1

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

DƯƠNG THÚY HƯỜNG

NGHIÊN CỨU PHƯƠNG PHÁP NÂNG CAO
CHẤT LƯỢNG ẢNH TRONG
MIỀN KHÔNG GIAN

LUẬN VĂN THẠC SĨ NGÀNH CÔNG NGHỆ THÔNG TIN

HÀ NỘI - 2015


2

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

DƯƠNG THÚY HƯỜNG

NGHIÊN CỨU PHƯƠNG PHÁP NÂNG CAO
CHẤT LƯỢNG ẢNH TRONG
MIỀN KHÔNG GIAN

Ngành: Công nghệ thông tin
Chuyên ngành: Truyền dữ liệu và mạng máy tính
Mã số: Chuyên ngành đào tạo thí điểm

Em xin chân thành cảm ơn các thầy cô trong Khoa Công nghệ thông tin,
trường Đại học Công nghệ, Đại học Quốc Gia Hà Nội và thầy giáo PGS-TS Ngô
Quốc Tạo đã tạo điều kiện cho em được học tập và nghiên cứu để hoàn thành
luận văn này.
Em cũng xin gửi lời cảm ơn tới các thầy cô, đồng nghiệp trong cơ quan
nơi em đang công tác đã tạo điều kiện cho em được học tập, nghiên cứu và hoàn
thành luận văn này.

Hà Nội, ngày 20 tháng 4 năm 2015
Học viên

Dương Thúy Hường


5

MỤC LỤC
LỜI CAM ĐOAN ................................................................................................1
LỜI CẢM ƠN .....................................................................................................4
MỤC LỤC ..........................................................................................................5
LỜI MỞ ĐẦU .....................................................................................................6
CHƯƠNG ITỔNG QUAN VỀ XỬ LÝ ẢNH SỐ VÀ NÂNG CAO CHẤT
LƯỢNG ẢNH TRONG MIỀN KHÔNG GIAN ..................................................7
1.1 Tổng quan về xử lý ảnh số .........................................................................7
1.1.1 Giới thiệu về xử lý ảnh số...................................................................7
1.1.2 Các ứng dụng của xử lý ảnh số ...........................................................9
1.1.3Các bước cơ bản trong xử lý ảnh số................................................... 10
1.2Nâng cao chất lượng ảnh trong miền không gian ...................................... 12
CHƯƠNG IIHIỆU CHỈNH ÁNH SÁNG HÌNH ẢNH ...................................... 20
2.1 Hiệu chỉnh ánh sáng dựa trên điểm ảnh ................................................ 20

quan trọng không thể thiếu trong đời sống hằng ngày. Vì vậy xử lý ảnh số đã trở
thành một lĩnh vực nghiên cứu quan trọng trong các chuyên ngành Công nghệ
thông tin. Với mong muốn đóng góp nghiên cứu vào lĩnh vực này, em đã chọn đề
tài “Nghiên cứu phương pháp nâng cao chất lượng ảnh trong miền không gian”
làm luận văn tốt nghiệp của mình.
Luận văn được chia làm 3 chương:
Chương I – Tổng quan về xử lý ảnh số và nâng cao chất lượng ảnh trong
miền không gian
Chương II – Hiệu chỉnh ánh sáng hình ảnh
Chương III – Kết quả thực nghiệm và đánh giá
Mặc dù rất cố gắng nhưng luận văn của em chắc chắn không tránh khỏi
những thiếu sót. Em xin trân trọng tiếp thu tất cả ý kiến đóng góp của các thầy
cô.
Hà Nội, ngày20 tháng 4 năm 2015
Học viên

Dương Thúy Hường


7

CHƯƠNG I
TỔNG QUAN VỀ XỬ LÝ ẢNH SỐ VÀ NÂNG CAO CHẤT LƯỢNG ẢNH
TRONG MIỀN KHÔNG GIAN
1.1 Tổng quan về xử lý ảnh số
1.1.1Giới thiệu về xử lý ảnh số
Xử lý ảnh số là một lĩnh vực mang tính khoa học và công nghệ. 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.

