TRƯỜNG ĐẠI HỌC SAO ĐỎ - CƠ SỞ GIÁO DỤC ĐẠI HỌC THEO ĐỊNH HƯỚNG ỨNG DỤNG

THẦY VÀ TRÒ KHOA CÔNG NGHỆ THÔNG TIN TÍCH CỰC THI ĐUA DẠY TỐT, HỌC TỐT

Nâng cao chất lượng ảnh sử dụng Wavelet

Thứ năm - 03/03/2016 09:44
Bất cứ một bức ảnh nào thu nhận được từ các thiết bị quang, quang điện hoặc điện tử đều bị xuống cấp. Các xuống cấp có thể do nhiễu, mờ, do không đúng tiêu cự của camera, do sự di chuyển tương đối của vật cần chụp với camera…Có rất nhiều phương pháp khác nhau để tối thiểu hóa sự xuống cấp của ảnh. Trong bài báo này tác giảtrình bàyvề kỹ thuật khai triển wavelet rời rạc (DWT) kết hợp với phân tích đa phân giải (Multi-Resolution Analysis (MRA)) để sử dụng khử nhiễu cho ảnh nhằm nâng cao chất lượng ảnh. Kết quả thu được bức ảnh sau khi đã khử nhiễu Speckle, Gaussian, nhiễu mối tiêu và nhiễu Poisson tác động lên ảnh.
Nâng cao chất lượng ảnh sử dụng Wavelet

Nâng cao chất lượng ảnh sử dụng Wavelet


Tóm tắt: Bất cứ một bức ảnh nào thu nhận được từ các thiết bị quang, quang điện hoặc điện tử đều bị xuống cấp. Các xuống cấp có thể do nhiễu, mờ, do không đúng tiêu cự của camera, do sự di chuyển tương đối của vật cần chụp với camera…Có rất nhiều phương pháp khác nhau để tối thiểu hóa sự xuống cấp của ảnh. Trong bài báo này tác giảtrình bàyvề kỹ thuật khai triển wavelet rời rạc (DWT) kết hợp với phân tích đa phân giải (Multi-Resolution Analysis (MRA)) để sử dụng khử nhiễu cho ảnh nhằm nâng cao chất lượng ảnh. Kết quả thu được bức ảnh sau khi đã khử nhiễu Speckle, Gaussian, nhiễu mối tiêu và nhiễu Poisson tác động lên ảnh.
Từ khóa: Wavelet, phân tích đa phân giải, lọc gương cầu tứ phương, wavelet và mã hóa băng con, wavelet trong thông tin đa phương tiện.
Abstract:Any of a photograph are reiceved by optical device, photoelectric device or electronical device who is downgraded. Photograph is downgrades might to noise, blured, out-of-truth the focal length of the camera, relativistic deplacement between object and camera. There are many different method to minimum downgrade of image. In this article, the authors will present  the Discrete Wavelet Transform (DWT) Technique with Multiresolution Analysis (MRA) is used to interference elimination for Image, aim Image quality increment. Result, we were reiceve a Image which were already eliminate Speckle, Gaussian, Poisson and Salt-pepper noise.
Keywords: Wavelet, Multi-Resolution Analysis, Quardrature Mirror Filters, Wavelet and Subband Coding, Processing in multimedia systems.
1.    Giới thiệu
Nhiễu là những tín hiệu không mong muốn hoặc ngẫu nhiên chen vào kênh thông tin, khác với tín hiệu mang thông tin mà bạn mong muốn, trong thực tế một tín hiệu luôn tồn tại nhiễu có thể là nhiễu trên đường truyền hay nhiễu do môi trường xung quanh tác động vào tín hiệu. Vì vậy mọi kênh thông tin đều có tạp nhiễu nếu tín hiệu nhiễu quá lớn sẽ làm dữ liệu trong kênh thông tin bị lấn át thậm chí mất dữ liệu. Do vậy phải loại bỏ được những thành phần nhiễu không mong muốn này.
Iain Johnstone và David Donohos đã mở rộng tính chất biến đổi wavelet trong các ứng dụng khử nhiễu cho tín hiệu. Phương pháp khử nhiễu này được gọi là Wavelet Shrinkage Denoising (WSD). Ý tưởng cơ bản của WSD làkhi phân tích bằng biến đổi waveletthì tín hiệu nhiễu sẽ lộ rõ ở các hệ số biến đổi bậc cao. Khi đó thiết lập các ngưỡng loại bỏ tương ứng với các bậc cao hơn hệ số wavelet sẽ có thể dễ dàng loại bỏ nhiễu trong tín hiệu.
Ảnh số là ma trận các số thực và số phức được biểu diễn bởi các bit hữu hạn. Ảnh có thể được biểu diễn dưới dạng tương tự hoặc số. Ảnh xám 8bit được biểu diễn bởi 256 giá trị. Ảnh màu cách biểu diễn cũng tương tự có 3 màu cơ bản là: Red, Green, Blue (RGB). Đồ họa tập tin lưu trữ hình ảnh RGB như hình ảnh 24 bit nơi mỗi thành phần RGB là 8 bit.
Mỗi ảnh là một ma trận số thực có chứa các điểm ảnh vì vậy mà mỗi bức ảnh đều chứa đựng các thông tin một cách có tổ chức và có trật tự. Vì vậy nếu bóc tách được trật tự của một bức ảnh, xem được thông tin trong một bức ảnh, biết được trong một bước ảnh đâu là thông tin quan trọng nhất nói lên thông tin trong bức ảnh thì khi biểu diễn ta chỉ cần biểu diễn các thông tin quan trọng những thông tin khác có thể được loại bỏ trong đó có những thông tin do nhiễu mang lại đều có thể được loại bỏ. Để khử được các tín hiệu không mong muốn ta có thể sử dụng wavelet 2D đây là ứng dụng quang trọng của wavelet.
2.    Một số loại nhiễu thường gặp trong ảnh.
2.1.  Các đại lượng đặc trưng của ảnh.
Ánh sáng là sự bức xạ điện từ đáp ứng thị giác có thể được mô tả như sự phân bố năng lượng phổ L(λ). Trong đó λ là độ dài bước sóng trong vùng nhìn được 350nm ÷ 780nm của phổ điện từ [4]. Ánh sáng nhận được từ vật thể có thể được viết:
I(λ)=P(λ).L(λ) [4]        (1)
Trong đó P(λ) là phản xạ hoặc sự truyền qua của ánh sáng.
Độ chói: Mắt của con người có hai phần tử và phần tử gậy và phần tử nón đây là hai phần tử thu nhận ảnh [5]. Phần tử gậy tương đối dài và mỏng, có đáp ứng thị giác vài bậc thấp hơn độ chói (vùng sáng), có khoảng 100 triệu phần tử. Phần tử nón có số lượng ít hơn (khoảng 6,5 triệu) ngắn hơn và dày hơn có đáp ứng thị giác 5, 6 bậc cao hơn biên độ chói (vùng tối) [4].
Độ sáng: Độ sáng của vật thể là độ chói nhận được và phụ thuộc vào độ chói xung quanh. Hai vật thể có các vật bao xung quanh khác nhau có thể có cùng độ chói giống nhau nhưng độ sáng khác nhau.
Độ tương phản: Khi quan sát hai hình ảnh ta có thể thấy hai hình có cùng độ chói nhưng một hình lại có vẻ sáng hơn hoặc cũng có thể hai hình có độ sáng giống nhau mặc dù độ chói của chúng thì hoàn toàn khác nhau. Nguyên nhân là do nhận thức thị giác của con người nhạy cảm với sự tương tác của độ chói hơn là bản chất giá trị chói [4].
2.2.  Các loại nhiễu thường gặp trong ảnh.
Nhiễu cộng thường phân bố khắp ảnh. Khi đó một ảnh có chứa nhiễu cộng có thể được biểu diễn thông qua ảnh gốc và nhiễu như sau [2]:
Xnhiễu =Xgốc+ η [2]        (2)
                                                                                                                      Trong đó:  Xnhiễu: Ảnh nhiễu
                                                                                                                      Xgốc : Ảnh gốc
                                                                                                                      η: Nhiễu tác động lên ảnh
Nhiễu Gaussian: Là loại nhiễu được sử dụng phổ biến, nó là một dạng lý tưởng của nhiễu trắng được gây ra bởi sự dao động ngẫu nhiên của tín hiệu [2]. Nhiễu Gaussian có hàm phân bố là:
                    (3)
Trong đó: z biểu diễn mức xám, µ giá trị trung bình của z, σ là độ lệch tiêu chuẩn, σ2 là phương sai của z.
Nhiễu Gaussian là một dạng nhiễu cộng bởi vì tổng của các điểm ảnh ban đầu và điểm ảnh ngẫu nhiên tạo thành các điểm ảnh thu được khi ảnh có chứa nhiễu Gaussian .
Nhiễu xung có 2 loại nhiễu xung là nhiễu xung đơn cực và nhiễu xung lưỡng cực, đặc trưng cơ bản của nhiễu xunglà sự kết hợp của nhiễu muối và nhiễu tiêu [3]. Khi một bức ảnh bị ảnh hưởng của nhiễu muối tiêu thì bản thân bức ảnh bị nhiễu sẽ xuất hiện những điểm màu trắng và đen giống như “hạt muối” và “hạt tiêu” vì vậy mà gọi bức ảnh đó là bức ảnh bị nhiễu muối tiêu. Nhiễu xung lưỡng cực có hàm phân bố:
          

