Kĩ thuật lọc ảnh và ứng dụng trong lọc nhiễu làm trơnNguyen Thieu
Bài tập lớn môn học Xử Lý Ảnh (Thế Anh, Thiệu)
Code và toàn bộ báo cáo có thể xem tại đây:
https://drive.google.com/drive/folders/0B0gRRELQqRA8QlYwaE14NDlsZHc?usp=sharing
Download luận văn đồ án tốt nghiệp ngành công nghệ thông tin với đề tài: Tìm hiểu bài toán phát hiện xương nhờ phép toán hình thái, cho các bạn làm luận văn tham khảo
Hệ Cơ Sở Dữ Liệu Đa Phương Tiện PTIT
Giảng viên: Nguyễn Đình Hóa PTIT
Hệ thống thông tin - Công nghệ phần mềm PTIT
#ptit #ai #httt #poppinkhiem #poppingkhiem
Kĩ thuật lọc ảnh và ứng dụng trong lọc nhiễu làm trơnNguyen Thieu
Bài tập lớn môn học Xử Lý Ảnh (Thế Anh, Thiệu)
Code và toàn bộ báo cáo có thể xem tại đây:
https://drive.google.com/drive/folders/0B0gRRELQqRA8QlYwaE14NDlsZHc?usp=sharing
Download luận văn đồ án tốt nghiệp ngành công nghệ thông tin với đề tài: Tìm hiểu bài toán phát hiện xương nhờ phép toán hình thái, cho các bạn làm luận văn tham khảo
Hệ Cơ Sở Dữ Liệu Đa Phương Tiện PTIT
Giảng viên: Nguyễn Đình Hóa PTIT
Hệ thống thông tin - Công nghệ phần mềm PTIT
#ptit #ai #httt #poppinkhiem #poppingkhiem
MẠNG NƠRON VÀ QUÁ TRÌNH HỌC CỦA MẠNG NƠRON Bông Bông
Trong rất nhiều lĩnh vực như điều khiển, tự động hóa, công nghệ thông tin…, nhận dạng được đối tượng là vấn đề mấu chốt quyết định sự thành công của bài toán. Một nhược điểm khi dùng mạng nơron là chưa có phương pháp luận chung khi thiết kế cấu trúc mạng cho các bài toán nhận dạng và điều khiển mà phải cần tới kiến thức của chuyên gia. Mặt khác khi xấp xỉ mạng nơron với một hệ phi tuyến sẽ khó khăn khi luyện mạng vì có thể không tìm được điểm tối ưu toàn cục... Hiện nay, việc nghiên cứu các thuật toán tìm nghiệm tối ưu toàn cục khi luyện mạng nơron đã được một số tác giả nghiên cứu áp dụng. Tuy nhiên khi sử dụng mạng nơron để xấp xỉ một số đối tượng phi tuyến mà mặt lỗi sinh ra có dạng lòng khe, việc huấn luyện mạng gặp rất nhiều khó khăn. Nội dung đề tài sẽ đi nghiên cứu một thuật toán tìm điểm tối ưu toàn cục trong quá trình luyện mạng nơron bằng thuật toán vượt khe có sự kết hợp với giải thuật di truyền.
Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620
Tham khảo dịch vụ, bảng giá tại: https://vietbaitotnghiep.com/dich-vu-viet-thue-luan-van
Download luận văn thạc sĩ ngành toán giải tích với đề tài: Quy hoạch toàn phương, cho các bạn có thể làm luận văn tham khảo
MẠNG NƠRON VÀ QUÁ TRÌNH HỌC CỦA MẠNG NƠRON Bông Bông
Trong rất nhiều lĩnh vực như điều khiển, tự động hóa, công nghệ thông tin…, nhận dạng được đối tượng là vấn đề mấu chốt quyết định sự thành công của bài toán. Một nhược điểm khi dùng mạng nơron là chưa có phương pháp luận chung khi thiết kế cấu trúc mạng cho các bài toán nhận dạng và điều khiển mà phải cần tới kiến thức của chuyên gia. Mặt khác khi xấp xỉ mạng nơron với một hệ phi tuyến sẽ khó khăn khi luyện mạng vì có thể không tìm được điểm tối ưu toàn cục... Hiện nay, việc nghiên cứu các thuật toán tìm nghiệm tối ưu toàn cục khi luyện mạng nơron đã được một số tác giả nghiên cứu áp dụng. Tuy nhiên khi sử dụng mạng nơron để xấp xỉ một số đối tượng phi tuyến mà mặt lỗi sinh ra có dạng lòng khe, việc huấn luyện mạng gặp rất nhiều khó khăn. Nội dung đề tài sẽ đi nghiên cứu một thuật toán tìm điểm tối ưu toàn cục trong quá trình luyện mạng nơron bằng thuật toán vượt khe có sự kết hợp với giải thuật di truyền.
Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620
Tham khảo dịch vụ, bảng giá tại: https://vietbaitotnghiep.com/dich-vu-viet-thue-luan-van
Download luận văn thạc sĩ ngành toán giải tích với đề tài: Quy hoạch toàn phương, cho các bạn có thể làm luận văn tham khảo
Nhận viết luận văn Đại học , thạc sĩ - Zalo: 0917.193.864
Tham khảo bảng giá dịch vụ viết bài tại: vietbaocaothuctap.net
Download luận văn thạc sĩ ngành công nghệ thông tin với đề tài: Phân cụm đa mô hình và ứng dụng trong phân đoạn ảnh viễn thám, cho các bạn làm luận văn tham khảo
Nhận viết luận văn Đại học , thạc sĩ - Zalo: 0917.193.864
Tham khảo bảng giá dịch vụ viết bài tại: vietbaocaothuctap.net
Download luận văn đồ án tốt nghiệp với đề tài: Một số nội dung về ảnh panorama và kỹ thuật ghép ảnh, cho các bạn làm luận văn tham khảo
This document provides details for designing the production process for a men's pants order, including:
- The order is for 4,000 pants in sizes S, M, L and black or gray color.
- The product is described along with specifications and diagrams.
- Raw material requirements and quality standards are defined.
- The document analyzes the product structure and establishes linkages between parts.
- Process flow charts and operations are outlined to produce the pants within the required time frame.
Smartbiz_He thong MES nganh may mac_2024juneSmartBiz
Cách Hệ thống MES giúp tối ưu Quản lý Sản xuất trong ngành May mặc như thế nào?
Ngành may mặc, với đặc thù luôn thay đổi theo xu hướng thị trường và đòi hỏi cao về chất lượng, đang ngày càng cần những giải pháp công nghệ tiên tiến để duy trì sự cạnh tranh. Bạn đã bao giờ tự hỏi làm thế nào mà những thương hiệu hàng đầu có thể sản xuất hàng triệu sản phẩm với độ chính xác gần như tuyệt đối và thời gian giao hàng nhanh chóng? Bí mật nằm ở hệ thống Quản lý Sản xuất (MES - Manufacturing Execution System).
Hãy cùng khám phá cách hệ thống MES đang cách mạng hóa ngành may mặc và mang lại những lợi ích vượt trội như thế nào.
Tuyển tập 9 chuyên đề bồi dưỡng Toán lớp 5 cơ bản và nâng cao ôn thi vào lớp ...Bồi Dưỡng HSG Toán Lớp 3
Tuyển tập 9 chuyên đề bồi dưỡng Toán lớp 5 cơ bản và nâng cao ôn thi vào lớp 6 trường chuyên. Đăng ký mua tài liệu Toán 5 vui lòng liên hệ: 0948.228.325 (Zalo - Cô Trang Toán IQ).
