Đồ Án: Phân đoạn ảnh đựa trên thuật toán nở vùng

Mục lục

Đánh giá post

Đồ án: Phân đoạn ảnh đựa trên thuật toán nở vùng. Bạn đang chuẩn bị làm bài báo cáo thực tập nghề nghiệp, hay bạn đang làm đồ án tốt nghiệp, nhưng các bạn lại chưa biết lựa chọn đề tài nào cho phù hợp với trường hợp của bạn, giờ đây các bạn không còn phải lo lắng về vấn đề đó nữa, vì dưới đây Dịch Vụ Hỗ Trợ Viết Luận Văn sẽ chia sẻ đến các bạn sinh viên một bài Đồ án: Phân đoạn ảnh đựa trên thuật toán nở vùng các bạn có thể tham khảo thử nhé.

CHƯƠNG 1: MỘT SỐ VẤN ĐỀ CƠ BẢN TRONG XỬ LÝ ẢNH

1.1 Một số khái niệm

1.1.1 Khái niệm về ảnh số

Ảnh số là tập hợp hữu hạn các điểm ảnh với mức xám phù hợp dùng để mô tả gần nhất với ảnh thật. Số điểm ảnh xác định độ phân giải của ảnh, độ phân giải càng cao thì càng thể hiện rõ nét các đặc điểm của tấm hình, càng làm cho tấm ảnh trở nên thực và sắc nét hơn.

Điểm ảnh là một phần tử của ảnh số tại tọa độ (x, y) với độ xám hoặc màu nhất định. Kích thước và khoảng cách giữa các điểm ảnh đó được chọn thích hợp sao cho mắt người cảm nhận được sự liên tục về không gian và mức xám (hoặc màu) của ảnh số gần như ảnh thật. Mỗi phần tử trong ma trận được gọi là một phần tử ảnh. “Đồ Án: Phân đoạn ảnh đựa trên thuật toán nở vùng”

Mức xám là kết quả của sự biến đổi tương ứng một giá trị độ sáng của một điểm ảnh với một giá trị nguyên dương. Thông thường nó xác định trong khoảng từ 0 đến 255 tùy thuộc vào giá trị mà mỗi điểm ảnh được biểu diễn.

Độ phân giải của ảnh là mật độ điểm ảnh được ấn định trên một ảnh số được hiển thị. Như trình bày ở trên, khoảng cách giữa các điểm ảnh phải được chọn sao cho mắt người vẫn thấy được sự liên tục của ảnh. Việc lựa chọn khoảng cách thích hợp tạo nên một mật độ phân bổ, đó chính là độ phân giải và được phân bố theo trục x và y trong không gian hai chiều.

Ảnh đen trắng là ảnh chỉ bao gồm 2 màu: màu đen và màu trắng. Người ta phân mức đen trắng đó thành L mức. Nếu sử dụng số bit B để mã hóa mức đen trắng (hay mức xám) thì L được xác định: L = 2^B . Nếu B=1, thì chỉ có 2 mức: mức 0 và mức 1, còn gọi là ảnh nhị phân. Mức 1 ứng với màu sáng, còn mức 0 ứng với màu tối. Nói cách khác, với ảnh nhị phân mỗi điểm ảnh được mã hóa trên 1 bit. Nếu L lớn hơn 2 ta có ảnh đa cấp xám. Nếu dùng 8 bit để biểu diễn mức xám, số các mức xám có thể biểu diễn được là 256. Mỗi mức xám được biểu diễn dưới dạng là một số nguyên nằm trong khoảng từ 0 đến 255, với mức 0 biểu diễn cho mức cường độ đen nhất và 255 biểu diễn cho mức cường độ sáng nhất.

Ảnh màu là ảnh được tổ hợp từ 3 màu cơ bản: đỏ (R) , lục (G) , lam (B) . Với ảnh màu, người ta lưu trữ thành từng màu riêng biệt, mỗi màu được lưu trữ như một ảnh đa cấp xám nên không gian nhớ dành cho một ảnh màu lớn hơn 3 lần một ảnh đa cấp xám cùng kích cỡ.

1.1.2 Tổng quan về một hệ thống xử lý ảnh

Xử lý ảnh là một ngành khoa học tương đối mới mẻ so với các ngành khoa học khác, nhất là trên quy mô công nghiệp. Tuy nó là một ngành khoa học mới mẻ so với nhiều ngành khoa học khác nhưng tốc độ phát triển của nó rất nhanh, kích thích các trung tâm nghiên cứu, ứng dụng, đặc biệt là máy tính chuyên dụng riêng cho nó.

