ĐỒ ÁN TỐT NGHIỆP GVHD: THS. PHẠM THÀNH DANH
Chương 1
GIỚI THIỆU
1.Giới thiệu chung
Xử lý ảnh là một lĩnh vực mang tính khoa học và công nghệ. Nó là một ngành
khoa học khá 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 của nó.
Các phương pháp xử lý ảnh bắt đầu từ các ứng dụng chính: nâng cao chất
lượng ảnh và phân tích ảnh. Ứng dụng đầu tiên được biết đến là việc nâng cao
chất lượng hình ảnh báo truyền qua giữa đường cáp London và NewYork vào
năm 1920. Tuy nhiên việc xử lý, nâng cao chất lượng ảnh ban đầu còn rất sơ
khai, chỉ đơn giản là xử lý phân bố các mức sáng (Mức xám và độ phân giải
của ảnh).
Việc nâng cao chất lượng ảnh được phát triển vào khoảng những năm 1955.
Điều này có thể giải thích được vì sau thế chiến thứ hai, máy tính phát triển
nhanh tạo điều kiện cho quá trình xử lý ảnh số thuận lợi.
Năm 1964, máy tính đã có khả năng xử lý và nâng cao chất lượng ảnh từ mặt
trăng và vệ tinh Ranger 7 của Mỹ bao gồm: làm nổi đường biên, lưu ảnh.
Từ năm 1964 đến nay, các phương tiện xử lý, nâng cao chất lượng, nhận dạng
ảnh phát triển không ngừng. Các phương pháp tri thức nhân tạo như mạng
neural nhân tạo, các thuật toán xử lý hiện đại và cải tiến, các công cụ nén ảnh
ngày càng được áp dụng rộng rãi và thu nhiều kết quả khả quan.
Trong y học, các thuật toán máy tính nâng cao độ tương phản, hoặc mã hóa
các mức sáng thành các màu để nội suy ảnh X-quang và các ảnh y sinh học
dễ dàng. Các nhà địa vật lý dùng kỹ thuật tương tự để nghiên cứu các mẫu vật
chất từ ảnh vệ tinh. Trong thiên văn học, các phương pháp xử lý ảnh nhằm
khôi phục ảnh bị nhiễu hoặc bị mất do bóng sau khi chụp. Trong vật lý, người
ta dùng kỹ thuật xử lý ảnh để nâng cao chất lượng ảnh trong các lĩnh vực như
SV: TRẦN NGỌC TRÍ 1 MSSV: 05031811
ĐỒ ÁN TỐT NGHIỆP GVHD: THS. PHẠM THÀNH DANH

SV: TRẦN NGỌC TRÍ 2 MSSV: 05031811
ĐỒ ÁN TỐT NGHIỆP GVHD: THS. PHẠM THÀNH DANH
3. Một số kết quả đạt được về nhận dạng mặt người
Cho đến nay, thế giới vẫn đang tiến hành nghiên cứu về nhận dạng mặt người
với độ mong muốn đạt được độ chính xác cao nhất cho hệ thống nhận dạng,
đạt được độ tin cậy tốt nhất để đưa hệ thống đi vào hoạt động thực tiễn. Tuy
nhiên nhình chung kết quả đạt được cũng chỉ ở độ chính xác trên dưới 90%.
Chương 2
MATLAB và XỬ LÝ ẢNH
SV: TRẦN NGỌC TRÍ 3 MSSV: 05031811
ĐỒ ÁN TỐT NGHIỆP GVHD: THS. PHẠM THÀNH DANH
1. Giới thiệu chung về matlab
MATLAB có nguồn gốc từ chữ matrix laboratory, được Cleve Moler phát
minh vào cuối thập niên 1970, là chủ nhiệm khoa máy tính tại Đại học New
Mexico, là ngôn ngữ máy tính dùng để tính toán kỹ thuật.
Trải qua nhiều phiên bản, năm 2004 MATLAB 7 phát hành, có khả năng
chính xác đơn và kiểu nguyên, hỗ trợ hàm lồng nhau, công cụ vẽ điểm, và
phát triển thuật toán tương tác.
Ban đầu MATLAB được lập ra để giải quyết các phép toán trên ma trận,
chính điều này làm cho MATLAB có ứng dụng rất lớn trong nhiều ngành kỹ
thuật khác nhau so với các ngôn ngữ lập trình khác tính toán trên số vô
hướng. MATLAB kết hợp tính toán và lập trình đồ họa trong môi trường phát
triển tương tác, thời gian lập trình chỉ bằng một phần nhỏ so với các ngôn ngữ
lập trình khác nhờ vào các hàm có sẵn. MATLAB là sản phẩm của công ty
The Mathworks Inc. với địa chỉ www.mathworks.com và sử dụng MATLAB
phải có bản quyền. Tuy nhiên có rất nhiều hàm MATLAB được viết bởi
người sử dụng và phổ biến trên mạng giúp MATLAB ngày càng phong phú
hơn.
1.1. Các đặc điểm cơ bản của MATLAB
Là ngôn ngữ bậc cao dùng cho các tính toán kỹ thuật.

N = 1024;
bits = rand(N,1)>0.5;
% chuyen sang ky tu
Tx=1-2*bits;
%them vao nhieu Gauss trang
P=0.4
Nz=P*(randn(N,1)+i*randn(N,1));
Rx= Tx + Nz;
%hien thi ket qua
plot(Rx,'.');
axix([-2 2 -2 2]);
axis square, grid;
SV: TRẦN NGỌC TRÍ 5 MSSV: 05031811
ĐỒ ÁN TỐT NGHIỆP GVHD: THS. PHẠM THÀNH DANH
Hình 1.1
Trong khi đối với phần lớn các ngôn ngữ lập trình truyền thống phải trải
qua giai đoạn dịch (compilation) và liên kết (linking) thì MATLAB cho
phép người sử dụng có thể thực thi ngay các lệnh hoặc nhóm lệnh cùng
lúc. Điều này làm cho tốc độ xử lý trên MATLAB nhanh hơn đáng kể so
với trên các ngôn ngữ truyền thống.
1.3. Phân tích và tiếp cận dữ liệu
Trong quá trình phân tích dữ liệu, MATLAB hỗ trợ hầu hết các công đoạn
như: thu nhận dữ liệu từ thiết bị ngoại vi, các phân tích số học, tiền xử lý,
hình ảnh hóa…
Phân tích dữ liệu: Chương trình MATLAB cung cấp các công cụ tương
tác cũng như các hàm điều khiển theo dòng cho việc tính toán trong phân
tích dữ liệu bao gồm:
 Các phép nội suy
 Trích chọn tính chất
 Chọn ngưỡng và lọc nhiễu

MATLAB đưa ra nhiều đặc tính giúp báo cáo và chia sẻ công việc. Các
đoạn code viết trên MATLAB có thể được tích hợp với các ngôn ngữ và
ứng dụng khác. Đồng thời cũng có thể triển khai các thuật toán cũng như
ứng dụng của nó như một chương trình hoặc các khối phần mềm riêng
biệt.
Xuất kết quả:
Sau khi hoàn thành công việc, người sử dụng cần xuất kết quả ra
thường là dưới dạng hình ảnh hoặc báo cáo. MATLAB có hỗ trợ file
hình ảnh với nhiều định dạng khác do đó việc xuất kết quả dưới dạng
đồ thị hay file ảnh là hết sức dễ dàng. Ngoài ra, nếu muốn thì cũng có
thể chuyển code từ MATLAB ra các dạng khác: HTML, Word,
Latex…
Kết hợp mã MATLAB với các loại ngôn ngữ và ứng dụng khác:
MATLAB cung cấp sẵn các hàm cho việc kết hợp mã của các ngôn
ngữ lập trình khác như C, C++, Fortran hay Java với mã chương trình
của nó. Sử dụng thư viện công cụ (engine library) của MATLAB,
người sử dụng có thể gọi các đoạn mã từ C, C++ hay Fortran.
Triển khai ứng dụng:
Các sản phẩm sau khi xử lý bằng MATLAB thường là các đoạn mã.
