ hóa [7] Trong thử nghiệm này, kênh ảnh riêng rẽ R, G B thực phép mờ hóa biến đổi S-function đƣợc xây dựng [6] Hàm biến đổi S(x; a, b, c) với tham số a c đƣợc xác định dựa phân tích histogram kênh ảnh tham số b đƣợc tìm phép cực đại hóa fuzzy entropy (a) (b) Hình (a) Ảnh mờ hóa ảnh #1 sử dụng [6]; (b) Ảnh kết sử dụng thuật tốn đề xuất Trên hình ảnh mờ hóa ảnh #1 sử dụng biến đổi [6], thấy rõ chi tiết ảnh vùng đƣợc đánh dấu hình chữ nhật bị mất, ảnh biến đổi sử dụng nhiều dải động ƣớc lƣợng từ phân cụm FCM cho tổ hợp kênh RGB (thuật toán 1) chi tiết ảnh đƣợc giữ tốt Quan sát kênh G B ảnh biến đổi ảnh #2 sau ta thấy độ chi tiết ảnh biến đổi sử dụng [6] bị suy giảm nhiều biến đổi ảnh dựa thuật toán đề xuất Thuật toán thực đồng thời cho kênh ảnh R, G B, tham số f1, f2 để ƣớc lƣợng khoảng động mức xám [B1,c,k B2,c,k] cụm c ứng với kênh R, G B đƣợc xác định dựa thực nghiệm, fcut = 0.005 Thuật toán phân cụm tập vector giá trị điểm ảnh {IR(i, j), IG(i, j), IB(i, j)} sử dụng số cụm C  [2,10] Trong thực nghiệm chọn C = (a) (b) (c) (d) Bảng So sánh giá trị Havg kênh R, G B ảnh kết phép mờ hóa – biến đổi ảnh Ảnh Havg (sử dụng [7]) Havg (sử dụng thuật toán 1) #1 #2 #3 #4 #5 #6 0.4478 0.6931 0.5736 0.5822 0.6227 0.3374 0.4950 0.7879 0.7200 0.7624 0.8157 0.3512 Bảng cho thấy độ không chắn phép mờ hóa sử dụng nhiều dải động mức xám thuật toán đề xuất cao so với phƣơng pháp sử dụng dải động mức xám [6] Điều phù hợp với trực quan quan sát ảnh mờ hóa minh họa #1 #2 Hình 10 Kênh G kênh B ảnh biến đổi sử dụng [6] (a), (c) Kênh G kênh B ảnh biến đổi sử dụng thuật tốn (b), (d) Phân tích lại cho thấy việc biến đổi [6] sử dụng tham số {a, bopt, c} liên quan đến dải động mức xám kênh ảnh cho dạng hàm biến đổi nhƣ S-function để biến đổi ảnh làm chi tiết ảnh Trái lại, phƣơng pháp sử dụng nhiều dải động mức xám {B1,c,k, B2,c,k} đƣợc ƣớc lƣợng - 70 - Các cơng trình nghiên cứu phát triển CNTT Truyền thông từ histogram mờ, nhƣ thuật toán giữ đƣợc chi tiết ảnh tốt (a) (b) Hình 11 Sử dụng biến đổi ảnh [6] với dải động mức xám cho ảnh #3(a), #5 (b) áp dụng [7] Trên Hình 11, ảnh kết minh họa bị chi tiết ảnh, xem vùng chữ nhật đánh dấu Điều chứng tỏ hạn chế việc dùng dải động mức xám cho biến đổi ảnh B Thử nghiệm nâng cao độ tƣơng phản sử dụng thuật toán đề xuất hai kênh ảnh S V biểu diễn màu HSV ảnh đầu vào so với sử dụng thủ tục (dựa vào thuật tốn gốc) Trong thử nghiệm này, chúng tơi thực kiểm tra hiệu thuật toán đề xuất sử dụng phép phân cụm FCM để xác định tham số cho phép biến đổi ảnh định nghĩa 3.2, công thức (27) so với sử dụng thủ tục kênh ảnh S V riêng rẽ Các bƣớc đƣợc thực nhƣ sau:  Đầu tiên, chuyển biểu diễn màu RGB sang biểu diễn màu HSV ảnh đầu vào Phân cụm liệu mức xám tổ hợp kênh S kênh V với tham số đƣợc chọn nhƣ thử nghiệm A (số cụm C = v.v…) kênh ảnh S kênh V riêng