TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

VIỆN ĐIỆN TỬ - VIỄN THÔNG

ĐỒ ÁN MÔN HỌC
XỬ LÝ ẢNH SỐ

Đề tài:

KHÔI PHỤC ẢNH

Người hướng dẫn: TS. Lê Thị Lan

Nhóm SVTH: 15

Tên MSSV

Nguyễn Thành Đạt 20172466

Nguyễn Lê Vinh 20172919

Nguyễn Văn Toán 20172852

1
 Hà Nội, 02/2022

ĐÁNH GIÁ QUYỂN ĐỒ ÁN TỐT NGHIỆP

(Dùng cho giảng viên hướng dẫn)

Tên giảng viên đánh giá:..................................................................................................

Họ và tên sinh viên:........................................................MSSV:......................................

Tên đồ án:.........................................................................................................................

..........................................................................................................................................

Chọn các mức điểm phù hợp cho sinh viên trình bày theo các tiêu chí dưới đây:

Rất kém (1); Kém (2); Đạt (3); Giỏi (4); Xuất sắc (5)

Có sự kết hợp giữa lý thuyết và thực hành (20)

Nêu rõ tính cấp thiết và quan trọng của đề tài, các vấn đề và các giả thuyết (bao
1 1 2 3 4 5
gồm mục đích và tính phù hợp) cũng như phạm vi ứng dụng của đồ án

2 Cập nhật kết quả nghiên cứu gần đây nhất (trong nước/quốc tế) 1 2 3 4 5

3 Nêu rõ và chi tiết phương pháp nghiên cứu/giải quyết vấn đề 1 2 3 4 5

4 Có kết quả mô phỏng/thực nghiệm và trình bày rõ ràng kết quả đạt được 1 2 3 4 5

Có khả năng phân tích và đánh giá kết quả (15)

Kế hoạch làm việc rõ ràng bao gồm mục tiêu và phương pháp thực hiện dựa trên
5 1 2 3 4 5
kết quả nghiên cứu lý thuyết một cách có hệ thống

Kết quả được trình bày một cách logic và dễ hiểu, tất cả kết quả đều được phân
6 1 2 3 4 5
tích và đánh giá thỏa đáng

Trong phần kết luận, tác giả chỉ rõ sự khác biệt (nếu có) giữa kết quả đạt được

7 và mục tiêu ban đầu đề ra đồng thời cung cấp lập luận để đề xuất hướng giải 1 2 3 4 5

quyết có thể thực hiện trong tương lai

Kỹ năng viết quyển đồ án (10)

2
 Đồ án trình bày đúng mẫu quy định với cấu trúc các chương logic và đẹp mắt

(bảng biểu, hình ảnh rõ ràng, có tiêu đề, được đánh số thứ tự và được giải thích

8 hay đề cập đến; căn lề thống nhất, có dấu cách sau dấu chấm, dấu phảy v.v.), có 1 2 3 4 5

mở đầu chương và kết luận chương, có liệt kê tài liệu tham khảo và có trích dẫn

đúng quy định

Kỹ năng viết xuất sắc (cấu trúc câu chuẩn, văn phong khoa học, lập luận logic
9 1 2 3 4 5
và có cơ sở, từ vựng sử dụng phù hợp v.v.)

Thành tựu nghiên cứu khoa học (5) (chọn 1 trong 3 trường hợp)

Có bài báo khoa học được đăng hoặc chấp nhận đăng/Đạt giải SVNCKH giải 3

10a cấp Viện trở lên/Có giải thưởng khoa học (quốc tế hoặc trong nước) từ giải 3 trở 5

lên/Có đăng ký bằng phát minh, sáng chế

Được báo cáo tại hội đồng cấp Viện trong hội nghị SVNCKH nhưng không đạt

10b giải từ giải 3 trở lên/Đạt giải khuyến khích trong các kỳ thi quốc gia và quốc tế 2

khác về chuyên ngành (VD: TI contest)

10c Không có thành tích về nghiên cứu khoa học 0

Điểm tổng /50

Điểm tổng quy đổi về thang 10

Nhận xét khác (về thái độ và tinh thần làm việc của sinh viên)

....................................................................................................................................

....................................................................................................................................

....................................................................................................................................

....................................................................................................................................

....................................................................................................................................

....................................................................................................................................

Ngày: … / … / 20…

Người nhận xét

(Ký và ghi rõ họ tên)

3
4
 LỜI NÓI ĐẦU

Xử lý ảnh ngày nay đang trở thành một đề tài được nhiều người nghiên cứu, không
nằm ngoài quy luật đó, nhóm chúng em cũng xin làm về đề tài này. Đề tài mà chúng
em lựa chọn trong môn học này là “Khôi phục ảnh”, một bức ảnh bị nhiễu chúng em
thực hiện khôi phục lại ảnh gốc bằng cách sử dụng các bộ lọc đặc trưng.

Đề tài này chỉ dừng lại ở việc trình bày những hiểu biết cơ bản cùng với những
thông tin cơ bản về các bộ lọc chuyên dụng.