Các đoạn mã này có thể được cung cấp cho những người khác hoặc
ứng dụng vào các sản phẩm phần cứng hoặc phần mềm cụ thể.
2. Xử lý ảnh (số) và các khái niệm liên quan
2.1. Xử lý ảnh (số)
Xử lý ảnh (số) là một dạng của xử lý tín hiệu trong đó đầu vào là một hình
ảnh (các bức ảnh, các khung hình) và đầu ra của quá trình xử lý ảnh có thể
là một hình ảnh khác hoặc là một tập chứa các tính chất hoặc tham số liên
quan tới hình ảnh đó. Phần lớn các kỹ thuật xử lý ảnh thường quy về việc
SV: TRẦN NGỌC TRÍ 8 MSSV: 05031811
ĐỒ ÁN TỐT NGHIỆP GVHD: THS. PHẠM THÀNH DANH
xử lý hình ảnh như là một tín hiệu hai chiều rồi sử dụng các kỹ thuật xử lý

các ảnh đơn giản và có ít sự chuyển đổi màu giữa các vùng ảnh
như ảnh đồ họa hay đồ thị, biểu đồ…Tuy nhiên định dạng này cho
chất lượng ảnh cao, độ phân giải cao, có thể hiển thị trên hầu hết
các phần mềm đồ họa.
Ảnh JPEG – Joint Photographic Expert Group ( *.JPEG hay
*.JPG): Ảnh JPEG là chuẩn nén ảnh tĩnh có mất mát, thường được
dùng để lưu các ảnh màu hoặc các ảnh đa mức xám khi không có
yêu cầu cao về ảnh giải nén phải gần giống ảnh gốc. Dung lượng
ảnh Jpeg thường rất nhỏ, người dùng có thể chủ động định dung
lượng của ảnh bằng cách chọn tỉ lệ nén nhiều hay nén ít. Ảnh lưu
với định dạng Jpg có thể lưu được 24 bits/picxel dữ liệu màu
( tương đương 16 triệu màu).
2.1.2. Tiền xử lý (Image Processing)
Sau bộ thu nhận, ảnh có thể nhiễu độ tương phản thấp nên cần đưa vào
bộ tiền xử lý để nâng cao chất lượng. Chức năng chính của bộ tiền xử
lý là lọc nhiễu, nâng độ tương phản để làm ảnh rõ hơn, nét hơn. Như
vậy tiền xử lý ảnh là một phép biến đổi ảnh nhưng đảm bảo các thông
tin quan trọng của ảnh vẫn được lưu giữ như ảnh gốc ban đầu, đồng
thời làm nổi bật một số đặc tính của ảnh. Tiền xử lý ảnh không phải là
làm tăng lượng thông tin vốn có trong ảnh mà làm nổi bậc các đặc tính
đã chọn, tạo tiền đề cho cho quá trình phân tích ảnh.
Tùy theo các ứng dụng cụ thể, quá trình tiền xử lý có thể bao gồm toàn
bộ các quá trình hay chỉ một phần. Một số bước tiền xử lý như: cân
bằng sáng tối, nâng cao độ tương phản, khử nhiễu…
SV: TRẦN NGỌC TRÍ 10 MSSV: 05031811
ĐỒ ÁN TỐT NGHIỆP GVHD: THS. PHẠM THÀNH DANH
2.1.3. Phân đoạn (Segmentation) hay phân vùng ảnh
Phân vùng ảnh là tách một ảnh đầu vào thành các vùng thành phần để
biểu diễn phân tích, nhận dạng ảnh.
Ví dụ: để nhận dạng chữ (hoặc mã vạch) trên phong bì thư cho mục

chữ ký điện tử), nhận dạng văn bản (Text), nhận dạng vân tay, nhận
dạng mã vạch, nhận dạng mặt người…
2.1.6. Cơ sở tri thức (Knowledge Base)
Như đã nói ở trên, ảnh là một đối tượng khá phức tạp về đường nét, độ
sáng tối, dung lượng điểm ảnh, môi trường để thu ảnh phong phú kéo
theo nhiễu. Trong nhiều khâu xử lý và phân tích ảnh ngoài việc đơn
giản hóa các phương pháp toán học đảm bảo tiện lợi cho xử lý, người
ta mong muốn bắt chước quy trình tiếp nhận và xử lý ảnh theo cách
của con người. Trong các bước xử lý đó, nhiều khâu hiện nay đã xử lý
theo các phương pháp trí tuệ con người.
2.2. Các khái niệm liên quan
2.2.1. Điểm ảnh(Picture Element)
Gốc của ảnh (ảnh tự nhiên) là ảnh liên tục về không gian và độ sáng.
Để xử lý bằng máy tính (số), ảnh cần phải được số hoá. Số hoá ảnh là
sự biến đổi gần đúng một ảnh liên tục thành một tập điểm phù hợp với
ảnh thật về vị trí (không gian) và độ sáng (mức xám). Khoảng cách
giữa điểm ảnh đó được thiết lập sao cho mắt người không phân biệt
được ranh giới giữa chúng. Mỗi một điểm như vậy gọi là điểm ảnh
(PEL: Picture Element) hay gọi tắt là Pixel. Trong khuôn khổ ảnh hai
chiều, mỗi Pixel ứng với cặp tọa độ (x,y).
Như vậy, điểm ảnh (Pixel) là một phần tử của ảnh số tại toạ 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 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.
2.2.2. Độ phân giải của ảnh
SV: TRẦN NGỌC TRÍ 12 MSSV: 05031811
ĐỒ ÁN TỐT NGHIỆP GVHD: THS. PHẠM THÀNH DANH
Độ phân giải (Resolution) của ảnh là mật độ điểm ảnh được ấn định
trên một ảnh số được hiển thị.

ĐỒ ÁN TỐT NGHIỆP GVHD: THS. PHẠM THÀNH DANH
2.2.4. Nhận dạng ảnh (recognition and classification of image
partterns)
Khi một bức ảnh đã được phân đoạn, nhiệm vụ tiếp theo là nhận dạng
vật thể hoặc vùng đã được phân đoạn. Mỗi một vật thể là một thành
phần ở trong ảnh và các giá trị đo được là các đặc tính của thành phần
đó. Một tập các vật thể cùng có các đặc tính giống nhau được gọi là
một “lớp vật thể” (pattern class).
Theo đó có thể định nghĩa, nhận dạng là quá trình phân loại các đối
tượng được biểu diễn theo một mô hình nào đó và gán cho chúng vào
một lớp (gán cho đối tượng một tên gọi) dựa theo những quy luật và
các mẫu chuẩn.
Sự nhận dạng ảnh thường dựa trên nhiều tính chất của vật và với mỗi
tính chất đều có các kỹ thuật nhận dạng khác nhau.
VD: Mỗi chữ cái trong tiếng Anh đều là một tập các đường thẳng
đứng, ngang, chéo hoặc cong. Trong khi chữ “A” được mô tả bởi 2
đường chéo và một đường nằm ngang thì chữ “B” được mô tả bởi một
đường thẳng đứng với 2 đoạn cong. Một số tính chất của các vật thể 2
hoặc 3 chiều là diện tích, thể tích, chu vi, bề mặt,… có thể đo được
thông qua việc tính toán số “pixel”. Tương tự như vậy, bang của một
vật được đặc trưng bởi đường biên của nó. Một số tham số để xác định
bang của một vật là các mô-ment bất biến (invariant moment), đường
trung bình (medial axis) của vật thể …
Màu của một vật cũng là đặc điểm hết sức quan trọng được dùng trong
nhận dạng. Kỹ thuật dùng để phát hiện các đặc tính của vật thể gọi là
kỹ thuật trích chọn đặc tính (feature extraction). Khi đó vật thể được
miêu tả như một tập các đặc tính. Sự lựa chọn và tách lấy các tính chất
thích hợp được coi như là vấn đề cơ bản đầu tiên trong nhận dạng ảnh.
a. Phương pháp phân loại dựa trên việc thu nhận có giám sát
(supervised learning).