rẽ ƣớc lƣợng {B1,c,k, B2,c,k} (k{S, V}) thực biến đổi ảnh cho kênh S kênh V tƣơng ứng sử dụng hàm biến đổi FS, FV (cơng thức (27)) có tham số hàm biến đổi dải động mức xám ƣớc lƣợng từ thuật toán  Thứ hai, xác định giá trị độ tƣơng phản theo thuật toán bƣớc liên quan cho kênh ảnh S V biến đổi bƣớc thứ với kích thƣớc cửa sổ 3x3 tham số t = 0.25 (công thức (16))  Thứ ba, tổng hợp lại kênh ảnh H gốc, kênh S kênh V nâng cao độ tƣơng phản, sau biến đổi ngƣợc từ biểu diễn HSV sang biểu diễn RGB Tập V-1, Số 17 (37), tháng 6/2017  Cuối cùng, tính giá trị mức xám không điểm ảnh ứng với kênh ảnh R, G B (các giá trị đƣợc dùng để tính độ đo tƣơng phản trung bình kênh R, G B bảng 4) Giá trị trung bình độ tƣơng phản trực tiếp CM đƣợc tính kênh R, G B biểu diễn màu RGB ảnh đầu vào đƣợc tính với ảnh giá trị mức xám trung bình khơng kênh R, G B ảnh RGB gốc ảnh kết đầu sử dụng thủ tục phƣơng pháp đề xuất (thuật toán 2) đƣợc thể Bảng Bảng Kết số ảnh đầu thủ tục 1(gốc), thuật toán đề xuất kênh ảnh R, G B CMR Ảnh CMG Thủ tục Thuật gốc toán #1 #2 #3 #4 #5 #6 0.1244 0.0157 0.0155 0.0284 0.0170 0.0275 0.2143 0.1676 0.2157 0.1232 0.0967 0.0861 CMB Thủ tục Thuật Thủ tục1 gốc toán gốc 0.1961 0.0193 0.0192 0.0338 0.0299 0.0307 0.2575 0.1685 0.2166 0.1254 0.1003 0.0879 0.2511 0.0320 0.0543 0.0570 0.0352 0.0375 Thuật toán 0.3373 0.1728 0.2351 0.1385 0.1033 0.0870 Bảng Kết số ảnh đầu thủ tục 1(gốc), thuật toán đề xuất kênh ảnh R, G B Eavg Ảnh #1 #2 #3 #4 #5 #6 Thủ tục gốc 5.8446 6.8158 6.9599 7.2337 7.0103 3.0140 Havg Thuật toán 6.1855 7.2568 7.0051 7.4179 7.5376 4.0173 Thủ tục gốc 0.3456 0.8216 0.8001 0.8642 0.8504 0.2868 Thuật toán 0.3077 0.7004 0.6737 0.7947 0.8233 0.2861 Bảng kết thực nghiệm ảnh #1 - #6 thể số khách quan độ tƣơng phản trực tiếp kênh R, G B sử dụng thuật toán cho kết cao sử dụng thuật toán [7] Chỉ số khách quan Eavg áp dụng thuật toán cao so với áp dụng thủ tục Cũng vậy, số khách quan Havg áp dụng thuật tốn 2, ngồi ảnh #1, có giá trị nhỏ so với số ảnh kết áp dụng thủ tục - 71 - Các cơng trình nghiên cứu phát triển CNTT Truyền thông (a) (b) (c) (d) (e) (g) (h) (k) (l) (m) Tập V-1, Số 17 (37), tháng 6/2017 Thứ nhất, đề xuất phƣơng pháp biến đổi ảnh sử dụng nhiều hàm S-function đƣợc tham số hóa ứng với dải động mức xám Các dải động mức xám đƣợc ƣớc lƣợng tự động thuật toán phân cụm FCM Phƣơng pháp đƣợc so sánh trực tiếp với phƣơng pháp biến đổi sử dụng hàm Sfunction với tham số hóa dựa cực đại fuzzy entropy [6] Thứ hai, chúng tơi đề xuất thuật tốn theo phƣơng pháp nâng cao độ tƣơng phản trực tiếp cho ảnh màu dựa thuật toán [7] Cuối cùng, cải tiến nhỏ để tăng độ trơn giá trị độ điểm ảnh thay đổi cách kết nhập giá trị địa phƣơng (tại điểm ảnh) nhƣ gradient, entropy, độ lệch chuẩn trung bình moment bậc so với cách kết nhập [7] Kết qủa thực nghiệm chứng tỏ kỹ thuật