Tổng quan về một hệ thống xử lý ảnh được thể hiện bằng hình ảnh bên dưới:

Trước hết là quá trình thu nhận ảnh, ảnh có thể được thu nhận qua camera, thường ảnh được nhận qua camera là tín hiệu tương tự (loại camera ống kiểu CCIR) , nhưng cũng có thể là tín hiệu số hóa (loại CCD-Charge Coupled Device) . Ảnh cũng có thể được thu nhận qua các bộ cảm ứng (sensor) , ảnh được quét trên scanner.

Số hóa (Digitalizer) là quá trình biến đổi tín hiệu tương tự sang tín hiệu rời rạc (lấy mẫu) và số hóa bằng lượng hóa trước khi chuyển sang giai đoạn xử lý, phân tích hay lưu trữ lại. “Đồ Án: Phân đoạn ảnh đựa trên thuật toán nở vùng”

Quá trình phân tích ảnh thực chất bao gồm nhiều các công đoạn nhỏ. Trước tiên là tăng cường ảnh (Enhancement) mục đích để nâng cao chất lượng ảnh. Do những nguyên nhân khác nhau:có thể do thiết bị thu nhận ảnh, do nguồn sáng hay do nhiễu, ảnh có thể bị suy yếu. Do vậy, ảnh cần được tăng cường và khôi phục lại để làm nổi bật một số đặc tính chính của ảnh hoặc là làm cho ảnh gần giống nhất với trạng thái gốc, trạng thái mà ảnh trước khi bị biến dạng. Các giai đoạn tiếp theo là phát hiện các đặc tính như biên (Edge Detection) , phân vùng ảnh (Image Segmentation) , trích chọn đặc điểm vv…

Cuối cùng, tùy theo mục đích của người dùng sẽ là giai đoạn nhận dạng, phân lớp hoặc là các quyết định khác.

1.2 Kỹ thuật lọc nhiễu trong xử lý ảnh

1.2.1 Nhân chập

Là quá trình thay đổi giá trị pixel ban đầu của ảnh đầu vào sang một giá trị mới bằng cách sử dụng một ma trận hay một cửa sổ nhân chập. Toàn bộ các điểm ảnh (Pixel) trên ảnh sẽ được tiến hành nhân chập với ma trận, tâm của ma trận sẽ được đặt trùng vào vị trí của điểm ảnh (Pixel) đang được tính nhân chập làm thay đổi các giá trị của pixel ban đầu.

Giá trị của pixel ban đầu được thay đổi theo công thức (1. 1) là giá trị điểm ảnh đầu vào trước khi thực hiện phép nhân chập tại vị trí tọa độ (x, y) .

I_dst (x, y) giá trị điểm ảnh đầu ra khi đã thực hiện phép nhân chập.
M (u, v) là giá trị của ma trận nhân chập M tại tọa độ (u, v)
n = (kích thước ma trận – 1) /2 và lấy tâm của ma trận nhân chập làm điểm gốc.

Ví dụ: Ta có một ma trận điểm ảnh I và ma trận nhân chập M như sau:

1.2.2 Lọc số là gì?

Một hệ thống dùng để làm biến dạng sự phân bố tần số của các thành phần tín hiệu theo các chỉ tiêu đã cho được gọi là bộ lọc số. Lọc số có ý nghĩa quan trọng trong việc tạo ra các hiệu ứng trong ảnh, một số hiệu ứng nhờ sử dụng các bộ lọc làm mờ (Blur) , làm trơn (Smooth) . “Đồ Án: Phân đoạn ảnh đựa trên thuật toán nở vùng”

Nguyên tắc chung của các phương pháp lọc số là cho ma trận ảnh nhân chập với một ma trận lọc (Kernel) hay còn được gọi là các phép tính nhân chập trên ảnh. Với mỗi phép lọc ta có những ma trận lọc khác nhau, không có một quy định cụ thể nào cho việc xác định M. Kích thước ma trận M là một số lẻ (ví dụ: 3×3, 5×5 …) . Ma trận lọc còn có thể được gọi là cửa sổ chập, cửa sổ lọc, mặt nạ…

T_pt là tổng các phần tử trong ma trận M. Khi đó tổng T_pt các phẩn tử trong ma trận M thường là 1.

Nếu T_pt > 1: Ảnh sau khi thực hiện xong phép lọc số ảnh (I_dst) có độ sáng lớn hơn so với ảnh ban đầu (I_src) .
Nếu T_pt < 1: Ảnh sau khi thực hiện xong phép lọc số ảnh (I_dst) có độ sáng nhỏ hơn so với ảnh ban đầu (I_src) .