[NBV]-CHUYÊN ĐỀ 3. GTLN-GTNN CỦA HÀM SỐ (CÓ ĐÁP ÁN CHI TIẾT).pdf
Bài Giảng Xử Lý Ảnh Số
1. Bài giảng Xử lý ảnh số 1
GV. Mai Cường Thọ
Lời mở đầu
Xử lý ảnh là một ngành khoa học còn tương đối mới mẻ so với nhiều ngành khoa
học khác. Hiện nay nó đang là một trong những lĩnh lực được quan tâm và đã trở
thành môn học chuyên ngành của sinh viên hệ kỹ sư, cử nhân ngành Công nghệ
Thông tin.
Nhờ có công nghệ số hóa hiện đại, ngày nay con người đã có thể xử lý tín hiệu
nhiều chiều thông qua nhiều hệ thống khác nhau, từ những mạch số đơn giản cho
đến những máy tính song song cao cấp. Mục tiêu của xử lý này có thể chia làm ba
hướng như sau:
Xử lý ảnh ban đầu để có được ảnh mới theo một yêu cầu xác định (ví dụ như
ảnh mờ cần xử lý để được ảnh rõ hơn)
Phân tích ảnh để thu được các thông tin đặc trưng giúp cho việc phân loại,
nhận biết ảnh (ví dụ phân tích ảnh vân tay để trích chọn các đặc trưng vân
tay)
Hiểu ảnh đầu vào để có những mô tả về ảnh ở mức cao hơn, sâu hơn (ví dụ từ
ảnh mộttai nạn giao thông phác họa hiện trường tai nạn).
Trong bài giảng này, chúng ta sẽ tập trung vào những khái niệm cơ bản của xử lý
ảnh và giới hạn vấn đề trong phạm vi 2 – chiều
Các ứng dụng trong:
- Sản xuất và kiểm tra chất lượng
- Di chuyển của Robot
- Các phương tiện đi lại tự trị
- Công cụ hướng dẫn cho người mù
- An ninh và giám sát
- Nhận dạng đối tượng, nhận dạng mặt
- Ứng dụng trong y học
- Sản xuất, hiệu chỉnh Video
- Chinh phục vũ trụ…
Với những ứng dụng to lớn của công nghệ xử lý ảnh, chúng ta hãy bắt tay vào
ngay từ bây giờ tìm hiểu, làm việc với một trong những thế giới đầy tiềm năng này.
2. Bài giảng Xử lý ảnh số 2
GV. Mai Cường Thọ
Chương I
Tổng quan về hệ thống xử lý ảnh và các vấn đề trong xử lý ảnh
I. Ảnh và Hệ thống xử lý ảnh
1. Ảnh
- Tín hiệu ảnh thuộc loại tín hiệu đa chiều: tọa độ(x,y,z), độ sáng(λ), thời gian(t).
- Ảnh tĩnh trong không gian 2 chiều được định nghĩa là một hàm 2 biến S(x,y), với S
là giá trị biên độ (được biểu diễn bằng màu sắc) tại vị trí không gian (x,y).
- Phân loại ảnh
+ Ảnh tương tự S(x,y): (x,y) liên tục, S liên tục.
+ Ảnh số S(m,n): (m,n) rời rạc, S rời rạc.
- Một ảnh (gồm một tập các điểm ảnh) có thể xem như bao gồm tập các ảnh con (các
vùng ảnh). Thuật ngữ gọi là ROIs – vùng quan tâm (Regions of Interest).
- Ảnh số trong không gian rời rạc thu được từ ảnh tương tự trong không gian liên tục
thông qua quá trình số hóa. Quá trình số hóa có thể hiểu đơn giản như sau
+ Ảnh tương tự được chia thành M hàng, N cột.
+ Giao của hàng và cột được gọi là: pixel
+ Giá trị biên độ của pixel tại tọa độ nguyên (m,n) là s(m,n): là trung bình độ
sáng trong pixel đó. L
n
m
S ≤
)
,
( (L số mức xám dùng biểu diễn ảnh).
- M, N thường được chọn là M=N=2K
(K=8,9,10). L =2B
, B là số bít mã hóa cho độ
sáng(biên độ) mỗi pixel.
