Xử lý ảnh : Erosion, Dilation, Opening, Closing

Hôm nay tôi muốn giới thiệu một số phương pháp xử lý ảnh nhị phân hóa sẽ được sử dụng trong tiền xử lý hoặc hậu xử lý. Tùy theo dữ liệu mà chúng ta áp dụng cách xử lý phù hợp và bộ lọc phù hợp. Thao tác này sẽ giúp bức ảnh sau khi xử lý được loại bỏ nhiễu, cân bằng sáng… ảnh hưởng đến chất lượng bức ảnh. Trong bài viết hôm nay, tôi muốn giới thiệu 4 phương pháp:

  1. Xói mòn
  2. Mở rộng
  3. Mở
  4. Kết thúc
  5. Trước khi bắt đầu tìm hiểu, chúng ta cùng xem hình bên dưới để hiểu quy trình của phương pháp trên.

    😃

    a-ảnh gốc b-mở rộng c-ăn mòn e-mở f-đóng

    Ta có các công thức sau để xác định xói mòn và quay số:

    Với : Xử lý ảnh : Erosion, Dilation, Opening, Closing

    Xử lý ảnh : Erosion, Dilation, Opening, Closing

    Trong đó s là ma trận pixel của ảnh, f là bộ lọc, có thể là mảng hoặc ma trận nhị phân, tùy vào kiểu dữ liệu mà ta sẽ chọn bộ lọc có kích thước phù hợp.

    Xói mòn

    Erosion hay còn gọi là xói mòn, là một trong hai toán tử cơ bản trong lĩnh vực hình thái toán học. Nó thường được áp dụng cho ảnh nhị phân, tuy nhiên cũng có những phiên bản sẽ áp dụng cho ảnh thang độ xám, tuy nhiên trong phạm vi bài viết hôm nay mình chỉ tập trung vào ảnh nhị phân. Mục đích của phương pháp này là giúp:

    1. Xóa các pixel nhiễu bị cô lập
    2. Loại bỏ các pixel nhiễu xung quanh đối tượng và làm cho cạnh (cạnh) của đối tượng mượt mà hơn
    3. Bỏ viền (cạnh) đối tượng, thu nhỏ đối tượng và đặt các pixel viền đó làm lớp nền của đối tượng, ta có ví dụ sau:
    4. Mở rộng

      sự giãn nở hay sự giãn nở là toán tử thặng dư được đề cập ở trên, ngược lại với sự xói mòn, cũng có thể áp dụng cho ảnh nhị phân. Mục đích của phương pháp này là giúp:

      1. Hình ảnh chấm rất hữu ích để hợp nhất hình ảnh
      2. Các pixel nhiễu xung quanh đối tượng sẽ trở thành ranh giới của đối tượng
      3. Giúp làm nổi bật thêm đối tượng trong ảnh, chúng ta có ví dụ sau:
      4. Mở đầu

        Mở = Xói mòn Mở rộng tiếp theo:

        Kết thúc

        đóng = mở rộng xói mòn tiếp theo

        Chúng ta có hình ảnh trực quan sau:

        Áp dụng cách tiếp cận linh hoạt dựa trên loại dữ liệu và yêu cầu của vấn đề.

        Bài tập

        Đến phần code, đây là phần tôi quan tâm nhất

        Xói mòn

        Mở rộng

        Tham khảo:

        Bài viết trên được biên soạn khi tôi đang nghe bài giảng của thầy Định, giảng viên trường Đại học Bách Khoa Hà Nội, đây là một số tài liệu tham khảo:

        • thư viện opencv
        • Tầm nhìn máy tính: Thuật toán và ứng dụng, 2010, của Richard szelisk
        • Cảm ơn các bạn đã theo dõi bài viết của mình

Để lại một bình luận

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *