![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Chương 1: Giới thiệu Matlab và khái quát về ảnh 8
giải càng cao thì càng thể hiện rõ nét các đặt điểm của tấm hình càng làm cho tấm
ảnh trở nên thực và sắc nét hơn.
a) Điểm ảnh (Picture Element)
Điểm ảnh (Pixel) là một phần tử của ảnh số tại toạ độ (x, y) với độ xám hoặc
màu nhất định. Kích thước và khoảng cách giữa các điểm ảnh đó được chọn thích
hợp sao cho mắt người cảm nhận sự liên tục về không gian và mức xám (hoặc màu)
của ảnh số gần như ảnh thật. Mỗi phần tử trong ma trận được gọi là một phần tử ảnh.
b) Mức xám của ảnh
Mức xám: Là kết quả của sự biến đổi tương ứng 1 giá trị độ sáng của 1 điểm
ảnh với 1 giá trị nguyên dương. Thông thường nó xác định trong [0, 255] tuỳ thuộc
vào giá trị mà mỗi điểm ảnh được biểu diễn.
Các thang giá trị mức xám thông thường: 16, 32, 64, 128, 256 (Mức 256 là
mức phổ dụng. Lý do: từ kỹ thuật máy tính dùng 1 byte (8 bit) để biểu diễn mức
xám. Mức xám dùng 1 byte biểu diễn: 28
=256 mức, tức là từ 0 đến 255).
c) Độ phân giải của ảnh
Định nghĩa: Độ phân giải (Resolution) của ảnh là mật độ điểm ảnh được ấn
định trên một ảnh số được hiển thị.
Theo định nghĩa, khoảng cách giữa các điểm ảnh phải được chọn sao cho mắt
người vẫn thấy được sự liên tục của ảnh. Việc lựa chọn khoảng cách thích hợp tạo
nên một mật độ phân bổ, đó chính là độ phân giải và được phân bố theo trục x và y
trong không gian hai chiều.
Ví dụ: Độ phân giải của ảnh trên màn hình CGA (Color Graphic Adaptor) là
một lưới điểm theo chiều ngang màn hình: 320 điểm chiều dọc * 200 điểm ảnh
(320*200). Rõ ràng, cùng màn hình CGA 12” ta nhận thấy mịn hơn màn hình CGA
17” độ phân giải 320*200. Lý do: cùng một mật độ (độ phân giải) nhưng diện tích
màn hình rộng hơn thì độ mịn (liên tục của các điểm) kém hơn.
1.2.2 Các cách phân loại ảnh
Ảnh nhị phân: Giá trị xám của tất cả các điểm ảnh chỉ nhận giá trị 1 hoặc 0
như vậy mỗi điểm ảnh trong ảnh nhị phân được biểu diễn bởi 1 bit.
Ảnh xám: Giá trị xám nằm trong [0, 255] như vậy mỗi điểm ảnh trong ảnh
nhị phân được biểu diễn bởi 1 byte.
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-20-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Chương 1: Giới thiệu Matlab và khái quát về ảnh 14
định dạng file. Chẳng hạn, khi được sử dụng với TIFF, ta có thể sử dụng một
giá trị chỉ số với imread để chỉ ra ảnh mà ta muốn nhập vào.
Ví dụ sau đây đọc một chuỗi 27 ảnh từ một file TIFF và lưu những ảnh này
trong một mảng 4 chiều. Ta có thể sử dụng hàm iminfo để xem bao nhiêu ảnh đã
được lưu trữ trong file:
mri = uint8(zeros(128,128,1,27)); % preallocate 4-D array
for frame=1:27
[mri(:,:,:,frame),map] = imread('mri.tif',frame);
End
- Khi file chứa nhiều ảnh theo một số kiểu nhất định chẳng hạn theo thứ tự
thời gian, ta có thể lưu ảnh trong Matlab dưới dạng mảng 4 chiều. Tất cả các
ảnh phải có cùng kích thước.
ƒ Ghi một ảnh đồ hoạ
- Hàm imwrite sẽ ghi một ảnh tới một file đồ hoạ dưới một trong các định dạng
được trợ giúp. Cấu trúc cơ bản nhất của imwrite sẽ yêu cầu một biến
ảnh và tên file. Nếu ta gộp một phần mở rộng trong tên file, Matlab sẽ nhận ra
định dạng mong muốn từ nó.
Ví dụ sau tải một ảnh chỉ số X từ một file Map với bản đồ màu kết hợp với nó
map sau đó ghi ảnh xuống một file bitmap.
load clown
whos
Name Size Bytes Class
X 200x320 512000 double array
caption 2x1 4 char array
map 81x3 1944 double array
Grand total is 64245 elements using 513948 bytes
imwrite(X,map,'clown.bmp')
9 Chỉ ra định dạng phụ - Tham số đặc biệt
- Khi sử dụng imwrite với một số định dạng đồ hoạ, ta có thể chỉ ra các tham số
phụ. Chẳng hạn, với định dạng PNG ta có thể chỉ ra độ sâu bit như một tham
số phụ. Ví dụ sau sẽ chi một ảnh cường độ I với một file ảnh 4 bit PNG.
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-26-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Chương 1: Giới thiệu Matlab và khái quát về ảnh 23
Chỉ ra kích thước cho ảnh kết quả
- Sử dụng hàm imresize, ta chó thể chỉ ra kích thước của ảnh kết quả theo hai
cách:
+ Bằng cách chỉ ra hệ số phóng đại được sử dụng trên ảnh.
+ Bằng cách chỉ ra chiều của ảnh kết quả.
Sử dụng hệ số phóng đại ảnh
- Để mở rộng một ảnh, chỉ ra hệ số phóng đại lớn hơn 1. Để thu nhỏ một ảnh,
chỉ ra hệ số phóng đại nằm giữa 0 và 1. Chẳng hạn, lệnh sau tăng kích thước của ảnh
I lên 1.25 lần:
Hình 1.5 Ảnh trước và sau khi imresize
I = imread('circuit.tif');
J = imresize(I,1.25);
imshow(I)
figure, imshow(J)
Chỉ định kích thước của ảnh ra
- Ta có thể chỉ ra kích thước của ảnh ra bằng cách truyền một véc tơ chứa số
lượng hàng và cột của ảnh sau cùng. Những lệnh sau đây tạo một ảnh ra Y với 100
hàng và 150 cột.