1.2.3 Một số kỹ thuật lọc nhiễu

Lọc trung bình

Lọc trung bình là kĩ thuật lọc tuyến tính, hoạt động như một bộ lọc thông thấp. Ý tưởng chính của thuật toán lọc trung bình như sau: Sử dụng một cửa sổ lọc (ma trận 3×3) quét qua lần lượt từng điểm ảnh của ảnh đầu vào input. Tại vị trí mỗi điểm ảnh lấy giá trị của các điểm ảnh tương ứng trong vùng 3×3 của ảnh gốc lấp vào ma trận lọc. Giá trị điểm ảnh của ảnh đầu ra là giá trị trung bình của tất cả các điểm ảnh trong cửa sổ lọc. Có thể chia việc tính toán này làm hai bước gồm tính tổng các thành phần trong cửa sổ lọc và sau đó chia tổng này cho số các phần tử của cửa sổ lọc.

Bộ lọc này được minh họa trong hình 1-2.

Các bước cơ bản của kỹ thuật lọc trung bình:

Quét cửa sổ lọc lần lượt lên các thành phần của ảnh đầu vào; điền các giá trị được quét vào cửa sổ lọc.
Xử lý bằng cách thao tác trên các thành phần của cửa sổ lọc.
Tính giá trị trung bình các thành phần trong cửa sổ lọc.
Gán giá trị trung bình này cho ảnh đầu ra.

Lọc trung vị “Đồ Án: Phân đoạn ảnh đựa trên thuật toán nở vùng”

Lọc Trung vị là một kĩ thuật lọc phi tuyến, nó khá hiệu quả đối với hai loại nhiễu: nhiễu đốm (speckle noise) và nhiễu muối tiêu (salt-pepper noise) . Kĩ thuật lọc trung vị này là một bước rất phổ biến trong xử lý ảnh.

Ý tưởng chính của thuật toán lọc Trung vị đó là sử dụng một cửa sổ lọc (ma trận 3×3) quét qua lần lượt từng điểm ảnh của ảnh đầu vào input. Tại vị trí mỗi điểm ảnh lấy giá trị của các điểm ảnh tương ứng trong vùng 3×3 của ảnh gốc “lấp” vào ma trận lọc. Sau đó sắp xếp các điểm ảnh trong cửa sổ này theo thứ tự (tăng dần hoặc giảm dần tùy ý) . Cuối cùng, gán điểm ảnh nằm chính giữa (trung vị) của dãy giá trị điểm ảnh đã được sắp xếp ở trên cho giá trị điểm ảnh đang xét của ảnh đầu ra output.

Bộ lọc này được minh họa trong hình 1-3.

Các bước cơ bản của kỹ thuật lọc trung vị

Quét cửa sổ lọc lên các thành phần của ảnh gốc; điền các giá trị được quét vào cửa sổ lọc.
Lấy các thành phần trong của sổ lọc để xử lý.
Sắp xếp theo thứ tự các thành phần trong cửa sổ lọc.
Lưu lại thành phần trung vị, gán cho ảnh output

Kết quả của hai bộ lọc trung vị và lọc trung bình được thể hiện qua hình 1-4. Cả hai bộ lọc đều sử dụng cửa sổ lọc 3×3. Có thể thấy bộ lọc trung vị làm việc tốt hơn bộ lọc trung bình, nó làm mờ các cạnh của hình ảnh rất ít. Hình ảnh sau khi lọc cũng trở nên sắc nét hơn bộ lọc trung bình khá nhiều.

Ảnh gốc-không bị nhiễu
Ảnh gốc sau khi có thêm nhiễu
Kết quả lọc trung bình
Kết quả lọc trung vị

1.3 Kỹ thuật tìm biên trong xử lý ảnh “Đồ Án: Phân đoạn ảnh đựa trên thuật toán nở vùng”

1.3.1 Một số khái niệm

Điểm biên: Một điểm ảnh được coi là điểm biên nếu có sự thay đổi nhanh hoặc đột ngột về mức xám (hoặc màu) . Ví dụ trong ảnh nhị phân, điểm đen gọi là điểm biên nếu lân cận nó có ít nhất một điểm trắng.

Đường biên: là tập hợp các điểm biên liên tiếp tạo thành một đường biên nghĩa của đường biên trong xử lý: Thứ nhất, đường biên là một loại đặc trưng cục bộ tiêu biểu trong phân tích, nhận dạng ảnh. Thứ hai, người ta sử dụng biên làm phân cách các vùng xám (màu) cách biệt. Ngược lại, người ta cũng sử dụng các vùng ảnh để tìm đường phân cách.