Ở cuối phần tổng kết nhóm chúng em cũng xin đề xuất một vài hướng phát triển
tiếp của đề tài này, rất mong được quý thầy cô và các bạn độc giả đọc và góp ý thêm.

Chúng em cũng xin gửi lời cảm ơn tới TS. Lê Thị Lan đã hết lòng chỉ dạy và
hướng dẫn chúng em thực hiện thành công đề tài này. Do thời gian làm đề tài khá
ngắn, nên khó có thể tránh khỏi sai sót, mong rằng quý thầy cô và các bạn sẽ góp ý
thêm để đề tài của chúng em ngày càng hoàn thiện hơn.

Chúng em xin chân thành cảm ơn!

5
 Mục lục
LỜI NÓI ĐẦU..........................................................................................................4

DANH MỤC KÝ HIỆU VÀ CHỮ VIẾT TẮT......................................................7

DANH MỤC HÌNH VẼ...........................................................................................8

DANH MỤC BẢNG BIỂU......................................................................................9

TÓM TẮT BÁO CÁO...........................................................................................10

PHẦN MỞ ĐẦU.....................................................................................................11

CHƯƠNG 1. CƠ SỞ LÝ THUYẾT.....................................................................12

1.1 Mô hình nhiễu..................................................................................................12

1.1.1 Thuộc tính không gian và tần số nhiễu...........................................................12

1.1.2 Một số hàm mật độ xác suất nhiễu quan trọng...............................................12

1.1.3 Nhiễu theo chu kỳ...........................................................................................17

1.1.4 Phục hồi hiển thị qua bộ lọc nhiễu không gian...............................................20

1.2 Mean Filters......................................................................................................22

1.2.1 Bộ lọc trung bình số học.................................................................................22

1.2.2 Bộ lọc hình học...............................................................................................22

1.2.3 Bộ lọc harmonic..............................................................................................22

1.2.4 Bộ lọc Contraharmonic...................................................................................22

1.2.5 Ví dụ minh họa Mean Filters..........................................................................23

1.2.6 Bộ lọc thống kê thứ tự....................................................................................24

1.2.7 Bộ lọc trung vị................................................................................................24

1.2.8 Bộ lọc max và min..........................................................................................25

1.2.9 Bộ lọc điểm chính giữa...................................................................................25

1.2.10 Bộ lọc trung bình cắt Alpha..........................................................................26

1.2.11 Adaptive Filters.............................................................................................26

6
1.2.12 Bộ lọc giảm nhiễu thích nghi cục bộ............................................................26

1.2.13 Bộ lọc trung vị thích nghi (Adaptive median filter).....................................27

CHƯƠNG 2. THỰC HIỆN MÔ PHỎNG............................................................30

2.1 Khôi phục bằng bộ lọc trung bình số học........................................................30

2.2 Khôi phục bằng bộ lọc trung bình hình học....................................................30

2.3 Khôi phục bằng bộ lọc trung bình Harmonic.................................................31

2.4 Khôi phục bằng bộ lọc trung bình Contrahamonic........................................31

2.5 Khôi phục bằng bộ lọc thống kê thứ tự...........................................................32

2.6 Khôi phục bằng bộ lọc trung vị thích nghi......................................................32

2.7 Khôi phục bằng bộ lọc thích nghi cục bộ........................................................33

KẾT LUẬN.............................................................................................................34

TÀI LIỆU THAM KHẢO.....................................................................................35

PHỤ LỤC................................................................................................................36

7
DANH MỤC KÝ HIỆU VÀ CHỮ VIẾT TẮT

8
 DANH MỤC HÌNH VẼ
Hình 1: Mật độ phân bố xác suất nhiễu Gaussian và Rayleigh...............................13

Hình 2: Mật độ phân bố xác suất của nhiễu Gamma và Exponential......................14

Hình 3: Mật độ phân bố xác suất của nhiễu Uniform và Impulse...........................16

Hình 4: Một vài ví dụ về nhiễu................................................................................16

Hình 5: Kết quả ảnh và histograms từ việc thêm Gaussian, Rayleigh, Gamma noise
.......................................................................................................................................17

Hình 6: Kết quả ảnh và histograms từ việc thêm Exponential, Uniform, Impulse
noise..............................................................................................................................19

Hình 7: Ảnh bị nhiễu của NASA.............................................................................20

Hình 8: Histograms sử dụng smalls strips từ nhiễu Gaussian, Rayleigh, và Uniform

.......................................................................................................................................21

Hình 9: Bộ lọc nhiễu Gaussian................................................................................24

Hình 10: Bộ lọc thống kê thứ tự..............................................................................25

Hình 11: Bộ lọc max và min....................................................................................26

Hình 12: Bộ lọc giảm nhiễu thích nghi cục bộ........................................................28

Hình 13: Kết quả khôi phục bằng bộ lọc trung bình số học....................................30

Hình 14: Kết quả khôi phục bằng bộ lọc trung bình hình học.................................30

Hình 15: Kết quả khôi phục bằng bộ lọc trung bình Harmonic...............................31

Hình 16: Kết quả khôi phục bằng bộ lọc trung bình Contraharmonic.....................31

Hình 17: Kết quả khôi phục bằng bộ lọc thống kê thứ tự........................................32

Hình 18: Kết quả khôi phục bằng bộ lọc trung vị thích nghi..................................32

Hình 19: Kết quả khôi phục bằng bộ lọc thích nghi cục bộ....................................33

9
DANH MỤC BẢNG BIỂU

10
 TÓM TẮT BÁO CÁO
Báo cáo này của chúng em thực hiện dựa trên các kiến thức thu lượm được từ
quyển Digial Image Processing, 2nd Editon, ở đề tài này chúng em đã trình bày những
khái niệm cơ bản về nhiễu và các bộ lọc cơ bản. Cuối cùng chúng em thực hiện code
và mô phỏng lại việc thực hiện của từng bộ lọc đã nêu ở phần lý thuyết.

Báo cáo của chúng em được chia làm 2 chương chính:

Chương 1: Cơ sở lý thuyết

Ở chương này chúng em trình sơ lược về các loại nhiễu ảnh hiện có, mật độ phân
bố xác suất của chúng, từ đó mà chúng em nêu nên một vài bộ lọc thông dụng để giải
quyết những loại nhiễu đã nêu ở trên.

Chương 2: Thực hành mô phỏng

Ở chương này chúng em có code và mô phỏng cho những bộ lọc mà chúng em có

nêu ở trên.

Cuối cùng chúng em rút ra kết luận cho việc mô phỏng thực nghiệm để từ đó đề
xuất một vài hướng phát triển cho đề tài này trong tương lai.

Phần phụ lục chúng em để link code mà nhóm em đã viết cho đề tài này.

11
 PHẦN MỞ ĐẦU
Như trong kỹ thuật nâng cao hình ảnh, mục tiêu cuối cùng của các kỹ thuật phục
hồi là cải tiến một hình ảnh trong một số ý nghĩa được xác định trước. Mặc dù có
những lĩnh vực chồng chéo, nâng cao chất lượng hình ảnh phần lớn là một quá trình
chủ quan, trong khi phục hồi hình ảnh là dành cho hầu hết các phần của một quá trình
khách quan.

Cố gắng phục hồi để tái tạo lại hoặc phục hồi một hình ảnh đã bị suy giảm bằng
cách sử dụng một kiến thức ưu tiên của hiện tượng suy giảm. Do đó, kỹ thuật phục hồi
là hướng tới mô hình hóa sự suy giảm chất lượng và áp dụng quy trình ngược để khôi
phục lại các hình ảnh ban đầu.

Cách tiếp cận này thường bao gồm việc xây dựng một tiêu chuẩn tốt nhất có thể,
điều đó sẽ mang lại một sự đánh giá tối ưu các kết quả mong muốn. Ngược lại, kỹ
thuật nâng cao về cơ bản là những thủ tục phỏng đoán được thiết kế để thao tác một
hình ảnh để tận dụng lợi thế của các khía cạnh tâm vật lý của hệ thống thị giác của con
người. Ví dụ, độ tương phản kéo dài được xem là một kỹ thuật nâng cao bởi vì nó
được dựa chủ yếu vào các khía cạnh làm hài lòng, có thể trình bày cho người xem,
trong khi loại bỏ các hình ảnh mờ bằng cách áp dụng một hàm được xem là một kỹ
thuật phục hồi.

Chúng ta xem xét các vấn đề khôi phục ảnh trên những điểm bị giảm suốt, hình ảnh
kỹ thuật số được đưa ra: do đó chúng ta xem xét với cảm biến, số hóa, và sự giảm sút
chỉ hiển thị từ bề ngoài Các đối tượng này, mặc dù có tầm quan trọng trong việc điều
trị tổng thể của các ứng dụng phục hồi hình ảnh, nằm ngoài phạm vi của các cuộc thảo
luận hiện nay.

12
 CHƯƠNG 1. CƠ SỞ LÝ THUYẾT
1.1 Mô hình nhiễu

Các nguồn chính của nhiễu trong hình ảnh kỹ thuật số phát sinh trong quá trình thu
hình ảnh (số hóa) và / hoặc truyền tải. Hiệu quả hoạt động của cảm biến hình ảnh bị
ảnh hưởng bởi nhiều yếu tố, chẳng hạn như điều kiện môi trường trong quá trình thu
hình ảnh, và bởi chất lượng của các yếu tố cảm nhận của mình. Ví dụ, trong việc đạt
được hình ảnh với một máy ảnh CCD, mức độ ánh sáng và cảm biến nhiệt độ là những
yếu tố chính ảnh hưởng đến số lượng nhiễu trong các kết quả hình ảnh. Hình ảnh bị
hỏng trong quá trình truyền chủ yếu do sự can thiệp trong các kênh được sử dụng để
truyền. Ví dụ, một hình ảnh truyền qua mạng không dây có thể bị hỏng do sét hoặc rối
loạn khí quyển khác.

1.1.1 Thuộc tính không gian và tần số nhiễu

Liên quan đến cuộc thảo luận của chúng em là thông số để xác định các đặc điểm
miền không gian của nhiễu, và nhiễu tương quan với các hình ảnh. Tính tần số tham
chiếu các nội dung tần số của nhiễu trong ý nghĩa Fourier (ví dụ, như trái ngược với
quang phổ điện từ). Ví dụ, khi phổ Fourier của nhiễu là không đổi, nhiễu thường được
gọi là nhiễu trắng. Thuật ngữ này là một thực hơn từ các tính chất vật lý của ánh sáng
trắng, trong đó có gần như tất cả các tần số trong quang phổ nhìn thấy trong tỷ lệ
ngang nhau.Từ các kiến thức tìm hiểu được, không khó khăn để chứng minh rằng phổ
Fourier của một hàm chứa tất cả các tần số trong tỷ lệ ngang nhau là một hằng số.

Ngoại trừ nhiễu không gian theo chu kỳ, chúng tôi giả định trong chương này là
nhiễu là độc lập trong tọa độ không gian, và nó là không tương quan tới hình ảnh .Mặc
dù những giả định này không có ý nghĩa với 1 vài ứng dụng (lượng tử giới hạn hình
ảnh, chẳng hạn như trong X-quang và y học hạt nhân, hình ảnh), sự phức tạp của đối
phó với nhiễu phụ thuộc không gian và tương quan nằm ngoài phạm vi của thảo luận
của chúng tôi.

1.1.2 Một số hàm mật độ xác suất nhiễu quan trọng

1.1.2.1 Gaussian noise

Hàm nhiễu Gaussian được cho bởi

13
 2
( z−μ )
1 2σ
2

p ( z )= e
√2 πσ
Ở đây z đại diện cho cấp độ màu xám, µ là giá tị trung bình của z, được vẽ trong
hình 5.2(a), trong đó z được mô tả bởi hàm (5.2-1) xấp xỉ 70% giá trị trong khoảng [(µ
- σ), (µ + σ)] và 95% trong khoảng [(µ -2 σ), (µ +2 σ)]

1.1.2.2 Rayleigh noise

Hàm nhiễu Rayleigh được xác định bởi

{ }
2
− ( z−a )
2 b
p ( z )= b ( z−a ) e for z ≥ a
0 for z <a

Trong đó

μ=a+
√ πb
4

b ( 4−π )
σ 2=
∆

Hình 1: Mật độ phân bố xác suất nhiễu Gaussian và Rayleigh

1.1.2.3 Erlang Noise (Gamma)

Hàm nhiễu Erlang cho bởi

14
 { }
a b z b−1 −az
p ( z )= ( b−1 ) ! e for z ≥ 0
0 for z< 0

Với các thông số như trên a > 0, b là một số nguyên dương. Giá trị trung bình và
phương sai của mật độ này được đưa ra bởi công thức:

b
μ=
a

2 b
σ = 2
a

1.1.2.4 Exponential noise

Hàm nhiễu Exponential được cho bởi công thức

{
−az
p ( z )= a e for z ≥0
0 for z< 0

Với a > 0, giá trị trung bình và phương sai của hàm mật độ này là:

1
μ=
a

2 1
σ = 2
a

Hình 2: Mật độ phân bố xác suất của nhiễu Gamma và Exponential

15
 1.1.2.5 Uniform noise

Hàm nhiễu Uniform được xác định bởi

{
P a for z=a
p ( z )= P b for z=b
0 otherwise

Trong đó

a+ b
μ=
2

( b−a )2
σ 2=
12

1.1.2.6 Impulse noise

{
P a for z=a
( )
p z = P b for z=b
0 otherwise

Nếu b>a,màu xám b sẽ xuất hiện như một dấu chấm ánh sáng trong hình ảnh.
Ngược lại, sẽ xuất hiện như một dấu chấm đen. Nếu một trong Pa hoặc Pf = 0, nhiễu
xung gọi là unipolarNếu không có đại lượng nào =0, và đặc biệt khi chúng xấp xỉ bằng
nhau, nhiễu xung sẽ giống như nhửng điểm ( muối và hạt tiêu ) trên hình ảnh.

Xung nhiễu có thể âm hoặc dương. Đây là 1 phần của quá trình xử lý hình ảnh. Vì
xung nhiễu thường mạnh hơn tín hình ảnh, đượng biểu diễn bằng màu đen hoặc
trắng.Giả thiết rằng 2 điểu cực là a, và b.Với a=0 ( black) và b=255( white).Hình 5.2
(f) chỉ ra nhiễu này.

16
 Hình 3: Mật độ phân bố xác suất của nhiễu Uniform và Impulse

1.1.2.7 Một vài ví dụ về nhiễu

Hình 4: Một vài ví dụ về nhiễu

Hình 5.3 cho thấy một mô hình thử nghiệm rất phù hợp để minh họa các mô hình
nhiễu đã được thảo luận.Đây là mô hình phù hợp bởi vì nói đơn giản, tạo điều kiện cho

17
phân tích hình ảnh của các đặc tính của các thành phần tiếng ồn khác nhau thêm vào
hình ảnh.

Hình 5.4 cho thấy các mô hình thử nghiệm sau khi đã cộng thêm 6 mô hình nhiễu
đã được thảo luận trước bên dưới mỗi hình ảnh là biểu đồ tính toán trực tiếp từ hình
ảnh đó. Các thông số của nhiễu đã được lựa chọn trong mỗi trường hợp để các biểu đồ
tương ứng với ba cấp độ màu xám trong các mô hình thử nghiệm sẽ bắt đầu hợp nhất.
Điều này làm cho nhiều khá rõ ràng.

Ta có thể thấy 1 mối liên quan chặt chẽ giữa các biểu đồ trong hình 5.4 và các PDF
trong hình 5.2. Biểu đồ salt-and-pepper có một đỉnh cao quang phổ trắng bởi vì các
thành phần nhiễu là thuần màu đen và trắng.

1.1.3 Nhiễu theo chu kỳ

Nhiễu theo chu kì có thể tạo thành từ nhiễu điện từ trong quá trình thu ảnh. Đây là
lại nhiễu duy nhất phụ thuộc vào vị trí không gian sẽ được xét trong chương này. Như
đã đề cập ở phần trước, nhiễu theo chu kỳ có thể được giảm đáng kể qua miền tần số
lọc.

18
 Hình 5: Kết quả ảnh và histograms từ việc thêm Gaussian, Rayleigh, Gamma
noise

Các thông số của ước lượng nhiễu thường được đánh giá qua sự kiểm tra của quang
phổ Fourier của hình ảnh. Như đã chú ý ở phần trước, nhiễu theo chu kì có thể tạo đột
biến về mặt tần số có thể được phát hiện ngay cả bằng cách phân tích hình ảnh. Điều
đó có nghĩa trong trường hợp đơ n giản có thể suy ra chu kỳ của nhiễu bằng cách phân
tích hình ảnh.

Nếu hệ thống hình ảnh là có sẵn, một trong những cách đơn giản để nghiên cứu các
đặc điểm nhiễu hệ thống là để nắm bắt một tập hợp các hình ảnh "phẳng" trong môi
trường. Ví dụ, trong trường hợp một bộ cảm biến quang học, điều này cũng đơn giản
như hình ảnh một màu xám rắn được chiếu sáng đồng đều. Các bức ảnh chụp thường
là những chỉ số tốt về nhiễu hệ thống. Khi chỉ có hình ảnh đã được tạo ra bởi các bộ
cảm biến có sẵn, Có thể thường xuyên ước tính các thông số file PDF từ các bản nhỏ
cấp độ màu xám . Ví dụ, các dải dọc (150 x 20 pixel) thể hiện trong hình 5.6 đã được
cắt từ ảnh Gaussian, Rayleigh trong hình. 5.4. Các biểu đồ cho thấy việc tính toán từ

19
các dải dữ liệu nhỏ . Ta thấy rằng hình dạng của các biểu đồ tương ứng khá chặt chẽ
với các hình dạng của các biểu đồ trong hình. 5.6. Chiều cao khác nhau do phóng to
hình ảnh, Nhưnh hình dạng thì khôgn thể nhầm lẫn.

Hình 6: Kết quả ảnh và histograms từ việc thêm Exponential, Uniform,

Impulse noise

Cách đơn giản nhất là sử dụng dữ liệu từ các dỉa hình ảnh, tính trung bình phương
sai của các mức độ màu xám.

μ=∑ zi p ( z i)
iϵ S

σ =∑ ( z i−μ ) p ( zi )
2 2

iϵ S

Ta thấy phân bố treen xấp xỉ phân bố Gaussian

20
 Hình 7: Ảnh bị nhiễu của NASA

Ví dụ ở hình 5.5 (a ) , hình ảnh bị nhiễu do tín hiệu hình sin .

Trong hình 5.5 (b) Các xung nhiễu xuát hiện trong 1 vòng tròn.

1.1.4 Phục hồi hiển thị qua bộ lọc nhiễu không gian

Khi sự suy giảm chất lượng ảnh chỉ là do nhiễu, hàm 5.1-1 và 5.1-2 sẽ trở thành

g ( x , y )=f ( x , y ) +n ( x , y )

G ( u , v )=F (u , v )+ N ( u , v )

21
Hình 8: Histograms sử dụng smalls strips từ nhiễu Gaussian, Rayleigh, và
Uniform

22
 1.2 Mean Filters

Trong phần này chúng ta sẽ đề cập đến các bộ lọc không gian giảm nhiễu và phát
triển 1 số bọ lọc khác có tính năng vượt trội hơn các bộ lọc đã được đề cập.

1.2.1 Bộ lọc trung bình số học

Đây là bộ lọc đơn giản nhất, Sxv đại diện cho tập hợp các của sổ hình chữ nhật
kích thước m x n tập trung vào tọa độ (x,y) , tính giá trị trung bình số học của bức ảnh
bj hỏng Y trong khu vực xác định bởi 5 giá trị số học phục hồi ảnh.