sáng. Khả năng này tăng lên 15 mức vào 1929. Việc nâng cao chất lượng ảnh
bằng các phương pháp xử lý để truyền ảnh được nghiên cứu 35 năm sau đó. Năm
1964, các bức ảnh chụp mặt trăng được vệ tinh Ranger 7 (Mỹ) truyền về trái đất,
được xử lý bằng máy tính để sửa méo (gây ra do camera truyền hình đặt trên vệ
tinh ở các góc độ khác nhau). Các kỹ thuật cơ bản cho phép nâng cao chất lượng
hình ảnh như làm nổi đường biên và lưu hình ảnh.
Từ năm 1964 đến nay, phạm vi xử lý ảnh số lớn mạnh không ngừng. Các
kỹ thuật xử lý ảnh số hiện nay được sử dụng để giải quyết hàng loạt các vấn đề,
nhằm nâng cao chất lượng thông tin hình ảnh.
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 hình ảnh y sinh
học dễ dàng.Các nhà địa vật lý sử dụng kỹ thuật tương tự để nghiên cứu các mẫu
vật chất từ vệ tinh.Các thuật toán nâng cao chất lượng ảnh và khôi phục hình ảnh
được sử dụng để xử lý hình ảnh giảm chất lượng. Trong thiên văn học, các
phương pháp xử lý ảnh nhằm khôi phục hình ảnh bị nhiễu hoặc bị mất do bóng
(artifacts) sau khi chụp. Trong vật lý và các lĩnh vực có liên quan, kỹ thuật máy
tính nâng cao được chất lượng ảnh trong các lĩnh vực như Plamas (có năng lượng
cao) và microscopy điện tử. Tương tự, người ta đã ứng dụng xử lý ảnh có kết quả
tốt trong viễn thám, sinh học, y tế hạt nhân, quân sự, công nghiệp … Nâng cao
chất lượng và khôi phục ảnh bị nhiễu là quá trình xử lý ảnh dùng cho mục đích
nội suy của mắt người. Lĩnh vực ứng dụng quan trọng thứ hai là xử lý ảnh số gắn
liền với việc cảm nhận của máy. Trong lĩnh vực thứ hai, các cố gắng đều tập
trung vào các quá trình trích thông tin ảnh và chuyển thành dạng thích hợp cho
xử lý máy tính. Những vẫn đề tiêu biểu của kỹ thuật xử lý ảnh số được ứng dụng
nhiều trong thực tế, có thể kể như: tự động nhận dạng đặc trưng, máy nhìn công


9

nghiệp để điều khiển và kiểm tra sản phẩm, nhận dạng mục tiêu quân sự, tự động

10

đồ mã hóa ảnh số thì có thể đưa ra thị trường những hệ truyền hình chất lượng đủ
rõ với nhịp bit chỉ dưới 100 nghìn bit/giây.
Người máy càng ngày càng đóng vai trò quan trọng trong công nghiệp và
gia đình. Chúng sẽ thực hiện những công việc rất nhàm chán hoặc nguy hiểm và
những công việc mà tốc độ và chính xác vượt quá khả năng của con người. Khi
người máy trở nên tinh vi hơn, thị giác máy tính sẽ đóng vai trò ngày càng quan
trọng. Người ta sẽ đòi hỏi người máy không những phát hiện và nhận dạng các
bộ phận công nghiệp, mà còn “hiểu” được những gì chúng “thấy” và đưa ra
những hành động phù hợp. Xử lý ảnh số có tác động rất lớn đến thị giác máy
tính.
Ngoài những ứng dụng trên thì còn bao gồm các ứng dụng trong các lĩnh
vực như điện tử gia đình, thiên văn học, sinh vật học, vật lý, nông nghiệp, địa lý,
nhân chủng học và nhiều lĩnh vực khác. Khả năng nhìn và nghe thấy là hai
phương tiện quan trọng nhất để con người nhận thức thế giới bên ngoài, do vậy
không có gì đáng ngạc nhiên khi mà xử lý ảnh số có nhiều khả năng ứng dụng,
không chỉ trong khoa học kỹ thuật mà còn cả trong mọi hoạt động khác của con
người.
1.1.3 Các bước cơ bản trong xử lý ảnh số
Con người thu nhận thông tin qua các giác quan, trong đó thị giác đóng vai trò
quan trọng nhất. Những năm trở lại đây với sự phát triển của phần cứng máy tính, xử
lý ảnh và đồ họa phát triển một cách mạnh mẽ và có nhiều ứng dụng trong cuộc
sống.Xử lý ảnh và đồ họa đóng một vai trò quan trọng trong tương tác người máy.
Quá trình xử lý ảnh được xem như là quá trình thao tác ảnh đầu vào nhằm
cho ra kết quả mong muốn.Kết quả đầu ra của một quá trình xử lý ảnh có thể là
một ảnh “tốt hơn” hoặc một kết luận.

Hình 1.1 Quá trình xử lý ảnh
(Nguồn: Tài liệu tham khảo [1])


12

Trích chọn đặc điểm:Vì lượng thông tin chứa trong ảnh là rất lớn, trong
khi đó đa số ứng dụng chỉ cần một số thông tin đặc trưng nào đó, cần có bước
trích chọn đặc điểm để giảm lượng thông tin khổng lồ ấy. Các đặc trưng của ảnh
thường gồm: mật độ xám, phân bố xác suất, phân bố không gian, biên ảnh.
Hậu xử lý: Nếu lưu trữ ảnh trực tiếp từ các ảnh thô theo kiểu bản đồ ảnh
đòi hỏi dung lượng bộ nhớ lớn, tốn kém mà nhiều khi không hiệu quả theo quan
điểm ứng dụng. Thông thường không biểu diễn toàn bộ ảnh tho mà tập trung đặc
tả các đặc trưng của ảnh như biên ảnh hay vùng ảnh.
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. Vì vậy, ở đây các cơ sở tri thức –
hệ quyết định được phát huy.
Đối sánh rút ra kết luận: Là quá trình đối sánh, phân lớp ảnh, nhận biết
được tên gọi của đối tượng. Kết quả của quá trình này phục vụ cho các mục đích
và các ứng dụng khác nhau.
1.2 Nâng cao chất lượng ảnh trong miền không gian
Khái niệm miền không gian ở đây được hiểu là tập hợp các điểm ảnh tạo
nên ảnh.Phương pháp xử lý ảnh trong miền không gian là phương pháp tác động
trực tiếp lên các điểm ảnh này. Quá trình xử lý ảnh trong miền không gian có thể
được biểu diễn bởi biểu thức sau:
g(x,y) = T(f(x,y))

(1.1)



Trong hình 3.2(a), thì kết quả của phép biến đổi là một ảnh có độ tương
phản cao hơn ảnh gốc bằng cách làm tối những điểm ảnh có cấp xám nhỏ hơn m
và tăng độ sáng cho những điểm ảnh có cấp xám lớn hơn hoặc bằng m trong ảnh
gốc. Trong Hình 3.2(b) biểu diễn một dạng đặc biệt của hàm T, hàm phân
ngưỡng, là hàm chỉ cho ra kết quả 0 hoặc 1 (ảnh nhị phân).Điểm ảnh nào có cấp
độ xám nhỏ hơn m sẽ bị biến đổi thành phần nền (background, có cấp cám bằng
0) và ngược lại, những điểm ảnh có cấp độ xám lớn hơn hoặc bằng m sẽ được giữ
lại làm chi tiết của ảnh (đối tượng ảnh, có cấp xám bằng 1). Do việc xử lý một
điểm ảnh bất kỳ (trong một bức ảnh) chỉ phụ thuộc vào cấp xám tại điểm đó nên
người ta gọi kỹ thuật này là kỹ thuật xử lý điểm ảnh.
Thao tác xử lý ảnh trong miền không gian càng phức tạp khi lân cận được
áp dụng càng lớn (không chỉ là 1 x 1, 2 x 2 hay 3 x 3 mà là n x n với n ≥ 4).
Thông thường, người ta sử dụng một hàm của các giá trị cấp xám của ảnh f trong
một vùng lân cận xác định trước của mỗi điểm ảnh để xác định giá trị của g. Để
làm được điều này, mặt nạ (hay bộ lọc, hạt nhân, mẫu hoặc cửa sổ) là một công
cụ được sử dụng tương đối phổ biến. Một mặt nạ là một mảng 2 chiều có kích
thước tương đối nhỏ (tùy vào độ lớn của lân cận sử dụng, thường là ma trận 3 × 3
như trong hình 3.1).Các giá trị trong mảng 2 chiều này được gọi là hệ số của mặt
nạ. Kỹ thuật tăng cường ảnh dựa vào mặt nạ được gọi là xử lý mặt nạ hoặc lọc.

Hình 1.5 Một số phép toán toán tử xử lý ảnh phổ biến: (a) ảnh gốc
(b) ảnh tăng cường độ tương phản; (c) thay đổi thuộc tính màu “hue”;
(d) làm mờ ảnh; (e) quay ảnh.


