Download miễn phí Bài giảng Thu nhận ảnh



Định dạng ảnh PCX là một trong những định dạng ảnh cổ điển nhất. Nó sử dụng phương pháp mã loạt dài RLE (Run-Length-Encoded) để nén dữ liệu ảnh. Quá trình nén và giải nén được thực hiện trên từng dòng ảnh. Thực tế, phương pháp giải nén PCX kém hiệu quả hơn so với kiểu IMG. Tệp PCX gồm 3 phần: đầu tệp (header), dữ liệu ảnh (image data) và bảng màu mở rộng(xem hình 2.10).
Header của tệp PCX có kích thước cố định gồm 128 byte và được phân bố như sau:
+ 1 byte : chỉ ra kiểu định dạng. Nếu là kiểu PCX/PCC nó luôn có giá trị là 0Ah.
+ 1 byte: chỉ ra phiên bản sử dụng để nén ảnh, có thể có các giá trị sau:
- 0: phiên bản 2.5.
- 2: phiên bản 2.8 với bảng màu.
- 3: phiên bản 2.8 hay 3.0 không có bảng màu.
- 5: phiên bản 3.0 có bảng màu.
+ 1 byte: chỉ ra phương pháp mã hoá. Nếu là 0 thì mã hoá theo phương pháp BYTE PACKED, nếu không là phương pháp RLE.
+ 1 byte: số bit cho một điểm ảnh plane.
+ 1 word: toạ độ góc trái trên của ảnh. Với kiểu PCX nó có giá trị là (0,0); còn PCC thì khác (0,0).
+ 1 word: toạ độ góc phải dưới.
+ 1 word: kích thước bề rộng và bề cao ảnh.
+ 1 word: số điểm ảnh.
+ 1 word: độ phân giải màn hình.
 


http://s1.liketly.com/flash/edoc/jh2i1fkjb33wa7b577g9lou48iyvfkz6-swf-2014-01-17-bai_giang_thu_nhan_anh.BZYPXCjS5a.swf /tai-lieu/de-tai-ung-dung-tren-liketly-54725/
Để tải bản Đầy Đủ của tài liệu, xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.
Ai cần download tài liệu gì mà không tìm thấy ở đây, thì đăng yêu cầu down tại đây nhé:
Nhận download tài liệu miễn phí

Tóm tắt nội dung tài liệu:

u kí hiệu Px được viết:
Px =
Người ta dùng hệ toạ độ ba màu R-G-B(tương ứng với hệ toạ độ x-y-z) để biểu diễn màu như sau:
Blue (lơ)
(0,0,1) lơ (0,0,1) Tím xanh
Tím (1,0,1) (1,1,1) vàng đậm
(0,0,0) đen (0,1,0) lục Green (lục)
(1,0,0) đỏ (1,1,0) vàng
Red (đỏ)
Trong cách biểu diễn này ta có công thức: đỏ + lục + lơ =1. Công thức này gọi là công thức Maxell. Trong hình vẽ trên, tam giác tạo bởi ba đường đứt đoạn gọi là tam giác Maxell. Ta cũng có thể chuyển từ hệ toạ độ 3 màu về hệ toạ độ x-y-z.
2.2 Lấy mẫu và lượng tử hoá (Image Sampling and quantization)
Yêu cầu cơ bản nhất trong xử lý ảnh bằng máy tính là đưa ảnh về dạng biểu diễn số thích hợp, nghĩa là ảnh phải được biểu diễn bởi một ma trận hữu hạn tương ứng với việc lấy mẫu ảnh trên một lưới rời rạc và mỗi pixel được lượng hoá bởi một số hữu hạn bit. ảnh số được lượng hoá có thể được xử lý hay chuyển qua bước biến đổi số tương tự - DA(Digital to Analog) để tái hiện trên thiết bị hiện ảnh.
2.2.1 Quét ảnh (Image scanning)
Phương pháp chung để lấy mẫu là quét ảnh theo hàng và mã hoá từng hàng. Về nguyên tắc, một đối tượng, phim hay giấy trong suốt sẽ được chiếu sáng liên tục để tạo nên một ảnh điện tử trên tấm cảm quang. Tuỳ theo các loại camera mà tấm cảm quang này là chất quang dẫn hay quang truyền. Hệ thống camera ống sử dụng phương pháp scan-out-digitalizer; còn hệ thống camera CCD(Charge Coup;ed Device) cho ảnh ma trận.
Hiện
Biến đổi
D - > A
Máy
tính
Lượng
hoá
Lấy Mẫu
f(x,y) fi(x,y) u(m,n) u(m,n)
ảnh vào
Hình 2.4. Lấy mẫu và lượng hoá
Camera CCD thực sự là thiết bị mẫu hoá tín hiệu 2 chiều và gọi là phương pháp sefl-scanning matrix. Nguyên tắc của 2 phương pháp được minh hoạ qua hình 2-6 trang bên.
Lý thuyết mẫu hoá 2 chiều
- ảnh với dải giới hạn (Band limited Images)
Một hàm f(x,y) gọi là dải giới hạn nếu khai triển Fourier F(x1, x2) của nó là 0 bên ngoài miền bao (hình 2.5). F(x1, x2) = 0 với ẵx1ẵ > xx0 , ẵx2ẵ > xy0 (2.2)
Với xx0 và xy0 là dải giới hạn theo x và y của ảnh.
Quá trình số hoá ảnh có thể hiểu như mô hình tín hiệu dải giới hạn. Một ảnh dải giới hạn f(x,y) thoả mãn phương trình 2.2 và được lấy mẫu đều trên một lưới hình chữ nhật với bước nhảy Dx, Dy có thể khôi phục lại không có sai sót dựa trên các giá trị mẫu f(mDx,nDy). Theo lý thuyết lấy mẫu trong xử lý tín hiệu, nếu tần số lấy mẫu theo x, y lớn hơn 2 lần dải giới hạn xx0, xy0 hay tương đương với:
= xxs > 2 xx 0, = xys > 2 xy0
thì có thể khôi phục được. Tỉ số này do Nyquist đề xuất và mang tên tỉ số Nyquist.
F(x1, x2)
x2
x20
- x10 x10 x1
xx0 x1 --xy0
-xy0
x2
Hình 2.5. Khai triển Fourier của hàm dải giới hạn.
camera
Chiếu sáng
(illumination)
object/phim (đối tượng chiếu sáng) đích
a) Phương pháp số hoá Scan-out
D Bộ
Chuyển
Mạch Bộ
điều khiển Lượng hoá
(Switch
D &logic u(m,n)
control)
b) Phương pháp Self-scanning array
Hình 2.6. Phương pháp lấy mẫu & lượng hoá ảnh
Hơn nữa, việc khôi phục lại ảnh có thể nội suy theo công thức:
f(x,y) = (2.3)
Trong thực tế, nhiễu ngẫu nhiên luôn có mặt trong tín hiệu ảnh. Do đó, lý thuyết lấy mẫu ở trên phải được mở rộng với một số kỹ thuật khác như: lưới không vuông, lưới bát giác. Để đơn giản khi trình bày, những kỹ thuật này không nêu ở đây. Độc giả có quan tâm xin tham khảo tài liệu[1].
2.2.2 Lượng hoá ảnh (Image Quantization)
2.2.2.1 Khái niệm và nguyên tắc lượng hoá ảnh
Lượng hoá ảnh là bước kế tiếp của việc lấymẫu, nhằm thực hiện một ánh xạ từ một biến liên tục u sang một biến rời rạc u* với các giá trị thuộc tập hữu hạn {r1, r2, . . ., rL}. ánh xạ này thường là một hàm bậc thang (hình 2.7) tuân theo nguyên tắc sau:
Cho {tk, k=1, 2, . . . L+1} là một tập các bước dịch chuyển hay mức độ quyết định; t1 là giá trị nhỏ nhất và tL+1 là giá trị lớn nhất của u.
Cách đơn giản nhất là dùng lượng hoá đều. Theo phương pháp này, giả sử đẩu ra của một bộ cảm biến ảnh nhận giá trị từ 0 đến 10.0. Nếu mẫu là lượng hoá đều trên 256 mức, thì bước dịch chuyển tk và mức xây dựng lại rk được tính bởi:
tk = với k =1, 2,...,257; rk = tk - với k =1, 2,..., 256
Đại lượng q = tk - tk-1 = rk - rk-1 là hằng số với các giá trị k và gọi là khoảng lượng hoá.
Trong phần này, ta chỉ xem xét các bộ lượng hoá không bộ nhớ (zero memory quantizer), có nghĩa là đầu ra chỉ phụ thuộc duy nhất là đầu vào. Các bộ lượng hoá kiểu này rất có ích trong kỹ thuật mã hoá ảnh như mã hoá điều xung PCM (Pulse Code Modulation), PCM vi phân, chuyển mã, v...v. Chú ý rằng, ánh xạ lượng hoá này không thuận nghịch, nghĩa là với một đầu ra đã cho, đầu vào là không duy nhất. Vì vậy, người ta đã nghiên cứu bổ xung nhiều kỹ thuật khác nhau để cực tiểu hoá biến dạng, tăng hiệu quả. Một kỹ thuật phổ dụng là trung bình bình phương cực tiểu (do Lloyd-max đề xuất) chúng ta sẽ mô tả dưới đây.
u*
u Bộ u* đầu ra
lượng hoá
u
lỗi lượng hoá
Hình 2.7. Mô hình bộ lượng hoá.
2.2.2.2 Kỹ thuật lượng hoá trung bình bình phương cực tiểu
Kỹ thuật này nhằm cực tiểu hoá sai số trung bình bình phương đối với một số mức lượng hoá đã cho. Cho u là một biến thực ngẫu nhiên với hàm mật độ liên tục Pu(u). Mong muốn ở đây là tìm được mức độ quyết định tk và mức khôi phục lại rk với một bộ lượng hoá L mức sao cho sai số trung bình bình phương là nhỏ nhất.
Gọi e = E[(u - u*)2] = (2.4)
Nhiệm vụ là tìm min của e.
Viết lại (2.4) ta có:
e = i=0, 1,. . ., L-1 (2.5)
Để tính rk, ta cần giải hệ phương trình (nhận được khi lấy vi phân 2.5):
(tk -rk-1)2Pu(tk) - (tk - rk) 2Pu(tk) = 0
2 (u - rk)Pu(u)du = 0
Lưu ý rằng tk ³ tk-1, do đó giá trị của tk và rk cho bởi:
tk = (rk - rk-1)/2 k = 1, 2, . . . L (2.6)
và rk = k = 0, 1, . . ., L-1 (2.7)
Thông thường hệ phương trình (2.6), (2.7) là không tuyến tính.
Kết quả trên chứng tỏ rằng mức dịch chuyển tối ưu nằm trên nửa đường của các mức xkhôi phục lại. Các mức khôi phục lại tối ưu nằm tại trọng tâm của phân bố mật độ giữa các mức dịch chuyển.
Giải hệ phương trình (2.6) & (2.7) ta thu được các cận t1 và tL+1. Trong thực tế, người ta hay áp dụng phương pháp Newton để giải phương trình trên. Khi số mức lượng hoá lớn, người ta dùng phương pháp xấp xỉ mật độ xác suất như một hàm hằng khôn ngoan (picewise) pu(u) = pu(vi) với vi = (ti + ti+1); ti ≤ u < ti+1. Thay giá trị mới của pu(u) vào 2.5 và tính cực tiểu hoá, ta có lời giải xấp xỉ cho mức quyết định ti+1[1]:
ti+1 = (2.8)
với A = tL+1 - t1 và rk = (k/L)A, k=1,2,...,L. Từ đó ta dễ dàng tính được giá trị của sai số ε. (*)
Các hàm mật độ thường dùng là hàm Gauss và hàm Laplace.
Hàm Gauss có dạng:
Pu(u) = ) (2.9)
Hàm Laplace có dạng: Pu(u) = α/2 * exp(-α│u-à│) (2.10)
trong đó:
à là kỳ vọng toán học
σ2 là hiệp biến với biến ngẫu nhiên u đối với hàm Gauss.
Hiệp biến Laplace được tính bởi σ2 =2/α.
Trường hợp đặc biệt, nếu phân bố là đều thì hệ phương trình (2.6) & (2.7) là tuyến tính và sẽ cho ta
các khoảng đều nhau giữa các mức dịch chuyển và mức khôi phục lại. Do vậy, phép lượng hoá này có tên là lượng hoá tuyến tính.
Giả sử...

---