- Ảnh số được biểu diễn bởi ma trận 2 chiều. Các phần tử của nó là biểu diễn cho
các pixel số hóa.
- Ta ký hiệu 1 ảnh số là S(M,N). Ta nói ảnh có độ phân giải MxN. Ký hiệu s(m,n) để
chỉ ra một phần tử ảnh.
Hình 1.1 : Ảnh tương tự và Ảnh số hóa
3. Bài giảng Xử lý ảnh số 3
GV. Mai Cường Thọ
2. Hệ thống xử lý ảnh
- Xử lý ảnh: Ảnh vào → Ảnh kết quả.
- Đối tượng xử lý của hệ thống ở đây là các ảnh (hàm 2 biến liên tục hoặc rời rạc).
- Có thể tóm tắt hệ thống xử lý ảnh gồm các giai đoạn chính như sau:
Hình 1.2 Các giai đoạn chính trong hệ thống xử lý ảnh
+ Thu nhận ảnh: - Qua các camera (tương tự, số).
- Từ vệ tinh qua các bộ cảm ứng (Sensors).
- Qua các máy quét ảnh (Scaners).
+ Số hóa ảnh: Biến đổi ảnh tương tự thành ảnh rời rạc để xử lý bằng máy tính:
Thông qua quá trình lấy mẫu (rời rạc về mặt không gian) và lượng tử hóa (rời rạc về
mặt biên độ).
+ Xử lý số: là một tiến trình gồm nhiều công đoạn nhỏ: Tăng cường ảnh
(Enhancement), khôi phục ảnh (Restoration), phát hiện biên (Egde Detection), phân
vùng ảnh (Segmentation), trích chọn các đặc tính (Feature Extraction)...
+ Hệ quyết định: Tùy mục đích của ứng dụng mà chuyển sang giai đoạn khác là
hiển thị, nhận dạng, phân lớp, truyền thông…
II. Các vấn đề cơ bản trong xử lý ảnh
1. Biểu diễn và mô hình hóa ảnh
Biểu diễn ảnh
- Ảnh có thể xem là một hàm 2 biến chứa các thông tin như biểu diễn của một ảnh.
Các mô hình biểu diễn ảnh cho ta một mô tả logic hay định lượng của hàm này. Dựa
vào phần tử đặc trưng của ảnh đó là pixel. Giá trị pixel có thể là một giá trị vô
hướng, hoặc là 1 vector (3 thành phần trong trường hợp ảnh màu).
- Ta có thể biểu diễn ảnh bằng hàm toán học, hoặc các ma trận điểm. Trong mô
hình toán học, ảnh hai chiều được biểu diễn nhờ các hàm hai biến, đó là
4. Bài giảng Xử lý ảnh số 4
GV. Mai Cường Thọ
∑ ∑
∞
−∞
=
∞
−∞
=
−
−
=
k l
l
n
k
m
l
k
S
n
m
S )
,
(
)
,
(
)
,
( δ với 1
,
0
,
1
,
0 −
≤
≤
−
≤
≤ N
l
n
M
k
m
Biểu diễn bằng hàm toán
- S: ảnh
- (m,n): Tọa độ của Pixel trong miền không gian (2D)
- s(m,n): Độ sáng (Mức xám) của pixel (m,n).
- [0-Lmax]: Thang mức xám - Vùng các mức xám được phép sử dụng. Lmax thường
là 255, nghĩa là chúng ta sử dụng thang mức xám 8 bit. 255
)
,
(
0 ≤
≤ n
m
s
- Với 1
0
,
1
0 −
≤
≤
−
≤
≤ N
n
M
m , ta gọi đó là ảnh số M x N
Biểu diễn bằng ma trận điểm:
Hình 1.3 a, Ảnh thật 10x10; b, Ảnh được zoom; c, Mô tả ảnh bằng ma trận điểm
Mô hình hóa ảnh
- Mô hình cảm nhận ảnh: Là mô hình biểu diễn thông qua các thuộc tính cảm nhận
ảnh (màu sắc, cường độ sáng), các thuộc tính về thời gian, các cảm nhận về phối
cảnh, bố cục.
