MỤC LỤC
1
MỞ ĐẦU
Nâng cao chất lượng ảnh là quá trình áp dụng các kỹ thuật để thuận tiện cho
việc giải quyết các bài toán về thị giác máy tính. Các phương pháp nâng cao chất
lượng ảnh được xác định tùy vào từng ứng dụng cụ thể và thường được phát triển dựa
trên kinh nghiệm.
Một cách tổng thể, các phương pháp nâng cao chất lượng ảnh được sử dụng để
làm cho việc xem ảnh được tốt hơn. Việc phát triển các phương pháp nâng cao đòi hỏi
phải có hiểu biết về phạm vi bài toán cũng như thành thạo các kỹ thuật nâng cao chất
lượng ảnh. Việc đánh giá thành công của thuật toán nâng cao chất lượng ảnh thường là
ở “con mắt của người xem”, nên nâng cao chất lượng ảnh mang ý nghĩa về mỹ thuật
nhiều hơn là về khoa học.
Một trong các phương pháp nâng cao chất lượng ảnh thường được sử dụng là
phương pháp biến đổi histogram (lược đồ). Trong phạm vi tìm hiểu của mình, em xin
đưa ra hai phương pháp cơ bản là histogram equalization ( cân bằng lược đồ) và
histogram matching. Nêu thuật toán cũng như các trường hợp áp dụng thuật toán, đánh
giá và mở rộng cho ảnh màu 24bit.
Trong quá trình thực hiện, em xin chân thành cảm ơn sự hướng dẫn, chỉ bảo
nhiệt tình của các thầy, cô giáo trong khoa Công nghệ Thông tin và đặc biệt là thầy
giáo đã giúp em hoàn thành đồ án này.
2
CHƯƠNG 1. MỘT SỐ KHÁI NIỆM
1.1. Histogram
Cường độ sáng tại bất kỳ điểm (x, y) nào của một ảnh xám được gọi là mức
xám a của ảnh tại điểm đó:
Giả sử L
min
≤ f(x, y) ≤ L
max
đối với tất cả các điểm ảnh (x, y) trong ảnh thì

histogram là phân bố cấp xám cho một ảnh cụ thể.
2.1.2. Nội dung thuật toán
Công thức chuyển đổi
T(a)= L *= L*{ p(0)+ +p(a-1)+p(a)}
Trong đó:
p(a) = h(a)/ Γ
a : cấp xám trong một ảnh
Γ : tổng số pixel trong ảnh
h(a): số pixel có mức xám a trong một ảnh
với: 0 ≤ p(a) ≤ 1, cho tất cả các mức xám a
2.1.3. Kết quả và đánh giá
Sau đây là một số kết quả thực nghiệm.
Ảnh gốc Ảnh kết quả
4
Qua các ví dụ đã được thử nghiệm như trên em rút ra một số nhận xét sau:
Ở những vùng tối giá trị điểm ảnh sẽ không thay đổi nhiều , tuy nhiên với vùng
sáng thì giá trị mức sáng được đẩy lên với bước đẩy tăng dần. Với phép biến đổi này
sự khác nhau về giá trị xám của các điểm ảnh tăng lên đủ để có thể phân biệt được.
5
Qua quan sát kết quả thu được em nhận thấy: Phép biến đổi này thực hiện tốt
đối với những ảnh tối hoặc quá sáng khi đó chất lượng ảnh được cái thiện rõ rệt. Tuy
nhiên đối với một số ảnh khác thì phương pháp này không cải thiện được mấy thậm
chí chất lượng ảnh còn kém đi.
2.1. Histogram matching
2.2.1. Tư tưởng thuật toán
Biến đổi lược đồ mức xám theo một lược đồ mức xám định trước: là quá trình
xác định một histogram và hiệu chỉnh histogram của ảnh gốc để cho phù hợp với
histogram đã xác định.
2.2.2. Nội dung thuật toán
Ta có:

Ảnh gốc Ảnh mẫu
Ảnh kết quả
Qua 2 ví dụ trên ta thấy, khi áp dụng biến đổi histogram matching với cùng một
ảnh mẫu nhưng có thể là tốt đối với ảnh ở ví dụ 1 nhưng không tốt đối với ảnh ở ví dụ
2.
Đối với biến đổi histogram matching nếu tìm được ảnh mẫu tốt sẽ cho kết quả
rất tốt , còn nếu ảnh mẫu không được tốt lắm thì kết quả chỉ như của biến đổi lược đồ
xám thông thường thậm chí không tốt bằng.
2.3. So sánh hai thuật toán
Về kỹ thuật cài đặt thì phương pháp histogram equalization cài đặt đơn giản
hơn. Phương pháp histogram matching cài đặt có phần phức tạp hơn.
Về nâng cao chất lượng ảnh: cả hai phương pháp đều cải thiện tốt đối với các
ảnh quá tối hoặc quá sáng, còn với một số ảnh khác như ảnh có khoảng xám lớn thì
các phương pháp này không cải thiện được mấy thậm chí còn kém đi.
7
Với phương pháp histogram matching chất lượng ảnh thu được còn phụ thuộc
nhiều vào chất lượng của ảnh mẫu. Chất lượng ảnh mẫu phải tốt thì chất lượng ảnh thu
được mới tốt còn ngược lại chất lượng ảnh mẫu xấu thì ảnh thu được có chất lượng
cũng không tốt.
Theo bản thân em tự đánh giá thì phương pháp histogram equalization có hiệu
quả cao hơn về nâng cao chất lượng ảnh, bên cạnh đó nó còn dễ cài đặt hơn.
8
CHƯƠNG 3. XỬ LÝ VỚI ẢNH MÀU 24BIT
3.1. Làm giả ảnh màu
3.1.1. Mô hình màu HSI
Được biểu diễn bởi 3 thành phần: Hue(màu), Saturation( mức độ trắng được
pha vào so với màu gốc) và Intensity (cường độ).
Đối với mô hình màu này không chỉ nói đến mức xám mà còn nói đến mối
tương quan của các điểm ảnh. Khi thực hiện ta chỉ cần thay đổi thành phần I của ảnh.
(R, G, B) (H, S, I)  (H, S, I*)  (R, G, B).

3.1.4. Các điểm chú ý
- , như vậy ta chỉ lấy góc dương, và với H = 360
0
– nếu B > G ta được H .
- Quá trình biến đổi ngược HSI về RGB có thể dẫn tới trường hợp giá trị của G
hoặc R hoặc B vượt quá 255 vì thế ta phải hiệu chỉnh về 255 nếu không sẽ dẫn tới bị
sai màu.
- Trường hợp R =G=B tức là điểm ảnh xám khi đó ta gán H=0, S=0 như vậy
khi chuyển ngược từ HSI về RGB ta vẫn thu được điểm ảnh là xám và mức xám là giá
trị I mới sau khi tăng cường.
10
3.2. Xử lý trên 3 kênh màu riêng biệt
Tách ảnh thành 3 thành phần R ,G,B .
- Thực hiện biến đổi trên từng thành phần R ,G,B riêng biệt. Với mỗi thành
phần thực hiện như đối với ảnh xám.
- Kết hợp các thành phần màu sau khi đã xử lý ta thu được ảnh kết quả.
c
R
(x, y) R(x,y)
c(x, y) = c
G
(x, y) = G(x,y)
c
B
(x, y) B(x, y)
Với ảnh kích thước M N thì x = 0, 1, 2, …, M-1; y = 0, 1, 2, …, N-1.
3.3. Đánh giá
+ Ưu điểm:
- Hai phương pháp đều có ưu điểm riêng. Đối với từng trường hợp cụ thể mà sử
dụng phương pháp nào hiệu quả hơn phương pháp nào.

[1]. Slide bài giảng – PGS, TS Đào Thanh Tĩnh – Học viện Kỹ thuật Quân sự.
[2]. Digital Image Processing – Rafael C. Gonzalez, Richard E. Woods.
[3]. Nhập môn xử lý ảnh số - Lương Mạnh Bá, Nguyễn Thanh Thủy – Đại học
Bách khoa Hà Nội.
[4].Trang web http:// www.wikipedia.org
[5]. Derivation of HSI- to – RGB and RGB – to – HSI conversion equations.
(See www.imageprocessingbook.com)
13