1
f ( x , y )= ∑ g ( s ,t )
mn (s , t ) ϵ S t

1.2.2 Bộ lọc hình học

Hình ảnh phục hồi sử dụng bộ lọc trung bình hình học được cho bởi biểu thức:

[ ]
1
f ( x , y )= ∏ g (s , t ) mn
( s ,t ) ϵ Sx , y

Xét ví dụ 5.2 là 1 bộ lọc trung bình hinh học đã được làm mịn so với giá trị trung
bình lọc nhưng nó có xu hướng mất hình ảnh chi tiết.

1.2.3 Bộ lọc harmonic

mn
f ( x , y )=
1
∑ g ( s, t)
( s , t ) ∈ Sxy

Bộ lọc này hoạt động tốt cho nhiễu chấm trắng, không tốt cho nhiễu chấm đen trên
hình ảnh.Nó cũng tốt với các nhiễu Gaussian .

1.2.4 Bộ lọc Contraharmonic

Bộ lọc Contraharmonic hoạt động phục hồi ảnh dựa trên các biểu hiện

∑ g (s , t)
Q +1

( s , t ) ϵ S x, y
f ( x , y )=
∑ g(s ,t)
Q

( s , t ) ϵ Sx, y

23
 Trong đó Q được gọi là thứ tự của các bộ lọc. Bộ lọc này rất thích hợp cho việc
giảm hoặc hầu như loại bỏ những ảnh hưởng của nhiễu chấm đên và chấm trắng. Gía
trị dương cho việc giảm nhiễu chấm đen và giá tri âm cho việc giảm nhiễu chấm trắng.

1.2.5 Ví dụ minh họa Mean Filters

Hình 5.7 (a) là 1 ảnh X-quang của 1 bảng mạch , hình 5.7 b cùng 1 hình ảnh nhưng
đã bị hỏng vì cộng thêm nhiễu Gaussian với giá trị trung bình 400.Hình 5.7 (c) là kết
quả tương ứng của bộ lọc nhiễu ảnh sử dụng bộ lọc số 3 x 3 và 1 bộ lọc hình học có
cùng kích thước, Mặc dù cả 2 bộ lọc đều làm suy giảm nhiễu, tuy nhiên bộ lọc số jọc
cho hình ảnh mờ hơn so với bộ lọc hình học.

Hình 5.8 (a) cho thấy hình ảnh cùng một mạch, nhưng bây giờ bị hỏng bởi nhiễu
chấm đen với xác suất là 0,1. Tương tự như vậy, hình. 5,8 (b) cho thấy hình ảnh bị
hỏng bởi nhiễu chấm trắng với xác suất như nhau. Hình 5.8 (c) cho thấy kết quả của bộ
lọc hình. 5,8 (d) chỉ ra kết quả bộ lọc với hệ số Q=-1.5.Cả 2 bộ lọc đều làm làm tốt
công việc giảm hiệu ứng nhiễu.Bộ lọc tích cực làm tốt việc giảm nhiễu nền.

Hình 9: Bộ lọc nhiễu Gaussian

24
 Nhìn chung, số học và các bộ lọc trung bình hình học (đặc biệt là sau này) rất thích
hợp cho nhiễu ngẫu nhiên như Gaussian hoặc nhiễu uniform. Bộ lọc contraharmonic
rất thích hợp cho nhiễu xung, nhưng nó có nhược điểm là nó phải biết được nhiễu tối
hoặc ánh sáng để lựa chọn các dấu hiệu thích hợp cho Q. kết quả của việc lựa chọn các
dấu hiệu sai cho Q có thể đem lại kết quả sai lệch như trong hình 5.9.Một số bộ lọc sau
đây có thể đem lại kết quả tốt hơn.

1.2.6 Bộ lọc thống kê thứ tự

Bộ lọc thống kê thứ tự là bộ lọc không gian có đáp ứng được dựa trên việc xếp
hàng.

Hình 10: Bộ lọc thống kê thứ tự

1.2.7 Bộ lọc trung vị

Nguyên tắc là thay thế giá trị của một điểm ảnh bằng trung bình của các mức độ
màu xám trong vùng lân cận của điểm ảnh.

f ( x , y )=median {(gs ,( st ),tϵ )S} x, y

25
 Giá trị ban đầu bao gồm các giá trị được tính toán trung bình.Bộ lọc này rất tốt đói
với những tiếng ồn xung ( lưỡng cục và đơn cực ) .Việc tính toán chi tiết sẽ được tính
toán trong phần 3.6.2.

1.2.8 Bộ lọc max và min

Mặt dù bộ lọc trung bình cho đến nay được sử dụng rộng rãi trong xử lý ảnh.Tuy
nhiên nó khôgn phải là duy nhất,Ví du sử dụng 100 % gọi là max filter, được cho bởi
công thức :

f ( x , y )=max {(gs ,(st ),ϵtS)} x, y

Bộ lọc này rất hữu ích điểm sáng nhất của bức ảnh.Ngoài ra, vì nhiễu chấm đen có
giá trị rất thấp, nó được giảm bởi bộ lọc này là kết quả của quá trình lựa chọn tối đa
trong khu vự SXY 0% gọi là bộ lọc min.

f ( x , y )=m∈¿{( gs ,t(s),ϵt )S} ¿

x ,y

Được sử dụng để tìm điểm tối nhất của ảnh.Việc giảm nhiễu chấm trắng là kết quả
của hoạt động min.

Hình 11: Bộ lọc max và min

1.2.9 Bộ lọc điểm chính giữa

Đơn giản đó là tính toán điểm chính giữa giữa giá trị lớn nhất và nhỏ nhất:

26
 1
f ( x , y )=
2
[
m ax {( s ,t ) ϵ S} + min{(s , t ) ϵ S}
g ( s ,t )
x,y
g (s , t )
x, y
]
1.2.10 Bộ lọc trung bình cắt Alpha

Giả sử chúng ta xó giá trị d / 2 thấp nhất và d / 2 cao nhất giá trị màu xámàcápMột
bộ lọc hình thành bởi trung bình các điểm ảnh còn lại được gọi là Alpha-trimmed
mean filter.

1
f ( x , y )= ∑ g ( s ,t )
mn−d ( s ,t ) ϵ S rx, y

Trong đó giá trị của d trong tầm từ 0 đến mn- 1. Khi d - 0. bộ . Nếu chúng ta chọn
d = (mn - 1) / 2. bộ lọc trở thành một bộ lọc trung bình. Đối với các giá trị khác của d,
bộ lọc rất thích hợp cho các nhiễu như gaussian.

1.2.11 Adaptive Filters

Qua các lựa chọn, các bộ lọc thảo luận cho đến nay được áp dụng cho một hình ảnh
mà không quan tâm cách đặc điểm hình ảnh thay đổi từ điểm này đến điểm khác.
Trong phần này, chúng ta hãy nhìn vào hai bộ lọc thích ứng đơn giản mà thay đổi hành
vi dựa trên đặc tính thống kê của chúng.

1.2.12 Bộ lọc giảm nhiễu thích nghi cục bộ

Các biện pháp thống kê đơn giản nhất của một biến ngẫu nhiên là trung bình và
phương sai của nó. Đây là những thông số hợp lý làm cơ sở một bộ lọc thích nghi vì
nó liên quan chặt chẽ đến sự xuất hiện của một hình ảnh.

Bộ lọc hoạt động trên một khu vực cục bộ Sxy đáp ứng của bộ lọc phụ thuộc tại bất
kỳ điểm (-x, y) trong mỗi vùng trung tâm của 4 điểm xung quanh:

G(x,y) : giá trị nhiễu tại điểm (x,y)

σŋ2 : giá trị để triệt nhiễu G(x,y)

m1 : Giá trị điểm ảnh cục bộ Sxy

σ12 Giá trị biến cục bộ điểm ảnh Sxy

Nếu σŋ2 = 0 bộ lọc sẽ trở lại giá trị đơn giản G(x,y), lúc này G(x,y)= F (x,y).

Nếu biến cục bộ cao hơn σŋ2 , bộ lọc phải trở lại gần giá trị g(x,y)

27
 Nếu 2 biến bằng nhau , chúng ta cần đưa bộ lọc trở về điểm Sxy.Điều kiện này xảy
ra khi vùng cục bộ có cùng tính chất với các điểm xung quanh.Lọc nhiễu đơn giản
bằng cách tính trung bình.
2
σn
f ( x , y )=g ( x , y )− 2 [ g ( x , y )−m L]
σL

Giá trị cần được biết đến là các thông số của sự thay đổi nhiễu tổng thể.Các thông
số khác được tính từ các điểm ảnh Sxy tại mỗi điểm.

Hình 5.13 (a) cho thấy hình ảnh mạch bị hỏng với nhiễu cộng thên Gaussian của
điểm không với giá trị 1000.Đây là mức độ rất có ý nghĩa trong việc triệt nhiễu. Hình
5.13 (b) là kết quả của các bức ảnh nhiễu số học với bộ lọc có kích thước 7 x 7. Nhiễu
được giãn ra.Tuy nhiên ảnh bị mờ đáng kể.Nhậ xét tương tự cho hình 5.13 (c).Tuy
nhiên 2 hình này có độ mờ khác nhau sẽ được thảo luận trong phần sau.

Hình 12: Bộ lọc giảm nhiễu thích nghi cục bộ

Hình 5.13(d) là bộ lọc cho ta hình ảnh cải thiện đáng kể.Tốt hơn 2 bộ lọc trên.