trị mà : red, green và blue của một màu đơn. Một ảnh chỉ số sử dụng ánh
SV: TRẦN NGỌC TRÍ 15 MSSV: 05031811
ĐỒ ÁN TỐT NGHIỆP GVHD: THS. PHẠM THÀNH DANH
xạ trực tiếp giữa giá trị của pixel ảnh tới giá trị trong bản đồ màu . Màu
sắc của mỗi pixel ảnh được tính toán bằng cách sử dụng giá trị tương ứng
của X ánh xạ tới một giá trị chỉ số của map. Giá trị 1 chỉ ra hàng đầu tiên,
giá trị 2 chỉ ra hàng thứ hai trong bản đồ màu …
Một bản đồ màu thường được chứa cùng với ảnh chỉ số và được tự động
nạp cùng với ảnh khi sử dụng hàm imread để đọc ảnh.Tuy nhiên, ta
không bị giới hạn khi sử dụng bản đồ màu mặc định, ta có thể sử dụng
mất kì bản đồ màu nào .
Lớp và độ lệch của bản đồ màu ( Colormap Offsets )
Quan hệ giữa giá trị trong ma trận ảnh và giá trị trong bản đồ màu phụ
thuộc vào kiểu giá trị của các phần tử ma trận ảnh. Nếu các phần tử ma
trận ảnh thuộc kiểu double, giá trị 1 sẽ tương ứng với giá trị trong hàng
thứ nhất của bản đồ màu, giá trị 2 sẽ tương ứng với giá trị trong hàng
thứ 2 của bản đồ màu… Nếu các phần tử của ma trận ảnh thuộc kiểu
uint8 hay uint16 sẽ có một độ lệch (offset ) – giá trị 0 trong ma trận
ảnh sẽ tương ứng với giá trị trong hàng đầu tiên của bản đồ màu, giá trị
1 sẽ tương ứng với giá trị trong hàng thứ 2 của bản đồ màu ….
Độ lệch cũng được sử dụng trong việc định dạng file ảnh đồ hoạ để
tăng tối đa số lượng màu sắc có thể được trợ giúp .
Giới hạn trong việc trợ giúp ảnh thuộc lớp unit16
Toolbox xử lý ảnh của Matlab trợ giúp có giới hạn ảnh chỉ số thuộc
lớp uint16. Ta có thể đọc những ảnh đó và hiển thị chúng trong Matlab
nhưng trước khi xử lý chúng, ta phải chuyển đổi chúng sang kiểu uint8
hoặc double. Để chuyển đổi ( convert ) tới kiểu double ta dùng hàm
im2double. Để giảm số lượng màu của ảnh xuống 256 màu (uint8 ) sử
dụng hàm imapprox .
3.2 Ảnh cường độ ( Intensity Images )

mảng dữ liệu. Chẳng hạn, giá trị màu R,G,B của pixel (10,5) được lưu trữ
trong RGB(10,5,1) , RGB(10,5,2) và RGB(10,5,3) tương ứng .
Để tính toán màu sắc của pixel tại hàng 2 và cột 3 chẳng hạn , ta nhìn vào
bộ ba giá trị được lưu trữ trong (2,3,1:3). Giả sử (2,3,1) chứa giá trị
SV: TRẦN NGỌC TRÍ 17 MSSV: 05031811
ĐỒ ÁN TỐT NGHIỆP GVHD: THS. PHẠM THÀNH DANH
0.5176 ; (2,3,2) chứa giá trị 0.1608 và (2,3,3) chứa giá trị 0.0627 thì màu
sắc của pixel tại (2,3 ) sẽ là (0.5176,0.1608,0.0627)
Để minh hoạ xa hơn khái niệm ba mặt phẳng màu riêng biệt được sử dụng
trong một ảnh RGB, đoạn mã sau đây tạo một ảnh RGB đơn giản chứa
các vùng liên tục của R,G,B và sau đó tạo một ảnh cho mỗi mặt phẳng
riêng của nó ( R,G,B ). Nó hiển thị mỗi mặt phẳng màu riêng rẽ và cũng
hiển thị ảnh gốc .