- Mô hình cục bộ: Là mô hình biểu diễn thể hiện mối tương quan cục bộ của các
phần tử ảnh (ứng dụng cho các bài toán xử lý và nâng cao chất lượng ảnh).
- Mô hính tổng thể: Là mô hình biểu diễn ảnh xem ảnh như là một tập hợp các đối
tượng, và các đối tượng này có mối quan hệ không gian với nhau (ứng dụng cho các
bài toán phân nhóm và nhận dạng ảnh).
2. Tăng cường ảnh
Mục đích: Tăng cường các thuộc tính cảm nhận, làm cho ảnh tốt lên theo một ý
nghĩa nào đó, tiện phục vụ cho các xử lý tiếp theo.
5. Bài giảng Xử lý ảnh số 5
GV. Mai Cường Thọ
Các thao tác:
- Thay đổi độ tương phản, thay đổi màu sắc, cường độ sáng, lọc nhiễu, nội suy, làm
trơn ảnh.
Các phương pháp chính:
- Các phương pháp thao tác trên điểm (Point Operation)
- Các thao tác không gian (Spatial Operation)
3. Khôi phục ảnh
Mục đích: Khôi phục lại ảnh ban đầu, loại bỏ các biến dạng ra khỏi ảnh tùy theo
nguyên nhân gây ra biến dạng.
∫ ∫
∞
∞
−
∞
∞
−
+
= ))
,
(
(
)
,
(
)
,
;
,
(
)
,
( y
x
d
d
f
y
x
h
y
x
g η
β
α
β
α
β
α
)
,
( y
x
η là hàm biểu diễn nhiễu cộng.
)
,
( β
α
f là hàm biểu diễn đối tượng.
)
,
( y
x
g là ảnh thu nhận.
)
,
;
,
( β
α
y
x
h là đáp ứng xung của hệ thống, còn gọi là hàm tán xạ điểm (Point Spread
Function- PSF).
Một vấn đề khôi phục ảnh tiêu biểu là tìm một xấp xỉ của )
,
( β
α
f khi PSF có thể
đo lường hay quan sát được, ảnh mờ và các tính chất sác xuất của quá trình nhiễu.
Các thao tác: lọc nhiễu, giảm độ méo,…
Các phương pháp: lọc ngược, lọc thích nghi (Wiener), khôi phục ảnh từ các hình
chiếu.
4. Biến đổi ảnh
Mục đích: Biến đổi thể hiện của ảnh dưới các góc nhìn khác nhau tiến cho việc xử
lý, phân tích ảnh.
Các phương pháp: Biến đổi Fourier, Sin, Cosin, KL, …
5. Phân tích ảnh
Mục đích: Tìm ra các đặc trưng của ảnh, xây dựng quan hệ giữa chúng dựa vào
các đặc trưng cục bộ.
Các thao tác: Tìm biên, tách biên, làm mảnh đường biên, phân vùng ảnh, phân
loại đối tượng.
Hệ thống thu
nhận ảnh
Ảnh đầu ra
)
,
( y
x
g
Ảnh đầu vào
)
,
( β
α
f
)
,
;
,
( β
α
y
x
h
6. Bài giảng Xử lý ảnh số 6
GV. Mai Cường Thọ
Các phương pháp: Phương pháp phát hiện biên cục bộ, dò biên theo qui hoạch
động, phân vùng theo miền đồng nhất, phân vùng dựa theo đường biên…
6. Nén ảnh
Mục đích: giảm không gian lưu trữ, thuận tiện truyền thông trên mạng.
Phương pháp: nén không mất thông tin, nén mất thông tin
+ Nén không mất thông tin (nén chính xác): khai thác các thông tin dư thừa.
+ Nén mất thông tin: khai thác các thông tin dư thừa và các thông tin không liên
quan.
- Hiện nay có một số chuẩn nén hay dùng: JPEG, MPEG (JPEG-2000, MPEG-4)
7. Nhận dạng
- Nhận dạng ảnh là quá trình liên quan đến mô tả đối tượng mà người ta muốn đặc
tả nó. Thường đi sau quá trình trích chọn các đặc tính của đối tượng.
- Có 2 kiểu mô tả đối tượng:
+ Mô tả theo tham số (nhận dạng theo tham số).
+ Mô tả theo cấu trúc (nhận dạng theo cấu trúc).
Ứng dụng: nhận dạng đối tượng, mặt, vân tay, văn bản…
- Nhận dạng chữ in hoặc đánh máy phục vụ cho việc tự động hóa việc đọc tài liệu,
tăng nhanh tốc độ và chất lượng thu nhận thông tin từ máy tính.
- Nhận dạng chữ viết tay (với một số ràng buộc)
Mạng nơron là một kỹ thuật mới đang được áp dụng vào nhận dạng và cho kết
quả khả quan.
III. Một số quan hệ cơ bản giữa các pixel
- Gọi f(x,y) là ảnh số, p, q là các điểm ảnh, S là một tập con các điểm ảnh.
1. Quan hệ láng giềng (neighborhood)
Cho điểm ảnh p(x,y)
- Các láng giềng theo hướng đứng, ngang N4(p): (x+1,y), (x-1,y), (x,y+1), (x,y-1)
- Các láng giềng theo hướng chéo ND(p): (x+1,y+1), (x+1,y-1), (x-1,y+1), (x-1,y-1)
- Các láng giềng theo 8 hướng N8(p): N4(p) + ND(p)
2. Quan hệ liên thông (Conectivity)
N4(p) ND(p) N8(p)
7. Bài giảng Xử lý ảnh số 7
GV. Mai Cường Thọ 2
2
1
2
2
1
1
2
2
1
2
2
0
- Quan hệ liên thông giữa 2 pixel là quan trọng bởi vì: nó được sử dụng để thiết lập
các đường biên của đối tượng và các thành phần của các vùng ảnh.
- Hai pixel là có quan hệ liên thông với nhau nếu:
+ Chúng là láng giềng của nhau
+ Các giá trị xám của chúng thỏa mãn tiêu chuẩn nhất định về sự tương đồng.
- Với S
p∈
∀ , thì tập các pixel trong S có liên thông với p thì được gọi là một thành
phần liên thông của S.
- Nếu S chỉ có 1 thành phần liên thông, thì S được gọi là 1 tập liên thông.
3. Quan hệ lân cận (Adjacency)
Gọi V là tập các giá trị xám dùng để định nghĩa lân cận. Ví dụ {}
1
=
V là một tập
định nghĩa cho lân cận của các pixel có giá trị 1.
- 4-Adjacency: 2 pixel p,q là 4-Adjacency nếu )
(
4 p
N
q ∈
- 8-Adjacency: 2 pixel p,q là 8-Adjacency nếu )
(
8 p
N
q ∈
- m-Adjacency: 2 pixel p,q là m-Adjacency nếu:
+ )
(
4 p
N
q ∈ hoặc )
(p
N
q D
∈ và V
p
N
p
N D ∉
∩ )
(
)
(
4
m-Adjacency là sự cải tiến của 8-Adjacency, nhằm loại bỏ bớt các đường liên kết
kép thường gặp phải khi ta dùng 8-Adjacency.
2 ảnh con S1, S2 được gọi là lân cận nhau nếu: một số pixel trong S1 là lân cận
của một số pixel trong S2
6. Khoảng cách giữa các pixel (Distance Measures)
Cho p(x,y), q(s,t), z(u,v). D là hàm xác định khoảng cách.