1.2.13 Bộ lọc trung vị thích nghi (Adaptive median filter)

Bộ lọc trung bình thảo luận trong phần 5.3.2 hoạt động tốt miễn là mật độ không
gian của tiếng ồn xung là không lớn (như là một quy luật Pa và Pb <2). Rõ ràng nó

28
được xử lý tốt hơn. Một lợi ích nữa của bộ lọc trung bình thích nghi là nó tìm cách để
bảo vệ chi tiết trong khi làm mịn tiếng , bộ lọc truyền thống không thể làm.
Z min=minimum gray level value∈ S xy

Z max=maxi mum gray level value∈S xy

Z med=median gray level value∈S xy

Z xy =gray level at coordiantes ( x , y )

Smax =m axi mum allowed ¿ S xy

Adaptive median filters làm việc ở 2 cấp độ, gọi là A và B:

{
A 1=Z med −Z min
Level A : A 2=Z med−Z m ax level B Else increase the¿ if window ¿ ≤ S repeat level A Else output Z
max xy
if A 1> 0∧ A 2<0 , Go
¿

{
B 1=Z xy−Z min
B 2=Z xy−Z max
Level B :
if B1> 0∧B 2<0 , output Z xy
Else output Z med

Để hiểu được phương thức của thuật toán ghi nhớ rằng nó có ba mục đích chính: để
loại bỏ nhiễu xung chấm đen và chấm trắng, để cung cấp làm mịn nhiễu khácàcản thận
không làm ảnh hưởng đến những điểm ảnh khác. Các giá trị Zmin và Zmax được coi
là thống kê của các thuật toán để được các thành phần nhiễu"impulselike", ngay cả khi
đây không phải là giá trị điểm ảnh thấp nhất và cao nhất trong hình ảnh.

Tiếp tục với giải thích, giả sử mức A không tìm thấy một xung . Các thuật toán sau
đó làm tăng kích thước của cửa sổ và lặp đi lặp lại mức A. lặp này tiếp tục cho đến khi
các thuật toán hoặc tìm thấy một giá trị trung bình đó không phải là một xung hoặc
kích thước cửa sổ tối đa đạt được. Nếu kích thước cửa sổ tối đa đạt được, các thuật
toán trả về giá trị của Zxy

Mỗi khi thuật toán với kết quả đầu ra một giá trị, cửa sổ Sxy được chuyển đến vị trí
tiếp theo trong hình ảnh. Các thuật toán sau đó được khởi tạo lại và áp dụng cho các

29
điểm ảnh trong vị trí mới. Như đã nêu trong vấn đề 3.20, giá trị trung bình có thể được
cập nhật lặp đi lặp lại chỉ sử dụng các điểm ảnh mới, do đó làm giảm chi phí tính toán.

30
 CHƯƠNG 2. THỰC HIỆN MÔ PHỎNG
2.1 Khôi phục bằng bộ lọc trung bình số học

Hình 13: Kết quả khôi phục bằng bộ lọc trung bình số học

2.2 Khôi phục bằng bộ lọc trung bình hình học

Hình 14: Kết quả khôi phục bằng bộ lọc trung bình hình học

31
2.3 Khôi phục bằng bộ lọc trung bình Harmonic

Hình 15: Kết quả khôi phục bằng bộ lọc trung bình Harmonic

2.4 Khôi phục bằng bộ lọc trung bình Contrahamonic

Hình 16: Kết quả khôi phục bằng bộ lọc trung bình Contraharmonic

32
2.5 Khôi phục bằng bộ lọc thống kê thứ tự

Hình 17: Kết quả khôi phục bằng bộ lọc thống kê thứ tự

2.6 Khôi phục bằng bộ lọc trung vị thích nghi

Hình 18: Kết quả khôi phục bằng bộ lọc trung vị thích nghi

33
2.7 Khôi phục bằng bộ lọc thích nghi cục bộ

Hình 19: Kết quả khôi phục bằng bộ lọc thích nghi cục bộ

34
 KẾT LUẬN
Kết luận chung

Kết quả mô phỏng trên phù hợp với lý thuyết mà chúng em được học, ta thấy rằng
với từng loại nhiễu việc sử dụng các bộ lọc khác nhau sẽ tối ưu để sử lý từng loại
nhiễu khác nhau. Điều này sẽ dẫn đến việc ta sẽ phải áp dụng từng loại bộ lọc để khôi
phục ảnh ứng với từng loại nhiễu khác nhau.

Hướng phát triển

Đề tài này ứng dụng mạnh mẽ vào việc xử lý ảnh, sử dụng công nghệ AI để phát
hiện nhiễu và ứng dụng công nghệ lọc thích hợp để khôi phục ảnh đó, để cho ra được
bức ảnh với chất lượng tốt nhất. Bên cạnh đó nó cũng có thể áp dụng cho một vài
ngành công nghiệp đặc thù liên quan đến một vài loại nhiễu chuyên dụng.

Kiến nghị và đề xuất

Như đã đề cập ở phần hướng phát triển, thì phần này chúng em xin mạnh dạng đề
xuất việc ứng dụng công nghệ này lên AI, việc học máy sẽ liên tục được thực thi, từ đó
ta sẽ nhúng nó lên các thiết bị ngoại vi để thực hiện một vài chức năng đặc thù trước
khi ảnh được gửi về trung tâm xử lý.

35
 TÀI LIỆU THAM KHẢO
[1] Digital Image Processing 2nd, Rafael C. Gonzalez and Richard E. Woods

36
 PHỤ LỤC
Kết quả mô phỏng của nhóm em tại đây.

37