15

1.3 Các không gian màu thông dụng
1.3.1 Màu sắc


Hình 2.13 Mô hình màu RGB
(Nguồn: Tài liệu tham khảo [4])
1.3.2.2 Hệ tọa độ màu YUV (chuẩn PAL)
Hệ tọa độ này có 3 thành phần: Y là độ chói (cường độ sáng), U là độ sắc
màu cảm thụ và V là độ bão hòa. Các thành phần của hệ tọa độ này được biểu
diễn thông qua hệ tọa độ RGB như sau:
Y = 0.299 R + 0.587G + 0.114B
U = 0.493 (B-Y)
V = 0.877 (R-Y)
1.3.2.3 Hệ tọa độ màu YIQ
Hệ màu này được ứng dụng trong truyền hình màu băng tần rộng tại Mỹ,
do đó nó có mối quan hệ chặt chẽ với màn hình raster. YIQ là sự thay đổi của
RGB cho khả năng truyền phát và tính tương thích với ti vi đen trắng thế hệ
trước. Tín hiệu truyền sử dụng trong hệ thống NTSC (National Television
System Committee).
Sau đây là công thức biến đổi từ hệ RGB thành hệ YIQ:


17

Ma trận nghịch đảo của ma trận biến đổi RGB thành hệ YIQ được sử dụng
cho phép biến đổi từ hệ YIQ thành RGB.
1.3.2.4 Hệ tọa độ màu HSV (Hue, Staturation, Value)
Các mô hình màu RGB, CMY được định hướng cho phần cứng trái ngược
với mô hình màu HSV của Smith hay còn được gọi là mẫu HSB với B là
Brightness (độ sáng), được định hướng người sử dụng dựa trên cơ sở nền tảng
trực giác về tông màu, sắc độ và sắc thái mỹ thuật.
Hệ thống tọa độ có dạng hình trụ và tập màu thành phần của không gian
bên trong mô hình màu được xác định là hình nón hoặc hình chóp sáu cạnh như

trắng phù hợp để giảm S (không có sự thay đổi V) tạo nên sự thay đổi sắc thái
của gam màu. Sự chuyển màu được tạo ra bởi việc giữ S= 1 và giảm V tạo nên
sự thay đổi về sắc độ và tông màu tạo thành bởi việc thay đổi cả hai S và V.
1.3.2.5 Hệ tọa độ màu HLS
Mô hình màu HLS được xác định bởi tập hợp hình chóp sáu cạnh đôi của
không gian hình trụ.Sắc màu là góc quanh trục đứng cảu hình chóp sáu cạnh đôi
với màu đỏ tại góc 0o. Các màu sẽ xác định theo thứ tự giống như trong biểu đồ
CIE khi ranh giới của nó bị xoay ngược chiều kim đồng hồ: Màu đỏ, màu vàng,
màu lục, màu xanh tím, màu lam và đỏ thẫm. Điều này cũng giống như thứ tự
sắp xếp trong mẫu hình chóp sáu cạnh đơn
HSV.


19

Hình 2.15 Hệ màu HLS
(Nguồn: Tài liệu tham khảo [4])
Chúng ta có thể xem mẫu HLS như một sự biến dạng cảu mẫu HSV mà
trong đó mẫu này màu trắng được kéo hướng lên hình chóp sáu cạnh phía trên từ
mặt V= 1. Như với mẫu hình chóp sáu cạnh đơn, phần bổ sung của một màu sắc
được đặt ở vị trí 180o
hơn là xunh quanh hình chóp sáu cạnh đôi, sự bão hòa được đo xung quanh trục
đứng, từ 0 trên trục tới 1 trên bề mặt. Độ sáng bằng 0 cho màu đen và bằng 1 cho
màu trắng.


20

CHƯƠNG II
HIỆU CHỈNH ÁNH SÁNG HÌNH ẢNH

Change-level Contrast

Hình 2.1 Hiệu chỉnh ánh sáng dựa trên điểm ảnh


21

Hình 2.2 (a) Ảnh gốc; (b) Ảnh hiệu chỉnh ánh sáng dựa trên điểm ảnh
Ảnh gốc được chụp vào buổi chiều trời nhiều mây âm u nên thiếu ánh
sáng, hiệu chỉnh ánh sáng dựa trên điểm ảnh đã làm cho ảnh tươi sáng hơn, độ
tương phản lớn hơn, hình ảnh sắc nét hơn.