Y = imresize(X,[100 150])
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-35-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Chương 1: Giới thiệu Matlab và khái quát về ảnh 24
Chú ý: Nếu kích thước được chỉ ra không có cùng tỉ lệ với ảnh vào, ảnh ra sẽ
bị biến dạng
Chỉ định phương pháp nội suy được sử dụng.
- Theo mặc định, hàm imresize sử dụng phương pháp nội suy các pixel gần
nhất (nearest – neighbor interpolation) để tính giá trị các pixel của ảnh ra. Tuy nhiên,
ta có thể chỉ định các phương pháp nội suy khác. Bảng sau đây liệt kê các phương
pháp nội suy được trợ giúp theo thứ tự của độ phức tạp.
Giá trị tham số Phương pháp nội suy
‘nearest’ Nội suy các phixel gần nhất ( mặc định )
‘bilinear’ Nội suy song tuyến tính
‘biculic’ Nội suy song khối
Trong ví dụ sau, hàm imresize sử dụng phương pháp nội suy song tuyến tính:
Y=imresize(X, [100 150],’bilinear’);
Sử dụng bộ lọc để ngăn chặn hiện tượng răng cưa
- Việc giảm kích thước (hình học) của một ảnh có thể gây ra những ảnh hưởng
nhất định lên ảnh chẳng hạn như hiện tượng xuất hiện răng cưa tại biên của ảnh .
Điều này là do thông tin luôn bị mất khi ta giảm kích thước một ảnh. Răng cưa xuất
hiện như những gợn sóng trong ảnh sau cùng.
- Khi giảm kích thước của ảnh sử dụng nội suy song tuyến tính hoặc song khối,
hàm imresize tự động áp đặt một bộ lọc thông thấp lên ảnh trước khi nội suy. Điều
này để giảm ảnh hưởng của răng cưa trong ảnh ra. Ta có thể chỉ ra kích thước của bộ
lọc này hoặc chỉ ra một bộ lọc khác thay thế.
Chú ý: Thậm chí đã sử dụng một bộ lọc thông thấp, chất lượng của ảnh vẫn bị
ảnh hưởng do thông tin luôn bị mất trong quá trình nội suy
- Hàm imresize không áp đặt một bộ lọc thông thấp lên ảnh nếu phương pháp
nội suy các pixel gần nhất được sử dụng. Phương pháp nội suy này ban đầu được sử
dụng với các ảnh chỉ số và bộ lọc thông thấp không thích hợp cho kiểu ảnh này.
- Ta cũng có thể chỉ ra một bộ lọc tự tạo thay cho các bộ lọc có sẵn.
Hàm imresize
Cú pháp của hàm này như sau:
B = imresize(A,m)
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-36-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Chương 1: Giới thiệu Matlab và khái quát về ảnh 25
B = imresize(A,m,method)
B = imresize(A,[mrows ncols],method)
B = imresize(...,method,n)
B = imresize(...,method,h)
Diễn giải
+ B=imresize(A,m): Trả lại một ảnh B lớn gấp m lần ảnh A (kích thước hình
học) sử dụng phương pháp nội suy mặc định (nearest - neighbor interpolcation). A có
thể là một ảnh chỉ số, ảnh đen trắng, RGB hoặc ảnh nhị phân. Nếu m nằm giữa 0 và
1, B sẽ nhỏ hơn A. Nếu m lớn hơn 1, B sẽ lớn hơn A.
+ B=imresize(A,m,method): Trả lại một ảnh lớn gấp m lần ảnh A sử dụng
phương pháp nội suy method. method là một chuỗi chỉ ra phương pháp nội suy nào
được sử dụng chẳng hạn: ‘nearest’,’bilinear’,’bicubic’.
+ B=imresize(A, [mrows ncols],method): Trả lại một ảnh với kích thước
được chỉ ra bởi vector [mrows ncols]. Nếu kích thước được chỉ ra không cùng tỉ lệ
với ảnh vào, ảnh sẽ bị biến dạng
Khi kích thước của ảnh ra nhỏ hơn kích thước của ảnh vào và phương pháp
nội suy được sử dụng là ‘bilinear’ hoặc ‘bicubic’, hàm imresize áp đặt một bộ lọc
thông thấp trước khi tuyến tính hoá để giảm hiện tượng răng cưa. Kích thước mặc
định là 11x11.
Ta có thể chỉ ra một thứ tự khác cho bộ lọc mặc định sử dụng cấu trúc:
B=imresize(…,method,n): n là một số nguyên chỉ ra kích thước của bộ lọc –
nxn. Nếu n=0, hàm imresize bỏ qua bước lọc. Ta cũng có thể chỉ ra bộ lọc riêng sử
dụng cú pháp:
B=imresize(…,method,h): Trong đó h là một bộ lọc FIR hai chiều ( có thể
được trả về bởi các hàm ftrans2, fwind1, fwind2 hoặc fsamp2 ).
d) Quay ảnh
- Để quay một ảnh, sử dụng hàm imrotate. Hàm này chấp nhận hai tham số
chính:
+ Ảnh cần quay
+ Góc quay
- Góc quay tính theo độ. Nếu ta chỉ ra một giá trị dương, hàm imrotate quay
ảnh theo chiều ngược chiều kim đồng hồ. Nếu chỉ ra giá trị âm, hàm quay ảnh theo
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-37-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Chương 1: Giới thiệu Matlab và khái quát về ảnh 29
Hàm imcrop
- Cú pháp của nó như sau:
I2 = imcrop(I)
X2 = imcrop(X,map)
RGB2 = imcrop(RGB)
I2 = imcrop(I,rect)
X2 = imcrop(X,map,rect)
RGB2 = imcrop(RGB,rect)
[...] = imcrop(x,y,...)
[A,rect] = imcrop(...)
[x,y,A,rect] = imcrop(...)
Diễn giải
- Hàm imcrop xén một ảnh theo một hình chữ nhật được chỉ định.
I2=imcrop(I) ;
X2=imcrop(X,map);
RGB2=imcrop(RGB);
Hàm imcrop sẽ hiển thị ảnh I và đợi ta chỉ ra hình chữ nhật cần xén bằng
chuột
- Nếu ta bỏ qua các tham số, hàm imcrop thao tác trên ảnh của trục hiện tại.
