Đối tượng trong Hình 1.2b cũng được thao tác theo cách tương tự, đó là Hình 1.2b được phóng to thêm một pixel ở tất cả các cạnh. Việc kéo dài có thể được thực hiện cho đến khi toàn bộ hình ảnh được thay thế bằng các pixel màu đen. A là đối tượng hình ảnh cần thao tác và B được gọi là phần tử cấu trúc (viết tắt là Structure).
Phép co nhị phân (Erotion)
Nghĩa là, phần bù của sự co lại của ảnh A theo B được coi là sự mở rộng phần bù của A theo tập nghịch đảo của B. Hoặc, việc hoàn thành việc thu gọn A theo B được coi là sự mở rộng của nền của ảnh A (ta sử dụng quy ước trong ảnh nhị phân là: đối tượng trong ảnh quan sát được các chấm đen, ảnh A gồm các chấm đen và nền).
Phép mở (Opening)
Chúng tôi nhận ra một điều quan trọng: sự co lại và sự mở rộng không phải là những hoạt động đối lập nhau. Có thể đúng là trong một số trường hợp, sự co lại sẽ đảo ngược tác dụng của sự giãn nở.
Phép đóng (Closing)
Thông thường hình ảnh được camera ghi lại là tín hiệu analog (máy ảnh ống CCIR), nhưng cũng có thể là tín hiệu số (Thiết bị ghép nối sạc loại CCD). Hình ảnh cũng có thể được vệ tinh chụp lại thông qua cảm biến hoặc được quét ảnh và hình ảnh vào một máy quét.
Một số ứng dụng cơ bản của xử lý ảnh
Cuối cùng, tùy thuộc vào mục đích của ứng dụng, một giai đoạn nhận dạng, phân loại hoặc các quyết định khác sẽ diễn ra. Xử lý hình ảnh được sử dụng rộng rãi trong các hệ thống quản lý chất lượng và số lượng trong dây chuyền sản xuất tự động, như hệ thống phân tích hình ảnh phát hiện bọt khí trong vật thể nhựa đúc, phát hiện các chi tiết kém chất lượng (biến dạng) trong quá trình sản xuất hay hệ thống đếm sản phẩm qua hình ảnh nhận được từ camera giám sát. Xử lý hình ảnh cũng được sử dụng rộng rãi trong luật hình sự và trong các hệ thống kiểm soát truy cập hoặc an ninh: xử lý hình ảnh để nhận dạng dấu vân tay hoặc khuôn mặt giúp phát hiện nhanh chóng các nghi phạm.
Ngoài ra, chúng ta có thể kể đến những ứng dụng quan trọng khác của kỹ thuật xử lý ảnh tĩnh cũng như ảnh động trong đời sống như nhận dạng tự động, nhận dạng mục tiêu quân sự, thị giác máy công nghiệp trong các hệ thống điều khiển tự động nén ảnh tĩnh và ảnh chuyển động để lưu trữ và truyền tải trong mạng viễn thông, vân vân.
XƢƠNG VÀ CÁC THUẬT TOÁN TÌM XƢƠNG 2.1 Khái niệm xƣơng 2.1 Khái niệm xƣơng
Các hƣớng tiếp cận trong việc tìm xƣơng
- Tìm xƣơng dựa trên làm mảnh
- Tìm xƣơng không dựa trên làm mảnh
- Khái quát lƣợc đồ Voronoi
- Xƣơng Voronoi rời rạc
Thuật toán phân mảnh là một quá trình lặp đi lặp lại việc xem xét và kiểm tra tất cả các điểm thuộc đối tượng. Đối tượng được loại bỏ dần dần khỏi lớp biên cho đến khi nó chỉ còn lại các điểm biên. Trong thuật toán làm mỏng liên tiếp, các điểm thuộc đối tượng sẽ được xét theo một thứ tự nhất định (ví dụ: các điểm được xét từ trái sang phải, từ trên xuống dưới).
Vì vậy cần tính khoảng cách tới tất cả các điểm biên của ảnh. Tuy nhiên, việc chia tập hợp các điểm biên thành hai phần không phải thực hiện một lần mà được lặp đi lặp lại nhiều lần cho đến khi việc tính toán sơ đồ Voronoi trở nên đơn giản. Giả sử ở bước i, chúng ta đã thu được sơ đồ Voronoi bao gồm i-1 hàng điểm tạo Vor.
Tiếp theo, chúng tôi quét một hàng pixel từ tập hợp các điểm ranh giới còn lại. Do đó, chúng ta sẽ có một sơ đồ mới và thực hiện quét lại các điểm tạo còn lại v.
Cắt tỉa xƣơng của ảnh .1 Khái niệm cắt tỉa xƣơng
- Kỹ thuật cắt tỉa xƣơng với DCE .1 Ý tƣởng chính của phƣơng pháp
- Rời rạc hóa đƣờng cong
- Phƣơng pháp cắt tỉa xƣơng với DCE
Phương pháp này có thể cắt xương dựa trên việc chia ranh giới thành các đoạn cong. Ý tưởng cơ bản của sự phát triển được đề xuất là các đa giác đều đơn giản hơn. Đầu vào là một ranh giới đa giác P có n đỉnh, DCE tạo ra một chuỗi các đa giác đơn giản với K là nhỏ nhất.
Tác giả cũng chỉ ra một đặc tính quan trọng của DCE là phân vùng tuần tự với các đa giác đầu vào P. Phương pháp cắt tỉa đề xuất có thể áp dụng cho mặt phẳng D, trong đó ranh giới D gồm một số đa giác, đóng đơn giản. Nói cách khác, tìm kiếm k sao cho đa giác đơn Pn-k mô tả chi tiết các ranh giới đầu vào.
