Ảnh Đa Mức Xám Của Ảnh Là Gì, Tài Liệu Xử Lý Ảnh (Image Processing) Cơ Bản
1.1. Mục tiêu
Tìm hiểu những khái niệm cơ bản của ảnh số như Pixel, Grayscale, Histogram. Các kỹ thuật xử trí điểm hình ảnh như thực hiện Threshold, sử dụng các bộ lọc.
Bạn đang xem: Mức xám của ảnh là gì
1.2. Pixel
Pixel viết tắt của từ bỏ Picture Element hay thành phần của bức ảnh. Một hình ảnh số là một trong tập hợp của những Pixel.
Ảnh trong thực tế được số hóa cho nên giá trị của nó không liên tục mà rời rốc trong quá trình lấy mẫu. Lúc được số hóa, hình ảnh được trình diễn bởi mảng nhì chiều gồm n mẫu và p cột, tốt ta nói hình ảnh gồm n x p pixel. Mỗi px gồm một cặp tọa độ và cực hiếm màu. Quý hiếm màu có thể lưu trữ trên 1, 4, 8 tốt 24 bit.
Ví dụ như ảnh RGB sử dụng 24 bit để lưu 1 Pixel, trong các số đó mỗi màu Red, Green, blue chiếm 8 bit.
1.3. Nấc xám (Gray level)
Mức xám là tác dụng của sự mã hóa tương xứng một cường ánh sáng của từng điểm ảnh với một quý hiếm số. Hay được dùng 8 bit để mã hóa 256 mức xám.
Hình 1: các mức xám
Để chuyển ảnh màu RGB sang ảnh xám, áp dụng công thức cho từng Pixel:
Công thức trên dựa trên sự mẫn cảm của mắt tín đồ với 3 color RGB.
1.4. Histogram
Cho một kênh ảnh đa mức. Histogram là biểu đồ bộc lộ số điểm hình ảnh tương ứng với mỗi mức. Ta hay sử dụng hình ảnh đa nấc xám nhằm lập biểu trang bị Histogram.
Ví dụ:
Hình 2: Ảnh trước thăng bằng Histogram
Histogram diễn tả độ tương phản nghịch sáng buổi tối của ảnh chụp. Ảnh bên trên có các điểm ảnh chỉ tập trung vào một trong những vùng nút xám, do đó hình ảnh bị tối. Tăng mức độ tương phản bằng thuật toán cân đối Histogram.
Thuật toán Histogram: trả sử ảnh có L mức xám 0,1,2,…, (L-1). Bao gồm điểm ảnh có mức xám i. Tổng cộng điểm ảnh là . Ta biến đổi giá trị những điểm hình ảnh có nấc xám i bằng giá trị nấc xám nguyên sớm nhất với
Kết quả ảnh thu được bao gồm độ tương phản tốt hơn, giá trị các điểm hình ảnh trải phần đông trên các mức.
Hình 3: kết quả cân bằng Histogram
1.5. Cách xử trí theo ngưỡng (Thresholding)
Xử lý ngưỡng thực hiện 1 cực hiếm ngưỡng (trong khoảng chừng 0 – 255) để giải pháp xử lý 1 kênh màu sắc hoặc hình ảnh đa mức xám. Kết quả nhận được là ảnh nhị phân, có nghĩa là có thể màn trình diễn 1 pixel bằng 1 bit.
Ngưỡng đơn: cách xử trí 1 hình ảnh đa nấc xám thành hình ảnh nhị phân (đen trắng) bằng cách so sánh cực hiếm điểm hình ảnh với một ngưỡng T cầm định. Nếu quý giá điểm ảnh lớn rộng T thì gán điểm ảnh màu trắng và ngược lại.
Ví dụ:
Hình 4: cách xử lý ngưỡng ảnh xám (trái) và hiệu quả (phải)
Ngưỡng kép: sử dụng 2 ngưỡng như sau:
Kết quả:
Hình 5: xử lý ngưỡng kép ảnh xám (trái) và kết quả (phải)
Ứng dụng của thresholding:
Phân mảnh ảnh.Tách thiết bị thể ngoài nền.Loại bỏ các cụ thể không đề xuất thiết.Hiện lên các cụ thể ẩn hoặc mờ.1.6. Lọc không gian (Spatial filter)
Lọc không khí là giải pháp xử lý một điểm hình ảnh có sự ảnh hưởng của các điểm hình ảnh xung xung quanh nó.