- Để chỉ định một hình chữ nhật ta dùng trỏ chuột như đã nói ở trên
- Ta cũng có thể chỉ ra kích thước của hình chữ nhật mà không thao tác trực
tiếp như các cú pháp sau:
I2 = imcrop(I,rect)
X2 = imcrop(X,map,rect)
RGB2 = imcrop(RGB,rect)
Trong đó: rect là một vector bốn phần tử dạng [xmin ymin width height],
những giá trị này được chỉ ra trong toạ độ không gian. Để chỉ định các toạ độ không
theo toạ độ không gian cho ảnh vào, đặt trước các tham số khác với 2 vector hai phần
tử chỉ ra Xdata và Ydata. Chẳng hạn:
[…]=imcrop(x,y,…)
- Nếu ta cung cấp các tham số ra phụ, hàm imcrop sẽ trả lại thông tin về vùng
chữ nhật được chọn và hệ toạ độ của ảnh vào. Chẳng hạn:
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-41-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Chương 1: Giới thiệu Matlab và khái quát về ảnh 30
[A,rect] = imcrop(...)
[x,y,A,rect] = imcrop(...)
A là ảnh ra, x và y là Xdata và Ydata của ảnh vào
Chú ý:
- Do rect là một tập hợp các toạ độ không gian, các phần tử width và height
trong rect không luôn luôn tương ứng chính xác với kích thước của ảnh ra. Chẳng
hạn, giả sử rect là [20 20 40 30], sử dụng hệ toạ độ không gian theo mặc định. Góc
trên trái của vùng chữ nhật được chọn là tâm của pixel (20,20) và góc dưới phải của
vùng chữ nhật là tâm của pixel (50,60). Ảnh ra là một ảnh có kích thước 31x41 chứ
không phải 30x40. Điều này là do ảnh ra bao gồm tất cả các pixel trong ảnh vào hoàn
toàn hoặc một phần được bao bọc bởi vùng chữ nhật trên.
Ví dụ
I = imread('circuit.tif');
I2 = imcrop(I,[75 68 130 112]);
imview(I), imview(I2)
Hình 1.10 Ảnh trước và sau khi imcrop theo 1 tọa độ cho trước
f) Các biến đổi ảnh thông dụng
- Để thực hiện các biến đổi không gian ảnh 2 chiều, sử dụng hàm
imtransform. Hàm này chấp nhận hai tham số chính:
+ Ảnh cần biến đổi
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-42-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Chương 1: Giới thiệu Matlab và khái quát về ảnh 32
figure; imshow(I)
T = maketform('projective',[1 1; 41 1; 41 41; 1 41],...
[5 5; 40 5; 35 30; -10 30]);
R = makeresampler('cubic','circular');
K = imtransform(I,T,R,'Size',[100 100],'XYScale',1);
figure, imshow(K)
Hình 1.11 Ảnh trước và sau khi imtransforms
- Các tuỳ chọn của hàm imtransform cho phép ta điều khiển nhiều khía cạnh
của việc biến đổi. Chẳng hạn, chú ý rằng ảnh bị biến đổi xuất hiện nhiều bản copy của
ảnh gốc. Điều này nhận được bởi tuỳ chon ‘size’.Xem thêm Help Online
Hàm imtransform
- Áp đặt một biến đổi không gian 2 chiều lên một ảnh
Cú pháp
B = imtransform(A,TFORM)
B = imtransform(A,TFORM,INTERP)
[B,XDATA,YDATA] = imtransform(...)
[B,XDATA,YDATA] = imtransform(...,param1,val1,param2,val2,...)
Diễn giải
+ B=imtransform(A,TFORM ): biến đổi ảnh A theo cấu trúc được định nghĩa
trong TFORM. Cấu trúc này được trả về từ hàm maketform hoặc cp2tform. Nếu
ndims(A)>2 như các ảnh RGB thì cùng một biến đổi không gian 2 chiều được áp đặt
tới tất cả các mặt phẳng theo chiều cao hơn.
Khi sử dụng cú pháp này, hàm imtransform tự động dịch gốc của ảnh ra để ảnh ra có
thể được hiển thị nhiều nhất có thể.
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-44-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Chương 1: Giới thiệu Matlab và khái quát về ảnh 33
+ B=imtransform(A,TFORM, INTERP): chỉ ra dạng của phép nội suy được
sử dụng. INTERP có thể là một trong các giá trị ‘nearest’, ‘bicubic’ hoặc ‘bilinear’.
Tương tự, INTERP có thể là một cấu trúc được trả về từ hàm makeresampler.
Tuỳ chọn này cho phép điều khiển nhiều hơn lên việc lấy mẫu lại (resampling).
+ [B,XDATA,YDATA]= imtransform(…): trả về vị trí của ảnh ra B trong
không gian X-Y. XDATA và YDATA các vector hai thành phần. Những thành phần
của XDATA chỉ ra toạ độ x của cột đầu và cuối của B. Những thành phần của
YDATA chỉ ra toạ độ y của cột đầu và cuối của B. Bình thường, hàm imtransform
tính toán XDATA và YDATA tự động vì vậy B chứa toàn bộ ảnh đã biến đổi A. Tuy
nhiên, ta có thể đè chồng tính toán tự động này xem dưới đây:
+ [B,XDATA,YDATA] = imtransform(...,param1,val1,param2,val2,...): Chỉ
ra các tham số điều khiển nhiều khía cạnh khác nhau của biến đổi không gian. Bảng
sau liệt kê các tham số mà ta có thể chỉ ra.
Tham số Diễn giải
Cả hai tham số này là các vector hai phần tử thực. ‘Udata’ và
‘Vdata’ chỉ ra vị trí không gian của ảnh A trong không gian
vào 2 chiều U-V. Hai phần tử của ‘Udata’ cho toạ độ u (hoành
‘UData’ độ ) của cột đầu tiên và cuối cùng của A. Hai phần tử của
‘VData’ ‘Vdata’ cho toạ độ v ( tung độ ) của hàng đầu tiên và cuối cùng
của A.
Giá trị mặc định cho ‘Udata’ và ‘Vdata’ tương ứng là [1
size(A,2) ] và [1 size(A,1) ]
Cả hai tham số này là các vector hai phần tử thực chỉ ra vị trí
không gian của ảnh ra B trong không gian ra 2 chiều X-Y. Hai
phần tử của ‘Xdata’ chỉ ra hoành độ x của cột đầu tiên và cuối
‘Xdata’ cùng của B. Hai phần tử của ‘Ydata’ chỉ ra tung độ của hàng
‘Ydata’ đầu tiên và cuối cùng của B.
Nếu ‘Xdata’ và ‘Ydata’ không được chỉ ra, hàm imtransform
ước lượng giá trị cho chúng để có thể chứa toàn bộ ảnh ra đã bị
biến đổi
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-45-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Chương 1: Giới thiệu Matlab và khái quát về ảnh 34
Là vector với một hoặc hai phần tử thực. Phần tử đầu tiên của
‘XYScale’ chỉ ra chiều rộng của mỗi pixel vào trong không
gian X-Y. Phần tử thứ hai (nếu tồn tại) chỉ ra chiều cao của
‘XYScale’ mỗi pixel ra. Nếu ‘XYScale’ chỉ có một phần tử, giá trị này sẽ
được dùng cho cả chiều rộng và chiều cao.
Nếu ‘XYScale’ không được chỉ định nhưng Size được chỉ ra
thì ‘XYScale’ được tính toán từ ‘Size’,’Xdata’ và ‘Ydata’.
Một vector hai phần tử nguyên không âm. ‘Size’ chỉ ra số hàng
và cột trong ảnh ra B. Với chiều cao hơn, kích cỡ của B được
‘Size’ lấy trực tiếp từ A. Nói cách khác, size(B,k) tương đương với
size(A,k) với k>2. Nếu ‘Size’ không được chỉ định, nó sẽ được
tính từ ‘Xdata’,’Ydata’ và ‘XYScale’
Một mảng chứa một hoặc nhiều giá trị tô (fill values). Fill
values được sử dụng cho các pixel trên ảnh ra khi vị trí được
biến đổi tương ứng trên ảnh vào hoàn toàn là viền ngoài của
ảnh ra. nếu A là 2 chiều, ‘Fillvalues’ phải vô hướng. Tuy
nhiên, nếu chiều của A lớn hơn 2, ‘FillValues’ có thể là một
mảng mà kích thước của nó thoả mãn ràng buộc sau:
size(fill_values,k) phải bằng size(A,k+2) hoặc 1.
Chẳng hạn, nếu A là một ảnh RGB unit8 có kích thước
‘FillValues’ 200x200x3 thì các khả năng của ‘FillValues’ bao gồm:
+ 0: Tô với màu đen
+ [0;0;0]: Tô với màu đen
+ 255: Tô với màu trắng
+ [255;255;255]: Tô với màu trắng
+ [0;0;255]: Tô với màu xanh
+ [255;255;0]: Tô với màu vàng
Nếu A là 4 chiều 200x200x3x10 thì ‘FillValues’ có thể là 1 vô
hướng 1x10,3x1,3x10
Ví dụ
Áp một phép dịch chuyển ngang tới một ảnh cường độ ;
I = imread('cameraman.tif');
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-46-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Chương 1: Giới thiệu Matlab và khái quát về ảnh 35
tform = maketform('affine',[1 0 0;.5 1 0; 0 0 1]);
J = imtransform(I,tform); imshow(I), figure,
imshow(J)
Hình 1.12 Ảnh trước và sau khi imtransformsvới 1 cường độ ảnh
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-47-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 60
Lấy một chuỗi huấn luyện của ảnh mặt người là Γ1 , Γ 2 , Γ 3 , Γ 4 ,..., Γn . Mỗi bức
ảnh khác với ảnh trung bình theo vectơ Φi = Γ i − Ψ . Gương mặt “trung bình” của
chuỗi được tính bằng công thức.
1 M
Ψ =
M ∑n=1
Γ
n
Hình 3.6 thể hiện dãy huấn luyện, ảnh trung bình chỉ ra ở hình 3.6b. Dãy này là
các vectơ có kích thước lớn được tính toán PCA, tìm kiếm dãy M các vectơ trực giao
và các giá trị riêng thích hợp. Các vectơ và thang đo là các vectơ riêng và trị riêng
tương ứng của ma trận tương quan.
1 M T T
C = ∑Φ
n
Φ
n = AA
Mn=1
Trong đó ma trận A = [ Φ1 , Φ 2 , Φ 3 ,..., Φn ], ma trận C có kích thước là N2
x N2
và phải xác định N vectơ riêng và trị riêng, đó là nhiệm vụ rất khó làm đối với kích
thước của một ảnh chuẩn. Chúng ta cần phải có phương pháp tính toán hợp lý để tìm ra
các vectơ riêng này. Thật may mắn khi ta có thể xác định các vectơ riêng bằng việc
tính toán trong ma trận có kích thước nhỏ hơn nhiều M x M, sau đó dùng kết hợp tuyến
tính của các vectơ tính được ở trên.
Với sự phân tích trên thì việc tính toán đã được giảm bớt rất nhiều, từ bậc của
các điểm ảnh N2
chuyển sang bậc của các ảnh trong dãy huấn luyện M. Thực tế những
ảnh gương mặt trong dãy huấn luyện sẽ tương đối nhỏ (M<< N2
) và việc tính toán có
thể kiểm soát được. Những trị riêng thích hợp cho phép chúng ta sắp xếp các trị riêng
theo hướng có lợi cho việc mô tả sự khác nhau giữa các bức ảnh. Hình 3.7 chỉ ra 7
eigenfaces đầu tiên đã tính tóan từ các ảnh đầu vào ở hình 3.6. Thông thường nền bức
ảnh sẽ được loại bỏ khỏi ảnh được luyện, do đó eigenfaces sẽ có giá trị không ở không
gian phía ngoài gương mặt.
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-73-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 61
3.3.2 Dùng Eigenfaces để phân loại ảnh mặt người.
Khi các eigenfaces được tạo ra, việc nhận dạng trở thành nhận ra các mẫu.
Eigenfaces sẽ mở ra không gian con M’ chiều từ không gian gốc N2
. M’ vectơ riêng
cần thiết của ma trận L được chọn ra từ các giá trị riêng thích hợp lớn nhất. Trong
trường hợp kiểm tra này, dựa trên M=16 ảnh gương mặt, chọn ra M’= 7 eigenfaces. Số
eigenfaces được sử dụng ở đây là chọn ra từ các trị riêng. Một gương mặt mới được
biến đổi về các thành phần eigenface của chính nó (chiếu vào không gian mặt) bởi
phép tính đơn giản
Wk = uk (Γ − Ψ )với k=1,2…M’
Điều này mô tả một dãy phép nhân và phép cộng điểm đến điểm ảnh. Hình 3.8
chỉ ra 3 bức ảnh và hình chiếu của chúng vào không gian mặt người.