+ D(p,q) ≥ 0 (D(p,q)=0 nếu p=q)
+ D(p,q) = D(q,p) và
+ D(p,z) ≤ D(p,q) + D(q,z)
Khoảng cách Euclidean (De Distance)
( ) ( )2
2
)
,
( t
y
s
x
q
p
De −
+
−
=
- Các điểm có khoảng cách Euclidean nhỏ hơn hoặc bằng r kể từ (x,y) là nằm trong
đường tròn bán kính r tâm tại (x,y).
City-Block Distance (D4 Distance)
8. Bài giảng Xử lý ảnh số 8
GV. Mai Cường Thọ
2
2
2
2
2
2
1
1
1
2
2
1
1
2
2
1
1
1
2
2
2
2
2
2
0
– D4(p,q) = |x-s| + |y-t|
Ví dụ: Tập các pixel với D4 2
≤ kể từ p(x,y):
ChessBoard Distance (D4 Distance)
– D8(p,q) = max(|x-s|,|y-t|)
Ví dụ: Tập các pixel với D8 2
≤ kể từ p(x,y):
Rõ ràng là D4, D8 là độc lập với bất cứ các đường (path) tồn tại nối giữa các điểm.
Bởi vì việc tính khoảng cách này ta chỉ quan tâm tới tọa độ của các điểm (không chú
ý đến việc có tồn tại các đường liên thông giữa chúng hay không).
IV. Các mô hình màu
Mô hình màu
Là phương pháp diễn giải các đặc tính và tác động của màu trong ngữ cảnh nhất
định. Không có mô hình màu nào là đầy đủ cho mọi khía cạnh của màu Người ta sử
dụng các mô hình màu khác nhau để mô tả các tính chất được nhận biết khác nhau
của màu.
Thí dụ:
Dải phổ điện từ (Electromagnetic (EM)) Spectrum
9. Bài giảng Xử lý ảnh số 9
GV. Mai Cường Thọ
+ Mô hình màu RGB: ánh sáng Red, Green và Blue ứng dụng cho màn hình, TV.
+ Mô hình HSV: Nhận thức của con người.
+ Mô hình CYK: Máy in.
II.1 Màu cơ sở và biểu đồ màu CIE
Năm 1931: CIE (Commision Internationale de l’Éclairage) xây dựng màu cơ sở
chuẩn quốc tế:
• Cho phép các màu khác được định nghĩa như tổng trọng lượng của ba màu cơ sở.
• Do không tồn tại 3 màu cơ sở chuẩn trong phổ nhìn thấy để tổng hợp màu mới -
CIE sử dụng các màu tưởng tượng.
• Mỗi màu cơ sở trong CIE được xác định bằng đường cong phân bổ năng lượng.
• Nếu A, B, C là tổng số các màu cơ sở chuẩn cần xác định màu cho trước trong
phổ nhìn thấy thì các thành phần của màu sẽ là:
• Nhưng x+y+z=1 cho nên chỉ cần 2 giá trị có thể xác định màu mới
• Cho khả năng biểu diễn mọi màu trên biểu đồ 2D - Biểu đồ CIE
Biểu đồ CIE
• Khi vẽ các giá trị x, y của màu trong phổ nhìn thấy - Biểu đồ CIE là đường cong
hình lưỡi (còn gọi là biểu đồ kết tủa – CIE Chromaticity Diagram)
• Các điểm màu gán nhãn trên đường cong từ violet (400 nm) đến red (700 nm)
• Điểm C tương ứng màu trắng (ánh sáng ban ngày)
• Biểu đồ CIE là phương tiện lượng hóa độ tinh khiết và bước sóng trội:
• Độ tinh khiết của điểm màu C1: được xác định bằng khoảng cách tương đối của
đoạn thẳng nối C với đường cong qua C1.
• Màu bù: biểu diễn bởi 2 điểm cuối C3, C4 của đoạn thẳng đi qua C.
• Gam màu xác định bởi 2 điểm: biểu diễn bởi đoạn thẳng nối hai điểm màu C5, C6.