Đường biên là nơi mà các điểm ảnh lân cận nhau có cường độ thay đổi mạnh một cách đột ngột. Một số kiểu đường biên hay gặp trên thực tế được minh họa trên hình 1-5.

1.3.2 Các phương pháp phát hiện biên

Các phương pháp phát hiện biên truyền thống thường dựa trên kết quả của phép nhân chập giữa bức ảnh cần nghiên cứu f (x, y) và một bộ lọc 2D h (x, y) thường được gọi là mặt nạ (mask) . Công thức phát hiện biên được trình bày như bên dưới:

Cấu trúc và giá trị của các toán tử phát hiện biên sẽ xác định hướng đặc trưng mà toán tử nhạy cảm với biên. Có một số toán tử thích hợp cho các đường biên có hướng nằm ngang, một số toán tử lại thích hợp cho việc tìm kiếm biên dạng thẳng đứng hay theo hướng đường chéo. Có nhiều phương pháp phát hiện biên đang được áp dụng, tuy nhiên ta có thể phân thành hai nhóm cơ bản là phát hiện biên dùng Gradient và phương pháp Laplacian. “Đồ Án: Phân đoạn ảnh đựa trên thuật toán nở vùng”

Phương pháp Gradient.

Phương pháp phát hiện biên dùng Gradient (sử dụng các toán tử Roberts, Prewitt, Sobel, Canny) dựa vào tính giá trị cực đại và cực tiểu của đạo hàm bậc nhất của ảnh.

1.4 Biến đổi khoảng cách

1.4.1 Giới thiệu

Biến đổi khoảng cách (Distance tranform) là thuật toán biến đổi giá trị của điểm ảnh thông qua khoảng cách của nó so với điểm biên trong bức ảnh.

Thông thường một bức ảnh sẽ được chia thành các thành phần như sau:

Điểm đối tượng là những điểm trực tiếp cấu thành lên đối tượng. Trong ảnh nhị phân, điểm đối tượng là những điểm có mức xám bằng 1.
Điểm nằm ngoài đối tượng, hay còn gọi là điểm nền, trong ảnh nhị phân, điểm nền là những điểm có giá trị mức xám bằng 0
Giao của các điểm đối tượng và các điểm nền được gọi là biên ảnh viết tắt là B.

1.5 Phân đoạn ảnh “Đồ Án: Phân đoạn ảnh đựa trên thuật toán nở vùng”

1.5.1 Giới thiệu

Phân đoạn ảnh (hay còn gọi là phân vùng ảnh) là bước then chốt trong xử lý ảnh. Giai đoạn này nhằm phân tích ảnh thành những thành phần có cùng tính chất nào đó dựa theo biên hay các vùng liên thông. Tiêu chuẩn để xác định các vùng liên thông có thể là cùng mức xám, cùng màu hay cùng độ nhám.

Ảnh gốc trước khi phân đoạn
Ảnh sau khi phân đoạn

Vùng ảnh là một chi tiết, một thực thể trong toàn cảnh. Nó là một tập hợp các điểm có cùng hoặc gần cùng một tính chất nào đó : mức xám, mức màu, độ nhám. Vùng ảnh là một trong những thuộc tính cơ bản của ảnh. Nói đến vùng ảnh là nói đến tính chất bề mặt. Đường bao quanh một vùng ảnh (Boundary) là biên ảnh. Các điểm trong một vùng ảnh có độ biến thiên giá trị mức xám tương đối đồng đều hay tính kết cấu tương đồng.

1.5.2 Một số hướng tiếp cận trong phân đoạn ảnh

Phân đoạn ảnh là chia ảnh thành các vùng không trùng lắp. Mỗi vùng gồm một nhóm pixel liên thông và đồng nhất theo một tiêu chí nào đó. Tiêu chí này phụ thuộc vào mục tiêu của quá trình phân đoạn. Ví dụ như đồng nhất về màu sắc, mức xám, kết cấu, độ sâu của các layer… Sau khi phân đoạn mỗi pixel chỉ thuộc về một vùng duy nhất. Để đánh giá chất lượng của quá trình phân đoạn là rất khó. Vì vậy trước khi phân đoạn ảnh cần xác định rõ mục tiêu của quá trình phân đoạn là gì. Tổng quan về một số hướng tiếp cận trong phân đoạn ảnh được mô tả như trong hình 1-10. Các ưu nhược điểm của các phương pháp phân đoạn ảnh được minh họa trong bảng 1-1

1.5.3 Phân đoạn dựa trên ngưỡng

Phương pháp phân đoạn dựa trên ngưỡng mục đích để phân chia hình ảnh dựa trên phân vùng ảnh thành các vùng khác nhau tùy vào giá trị cường độ của các điểm ảnh và các điểm ảnh lân cận. Đây là thao tác đơn giản nhất để phân đoạn hình ảnh.

Nguyên lý cơ bản của kỹ thuật phân ngưỡng đó là chọn một giá trị tối ưu, phù hợp để chia các điểm ảnh trong hình ảnh thành các lớp khác nhau và phân biệt được đâu là đối tượng, đâu là nền. “Đồ Án: Phân đoạn ảnh đựa trên thuật toán nở vùng”

Giá trị ngưỡng trong phân đoạn dựa trên ngưỡng được người dùng đặt phù hợp. Bất kỳ điểm nào trên hình ảnh mà có giá trị pixel lớn hơn giá trị ngưỡng này thì được gọi là điểm đối tượng và ngược lại ta gọi đó là điểm nền.

Có 3 kỹ thuật chọn ngưỡng chính được gọi là:

Ngưỡng toàn cục
Ngưỡng cục bộ
Ngưỡng động.

Ở ngưỡng toàn cục, giá trị ngưỡng chỉ phụ thuộc vào giá trị mức màu xám của pixel của toàn vùng mà ta đang xét tới. ngưỡng cục bộ, ngưỡng được chọn phụ thuộc vào giá trị độ xám của các pixel thuộc một vùng cục bộ đang xét, các thuộc tính cục bộ của pixel như giá trị xám trung bình của một vùng đang xét.

Giá trị ngưỡng ở ngưỡng động được tính bằng các thuộc tính cục bộ, cường độ điểm ảnh và không gian tọa độ. Ngưỡng động thay đổi giá tri ngưỡng chủ động trên hình ảnh. Trong từng vùng ảnh, giá trị ngưỡng sẽ thay đổi sao cho phù hợp với các điều kiện của vùng ảnh đó. Giá trị ngưỡng được tính cho mỗi pixel dựa trên mối quan hệ của các điểm ảnh cục bộ. Ý nghĩa giá trị cường độ của mỗi điểm ảnh lân cận là rất quan trọng để xác định ngưỡng cho vùng.

CÓ THỂ BẠN QUAN TÂM ĐẾN DỊCH VỤ:

===>>> Viết Thuê Đồ Án Tốt Nghiệp

CHƯƠNG 2: PHÂN ĐOẠN ẢNH VỚI THUẬT TOÁN NỞ VÙNG “Đồ Án: Phân đoạn ảnh đựa trên thuật toán nở vùng”

2.1 Thuật toán nở vùng

Thuật toán nở vùng (region growing) là một thuật toán phân đoạn ảnh được sử dụng để phân chia các vùng khác nhau trên một ảnh. Đặc điểm của các thuật toán nở vùng phụ thuộc vào thông số để kết thúc quá trình tìm kiếm trong vùng. Thông thường, quá trình nở vùng sẽ được dừng khi không có pixel thỏa mãn tiêu chuẩn của vùng đó. Khi thông tin ban đầu không thể tìm kiếm được, quá trình nở vùng sẽ dựa vào những pixel có cùng đặc tính để quyết định xem pixel có nằm trong vùng cần tính hay không. Việc lựa chọn các tiêu chuẩn tương đồng phụ thuộc đặc điểm của đối tượng cần xét trên ảnh và loại dữ liệu ảnh. Tiêu chuẩn có thể bao gồm giá trị cường độ xám, đặc điểm cấu trúc hoặc chỉ số thống kê và không tiến hành tính toán lại các pixel đã tính trong vùng. Việc lựa chọn tiêu chuẩn chính xác sẽ làm tăng khả năng xác định của thuật toán nở vùng cả về kích thước của vùng xét và hình dạng của vùng.

2.2 Một số thuật toán nở vùng “Đồ Án: Phân đoạn ảnh đựa trên thuật toán nở vùng”

2.2.1 Thuật toán nở vùng cơ bản

Thuật toán nở vùng được mô tả như một quá trình nhóm các pixel hoặc các vùng nhỏ vào một vùng lớn hơn dựa trên các tiêu chuẩn đã định trước. Thuật toán cơ bản là bắt đầu từ các điểm gieo mầm và từ đó mở rộng vùng tìm kiếm phụ thuộc vào các điểm lân cận có cùng đặc điểm với điểm gieo mầm như cùng mức độ xám. Công thức (2. 1) mô tả thuật toán nở vùng dựa vào giá trị độ xám của các điểm gieo mầm và của pixel đang xét. Xét công thức (2. 1) thì pixel R_i sẽ được chọn vào vùng P nếu thỏa mãn điều kiện là giá trị tuyệt đối của hiệu giá trị độ xám của pixel R_i và giá trị độ xám của điểm gieo mầm nhỏ hơn một ngưỡng T được lựa chọn. Ngưỡng T được người dùng chọn tùy theo mục đích.