Hình 3.8 Ảnh và hình chiếu của nó vào không gian mặt người xác
định bởi các Eigenfaces từ hình 3.7
Các trọng số thu được từ vectơ Ω T
= [w1 , w2 , w3 ,..., wM ' ] , chúng mô tả sự phân bố
của từng eigenface trong mối tương quan của ảnh đầu vào, mô tả eigenfaces như là
phần cơ bản của ảnh mặt người. Các vectơ này được dùng để tìm kiếm là cái nào trong
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-74-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Tài Liệu Tham Khảo
[1]. Ngô Hoàng Khắc Tiến, Trần Xuân Bách, Đồ án tốt nghiệp Dò tìm ảnh mặt người
dùng PCA, Khoa Công nghệ điện tử, trường Đại học Công Nghiệp TP HCM, 2009.
[2]. Lương Mạnh Bá, Nguyễn Thanh Thủy, Nhập Môn Xử lý ảnh số, Nxb Khoa học
và Kỹ thuật, 2002.
[3]. Võ Đức Khánh, Hoàng Văn Kiếm. Giáo trình xử lý ảnh số, Nhà xuất bản Đại học
Quốc gia Thành phố Hồ Chi Minh, 2003.
[4]. Phạm Thế Bảo, Tổng quan các phương pháp xác định khuôn mặt người, Tạp chí
bưu chính viễn thông.
[5]. Ngô Quốc Tạo, Ngô Phương Đông, Nguyễn Thanh Hòa, Phạm Việt Bình (2003),
Báo cáo “Nhận dạng mặt người trong môi trường độ sáng không đồng nhất”, Hội
thảo Công nghệ thông tin quốc gia lần thứ VIII, Thái Nguyên, 29-31/8/2003.
[6]. Nguyễn Hoài Sơn, Giáo trình Matlab căn bản, Khoa Xây dựng và Cơ học ứng
dụng, trường ĐHSPKT.
[7]. Burce A. Draper, Kyungim Baek, Marian Stewart Bartlett, J. Ross Beveridge,
“Recognizing Faces with PCA and ICA”.
[8]. Stan Z. Li , Anil K. Jain, “Handbook of Face Recognition”, 2006.
[9]. IEEE Computer Society, “Automatic face and gesture recognition”, 2004
[10]. Các Wedsite:
http://www.mathworks.com/matlabcentral/fileexchange/?term=Variable
http://www.picvietnam.com/forum//showthread.php?t=387
www. diendandientu. com
www. dientuvienthong. net](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-99-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Phụ lục
PHỤ LỤC
************ Chương trình chính***************
function varargout = luanvantotnghiep(varargin)
% LUANVANTOTNGHIEP M-file for
luanvantotnghiep.fig gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @luanvantotnghiep_OpeningFcn, ...
'gui_OutputFcn', @luanvantotnghiep_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State,
varargin{:}); else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT
% Executes just before luanvantotnghiep is made visible.
function luanvantotnghiep_OpeningFcn(hObject, eventdata, handles, varargin)
handles.output = hObject;
% Update handles structure
guidata(hObject, handles);
function varargout = luanvantotnghiep_OutputFcn(hObject, eventdata,
handles) varargout{1} = handles.output;
function THOAT_Callback(hObject, eventdata, handles)
close1;
% --- Executes on button press in pushbutton6.
function pushbutton6_Callback(hObject, eventdata, handles)
chuongtrinh1;
delete(handles.figure1);
% --- Executes during object creation, after setting all properties.
function axes1_CreateFcn(hObject, eventdata, handles)
imshow('anhnen.jpg');
% --- Executes during object creation, after setting all properties.
function axes3_CreateFcn(hObject, eventdata, handles)
imshow('vo.jpg');
% --- Executes during object creation, after setting all properties.
function sxes2_CreateFcn(hObject, eventdata, handles)
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-100-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Phụ lục
imshow('logo.bmp');
****************************************************
**************Chương trình cắt ảnh tĩnh*********
function varargout = chuongtrinh1(varargin)
gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @chuongtrinh1_OpeningFcn, ...
'gui_OutputFcn', @chuongtrinh1_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State,
varargin{:}); else
gui_mainfcn(gui_State, varargin{:});
end
% --- Executes just before chuongtrinh1 is made visible.
function chuongtrinh1_OpeningFcn(hObject, eventdata, handles, varargin)
handles.output = hObject;
% Update handles structure
guidata(hObject, handles);
% --- Outputs from this function are returned to the command line.
function varargout = chuongtrinh1_OutputFcn(hObject, eventdata,
handles) varargout{1} = handles.output;
% --- Executes on button press in CHONANH.
function CHONANH_Callback(hObject, eventdata, handles)
xoaanh;
chonanh;
% --- Executes on button press in TACHMAT.
function TACHMAT_Callback(hObject, eventdata, handles)
axes(handles.axes4);
imshow('anhluu/anh1.jpg');
axes(handles.axes5);
imshow('anhluu/anh2.jpg');
axes(handles.axes6);
imshow('anhluu/anh3.jpg');
axes(handles.axes7);
imshow('anhluu/anh4.jpg');
% --- Executes on button press in Timmat.
function Timmat_Callback(hObject, eventdata, handles)
tic % tic là hàm đếm thời gian bắt đầu đếm
thuchien; % gọi hàm thuchien.m
axes(handles.axes2);
imshow('anhluu/anh_kq.jpg'); %hiện ảnh kết quả
set(handles.times,'string',toc); %kết thúc đếm thời gian và cho nó hiện
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-101-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Phụ lục
imwrite(photo,a);
set(handles.ten,'string',' ');
set(handles.ns,'string',' ');
set(handles.mssv,'string',' ' );
set(handles.lop,'string',' ');
set(handles.quequan,'string',' ');
end
% --- Executes on button press in chon4.
function chon4_Callback(hObject, eventdata, handles)
if (get(hObject,'Value') == get(hObject,'Max'))
photo=imread('anhluuanh4.jpg');
a = strcat('anhluu/anhtest.jpg');
imwrite(photo,a);
set(handles.ten,'string',' ');
set(handles.ns,'string',' ');
set(handles.mssv,'string',' ' );
set(handles.lop,'string',' ');
set(handles.quequan,'string',' ');
end
% --- Executes on button press in back.
function back_Callback(hObject, eventdata, handles)
xoaanh;
luanvantotnghiep;
delete(handles.figure1);
% --- Executes on button press in close.
function close_Callback(hObject, eventdata, handles)
xoaanh;
luanvantotnghiep;
delete(handles.figure1);
% --- Executes on button press in next.
function next_Callback(hObject, eventdata, handles)
xoaanh;
chuongtrinh2;
delete(handles.figure1);
****************************************************
**********Chương trình cắt ảnh động****************
function varargout = chuongtrinh2(varargin)
gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @chuongtrinh2_OpeningFcn, ...
'gui_OutputFcn', @chuongtrinh2_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State,
varargin{:}); else
gui_mainfcn(gui_State, varargin{:});
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-103-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Phụ lục
end
% End initialization code - DO NOT EDIT
% --- Executes just before chuongtrinh2 is made visible.
function chuongtrinh2_OpeningFcn(hObject, eventdata, handles, varargin)
handles.output = hObject;
% Update handles structure
guidata(hObject, handles);
% --- Outputs from this function are returned to the command line.
function varargout = chuongtrinh2_OutputFcn(hObject, eventdata,
handles) varargout{1} = handles.output;
% --- Executes on button press in chupanh.
function chupanh_Callback(hObject, eventdata, handles)
xoaanh;
global vid photo a
photo = getsnapshot(vid);
selection = questdlg(['Ban muon chup anh gan hay xa?'],...
['Chuong trinh chup anh!'],...
'Gan','Xa','Yes' );
if strcmp(selection,'Gan')
axes(handles.axes1);
photo=imresize(photo,0.5);
imshow(photo);
a = strcat('anhluu/anh_goc.jpg');
imwrite(photo,a);
elseif strcmp(selection,'Xa')
axes(handles.axes1);
imshow(photo);
a = strcat('anhluu/anh_goc.jpg');
imwrite(photo,a);
end
% --- Executes on button press in CAMERA.
function CAMERA_Callback(hObject, eventdata, handles)
global vid
info = imaqhwinfo;
info = imaqhwinfo('winvideo');
info.DeviceInfo;
info.DeviceInfo.SupportedFormats;
vid = videoinput('winvideo',1,'YUY2_640x480');
set(vid,'ReturnedColorSpace','RGB');
preview(vid);
% --- Executes on button press in TACHMAT.
function TACHMAT_Callback(hObject, eventdata, handles)
axes(handles.axes4);
imshow('anhluu/anh1.jpg');
axes(handles.axes5);
imshow('anhluu/anh2.jpg');
axes(handles.axes6);
imshow('anhluu/anh3.jpg');
axes(handles.axes7);
imshow('anhluu/anh4.jpg');
% --- Executes on button press in Timmat.
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-104-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Phụ lục
photo=imread('anhluuanh3.jpg'); % chọn ảnh thực hiện cho chương trình nhận dạng
a = strcat('anhluu/anhtest.jpg'); % con nếu không thì thôi không là gì hết
imwrite(photo,a);
set(handles.ten,'string',' '); set(handles.ns,'string',' ');
set(handles.mssv,'string',' '); set(handles.lop,'string',' ');
set(handles.quequan,'string',' ');
end
% --- Executes on button press in chon4.
function chon4_Callback(hObject, eventdata, handles)
if (get(hObject,'Value') == get(hObject,'Max')) % nếu đánh dấu nó mang “Max”
photo=imread('anhluuanh4.jpg'); % chọn ảnh thực hiện cho chương trình nhận dạng
a = strcat('anhluu/anhtest.jpg'); % còn nếu không thì thôi không là gì hết
imwrite(photo,a);
set(handles.ten,'string',' ');
set(handles.mssv,'string',' ');
set(handles.quequan,'string',' ');
end
% --- Executes on button press in back.
function back_Callback(hObject, eventdata, handles)
xoaanh;
chuongtrinh1;
delete(handles.figure1);
% --- Executes on button press in close.
function close_Callback(hObject, eventdata,
handles) xoaanh;
luanvantotnghiep;
delete(handles.figure1);
set(handles.ns,'string',' ');
set(handles.lop,'string',' ');
% thực hiện xóa những tấm ảnh cũ trước khi
thực %hiện chương trình xử lý ảnh mới
% thực hiện xóa những tấm ảnh cũ trước khi
thực %hiện chương trình xử lý ảnh mới
********* Đoạn code thực hiện chương trình dò tìm và cắt ảnh*************
face='face';
nface='nface';
%********************** TAO MATRAN CSDL************
[T1,T2] = taoCSDL(face,nface);
%******************* TAO EF ************
[m1,m2,E1,E2] = taoEF(T1,T2);
%******************LOAD ANH DE XU LY**********
im1=imread('anhluu/anh_goc.jpg');
im= imresize(im1,0.2); % nén ảnh lại chỉ còn 20%
im =rgb2gray(im); % chuyển về ảnh xám chỉ mang giá trị 0 và 1
%***************** XAC DINH **************
[dong cot] = size(im);
anh1=im*255; % nhận toàn bộ ảnh với gí trị 255
anh2=im*255;
for i=1:1:dong
for j=1:1:cot
tam=subim(im,i,j);
tam1=tam-m1; % m1 là giá trị trung bình của ảnh face
tam2=tam-m2; % m2 là giá trị trung bình của ảnh nace
sochieu1=size(E1,2);
sochieu2=size(E2,2);
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-106-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Phụ lục
hinhchieu1=tam*0;
hinhchieu2=hinhchieu1;
for k=1:sochieu1
toado=(E1(:,k))'*tam1;
hinhchieu1=hinhchieu1+toado*E1(:,k);
end
for k=1:sochieu2
toado=(E2(:,k))'*tam2;
hinhchieu2=hinhchieu2+toado*E2(:,k);
end
kc1=norm(tam1-hinhchieu1)/20;
kc2=norm(tam2-hinhchieu2)/20;
anh1(i,j)=kc1;
anh2(i,j)=kc2;
end
end
b=strcat('anhluu/anh_face.jpg');
imwrite(anh1,b);
%******************* DANH DAU ANH ***********
%@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@
xacdinh(im1,im1,anh1,anh2);
anh1=im1;
anh=im1;
face=anh1;
nface=anh2;
******* Đoạn code tạo cơ sở dữ liệu cho chương trình dò tìm ảnh mặt**********
function [T1,T2] = taoCSDL(face,nface)
csdl1 = dir(face);
csdl2=dir(nface);
soanh1 = 0;
soanh2=0;
% đếm tất cả các file ảnh có trong thư mục face và
nface for i = 1:size(csdl1,1)
if not(strcmp(csdl1(i).name,'.')|strcmp(csdl1(i).name,'..')|strcmp(csdl1(i).name,'Thumbs.db'))
soanh1 = soanh1 + 1;
end
end
for i = 1:size(csdl2,1)
if not(strcmp(csdl2(i).name,'.')|strcmp(csdl2(i).name,'..')|strcmp(csdl2(i).name,'Thumbs.db'))
soanh2 = soanh2 + 1 ;
end
end
T1 = []; % Tạo ma trận ảnh T1 chứa tập ảnh face
for i = 1 : soanh1
str = int2str(i); % hàm strcat nhằm liên kết các giá trị thành chuỗi
str = strcat('',str,'.png'); % tiện cho quá trình truy xuất hay lưu lại giá trị mới
str = strcat(face,str);
img = imread(str);
try
img = rgb2gray(img); % chuyển tất cả về ảnh xám 0 1
catch
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-107-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Phụ lục
end
[dong cot] = size(img);
tam = reshape(img',dong*cot,1);
T1 = [T1 tam];
End
% mỗi tấ m ảnh huấn luyện có kích thước 18*27
% biến 1 ảnh thành 1 vecto có 1cột và 18*27
hàng % tăng dần kích thước ma trận T1
% kết thúc ma trận T1 có kích thước 18*27x P với P là số cột của ma trận củng chính là số ảnh
trong thư mụ c ảnh %huấn luyện face 18*27=486 chính là số dòng của ma trận ảnh T1 và tương tự ma trận
T2 cũng vậy
T2 = []; % Bước này làm tương tự như tạo ma trận T1
for i = 1 : soanh2 % nhưng đối với ma trận ảnh nface
str = int2str(i);
str = strcat('',str,'.png');
str = strcat(nface,str);
img = imread(str);
try
img = rgb2gray(img);
catch
end
[dong cot] = size(img); %dong 27 cot 18
tam = reshape(img',dong*cot,1);
T2 = [T2 tam];
end
*********Đoạn code tạo enginface **************
function [m1,m2,E1,E2] = taoEF(T1,T2)
m1 = mean(T1,2); % Tính toán giá trị ảnh trung bình soanh1 = size(T1,2);
m2 = mean(T2,2);
soanh2=size(T2,2);
%Tính độ lệch gi ửa các bước ảnh hu ấn luyện với giá trị ảnh trung bình sau đó trừ đi giá trị trung bình của
ảnh trung bình và lưu các sai khác đó l ại làm một ma trận ảnh mới ma trận đó là ma trận vecto riêng của
ảnh huấn luyện, nhân ma trận vector riêng với ma trận nghịch đảo của nó và dùng hàm “eig” để tìm các
vector riêng cho tập ảnh huấn luyện
A1 = [];
for i = 1 : soanh1
temp = double(T1(:,i)) - m1; % T(:,i): vector cột thứ i chính là một bức ảnh
A1 = [A1 temp];
end
A2 = [];
for i = 1 : soanh2
temp = double(T2(:,i)) - m2;
A2 = [A2 temp];
end
L1 = A1'*A1;
[V1 D1] = eig(L1); %tìm vector riêng và trị riêng
L2 = A2'*A2;
[V2 D2] = eig(L2);
%V chứa ma trận những vecto riêng, còn D chứa những trị riêng của các vector riêng đó, vector riêng V(:,i)
ứng với trị riêng là D(i,i)
D=diag(D1);
D=sort(D); % sắp sếp theo chiều tăng dần
s=size(D);
s=s(1);
D=D(s-20); % chỉ giữ lại 20 trị riêng lớn nhất
LeigV1 = []; % và 20 vector riêng lớn nhất của tập ảnh huấn luyện
for i = 1 : size(V1,2)
if( D1(i,i)>D )
LeigV1 = [LeigV1 V1(:,i)]; % tạo một ma trận mới chỉ gồm 20 vecto riêng
End %tại các vị trí của chính nó còn các vị trí khác
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-108-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Phụ lục
End %đều cho giá trị bằng 0
D=diag(D2);
D=sort(D);
s=size(D);s=s(1);
D=D(s-30);
LeigV2 = [];
for i = 1 : size(V2,2)
if( D2(i,i)>D )
LeigV2 = [LeigV2 V2(:,i)];
end
end
E1 = A1 * LeigV1;
E2 = A2 * LeigV2;
sovector=size(E1,2);
for i=1:sovector
dodai=norm(E1(:,i));
E1(:,i)=E1(:,i)/dodai;
end
sovector=size(E2,2); % sovector chính là số cột của ma trận
for i=1:sovector
dodai=norm(E2(:,i)); % “norm” la tính giá trị bình phương trung bình
E2(:,i)=E2(:,i)/dodai;
End
****** doan code xac dinh va cat anh khuon mat********
function xacdinh(anh1,anh,face,nface)
[dong,cot]=size(face); % vì phương pháp PCA là phương pháp xử lý ảnh theo khối
for i=15:1:dong-13; % do vậy khi xử lý ảnh ta thường cắt ảnh lớn ra thành từng
for j=8:1:cot-8; % tấm ảnh con để xử lý mà tấm ảnh xử lý phải có kích thước
s1=0.001; % bằng kích thước tấm ảnh trong tập ảnh huấn luyện
s2=0.001; % do vậy khi xử lý ta phải tính giá trị từ tâm của tấm ảnh