• Gam màu xác định bởi 3 điểm: ba điểm C7, C8, C9 chỉ xác định màu trong tam
giác.
C
B
A
C
z
C
B
A
B
y
C
B
A
A
x
+
+
=
+
+
=
+
+
=
10. Bài giảng Xử lý ảnh số 10
GV. Mai Cường Thọ
Hình vẽ biểu đồ màu CIE
• Ứng dụng biểu đồ CIE để so sánh gam màu các thiết bị ngoại vi. Máy in không thể
in mọi màu hiển thị trên màn hình.
C
C2
C1
C3
C4
C5
C6
C7
C9 C8
11. Bài giảng Xử lý ảnh số 11
GV. Mai Cường Thọ
Quan niệm về màu trực giác
• Họa sỹ vẽ tranh màu bằng cách trộn các chất màu với chất màu trắng và chất màu
đen để có shade, tint và tone khác nhau:bắt đầu từ màu tinh khiết, bổ sung đen để có
bong (shade) màu. Nếu bổ sung chất màu trắng sẽ có tint khác nhau. Bổ sung cả chất
màu trắng và đen sẽ có tone khác nhau.
• Cách biểu diễn này trực giác hơn mô tả màu bằng ba màu cơ sở. Các bộ chương
trình đồ họa có cả hai mô hình màu: cho người sử dụng dễ tương tác với màu, các
thành phần màu ứng dụng trên các thiết bị.
+ Để tiện biểu diễn, các không gian màu dưới đây đều được chuẩn hóa về 1.
II.2 Mô hình màu RGB
- Mọi màu được biểu diễn bởi không gian màu RGB đều là sự pha trộn của 3 thành
phần màu cơ bản (Red, Green, Blue).
- Mô hình màu RGB được biểu diễn bởi khối lập phương với các trục R, G, B.
Nhận xét
• Mô hình này không thể biểu diễn mọi màu trong phổ nhìn thấy
• Đủ cho các ứng dụng máy tính
• Màn hình máy tính và TV sử dụng mô hình này
• Được sử dụng rộng rãi nhất
• Đơn giản
Xám hóa ảnh màu RGB
mức xám = 0.299R + 0.587G + 0.114B
Hoặc mức xám = 0.333R + 0.333G + 0.333B
Red=(1,0,0)
Black=(0,0,0)
Magenta=(1,0,1)
Blue=(0,0,1) Cyan=(0,1,1)
White=(1,1,1)
Green=(0,1,0)
Yellow=(1,1,0)
Tải bản FULL (19 trang): https://bit.ly/3kJ69BF
Dự phòng: fb.com/TaiHo123doc.net
12. Bài giảng Xử lý ảnh số 12
GV. Mai Cường Thọ
II.3 Mô hình màu CMY
-Gồm 3 thành phần màu cơ bản cyan, magenta, yellow. Là bù màu của không
gian GRB.
Mối quan hệ giữa 2 không gian
C = 1.0 – R
M = 1.0 - G
Y = 1.0 - B
Phương pháp pha trộn màu trong cuộc sống
Additive
Red
Blue
Green
Cyan
Magenta
Yellow White
Substractive
Cyan
Yellow
Magenta
Red
Green
Blue Black
II.4. Mô hình màu CMYK
Là sự mở rộng mô hình màu CMK bằng cách thêm vào thành phần màu Black
(K). Bởi vì với thành phần màu Black tinh khiết sẽ cho ta độ tương phản cao hơn.
Mối quan hệ CMY và CMYK
K = min(C, M, Y)
C = C - K
M = M - K
Y = Y - K
II.3 Mô hình màu HSV
• Thay vì chọn các phần tử RGB để có màu mong muốn, người ta chọn các tham số
màu: Hue, Saturation và Value (HSV)
• Mô hình HSV suy diễn từ mô hình RGB: hãy quan sát hình hộp RGB theo đường
chéo từ White đến Black (gốc) - ta có hình lục giác, sử dụng làm đỉnh hình nón
HSV.
3131736