2.2.2 Thuật toán nở vùng thống kê

Thuật toán nở vùng thống kê về bản chất vẫn là thuật toán nở vùng theo nguyên tắc lan tỏa từ một điểm gieo mầm bên trong vùng. Quy tắc đặt ra cho việc lấy thêm một điểm vào vùng là dựa trên việc so sánh giá trị điểm ảnh mới với chỉ số thống kê được tính từ các điểm đã được phân loại vào vùng đang xét [1]. Thuật toán nở vùng thống kê được thực hiện dựa trên giá trị trung bình của các điểm ảnh trong vùng dựa vào công thức (2. 2) và độ lệch chuẩn công thức (2. 3) [2].

2.2.3 Thuật toán nở vùng theo lưu vực

Trong tài liệu [1], tác giả sử dụng thuật toán nở vùng theo lưu vực để tách vết dầu trên ảnh SAR. Do các vết dầu là vùng đối tượng và tối hơn so với khu vực lân cận trên ảnh nên nếu coi ảnh SAR như hình ảnh 3D của địa hình thì các vết dầu có thể được coi như các thung lũng so với các vùng xung quanh. Chính vì thế các vết dầu có thể được tách dựa trên các quy luật hình thành lưu vực. “Đồ Án: Phân đoạn ảnh đựa trên thuật toán nở vùng”

Như vậy, với một điểm gieo mầm được xác định trong lưu vực thì thuật toán nở vùng sẽ được xây dựng tương tự như hiện tượng nước sẽ được dâng lên và làm đầy lưu vực. Thuật toán tìm kiếm các điểm thuộc vùng xét vẫn tương tự như thuật toán nở vùng cơ bản. Tuy nhiên điều kiện để lựa chọn điểm pixel thuộc vào vùng xét sẽ dựa trên sự biến thiên giá trị của bản thân pixel. Trong thuật toán nở vùng theo lưu vực có rất nhiều phương pháp lựa chọn điều kiện để lựa chọn điểm pixel thuộc vào vùng xét như xác định các đường phân thủy (watershed ridge line) giữa các vùng; xác định giá trị gradient của các pixel có cường độ xám thấp ở đáy lưu vực và các pixel có cường độ xám cao ở đỉnh lưu vực.

2.3 Phân đoạn ảnh theo biến đổi Watershed

2.3.1 Giới thiệu:

Watershed là một dãy thuật toán, được sử dụng trong phân đoạn ảnh. Nó phổ biến trong các lĩnh vực như xử lý y sinh học và y tế, thị giác máy tính. Về địa lý, lưu vực có nghĩa là rặng núi phân chia các khu vực thoát nước bởi các hệ thống sông khác nhau. Nếu ảnh được xem là cảnh quan địa chất thì các đường phân thủy xác định ranh giới tách các vùng hình ảnh. Thuật toán watershed mục đích để tìm ra các lưu vực và các đường phân thủy, hay còn gọi là các đường phân cách các vùng trên ảnh, nhóm các vùng ảnh có cùng các thuộc tính liên quan lại thành một vùng đồng nhất.

Watershed line là đường phân thủy được giải thích như là đập để ngăn chặn sự hòa nhập lượng nước của các lưu vực chứa nước khác nhau, trong một bức ảnh thì nó được xem như đường phân cách các khu vực ảnh được nhóm vào thành một nhóm trước đó.

Catchment basins là các lưu vực chứa nước, áp dụng vào trong một bức ảnh thì nó được coi như là một vùng các pixel được nhóm lại thành một vùng nhất định có cùng một số thuộc tính nào đó (mức xám, độ sáng vv…)

Thuật toán watershed được phát triển theo 2 hướng:

Hướng đầu tiên được trình bày theo nguyên lý nước dâng và nó là một hướng tiếp cận truyền thống.
Hướng thứ hai được trình bày theo nguyên lý dòng chảy. “Đồ Án: Phân đoạn ảnh đựa trên thuật toán nở vùng”

Thuật toán watershed dựa theo nguyên lý nước dâng:

Ảnh đầu vào được coi như một vùng địa hình với các vùng trũng nhất là tập hợp những điểm có giá trị mức xám nhỏ nhất. Hãy tưởng tượng, nước được ngập bắt đầu từ những điểm này với tốc độ không đổi, mực nước sẽ tăng dần bề mặt, khi mực nước dâng lên cao, các lưu vực sẽ kết hợp với nhau. Để ngăn chặn sự sát nhập này, một đập được xây dựng đúng chỗ giao nhau của 2 lưu vực. Cứ thế, nước dâng sẽ đạt đến đỉnh điểm mà chỉ đầu đập mới có thể nhìn thấy trên đường nước. Những ranh giới đập liên tục này được gọi là các đường phân thủy.