đề xuất làm việc tốt với đa dạng ảnh màu Ảnh nâng cao độ tƣơng phản trơn thay đổi mức độ sáng bảo toàn chi tiết ảnh gốc tốt so với phƣơng pháp đƣợc công bố [6, 7] Độ sáng kênh ảnh sau nâng cao độ tƣơng phản tƣơng đồng với độ sáng ảnh đầu phƣơng pháp gián tiếp Trong nghiên cứu tiếp theo, tiếp tục nghiên cứu dạng kết nhập khác đặc trƣng địa phƣơng nhƣ gradient, entropy, độ lệch trung bình moment bậc dạng HOij = f(Eij, Hij, Vij, R4,ij) tính độ điểm ảnh TÀI LIỆU THAM KHẢO [1] (n) (p) Hình 12 Ảnh kết (các ảnh cột bên trái ) sử dụng [7] Ảnh kết (các ảnh cột bên phải) sử dụng thuật toán V KẾT LUẬN Trong báo chúng tơi đề xuất đóng góp cho phƣơng pháp nâng cao độ tƣơng phản ảnh màu theo tiếp cận trực tiếp S S Agaian, S Blair and K A Panetta, “Transform coefficient histogram-based image enhancement algorithms using contrast entropy”, IEEE Trans Image Processing, vol 16, no 3, (2007): 741-758 [2] Arici T., Dikbas S., and Altunbasak Y., “A Histogram Modification Framework and Its Application for Image Contrast Enhancement,” IEEE Transactions on Image Processing, vol 18, no 9, (2009):1921-1935 - 72 - Các cơng trình nghiên cứu phát triển CNTT Truyền thông [3] A Beghdadi, A.L Negrate, “Contrast enhancement technique based on local detection of edges”, Comput Vision Graphics Image Process 46 (1989):162–174 [4] Bezdek, James C Pattern recognition with fuzzy objective function algorithms Springer Science & Business Media, (2013) Transactiong on Image Processiong, Vol 15, No.10 (2006): 2956-2966 [13] S Lee, “An efficient content-based image enhancement in the compressed domain using Retinex theory”, IEEE Trans Circuits and Systems for Video Technology, vol 17, no 2, pp (2007):199-213 [14] Ponomarenko N Ponomarenko, L Jin, O [5] A.O Boudraa and E H S Diop, “Image contrast enhancement based on 2D teager-kaiser operator”, Proc of the IEEE International Conference on Image Processing, (2008.): 3180-3183 [6] Cheng H.D, Huijuan Xu, “A novel fuzzy logic approach to contrast enhancement”, Pattern Recognition 33 (2000):809-819 Tập V-1, Số 17 (37), tháng 6/2017 Ieremeiev, V Lukin, K Egiazarian, J Astola, B Vozel, K Chehdi, M Carli, F.Battisti, C.-C Jay Kuo, “Image database TID2013: Peculiarities, results and perspectives, Signal Processing”, Imag Communication, vol 30, Jan (2015):57-77 [15] [7] Cheng H.D., Mei Xue, Shi X,J., “Contrast enhancement based on a novel homogeneity measurement”, Pattern Recognition 36 (2003):2687 – 2697 M Shakeri, M.H Dezfoulian, H Khotanlou, A.H Barati, Y Masoumi, Image contrast enhancement using fuzzy clustering with adaptive cluster parameter and sub-histogram equalization, Digital Signal Processing 62, (2017) :224–237 [8] L.Dash, B.N Chatterji, “Adaptive contrast enhancement and de-enhancement” , Pattern Recognition 24 (1991) :289–302 [16] Shen-Chuan