Ta dùng một khía cạnh nạ (mask), dịch chuyển mặt nạ trên tổng thể bề mặt hình ảnh và triển khai 1 phép xử lý những điểm hình ảnh nằm trong phương diện nạ. Cùng bề mặt nạ được đánh dấu một điểm gọi là nhân. Tác dụng của phép xử lý sẽ được gán cho điểm trên hình ảnh trùng cùng với nhân. Những mặt nạ hay có kích cỡ lẻ cùng nhân nằm ở giữa khía cạnh nạ để kết quả xử lý dựa vào đều cả hai phía.
Các phép toán có thể là đường tính, ví như nhân các điểm ảnh với bộ phận tương ứng cùng bề mặt nạ rồi cộng dồn lại cùng gán cho điểm hình ảnh ở trung ương mặt nạ.
Hình 6: Minh họa lọc ko gian
Một sự việc là khi tiến hành lọc trên vùng biên ảnh, một phần mặt nạ sẽ bị dôi ra ngoài.
Hình 7: khía cạnh nạ trên biên ảnh
Lúc đó, ta hoàn toàn có thể xử lý theo 1 trong số cách sau, mặc dù có sai số.
Không lọc biên. Ta chỉ thực hiện mặt nạ khi nó ở khít phía bên trong ảnh. Toàn cục các điểm hình ảnh ở biên sẽ không được thanh lọc và hình ảnh kết quả sẽ có được kích thước nhỏ dại hơn so với hình ảnh đầu vào. Nếu như mặt nạ có kích cỡ lớn thì sẽ có không ít điểm ảnh bị mất.Đệm điểm ảnh không. Lúc mặt nạ ngơi nghỉ biên, ta vẫn đệm các điểm hình ảnh 0 vào phần mặt nạ bị dôi. Khi đó, cục bộ điểm hình ảnh được lọc với kích thước ảnh được giữ nguyên. Mặc dù nhiên, phần biên hình ảnh cho kết quả không đúng mực và rất có thể gây tác động tới công việc xử lý tiếp theo.Vấn đề tiếp theo là cực hiếm điểm hình ảnh kết quả rất có thể nằm ngoài khoảng chừng <0 – 255> .
Khi đó, ta có thể dùng 1 vài giải pháp như sau:
Lấy trị tuyệt vời các cực hiếm âm.Chặn giá chỉ trị. Mang sử điểm hình ảnh nhận được sau lọc là x, xử trí x:Biến đổi dải hiệu quả theo tỉ lệ. Giả sử sau thời điểm lọc cục bộ ảnh, cực hiếm điểm hình ảnh nhỏ tốt nhất là và lớn nhất là . Thực hiện biến đổi giá trị x trong dải thành y trong dải 0 – 255 theo công thức:1.7. Tần số và những bộ thanh lọc thông thấp, thông cao
Định nghĩa tần số: Tần số định nghĩa vày sự biến hóa mức xám của theo khoảng cách (tính theo số điểm ảnh).
Thành phần tần số cao xuât hiện tại vùng tất cả sự biến hóa lớn thân 1 khoảng cách nhỏ. Ví dụ như biên đồ gia dụng thể hoặc nhiễu.
Ngược lại, nguyên tố tần số thấp mở ra tại vùng tất cả sự thay đổi nhỏ mức xám giữa khoảng cách lớn. Ví như nền ảnh.
Từ định nghĩa, ta có các bộ lọc như sau:
Lọc thông cao (high pass filter): chất nhận được các nguyên tố tần số cao đi qua, vứt bỏ hoặc giảm sút các nhân tố tần số thấp.Lọc thông phải chăng (low pass filter): được cho phép các thành phần tần số tốt đi qua, thải trừ hoặc giảm bớt các yếu tố tần số cao.Các bộ lọc tần số trình diễn dạng khía cạnh nạ. Ví dụ mặt nạ cho cỗ lọc thông cao:
Để ý tổng các thành phần trong mặt nạ thường giao động hoặc bằng 0. Tức là khi phương diện nạ dịch rời tới vùng tần số rẻ (các điểm ảnh có quý giá xám dao động nhau) thì điểm ảnh kết quả có mức giá trị ngay gần 0.
Ví dụ:
Hình 8: lọc thông cao với những vùng hình ảnh thông thấp
Bộ thanh lọc thông cao dùng trong thanh lọc biên hoặc nắm rõ biên. Bộ lọc thông thấp dùng để khử nhiễu, làm cho mờ ảnh.