Để hiểu thuật toán này rõ ràng hơn, những hình ảnh dưới đây sẽ mô tả chi tiết thuật toán nêu trên.

Trong đó:

Là ảnh gốc
Là giao diện địa hình của ảnh
Là hình ảnh bắt đầu quá trình nước dâng
Là giai đoạn tiếp theo của quá trình, nước được dâng cao hơn
Tiếp tục việc nước dâng
Bắt đầu quá trình sát nhập nước từ các lưu vực, các đập chắn nước bắt đầu được hình thành
Đập chắn nước được hình thành dài hơn do việc sát nhập nước liên tục.
Lưu vực cuối cùng, các đường phân đoạn được hình thành

Thuật toán watershed dựa theo nguyên lý dòng chảy:

Trong cách tiếp cận thuật toán watershed dựa theo nguyên lý dòng chảy, hình ảnh được coi như một bề mặt địa hình với ba loại điểm khác nhau: “Đồ Án: Phân đoạn ảnh đựa trên thuật toán nở vùng”

Những điểm chỉ ra cho ta biết đó là điểm tối thiểu
Những điểm trên sườn dốc, đó là những điểm mà nước chảy vào tối thiểu có xác suất cao nhất.
Điểm có nước chảy xuống vùng tối thiểu có xác suất cao hơn.

Các nhóm điểm thỏa mãn nhóm thứ hai sẽ được gọi là Catchment basin (tức là vùng chứa các điểm ảnh có chung một tính chất hay còn gọi là lưu vực) .

Các điểm ảnh thỏa mãn nhóm thứ ba, nơi mà nước rơi xuống và chảy vào nhiều vùng tối thiểu ta gọi đó là các điểm Watershed line (tức là tập hợp các điểm tạo ra đường ngăn cách sự hòa nhập nước, áp dụng vào phân đoạn ảnh ta có thể gọi nó là đường phân thủy.

Thuật toán watershed theo nguyên lý dòng chảy khai thác các khái niệm hơi khác một chút so với thuật toán phân đoạn theo nguyên lý nước dâng truyền thống. Về cơ bản, dòng chảy sẽ chảy từ trên đỉnh núi (bề mặt của định hình) và di chuyển xuống phía bên dưới do ảnh hưởng của trọng lực cho

đến khi đạt đến bề mặt tối tiểu của vùng địa hình. Thuật toán sẽ theo dõi con đường mà từ khi nước bắt đầu chảy qua các điểm trên bề mặt về phía vùng địa hình tối thiểu nếu như nước chảy qua điểm đó. Tất cả các điểm ảnh sẽ tạo thành một phân đoạn khi lượng nước chảy qua chúng cùng chảy về một vị trí sâu nhất. Khi một điểm mà nước chảy xuống có nhiều hơn một con đường để chảy về các điểm cực tiểu thì nó có thể được xác định cho một vùng trũng bất kỳ.

Ngưỡng chìm được sử dụng để loại bỏ ngọn núi thấp nhất (tương ứng với cạnh yếu nhất trong hình ảnh) . Ngọn núi sẽ không được xem xét nếu như chiều cao của chúng nằm dưới ngưỡng chìm này. Đường ngưỡng dưới này được minh họa như hình 2-4 phía bên phải khi lượng nước đã dâng cao. “Đồ Án: Phân đoạn ảnh đựa trên thuật toán nở vùng”

2.3.2 Thuật toán watershed dựa trên các thành phần liên thông

Khái niệm cơ bản của thuật toán watershed dựa trên các thành phần liên thông được giải thích như hình 2-5, 2-6 và 2-7. Tư tưởng của thuật toán watershed dựa trên các thành phần liên thông tương tự như thuật toán dựa trên nguyên lý dòng chảy.

Ma trận điểm ảnh ban đầu F (5, 6) có ba giá trị tối thiểu cục bộ được biểu thị bằng các hộp màu xám được thể hiện qua hình 2-5.

Các thành phần (pixel) nếu không phải là giá trị tối thiểu cục bộ thì nó được kết nối với điểm có giá trị tối thiểu cục bộ như được chỉ ra bởi các mũi tên như hình 2-6.