Nếu a>b khi đó a  là điểm sáng còn b là điểm tối của ảnh, nếu a<b thì ngược lại.
Nếu a=b=0 là nhiễu xung đơn cực.
Đối với những bức ảnh bị nhiễu muối tiêu  như đã phân tích ở trên, bức ảnh này sẽ xuất hiện các điểm sáng và tối tương ứng với các điểm ảnh có thể nhận giá trị lớn nhất hoặc nhỏ nhất trong khoảng [0,255]. Đối với ảnh xám khi cường độ ánh sáng tại một điểm ảnh nhận giá trị 255 thì điểm ảnh này sẽ được biểu diễn một điểm sáng giống như “hạt muối”. Ngược lại khi cường độ sáng tại một điểm ảnh đạt giá trị cực tiểu bằng 0 thì điểm ảnh có giá trị cực tiểu sẽ xuất hiện một đốm đem như “hạt tiêu” [3].
Nhiễu nhân thường phân bố khắp ảnh. Khi đó một ảnh có chứa nhiễu nhân có thể được biểu diễn thông qua ảnh gốc và nhiễu như sau:
Xnhiễu =Xgốc.η   [2]                    (5)
                                                                                                                         Trong đó:  Xnhiễu: Ảnh nhiễu
                                                                                                                         Xgốc : Ảnh gốc
                                                                                                                         η: Nhiễu tác động lên ảnh
Nhiễu Speckle là một dạng của nhiễu nhân, có thể được mô hình bằng cách nhân các giá trị của điểm ảnh với giá trị ngẫu nhiên.
3.    Ứng dụng kỹ thuật Wavelet để khử nhiễu hình ảnh
3.1.       Biến đổi Wavelet.

Wavelet là các sóng nhỏ có điểm bắt đầu và điểm kết thúc, những sóng nhỏ này được xuất phát từ một hàm wavelet mẹ w(t) [6,7]. Hàm wavelet mẹ thỏa mãn tính chất sau đây:
Tích phân suy rộng trên toàn bộ trục t là bằng 0.
Tích phân năng lượng trên toàn bộ trục t là một số hữu hạn.
Với điều kiện tích phân năng lượng trên toàn bộ trục t là một số hữu nghĩa là hàm wavelet phải là một hàm bình phương khả tích .
Có thể viết:
    

Trong đó: Dấu * ký hiệu là liên hợp phức của , a là tham số tỷ lệ, b là tham số dịch.
Biến đổi Wavelet rời rạc: Biến đổi wavelet rời rạc (Discrete Wavelet Transform – DWT)thực chất là sự rời rạc hóa của biến đổi wavelet liên tục (CWT), việc rời rạc hóa được thực hiện với việc chọn các hệ số a,b như sau:a = 2j, b = ka, j,kÎ Z [8]. Biến đổi wavelet rời rạc có thể được viết như sau:
 

3.2.       Phân tích đa phân giải và việc thực hiện DWT(Discrete Wavelet Transform) bằng QMF (Quardrature Mirror Filters).
Khác hẳn với tín hiệu thời gian thông thường là chỉ có một chiều thời gian các pixel của ảnh phân bố theo hai chiều ngang vàdọc. Do vậy để xử lý một hình ảnh ta sử dụng wavelet 2D(Two - Dimensional Wavelet Transform), biến đổi wavelet hai chiều được coi như là một tầng các phép toán biến đổi wavelet một chiều. Biến đổi wavelet đầu tiên tính theo hướng ngang, biến đổi thứ hai tính theo hướng dọc được minh họa như hình1.
Hình 1 Sơ đồ biểu diễn một tầng biến đổi wavelet 2D.
 
 
Hình 2 Sơ đồ biểu diễn 1 tầng biến đổi wavelet 2D cho ảnh
Hình 3 Sơ đồ cây khai triển wavelet 2D hai mức
Phân tích đa phân giải (Multi Resolution Analysis – MRA) phân tích tín hiệu ra các dải tần số khác nhau thông qua các bộ lọc thông thấp và bộ lọc thông cao liên tiếp. MRA có khả năng như hai bộ lọc để tạo ra hai thành phần chi tiết và xấp xỉ. Thành phần chi tiết có hệ số tỷ lệ thấp tương ứng với thành phần thành phần tần số cao được thực hiện thông qua bộ lọc thông cao, thành phần xấp xỉ có hệ số tỷ lệ cao tương ứng với thành phần tần số thấp được thực hiện thông qua bộ lọc thông thấp.
Biến đổi wavelet cung cấp một phép phân tích đa phân giải của một hàm. Bản ảnh dịch và tỉ lệ của hàm cơ sở cho phép sự định vị tần số, thời gian của số liệu được phân tích. DWT tạo ra sự phân giải tần số tốt hơn cho các tần số cao và phân giải thời gian tốt hơn cho các tần số thấp.
Để ứng dụng phân tích đa phân giải và việc thực hiện DWT bằng QMF (Quardrature Mirror Filters) chúng ta thực hiện ý thưởng như sau: Với một hình ảnh ban đầu trước tiên thực hiện lọc và lược bỏ ảnh để phân ly thành các các băng con có tần số cao và thấp sau đó chúng ta tiếp tục thực hiện sự phân lý này nhưng chỉ áp dụng cho băng con có tần số thấp để tạo thành các băng con có tần số cao và thấp tiếp tục lược bỏ. Quá trình này được minh họa trong hình 3 trong đó Ho là bộ lọc thông thấp và H1 là bộ lọc thông cao. Với mỗi tầng phân tích ta thu được các thành phần xấp xỉ (Approximation-A) và thành phần chi tiết (Detail-D) tương ứng. Ở tầng 2 ta thu được A2 thành phần xấp xỉ bậc 2, D1 và D2 là thành phần chi tiết bậc 1 và 2 tương ứng.
Với ý tưởng sử dụng wavelet 2D để thực hiện khử nhiễu cho hình ảnh tác giả tiến hành như sau: Đầu tiên thực hiện phân tích tín hiệu hình ảnh việc sử dụng wavelet để phân tích tín hiệu ta thu được ma trận các hệ số mức xấp xỉ, các chi tiết theo hướng ngang, hướng dọc và đường chéo. Sau mỗi giai đoạn phân tích wavelet hai chiều thì số liệu đầu vào hai chiều được chiếu lên bốn không gian con có các tần số Low-Low (LL), High-Low (HL), Low-High (LH), High-High (HH) được minh họa như hình 2. Đối với bài báo tác giả thực hiện phân tích wavelet 3 mức sau đó thiết lập ngưỡng để khử nhiễu cho hình ảnh vì khi sử dụng wavelet để phân tích tín hiệu thì tín hiệu nhiễu sẽ lộ rõ ở các hệ số biến đổi bậc cao. Việc thiết lập ngưỡng với bậc cao hơn hệ số của wavelet sẽ có thể dễ dàng loại bỏ nhiễu trong tín hiệu.
3.3.   Wavelet Daubechies
Để thực hiện ý tưởng nâng cao chất lượng hình ảnh cụ thể là khử nhiễu cho hình ảnh tác giả lựa cho họ Wavelet Daubechies đây là phép biến đổi rất phức tạp trong các phép biến đổi wavelet, phép biến đổi này được sử dụng rất rộng rãi [6,7]. Các hàm của họ Wavelet Daubechies được thể hiện trong hình 4.
Hình 4 Hàm Wavelet Daubechinesn [9]
     Trong các hàm của họ Wavelet Daubechines tác giả lựa chọn db5 vì db5 có các ưu điểm: Kết quả sau bộ lọc wavelet có chứa thông tin điểm ảnh lân cận và như thế loại bỏ được hiệu ứng khối mà biến đổi cosin rời rạc (Discrete Cosine Transform – DCT) gặp phải. Có tính chất đối xứng và định vị cho phép dễ dàng phát hiện đường viền, tính toán nhanh, ảnh sau khi được xử lý có chất lượng cao. Thực tế có thể chọn nhiều cặp bộ lọc khác nhau cho biến đổi wavelet, lựa chọn cặp Daubechies5 chỉ mang tính chất cục bộ, kết quả cuối cùng vẫn không mất tính tổng quan.
3.4 Quá trình thực nghiệm
Trong bài báo này tác giả sẽ sử dụng thư viện Wavelet toolbox trong Matlab để khử nhiễu cho hình ảnh sử dụng hàm Wavelet  Daubechies
   Lưu đồ thuật toán thực hiện khử nhiễu cho hình ảnh:

Với việc sử dụng hàm db5 trong Wavelet Daubechines để nâng cao chất lượng hình ảnh và kết hợp với việc sử dụng thư viện Wavelet toolbox trong Matlab tác giả thực hiện với 2 nhóm đối tượng ảnh khác nhau: nhóm 1 gồm 4 ảnh là các ảnh có đuôi “.jpg”, nhóm 2 gồn 2 ảnh có đuôi “.tif” và 2 ảnh có đuôi “.png”.
Hình 5 Các nhóm ảnh khác nhau cho việc thực nghiệm
Hình 6 Các nhóm ảnh khác nhau cho việc thực nghiệm với nhiễu Speckle
 

Hình 7 Các nhóm ảnh khác nhau cho việc thực nghiệm với nhiễu Gaussian
 
Hình 8 Các nhóm ảnh khác nhau cho việc thực nghiệm với nhiễu muối tiêu
 
Hình 9 Các nhóm ảnh khác nhau cho việc thực nghiệm với nhiễu Possion

Hình 10 Các nhóm ảnh khác nhau sau khi được khử nhiễu sử dụng wavelet
Để đánh giá chất lượng của hình ảnh sau khi sử dụng wavelet để khử nhiễu cho hình ảnh tác giả đưa ra bảng thông số ảnh hưởng của nhiễu khác nhau lên các đối tượng ảnh được đưa và thực nghiệm thông qua tỉ số tín hiệu cực đại trên nhiễu (Peak Signal-to-Noise Ratio – PSNR) là một thuật ngữ dùng để tính tỉ lệ giữa giá trị năng lượng tối đa của một tín hiệu và năng lượng nhiễu ảnh hướng đến độ chính xác của thông tin. Giá trị này được tính như sau:
                                               (8)
Với MaxI là giá trị tối đa của pixel trên ảnh, trong đó MSE(Mean Squared Error) được tính như sau:

Trong đó I và K là ảnh gốc và ảnh được khôi phục.
Bảng 1: Kết quả của quá trình thực nghiệm với ảnh nhóm 1 ở mức 3 sử dụng wavelet db5 với các loại nhiễu.
Ngưỡng
 
Nhiễu
Ngưỡng cứng Ngưỡng mềm
PSNR
(Peak Signal-to-Noise Ratio)
PSNR
(Peak Signal-to-Noise Ratio)
anh1.jpg anh2.jpg anh3.jpg anh4.jpg anh1.jpg anh2.jpg anh3.jpg anh4.jpg
Possion(0,05) 23,46 25,01 28,07 24,36 23,46 25,02 28,05 24,36
Speckle (0,04) 23,46 25,02 28,06 24,36 23,46 25,02 28,06 24,36
Gaussian(0,5) 23,46 25,02 28,06 24,36 23,45 25,01 28,05 24,36
Muối tiêu 25,29 25,45 25,77 25,77 25,24 25,41 25,75 25,67
 
Bảng 2: Kết quả của quá trình thực nghiệm với ảnh nhóm 2 ở mức 3 sử dụng wavelet db5 với các loại nhiễu.
 
Ngưỡng
 
Nhiễu
Ngưỡng cứng Ngưỡng mềm
PSNR
(Peak Signal-to-Noise Ratio)
PSNR
(Peak Signal-to-Noise Ratio)
anh1.tif anh2.tif anh3.png anh4.png anh1.tif anh2.tif anh3.png anh4.png
Possion(0,05) 29,25 30,41 30,92 28,03 27.44 28,89 29,78 26,72
Speckle (0,04) 23,14 25,22 23,45 23,70 24,05 25,14 26,53 24,60
Gaussian(0,5) 24,82 27,75 26,49 24,72 23,41 27.07 25.38 23,92
Muối tiêu 22,89 20,77 22,62 23,85 22.71 25,53 25,43 23,07
 
Bảng 3: Kết quả thực nghiệm sử dụng wavelet db5 với  nhiễu Possion trên ảnh.jpg ở mức 1 và mức 2.
Ngưỡng
 
 
 
Level
Ngưỡng cứng Ngưỡng mềm
PSNR
(Peak Signal-to-Noise Ratio)
PSNR
(Peak Signal-to-Noise Ratio)
anh1.jpg anh2.jpg anh3.jpg anh4.jpg anh1.jpg anh2.jpg anh3.jpg anh4.jpg
Level1 23,463 25,015 28,074 24,364 23,464 25,017 28,062 24,364
Level2 23,462 25,018 28,075 24,366 23,462 25,017 28,062 24,368
 
Bảng 4: Kết quả thực nghiệm sử dụng wavelet db5 với  nhiễu Gaussian trên ảnh.jpgở mức 1 và mức 2.
Ngưỡng
 
 
 
Level
Ngưỡng cứng Ngưỡng mềm
PSNR
(Peak Signal-to-Noise Ratio)
PSNR
(Peak Signal-to-Noise Ratio)
anh1.jpg anh2.jpg anh3.jpg anh4.jpg anh1.jpg anh2.jpg anh3.jpg anh4.jpg
Level1 23,462 25,018 28,064 24,368 23,464 25,015 28,057 24,365
Level2 23,463 25,018 28,065 24,366 23,463 25,017 28,055 24,367
 
Bảng 5: Kết quả thực nghiệm sử dụng wavelet db5 với nhiễu Speckle trên ảnh.jpgở mức 1 và mức 2.
Ngưỡng
 
 
 
Level
Ngưỡng cứng Ngưỡng mềm
PSNR
(Peak Signal-to-Noise Ratio)
PSNR
(Peak Signal-to-Noise Ratio)
anh1.jpg anh2.jpg anh3.jpg anh4.jpg anh1.jpg anh2.jpg anh3.jpg anh4.jpg
Level1 23,463 25,02 28,067 24,367 23,463 25,021 28,057 24,364
Level2 23,463 25,021 28,065 24,369 23,464 25,02 28,058 24,367
 
Bảng 6: : Kết quả thực nghiệm sử dụng wavelet db5 với nhiễu muối tiêu trên ảnh.jpgở mức 1 và mức 2.
Ngưỡng
 
 
 
Level
Ngưỡng cứng Ngưỡng mềm
PSNR
(Peak Signal-to-Noise Ratio)
PSNR
(Peak Signal-to-Noise Ratio)
anh1.jpg anh2.jpg anh3.jpg anh4.jpg anh1.jpg anh2.jpg anh3.jpg anh4.jpg
Level1 25,3 25,393 25,794 25,777 25,215 25,402 25,737 25,667
Level2 25,275 25,463 25,79 25,771 25,275 25,387 25,731 25,683
 
Nhận xét:
Đối với từng loại nhiễu khác nhau khi tác động vào hình ảnh ta thu được ảnh xuống cấp khác nhau. Việc sử dụng wavelet để phân tích hình ảnh kết hợp với việc thiết lập ngưỡng có thể loại bỏ những tác động không mong muốn này. Hình 5,6,7,8,9,10minh họa hình ảnh của bức ảnh ban đầu, bức ảnh bị xuống cấp dưới tác động của nhiễu Speckle, Gaussian, nhiễu mối tiêu và nhiễu Poisson, bức ảnh sau khi sử dụng wavelet để khử nhiễu cho hình ảnh trong các nhóm ảnh. Để đánh giáchất lượng của hình ảnh sau khi khử nhiễu có đáp ứng được yêu cầu hay không, tác động của việc thiết lập ngưỡng ảnh hưởng đến các nhiễu như thế nào tác giả đã tính toán đưa ra thông số tỉ số tín hiệu cực đại trên nhiễu (PSNR) trong quá trình thực nghiệm bằng việc thiết lập hai loại ngưỡng ngưỡng cứng và ngưỡng mềm với các mức phân tách wavelet khác nhay tác giả đã tổng hợp kết quả của tỉ số PSNR trong các bảng từ bảng 1 đến bảng 6 trên bức ảnh .jpg với kích thước khác nhau. Quan sát các thông số PSNR trên các bảng có thể thấy các giá trị này đều thỏa mãn yêu cầu PSNR > 20db. Sau khi sử dụng wavelet để khử nhiễu cho hình ảnh thì nhiễu đã được loại bỏ hoàn toàn, tuy nhiên như đã phân tích việc ứng dụng phân tích đa phân giải và việc thực hiện DWT bằng QMF để khử nhiễu cho hình ảnh sau khi hình ảnh đã được phân tích thành các không gian con nhờ vào các bộ lọc thông thấp, thông cao tương ứng và việc thiết lập ngưỡng để loại bỏ nhiễu thì những tín hiệu của bức ảnh có hệ số bậc cao khi phân tích bằng wavelet nhỏ hơn ngưỡng cũng được loại bỏ, nhưng các tín hiệu được loại bỏ này không ảnh hưởng lớn đến nội dung thông tin chính mà bức ảnh mang lại. Có rất nhiều phương pháp khác nhau để nâng cao chất lượng ảnh như sử dụng bộ lọc Wiener,bộ lọc trung bình, bộ lọc đồng hình…. tuy nhiên mỗi bộ lọc này lại được ứng dụng và thích hợp với từng lại nhiễu,đối với nhiễu cộng và nhiễu nhân ta thường dùng các bộ lọc trung bình và bộ lọc đồng hình, nếu là nhiễu xung thì thường sử dụng lọc trung vị, giải trung vị, lọc ngoài. Cònkhi sử dụng wavelet để khửnhiễu cho hình ảnh thì thấy rằng phương pháp này đơn giản, hiệu quả cao và áp dụng được cho tất cả các loại nhiễu như nhiễu cộng, nhiễu nhân, nhiễu xung... Kết quả mô phỏng cho thấy chất lượng của bức ảnh sau khi được khử nhiễu có độ tương phản cao, ít bị nhòe, tương đồng so với bức ảnh ban đầu. Sử dụng wavelet để khử nhiễu cho hình ảnh thì độ tương phản của bức ảnh thu được có độ sắc nét hơn, ít bị nhòe hơn so với các phương phápkhử nhiễu sử dụng bộ lọc Wiener, lọc trung vị, lọc đồng hình...
Kết luận
Nâng cao chất lượng hình ảnh là một ứng dụng hết sức cần thiết. Có rất nhiều phương pháp khác nhau để nâng cao chất lượng ảnh như sử dụng các mô hình khôi phục, sử dụng các bộ lọc tuyến tính... Bài báo trình bày một phương pháp nâng cao chất lượng ảnh sử dụng wavelet.Thông qua việc trình bày cơ sở lý thuyết về wavelet, kỹ thuật phân tích đa phân giải và việc thực hiện phân tích wavelet rời rạc bằng bộ lọc gương cầu tứ phương để nâng cao chất lượng ảnh. Các kết quả đạt được cho thấy wavelet là một công cụ hiệu quả để nâng cao chất lượng ảnh cụ thể là khử nhiễu cho hình ảnh.
Tài liệu tham khảo
[1] Nguyễn Quốc Trung (2008), Xử lý tín hiệu và lọc số, NXB khoa học và kỹ thuật, Hà Nội.
[2]LươngMạnhBá-TSNguyễnThanhThuỷ-“Nhậpmônxửlýảnh số”(1999)
[3]Nguyễn Kim Sách – “Xử lý ảnh và video số” – NXB KHKT, 1997
[4] Hồ Anh Túy – “giáo trình xử lý ảnh” – Đại học Bách Khoa.
[5] JAES.LIM – “ TWO-DIMENSIONAL SIGNAL AND IMAGE PROCESSING” – dịch giả Nguyễn Văn Ngọ, Đại học Quốc Gia.
[6] Martin Vetterli - Jelena Kovacevic - “Wavelet and Subband Coding”(1995)
[7] Satish Kumar - “An Introduction to Image Compression” (10/2001)
[8] Thomas Sikora –“MPEG-1and MPEG-2 Digital Video Coding Standards”.
[9] Borko Furht, Stephen W.Smoliar, Hong Jiang Zhang – “Video and Image Processing in multimedia systems”.
[10] https://vi.wikipedia.org/wiki.

Tổng số điểm của bài viết là: 5 trong 1 đánh giá

Xếp hạng: 5 - 1 phiếu bầu
Click để đánh giá bài viết
Website liên kết
Bạn đã không sử dụng Site, Bấm vào đây để duy trì trạng thái đăng nhập. Thời gian chờ: 60 giây