1.8. Nhiễu (Noise)
Nhiễu là định nghĩa chỉ sự suy giảm chất lượng tín hiệu hình ảnh do nguyên nhân hậu các tác động bên ngoài gây ra, như trong quy trình truyền dẫn tín hiệu rất có thể xảy ra lỗi. Như vậy câu hỏi xoá, giảm số lượng các biểu lộ nhiễu là một trong những việc quan trọng đặc biệt trong xử lý ảnh.
Xem thêm: Cách Vệ Sinh Máy Lạnh - Hướng Dẫn Vệ Sinh Máy Lạnh Tại Nhà Đúng Cách
Nhiễu muối bột (Salt và pepper noise) là một số loại nhiễu mà những tín hiệu trắng, hoặc đen, hoặc cả 2 xuất hiện ngẫu nhiên vào ảnh.
Loại nhiễu này chỉ xẩy ra ở các tín hiệu tần số cao nên có thể sử dụng cỗ lọc thông tốt để xử trí nhiễu, kích cỡ bộ lọc rất có thể là 3×3, 5×5 tuyệt 7×7. Kết quả cho thấy thêm kích thước bộ lọc 7×7 cho tác dụng tốt hơn. Mặc dù nhiên, hình ảnh sẽ lại mờ đi do các cạnh của thứ thể bị lọc bớt. Hình dưới cho biết kết trái lọc không được tốt.
Hình 9: Nhiễu muối
Hình 10: kết quả sử dụng với cỗ lọc thông phải chăng 3×3 với 7×7
Để lọc nhiễu muối tốt, ta dùng bộ lọc trung vị (Medial filtering). Cỗ lọc trung vị sắp xếp giá trị những điểm ảnh trong khía cạnh nạ theo thiết bị tự rồi chọn thành phần ở giữa làm kết quả. Trong trường đúng theo số điểm hình ảnh chẵn, hiệu quả là trung bình của 2 quý giá ở giữa.
Ví dụ:
Hình 10: bộ lọc trung vị
Hình 11: kết quả lọc trung vị
Có thể coi cỗ lọc trung vị là bộ lọc thông phải chăng phi tuyến do cỗ lọc này làm mờ các đường biên.
1.9. Khẳng định biên trang bị thể
Biên thứ thể cho biết thêm nhiều thông tin, ta cần sử dụng biên để ước lượng chiều lâu năm đối tượng, tách bóc vật thể thoát khỏi nền. Có nhiều thuật toán tra cứu biên thực hiện bộ lọc.
Tìm biên thực tế là quy trình lọc sự biến đổi đột ngột quý hiếm mức xám của các pixel gần nhau.
Ví dụ: Ta gồm dãy pixel như sau
20, 20, 20, 20, 20, 100, 180, 180, 180, 180, 180
Nếu ta tìm sự không nên khác bằng cách trừ pixel sau cho pixel trước, ta được
0, 0, 0, 0, 80, 80, 0, 0, 0 ,0
Để tra cứu sự không đúng khác trong 1 bức hình ảnh theo chiều ngang, ta hoàn toàn có thể dùng cỗ lọc xuất hiện nạ như sau:
Tuy nhiên, công dụng sẽ ko được mượt. Ta áp dụng thêm bộ lọc sau để làm mượt theo chiều dọc:
Tổng hòa hợp 2 cỗ lọc trên, ta được bộ lọc Prewitt, theo cả hai chiều:
Ta yêu cầu sử dụng cả 2 bộ thanh lọc này để lọc biên theo phương ngang cùng dọc. Sau đó, tổng phù hợp 2 hiệu quả thu được. Mang sử px, py là 2 hình ảnh thu được sau lọc. Sử dụng một trong những 3 bí quyết sau để tổng hợp kết quả cuối cùng:
Ví dụ:
Hình 12: : Ảnh trước lúc lọc biên
Hình 13: lọc biên theo hướng ngang và dọc
Hình 14: công dụng lọc biên Prewitt
Bộ thanh lọc biên Sobel tựa như như Prewitt, các khía cạnh nạ của cục lọc Sobel:
Hình 15: tác dụng lọc biên sobel
2. Thay đổi ảnh2.1. Chuyển đổi Hough (Hough transform)
Biến thay đổi Hough thường dùng làm xác định đường thẳng hoặc vòng tròn trong hình ảnh đã được nhị phân hóa.
Thông thường, 1 đường thẳng có biểu diễn toán học tập dạng .
Như vậy, với từng cặp tọa độ (x, y) mang lại trước, luôn có một họ đường thẳng trải qua nó. Mặc dù nhiên, cách màn biểu diễn này rất cực nhọc để xác định 1 mặt đường thẳng đi trải qua không ít điểm trong 1 bức ảnh do không giới hạn được quý hiếm a cùng b.
Ta có 1 cách biểu diễn khác ví như sau:
Hình 16: màn trình diễn đường thẳng vày r θ
Như hình trên, một đường thẳng được đặc thù bởi góc (-90 3. Cách xử lý hình thái học
Xử lý hình dáng học rất hữu dụng trong câu hỏi phân tích các khối hình vào ảnh, tuy nhiên cách thức này chỉ áp dụng với ảnh nhị phân.
3.1. Dịch rời (Translation)
Phép di chuyển tập điểm ảnh nhị phân A quý phái tọa độ w(x, y). Ký hiệu
Hình 19: di chuyển A theo ω
Lưu ý: Tập điểm ảnh là những điểm ảnh trắng trên nền black hoặc ngược lại.
3.2. Phản chiếu (Reflection)
Nếu A là tập các điểm ảnh nhị phân thì phản chiếu của A, ký kết hiệu , là
Hình 20: phản chiếu của A
3.3. Co giãn (Dilation)
Giả sử A cùng B là tập những điểm hình ảnh nhị phân. Sự co giãn của A vày B, cam kết hiệu A⊕B khái niệm như sau:
Tức là với mỗi điểm hình ảnh của B, ta phải tiến hành phép di chuyển A theo cực hiếm tọa độ điểm ảnh. Sau đó, hợp tất cả các kết quả lại.
Ví dụ:
Hình 21 co và giãn ảnh
Hình 22: Giãn nở ảnh nhị phân làm rõ chữ
3.4. Xói mòn (Erosion)
Ngược lại với co và giãn là xói mòn. Cam kết hiệu .
Với A, B là 2 tập điểm ảnh. Di chuyển B bên trên toàn bề mặt A. Nếu các điểm ảnh trên B trùng với điểm hình ảnh trên A, ta ghi lại vị trí điểm hình ảnh tương ứng với B(0, 0). Tập các điểm được ghi lại là tác dụng xói mòn A bởi B.
Ví dụ:
Hình 23: Xói mòn A bởi vì B
Hình 24: Xói mòn trong ảnh nhị phân
3.5. Phối hợp giữa co giãn và xói mòn
Thức hiện những phép toàn co và giãn và xói mòn có thể chấp nhận được ta đổi khác kích thước của vật dụng thể trong hình ảnh nhị phân. Tiến hành phép trừ giữa A, A⊕B với đến ta đường bao của đồ gia dụng thể. Ta rất có thể sử dụng các phép trừ sau:
Ví dụ:
Hình 25:
3.6. Mở (Opening)
Openning là phép toán thời thượng sử dụng xói mòn theo sau là giãn nở.
Với A, B là 2 tập điểm ảnh, ký hiệu Opening:
Opening thực chất là quá trình tìm và giữ gìn trên A những nhóm điểm ảnh có thể trùng khít với tập điểm ảnh trên B.
Đầu tiên tiến hành xói mòn bên trên A. Các nhóm điểm ảnh giống B bị xói mòn còn sót lại nhân. Kế tiếp giãn nở, từng điểm nhân trên tạo nên một tập ảnh trùng cùng với B bên trên A.
Ví dụ:
Hình 26: : Opening
Một vài đặc điểm của Opening:
3.7. Đóng (Closing)
Ngược với Opening, Closing sử dụng giãn nở trước rồi cần sử dụng xói mòn.
Với 2 tập điểm hình ảnh A cùng B, ký hiệu Closing:
Closing tất cả chức năng đó là lấp các khe hoặc những lỗ hổng giữa những điểm hình ảnh trên A. Khoảng cách lấp tùy theo kích cỡ và kiểu dáng của B.
Đầu tiên, thực hiện giãn nở giúp bao phủ hết các lỗ hổng hoặc khe hở bên trên A. Kế tiếp thực hiện xói mòn, nhận được tập những điểm hình ảnh gồm A và 1 vài điểm ảnh do lấp những lỗ hổng hoặc khe hở mà không bị sói mòn đi.
Minh họa Closing như sau:
Hình 27: Closing
Một vài đặc điểm của Closing:
3.8. Ứng dụng khử nhiễu
Sử dụng Opening cùng Closing để khử nhiễu như sau. Mang sử bao gồm 1 ảnh nhị phân bị nhiễu, 1 vài ba điểm ảnh trắng bị biến đổi đen cùng ngược lại. Để khử nhiễu, ta triển khai Closing với Openning như sau, với phương diện nạ B mang lại trước:
Cách này call là Morphological Filtering. Đầu tiên, sẽ đào thải các điểm ảnh đen riêng biệt biệt, tuy nhiên nó sẽ tạo ra các lỗ. Ta sẽ lấp các lỗ đó bằng phương pháp giãn nở 2 lần. Thời gian này, kích cỡ vật thể bị phình to lớn ra đề nghị ta buộc phải xói mòn thêm một lần.
Giới thiệu và chi tiết các thuật toán Grayscale, ảnh nhị phân và một số trong những thuật toán giúp đổi khác một ảnh xám thành hình ảnh nhị phân (Adaptive threshold).Bạn đang xem: nấc xám của ảnh là gìBạn đã xem: nút xám của ảnh là gì
Chuyển đổi hệ thống màu RGB quý phái Grayscale
Ảnh là tập hợp của một ma trận điểm ảnh (pixel), mỗi điểm ảnh có thể được màn trình diễn bằng n bytes dưới những kênh màu không giống nhau. Việc chuyển đổi giữa các hệ màu thông thường được tiến hành thông qua những phép biến đổi ma trận.
Bài viết sẽ giới thiệu cách biến đổi từ ảnh 24 bits RGB sang hình ảnh 8 bits Grayscale.
Công thức
Công thức tính cường độ sáng tại 1 điểm hình ảnh từ ảnh RGB:
I(x, y) = 0.3086 * Red(x, y) + 0.6094 * Green(x, y) + 0.0820 * Blue(x, y) I(x, y) = 0.299 * Red(x, y) + 0.587 * Green(x, y) + 0.114 * Blue(x, y)Hoặc
I(x, y) = ( 2 * Red(x, y) + 5 * Green(x, y) + 1 * Blue(x, y) ) / 8 Phân tích
I(x, y): cường ánh sáng tại điểm ảnh (x, y) của ảnh xám.Red(x, y): quý hiếm của kênh màu sắc Red (Đỏ) tại điểm hình ảnh (x, y) của ảnh màu (RGB).Green(x, y): quý hiếm của kênh color Green (Xanh lá cây) trên điểm hình ảnh (x, y) của ảnh màu (RGB).Blue(x, y): quý hiếm của kênh màu xanh (Xanh lơ) trên điểm ảnh (x, y) của ảnh màu (RGB).Chú ý
Các phép toán trong những nguyên (Int) nhanh hơn không ít trong số thực (Float).Trong OpenCVPhương thức cvt
Color
Trong Open
CV, để đưa 1 tấm ảnh có hệ màu RGB sang trọng Grayscale, hay thậm chí là các không gian màu tương hỗ với nhau nhờ cách làm cvt
Color() (Convert color).
cv::cvt
Color(cv::Input
Array src, cv::Output
Array dst, int code)Phân tích
Color vào Open
CV
// www.cfldn.edu.vn// www.cfldn.edu.vn/users/index/11/truong-dat#include #include "opencv2/core/core.hpp"#include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"using namespace cv;int main()// Read image
Mat image = imread("cfldn.edu.vn.png", CV_LOAD_IMAGE_COLOR);Mat image
Grayscale;// check for validif (!image.data)printf("Could not mở cửa or find the image
");return -1;cvt
Color(image, image
Grayscale, CV_BGR2GRAY);// Create and show image in windowimshow("cfldn.edu.vn Open
CV Sample", image
Grayscale);// Wait input và exitwait
Key(0);return 0;
Ảnh nhị phân
Nhị phân hóa
Là thừa trình đổi khác 1 ảnh xám thành ảnh nhị phân.Gọi quý hiếm cường độ sáng ở một điểm ảnh là I(x,y) .INP(x,y) là cường khả năng chiếu sáng của điểm hình ảnh trên hình ảnh nhị phân .(Với 0 ) cùng (0 ).Để trở thành đổi hình ảnh xám thành ảnh nhị phân. đối chiếu giá trị cường khả năng chiếu sáng của điểm ảnh với 1 ngưỡng nhị phân T. Nếu I(x,y) > T thì INP(x, y) = 0 (0).Nếu I(x,y) > T thì INP(x, y) = 255 (1).Chú ý
Có 1 kỹ thuật gọi là nhị phân hóa ngưỡng rượu cồn giúp thu được ảnh nhị phân mà không thân mật tới độ mạnh sáng.