Mỗi điểm cắt tỉa phát sinh từ ranh giới cục bộ với phân bố DCE và do đó có thể được coi là điểm xương không quan trọng và có thể bị loại bỏ. Quá trình đơn giản hóa đường viền bằng DCE đã hoàn thành việc cắt tỉa cành từ xương.
KỸ THUẬT CẮT TỈA XƢƠNG DỰA VÀO ĐỘ UỐN UỐN
Giới thiệu
Bộ xương (a) có nhiều nhánh bổ sung, để loại bỏ chúng, phương pháp cắt tỉa xương được áp dụng. Nhiều phương pháp đã được các tác giả đề xuất để phát triển kỹ thuật cắt xương. Một số người khác gán thước đo ý nghĩa cho các điểm xương hoặc nhánh xương, sau đó các điểm xương hoặc nhánh xương sẽ bị lược bỏ khi giá trị tầm quan trọng nhỏ hơn giá trị ngưỡng.
Thứ hai, kết quả của việc cắt xén là không thể hiện được những chi tiết nhỏ. Thứ ba, đôi khi kết quả của việc cắt tỉa trái ngược với trực giác của con người. Để khắc phục những hạn chế nêu trên của các phương pháp tỉa xương hiện nay, các tác giả Wei Shena, Xiang Baia, Rong Hu, Hongyuan Wang, Đăng nhập Jan Latec ki đã đề xuất phương pháp tỉa xương dựa trên số đo. Ý nghĩa được gọi là Tỷ lệ tiềm năng uốn cong (BPR).
Việc quyết định có tỉa cành xương hay không tùy thuộc vào bối cảnh của đoạn ranh giới tương ứng với nhánh xương. Phương pháp BPR đã chứng minh sự đóng góp của đoạn ranh giới đó vào việc đánh giá hình dạng tổng thể chứ không chỉ đánh giá hình dạng cục bộ như các phương pháp cắt xương khác.
Phƣơng pháp cắt tỉa xƣơng theo BPR (Bending Potential Ratio) .1 Định nghĩa cơ bản
- Tỷ lệ uốn (BPR – Bending Potential Ratio) .1 Định nghĩa của tỷ lệ uốn .1 Định nghĩa của tỷ lệ uốn
- Xác định tỷ lệ uốn BPR
- Mối quan hệ của BPR với các độ đo ý nghĩa khác Bằng công thức (3.7), (3.8) và (3.11) chúng ta có được
- Đề xuất cho phát triển cắt tỉa xƣơng
- Tiêu chí để cắt tỉa nhánh xƣơng giả
- Phát triển xƣơng cắt tỉa
- Độ phức tạp của BPR
- Kết luận
BPR là thước đo tầm quan trọng, trái ngược với các thước đo tầm quan trọng khác, chỉ chứa thông tin về hình dạng cục bộ của đường viền trong một bối cảnh nhất định; mô tả khả năng uốn cong một đoạn đường viền. Tập hợp các điểm sinh R(p) là tập hợp các điểm trên đường viền C gần điểm p nhất hoặc là 8 điểm lân cận của p nằm bên trong đường viền, tức là. Khi một đoạn đường viền là một tập hợp các pixel, chúng tôi đo độ dài của đoạn đường viền bằng tổng khoảng cách Euclide giữa mỗi cặp pixel lân cận.
Thông thường, điểm then chốt g không nằm trên đường viền, trừ khi đoạn đường viền là một đoạn của đa giác đối xứng như trên Hình 3.3b. Dễ dàng nhận thấy hg cung cấp thông tin hình dạng cục bộ của đoạn đường viền C(q1, q2), với độ dài cung l (q1, q2), một thuộc tính của đoạn đường viền. Đoạn đường đồng mức có điểm có độ cong lớn nhất và được nối giữa.
Cùng một đoạn đường viền có thể có nhiều đoạn, có thể được coi là không đáng kể nếu nó trải dài trên phần lớn của hình, trong khi nếu nó trải dài trên một phần nhỏ của hình thì nó có thể được coi là có khả năng phân biệt. Lưu ý rằng các nhánh giả được đánh dấu cùng màu được tạo từ các đoạn đường viền không có ý nghĩa cùng màu.
KẾT QUẢ THỰC NGHIỆM 4.1 Môi trƣờng cài đặt 4.1 Môi trƣờng cài đặt
Một số kết quả tìm xƣơng khác nhau của các phƣơng pháp
Phương pháp tìm xương theo DCE với N = 15, N là số đỉnh được DCE chọn. Ảnh hưởng của các giá trị ngưỡng t khác nhau lên xương của đối tượng được minh họa trong Hình 4.4. Do đó, có thể thu được nhiều chi tiết xương hơn bằng cách đặt giá trị ngưỡng t với các giá trị BPR khác nhau.
Minh họa xương của đối tượng sử dụng các ngưỡng khác nhau, t là giá trị ngưỡng. Tìm hiểu thuật toán cắt xương ảnh dựa trên BPR (Tỷ lệ tiềm năng uốn) do Wei Shena et al [4] đề xuất. Tôi đã cài đặt thử nghiệm chương trình thử nghiệm tìm và cắt xương dựa trên phép đo BBR và so sánh với kết quả tìm xương bằng chức năng tìm xương của Matlab.
Tuy nhiên, thời gian và năng lực chuyên môn còn hạn chế trong quá trình thực hiện nên đồ án chỉ dừng lại ở mức độ đọc, dịch và hiểu tóm tắt phương pháp, chưa có sự đánh giá toàn diện về phương pháp. Nếu có điều kiện tôi sẽ đọc và nghiên cứu các bài viết để tổng hợp nhiều phương pháp và đưa ra những đánh giá dứt khoát dựa trên những gì đã học.