Hình 2.3 (a) Ảnh gốc; (b) Ảnh hiệu chỉnh ánh sáng dựa trên điểm ảnh
2.2.1.1 Change-level Brightness
Một ảnh số được lưu trữ trên máy tính là một ma trận các điểm ảnh (hay
pixel). Ta xét một kiểu ảnh thông thường nhất là ảnh RGB, với ảnh này mỗi pixel
ảnh quan sát được là sự kết hợp của các thành phần màu R (Red), Green (Green)
và B (Blue). Sự kết hợp theo những tỉ lệ R, G, B khác nhau sẽ tạo ra vô số các
màu sắc khác nhau. Giả sử ảnh được mã hóa bằng 8 bit với từng kênh màu, khi
đó mỗi giá trị của R, G, B sẽ nằm trong khoảng [0, 255]. Như vậy ta có thể biểu
diễn tới 255*255*266 ~ 1.6 triệu màu sắc từ ba màu cơ bản trên.


22

Ma trận điểm ảnh của mỗi ảnh sẽ được biểu diễn như sau:
Cột 0

Cột 1


1, 1

1, m

1, m

1, m

Hàng2 2, 0

2, 0

2, 0

2, 1

2, 1

2, 1

2, m

2, m

2, m

Hàngn n, 0

n, 0


(2.2)

Như vậy, độ sáng của ảnh g đã thay đổi một lượng β. Dựa vào công thức
trên ta có thuật toán Change-level Brightness như sau:
for (i = 0; i < n; i++)
for (j = 0; j < m; j++)
for (k = 0; k < 3; k++)
g(x,y)[k] = f(x,y)[k] + β
(Nguồn: Tài liệu tham khảo [1])
Kết quả hình ảnh khi áp dụng Change-level Brightness


23

Hình 2.5 (a) Ảnh gốc; (b) Ảnh khi áp dụng Change-level Brightness
Ảnh khi áp dụng Change-level Brightness cho kết quả sáng hơn tuy nhiên
giảm độ tương phản và kém sắc nét hơn. Để khắc phục được nhược điểm này em
đã tiến hành thêm kỹ thuật Change-level Contrast để hình ảnh giữ được ưu điểm
sáng ảnh so với ảnh gốc nhưng không bị giảm độ tương phản và sắc nét.
2.2.1.2 Change-level Contrast
Khái niệm độ tương phản: ảnh số là tập hợp các điểm, mỗi điểm có giá trị
độ sáng khác nhau. Độ sáng để mắt người dễ cảm nhận ánh sáng không phải là
quyết định.Thực tế chỉ ra rằng hai đối tượng có cùng độ sáng nhưng đặt trên hai
nền khác nhau cho cảm nhận khác nhau.Như vậy, độ tương phản biểu diễn sự
thay đổi độ sáng của đối tượng so với nền.Nói cách khác, độ tương phản là độ
nổi của điểm ảnh hay cùng ảnh so với nền.
Ảnh với độ tương phản thấp có thể do điều kiện sáng không đủ hay không
đều, hoặc do tính không tuyến tính hay biến động nhỏ của bộ cảm nhận ảnh. Để
điều chỉnh lại độ tương phản của ảnh, ta điều chỉnh lại biên độ trên toàn dải hay
trên dải có giới hạn bằng cách biến đổi tuyến tính biên độ đầu vào (dùng hàm


b ≤ f(x,y)[k] < L
(Nguồn: Tài liệu tham khảo [2])

Các giá trị α, β, γ xác định độ tương phản tương đối, L là số mức xám cực đại.
Nếu thay đổi độ tương phản bằng hàm tuyến tính ta có:
α = β = γ=1 ảnh kết quả trùng với ảnh gốc
α, β, γ > 1

tăng độ tương phản

α, β, γ < 1

giảm độ tương phản

Dựa vào công thức trên ta có thuật toán Change-level Contrast như sau:
for (i = 0; i < n; i++)
for (j = 0; j < m; j++)
for (k = 0; k < 3; k++)
g(x,y)[k] = α*f(x,y)[k]
(Nguồn: Tài liệu tham khảo [1])


25

Hình 2.7 (a) Ảnh gốc; (b) Ảnh áp dụng Change-level Contrast
2.2.2 Hiệu chỉnh ánh sáng dựa trên histogram
2.2.2.1 Histogram
Histogram của một ảnh là một biểu đồ nói lên mối quan hệ giữa các giá trị
của pixel ảnh và tần suất xuất hiện của chúng.Nhìn vào biểu đồ histogram ta có