RGB=reshape(ones(64,1)*reshape(jet(64),1,192),[64,64,3]);
R=RGB(:,:,1);
G=RGB(:,:,2);
B=RGB(:,:,3);
imshow(R)
figure, imshow(G)
figure, imshow(B)
figure, imshow(RGB)
Các mặt phẳng màu riêng rẽ của một ảnh RGB
Chú ý rằng mỗi mặt phẳng màu riêng rẽ chứa một khoảng trắng. Khoảng
trắng tương ứng với giá trị cao nhất của mỗi màu riêng rẽ. Chẳng hạn
trong ảnh mặt phẳng R, vùng trắng đại diện cho sự tập trung cao nhất của
màu đỏ thuần khiết. Nếu R được trộn với G hoặc B ta sẽ có màu xám.
Vùng màu đen trong ảnh chỉ ra giá trị của pixel mà không chứa màu đỏ
R=0. Tương tự cho các mặt phẳng màu G và B .
3.5. Các hàm chuyển đổi kiểu ảnh
Với các thao tác nhất định, sẽ thật hữu ích khi có thể chuyển đổi ảnh từ

RGB=cat(3,I,I,I );
Ảnh RGB thu được có các ma trận đồng nhất cho các mặt phẳng R,G,B vì
vậy ảnh hiển thị giống như bóng xám .
Thêm vào những công cụ chuyển đổi chuẩn đã nói ở trên, cũng có một số
hàm mà trả lại kiểu ảnh khác như một phần trong thao tác mà chúng thực
hiện .
SV: TRẦN NGỌC TRÍ 19 MSSV: 05031811
ĐỒ ÁN TỐT NGHIỆP GVHD: THS. PHẠM THÀNH DANH
3.6. Chuyển đổi không gian màu
Toolbox xử lý ảnh biểu diễn màu sắc như các giá trị RGB ( trực tiếp trong
ảnh RGB hoặc gián tiếp trong ảnh chỉ số ). Tuy nhiên, có các phương
pháp khác cho việc biểu diễn màu sắc. Chẳng hạn, một màu có thể được
đại diện bởi các giá trị hue, saturation và các giá trị thành phần (HSV ) .
Các phương pháp khác cho việc biểu diễn màu được gọi là không gian
màu .
Toolbox cung cấp một tập các thủ tục để chuyển đổi giữa các không gian
màu. Các hàm xử lý ảnh tự chúng coi dữ liệu màu sắc dưới dạng RGB tuy
nhiên, ta có thể xử lý một ảnh mà sử dụng các không gian màu khác nhau
bằng cách chuyển đổi nó sang RGB sau đó chuyển đổi ảnh đã được xử lý
trở lại không gian màu ban đầu .
3.7. Đọc và ghi dữ liệu ảnh
Phần này sẽ giới thiệu cách đọc và ghi dữ liệu ảnh.
3.7.1. Đọc một ảnh đồ họa
Hàm imread đọc một ảnh từ bất kì định dạng nào được trợ giúp trong
bất kì chiều sâu bit nào được trợ giúp. Hầu hết các file ảnh sử dụng 8
bit để chứa giá trị của pixel. Khi chúng được đọc vào bộ nhớ, Matlab
chứa chúng dưới dạng uint8. Với các file trợ giúp 16 bit dữ liệu, PNG
và TIFF, Matlab chứa chúng dưới dạng uint16.
Chú ý : Với ảnh chỉ số, imread luôn luôn đọc bản đồ màu vào trong
một chuỗi thuộc lớp double, thậm chí mảng ảnh tự nó thuộc lớp uint8

một biến ảnh và tên file. Nếu ta gộp một phần mở rộng trong tên file,
Matlab sẽ nhận ra định dạng mong muốn từ nó. Ví dụ sau tải một ảnh
chỉ số X từ một file Mat với bản đồ màu kết hợp với nó map sau đó
ghi ảnh xuống một file bitmap .