Tất cả các pixel không phải là giá trị tối thiểu kết nối tới một điểm có giá trị tối thiệu sẽ làm thành một phân đoạn và sẽ được gán một nhãn cho tất cả các điểm đó như hình 2-7.

Chi tiết của thuật toán:

Các ký hiệu được sử dụng trong thuật toán:

P: biểu diễn một điểm ảnh, f (p) : là giá trị xám của điểm ảnh p.
N: là điểm ảnh láng giềng của P, f (n) : là giá trị xám của điểm ảnh N.
V (p) là giá trị dùng để lưu khoảng cách từ thấp nhất đến cao nhất của điểm ảnh.
L[p] là mảng được sử dụng để lưu trữ các nhãn.
LMAX và VMAX biểu thị giá trị tối đa cho nhãn và khoảng cách tối đa trong hệ thống tương ứng. VMAX xác định khoảng cách giữa pixel đầu tiên của hàng đầu tiên đến pixel cuối cùng của hàng cuối cùng.

Thuật toán watershed dựa trên các thành phần liên thông bao gồm 3 bước như sau:

Bước 1: Tìm ra các điểm có giá trị độ xám nhỏ hơn giá trị độ xám của các điểm láng giềng.
Bước 2: Tìm ra khoảng cách của các điểm ảnh nằm trên vùng bằng phẳng đến điểm ảnh có giá trị xám thấp nhất và gán giá trị cho nó. “Đồ Án: Phân đoạn ảnh đựa trên thuật toán nở vùng”
Bước 3:Gán nhãn cho các điểm ảnh có cùng thuộc tính và nhóm nó thành một vùng.

Sau đây là thuật toán chi tiết của các bước:

Bước 1:

Ban đầu, mảng v[p] được đặt là “0” cho tất cả các phần tử trong mảng. Ảnh đầu vào sẽ được quét từ phía trên cùng từ trái qua phải theo từng hàng. Giá trị v[p] sẽ được đặt là ‘0’ (không đổi) nếu giá trị độ xám của điểm ảnh đang xét thấp hơn hoặc bằng giá trị độ xám của các điểm ảnh lân cận. Các điểm ảnh có giá trị độ xám cao hơn giá trị độ xám của các điểm ảnh lân cận sẽ được đặt là ‘1’. Thuật toán bước 1 được trình bày bằng hình ảnh 2-8 và hình 2-9 phía dưới.

Thuật toán của bước 1 khá đơn giản, nó sẽ tiến hành thay đổi giá trị v của điểm ảnh đang xét bằng cách so sánh giá trị độ xám của điểm ảnh đang xét với các điểm ảnh lân cận, giá trị v (p) của điểm ảnh đang xét sẽ được đặt là 1 nếu như nó thỏa mãn điều kiện là giá trị độ xám f (p) của nó lớn hơn một trong những giá trị độ xám của các điểm ảnh lân cận f (n) . Ngược lại thì giá trị v (p) của điểm ảnh đang xét sẽ được đặt là 0 (không đổi) .

Bước 2:

Vùng bằng phẳng là vùng chứa ít nhất 2 điểm ảnh có giá trị độ xám f giống nhau là điểm lân cận nằm cạnh nhau.

Xét ví dụ trong hình 2-8, Các điểm ảnh I (1;5) , I (1;6) , I (1;7) lần lượt có giá trị độ xám f (p) = 8, 8, 8 lên nó được coi là một vùng bằng phẳng, được đánh dấu bằng màu xám nhạt như trong hình 2-8. “Đồ Án: Phân đoạn ảnh đựa trên thuật toán nở vùng”

Trong bước này, chỉ có các điểm ảnh có giá trị v[p]=0 tìm được ở bước 1 sẽ được xem xét, các điểm ảnh lân cận của điểm ảnh đang được xét phải nằm trên cùng một mặt phẳng giá trị không đổi .

Dịch Vụ Viết Luận Văn 24/7 Chuyên cung cấp dịch vụ làm luận văn thạc sĩ, báo cáo tốt nghiệp, khóa luận tốt nghiệp, chuyên đề tốt nghiệp và Làm Tiểu Luận Môn luôn luôn uy tín hàng đầu. Dịch Vụ Viết Luận Văn 24/7 luôn đặt lợi ích của các bạn học viên là ưu tiên hàng đầu. Rất mong được hỗ trợ các bạn học viên khi làm bài tốt nghiệp. Hãy liên hệ ngay Dịch Vụ Viết Luận Văn qua Website: https://hotrovietluanvan.com/ – Hoặc Gmail: hotrovietluanvan24@gmail.com

Post Views: 479