Tai, Ting-Chou Tsai, Yi-Ying [9] A.P Dhnawan, G Buelloni, R Gordon, Enhancement of mammographic features by optimal adaptive neighborhood image processing, IEEE Trans Med Imaging (1986):8–15 Tang, “Contrast Enhancement through Clustered Histogram Equalization”, Research Journal of Applied Sciences, Engineering and Technology 4(20), (2012):3965-3968, ISSN: 2040-7467 [10] M M Gupta, J Qi, “Theory of T-norms and fuzzy inference methods”, Fuzzy Sets and Systems 40, (1991):431-450 [17] M J Soha and A A Schwartz, “Multidimensional histogram normalization contrast enhancement,” in Proc 5th Canad Symp Remote Sensing, (1978):86–93 [11] Hanmandlu M., Devendra Jha, Rochak, “Color image enhancement by fuzzy intensification”, Pattern Recognition Letters 24 (2003):81–87 [12] Hanmandlu M, Devendra Jha, “An Optimal Fuzzy System for Color Image Enhancement”, IEEE Chang, Wei-Ting Tsai and Kuang-Hui Nhận ngày: 12/01/2017 - 73 - Các cơng trình nghiên cứu phát triển CNTT Truyền thông Tập V-1, Số 17 (37), tháng 6/2017 SƠ LƢỢC VỀ TÁC GIẢ NGUYỄN VĂN QUYỀN Sinh năm 1979 Hải Phòng Nhận thạc sĩ chuyên ngành Khoa học máy tính trƣờng ĐH Sƣ phạm Hà Nội, năm 2008 Đang NCS Viện CNTT – Viện Hàn lâm KH&CN Việt Nam Hiện cơng tác Phòng QLSĐH, trƣờng ĐH Hải Phòng Lĩnh vực nghiên cứu: Xử lý ảnh, khai phá liệu, tính tốn mềm Điện thoại: 0904.815.444 Email: quyenqlkh.dhhp@gmail.com NGƠ HỒNG HUY TRẦN THÁI SƠN ĐẶNG DUY AN Sinh năm 1955, Nghệ An Nhận học vị tiến sĩ năm 1990, Viện hàn lâm Khoa học Liên Xô Hiện công tác Viện CNTT, Viện Hàn lâm KH&CN Việt Nam Lĩnh vực nghiên cứu: Lập luận xấp xỉ, tính tốn mềm Điện thoại: 0903409894 Mail: ttson@ioit.ac.vn NGUYỄN TÂN ÂN Sinh năm 1969 Hà Nội Tốt nghiệp chuyên ngành Toán tin trƣờng ĐH Sƣ phạm Hà Nội năm 1990 Hiện công tác Viện CNTT, Viện Hàn lâm KH&CN Việt Nam Lĩnh vực nghiên cứu: Xử lý ảnh, Xử lý tiếng nói, Trí tuệ nhân tạo, Khai phá liệu, Hệ thống nhúng Điện thoại: 0904140022 Email: huyngo3i@gmail.com Sinh năm 1974 Thái Nguyên Nhận thạc sĩ Đại học Thái Nguyên, năm 2014 Hiện cơng tác Cơng ty tập đồn CDC CORP - Viện máy Dụng cụ Công nghiệp - Bộ Cơng Thƣơng Lĩnh vực nghiên cứu: Trí tuệ nhân tạo, khai phá liệu, hệ thống nhúng Điện thoại: 0913215111 Mail: duyanimi@gmail.com Sinh năm 1953 Hà Nội Nhận tiến sĩ năm 2002, trƣờng ĐH Năng lƣợng Maxcơva; nhận học hàm PGS năm 2012 Viêt Nam Hiện công tác Khoa CNTT, Học viện Quản lý Giáo dục Lĩnh vực nghiên: Trí tuệ nhân tạo, Mạng nơron nhân tạo, Tính tốn mềm, Giáo dục tin học Điện thoại: 0912 321 559 Email: nguyentanan@yahoo.com - 74 -
- Xem thêm -

Xem thêm: Một phương pháp mới nâng cao độ tương phản ảnh màu theo hướng tiếp cận trực tiếp, Một phương pháp mới nâng cao độ tương phản ảnh màu theo hướng tiếp cận trực tiếp

Gợi ý tài liệu liên quan cho bạn

Nhận lời giải ngay chưa đến 10 phút Đăng bài tập ngay