load clown
whos
Name Size Bytes Class
X 200x320 512000 double array
SV: TRẦN NGỌC TRÍ 21 MSSV: 05031811
ĐỒ ÁN TỐT NGHIỆP GVHD: THS. PHẠM THÀNH DANH
caption 2x1 4 char array
map 81x3 1944 double array
Grand total is 64245 elements using 513948 bytes
imwrite(X,map,'clown.bmp')
Chỉ ra định dạng phụ - Tham số đặc biệt
Khi sử dụng imwrite với một số định dạng đồ hoạ , ta có thể chỉ ra các
tham số phụ. Chẳng hạn, với định dạng PNG ta có thể chỉ ra độ sâu bit
như một tham số phụ. Ví dụ sau sẽ chi một ảnh cường độ I với một file
ảnh 4 bit PNG
imwrite(I,'clown.png','BitDepth',4 );
Để biết thêm các cấu trúc khác của hàm xem phần trợ giúp trực tuyến
của Matlab .
Đọc và ghi ảnh nhị phân theo định dạng 1 bit
Trong một số định dạng file, một ảnh nhị phân có thể được lưu trong
một định dạng 1 bit. Nếu định dạng file trợ giúp nó,Matlab ghi ảnh nhị
phân như ảnh 1 bit theo mặc định. Khi ta đọc một ảnh nhị phân với
định dạng 1 bit, Matlab đại diện nó trong không gian làm việc như một
mảng logic .
Ví dụ sau đọc một ảnh nhị phân và ghi nó dưới dạng file TIFF . Bởi vì
định dạng TIFF trợ giúp ảnh 1 bit, file được ghi lên đĩa theo định dạng

trợ giúp bởi toolbox. Thông tin mà ta nhận được phụ thuộc vào kiểu của
file nhưng nó luôn bao gồm những thông tin sau :
Tên của file ảnh
Định dạng file ảnh
Số version của định dạng file
Ngày sửa đổi file gần nhất
Kích thước file tính theo byte
Chiều rộng ảnh tính theo pixel
SV: TRẦN NGỌC TRÍ 23 MSSV: 05031811
ĐỒ ÁN TỐT NGHIỆP GVHD: THS. PHẠM THÀNH DANH
Chiều cao ảnh tính theo pixel
Số lượng bit trên một pixel
Kiểu ảnh : RGB, chỉ số …
3.9. Chuyển đổi định dạng các file ảnh
Để thay đổi định dạng đồ hoạ của một ảnh, sử dụng hàm imread để đọc
một ảnh và sau đó lưu nó với hàm imwrite đồng thời chỉ ra định dạng
tương ứng .
Để minh hoạ, ví dụ sau đây sử dụng hàm imread để đọc một file BMP vào
không gian làm việc. Sau đó, hàm imwrite lưu ảnh này dưới định dạng
PNG.
bitmap = imread('mybitmap.bmp','bmp');
imwrite(bitmap,'mybitmap.png','png');
Chương 3
PHÂN TÍCH THÀNH PHẦN ĐỘC LẬP (ICA)
SV: TRẦN NGỌC TRÍ 24 MSSV: 05031811
ĐỒ ÁN TỐT NGHIỆP GVHD: THS. PHẠM THÀNH DANH
1. Giới thiệu về ICA
Hãy thử tưởng tượng bạn ở trong phòng mà trong đó có 3 người
đang nói chuyện với nhau. Bạn dùng 3 micro, đặt tại 3 vị trí khác nhau. Các
microphone sẽ thu được 3 tín hiệu đồng thời. Ta phải xác định được x

cách từ microphone đến người nói. Điều này rất tiện lợi trong việc xấp xỉ 3
nguồn tín hiệu gốc ( tiếng nói của 3 người trong phòng ) s
1
(t), s
2
(t) và s
3
(t) từ
các tín hiệu thu được x
1
(t), x
2
(t) và x
3
(t). Ví dụ này được gọi là bài toán
cocktail-party. Theo thời gian ta có thể bỏ qua thời gian trễ và nhiễu thêm vào
từ mô hình trộn đơn giản.
Hình 2.1 Tín hiệu gốc
SV: TRẦN NGỌC TRÍ 25 MSSV: 05031811