for i1=i-13:i+13 % để quét cho nên khi truy xuất ra hình Eigenface thường
for j1=j-7:j+7 % mất đi các đường viền xung quanh là vậy
if abs(i1-i)<3 && abs(j1-j)<2
s1=s1+double(face(i1,j1));
else
s2=s2+double(face(i1,j1));
end
end
end
if s2/s1>21.8 && (nface(i,j)+nface(i-1,j)+nface(i+1,j))>89 && face(i,j)<31 && face(i-1,j)<31 &&
face(i+1,j)<31 && face(i-2,j)<31 && face(i+2,j)<31
kq(i,j)=255; % gán tại điểm ảnh phù hợp với các thông số
else % của khuôn mặt là 255 và các vị trí khác
kq(i,j)=0; % mang giá trị bằng 0
end
end
end
%-----------------------------
d=strcat('anhluu/anh_danhdau.jpg');
imwrite(kq,d);
I=kq;
anhkq=anh;
anhkq1=anh1;
[d,c]=size(I); % d là số dòng còn c là số cột của ma trận ảnh I
i1=1; i2=1; i3=1; i4=1; j1=1; j2=1; j3=1; j4=1; % khi tính toán ở hàm này thì i là cột và j là dòng
if d>50
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-109-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Phụ lục
d1=d*2/3;
else
d1=d-5;
end
for i=1:c-5 % trong thuật toán này ta dùng vòng lặp for để
for j=1:d1 % tìm giá trị tại đó là 255 sau đó lưu nó lại
if I(j,i)>200 && i>10 % để tiện bề cho tính toán tách mặt sau này
i1=i; % vòng lặp for có một khuyết điểm là nó
j1=j; % chỉ dừng lại tại điểm cuối cho nên vấn đề
end % tìm kiếm được nhiều khuôn mặt gặp nhiều
end % khó khăn vòng lệnh lặp lại nhiều lẩn
end % tốn kém thời gian khi chạy chương trình
if i1-30>0
for i=1:i1-30
for j=1:d*2/3
if I(j,i)==255 && i>10
i2=i;
j2=j;
end
end
end
end
if i2-30>0
for i=1:i2-30
for j=1:d/2
if I(j,i)==255 && i>10
i3=i;
j3=j;
end
end
end
end
if i3-30>0
for i=1:i3-20
for j=1:d/2
if I(j,i)==255 && i>10
i4=i;
j4=j;
end
end
end
end
[d,c]=size(anhkq);
if j1>1 &&i1>1
[j12,i12]=do(I,j1,i1); % gọi đến chương trình dò tìm tâm ảnh khuôn mặt
i1=i12-16;
j1=j12-20;
if i1<1 % điều kiện này nhằm tránh lỗi khi cắt ảnh
i1=1; % mà cắt ảnh lấn ra ngoài khung ảnh
end
if j1<1
j1=1;
end
i1=i1*5; j1=j1*5; i11=i1+149; j11=j1+199;
if i11>c
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-110-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Phụ lục
i11=c;
end
if j11>d
j11=d;
end
anh1=imcrop(anhkq1,[i1 j1 i11-i1 j11-j1]);
a1=strcat('anhluu/anh1.jpg'); imwrite(anh1,a1);
for c1=i1:i11
anhkq(j1,c1)=255; anhkq(j11,c1)=255; anhkq(j1-1,c1)=255; anhkq(j11-1,c1)=255;
anhkq(j1-2,c1)=255; anhkq(j11-2,c1)=255; anhkq(j1-3,c1)=255; anhkq(j11-3,c1)=255;
end
for d1=j1:j11
anhkq(d1,i1)=255; anhkq(d1,i11)=255; anhkq(d1,i1-1)=255; anhkq(d1,i11-1)=255;
anhkq(d1,i1-2)=255; anhkq(d1,i11-2)=255; anhkq(d1,i1-3)=255; anhkq(d1,i11-3)=255;
end
end
if j2>1 &&i2>1
[j22,i22]=do(I,j2,i2); i2=i22-16; j2=j22-20;
if i2<1
i2=1;
end
if j2<1
j2=1;
end
i2=i2*5; j2=j2*5; i21=i2+149; j21=j2+199;
if i21>c
i21=c;
end
if j21>d
j21=d;
end
anh1=imcrop(anhkq1,[i2 j2 i21-i2 j21-j2]);
a1=strcat('anhluu/anh2.jpg'); imwrite(anh1,a1);
for c1=i2:i21
anhkq(j2,c1)=255; anhkq(j21,c1)=255; anhkq(j2-1,c1)=255; anhkq(j21-1,c1)=255;
anhkq(j2-2,c1)=255; anhkq(j21-2,c1)=255; anhkq(j2-3,c1)=255; anhkq(j21-3,c1)=255;
end
for d1=j2:j21
anhkq(d1,i2)=255; anhkq(d1,i21)=255; anhkq(d1,i2-1)=255; anhkq(d1,i21-1)=255;
anhkq(d1,i2-2)=255; anhkq(d1,i21-2)=255; anhkq(d1,i2-3)=255; anhkq(d1,i21-3)=255;
end
end
if j3>1 &&i3>1
[j32,i32]=do(I,j3,i3); i3=i32-16; j3=j32-20;
if i3<1
i3=1;
end
if j3<1
j3=1;
end
i3=i3*5; j3=j3*5; i31=i3+149; j31=j3+199;
if i31>c
i31=c;
end
if j31>d
j31=d;
end
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-111-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Phụ lục
anh1=imcrop(anhkq1,[i3 j3 i31-i3 j31-j3]);
a1=strcat('anhluu/anh3.jpg');
imwrite(anh1,a1);
for c1=i3:i31
anhkq(j3,c1)=255; anhkq(j31,c1)=255; anhkq(j3-1,c1)=255; anhkq(j31-1,c1)=255;
anhkq(j3-2,c1)=255; anhkq(j31-2,c1)=255; anhkq(j3-3,c1)=255; anhkq(j31-3,c1)=255;
end
for d1=j3:j31
anhkq(d1,i3)=255; anhkq(d1,i31)=255; anhkq(d1,i3-1)=255; anhkq(d1,i31-1)=255;
anhkq(d1,i3-2)=255; anhkq(d1,i31-2)=255; anhkq(d1,i3-3)=255; anhkq(d1,i31-3)=255;
end
end
if j4>1 &&i4>1
[j42,i42]=do(I,j4,i4); i4=i42-16; j4=j42-20;
if i4<1
i4=1;
end
if j4<1
j4=1;
end
i4=i4*5; j4=j4*5; i41=i4+149; j41=j4+199;
if i41>c
i41=c;
end
if j41>d
j41=d;
end
anh1=imcrop(anhkq1,[i4 j4 i41-i4 j41-j4]);
a1=strcat('anhluu/anh4.jpg'); imwrite(anh1,a1);
for c1=i4:i41
anhkq(j4,c1)=255; anhkq(j41,c1)=255; anhkq(j4-1,c1)=255; anhkq(j41-1,c1)=255;
anhkq(j4-2,c1)=255; anhkq(j41-2,c1)=255; anhkq(j4-3,c1)=255; anhkq(j41-3,c1)=255;
end
for d1=j4:j41
anhkq(d1,i4)=255; anhkq(d1,i41)=255; anhkq(d1,i4-1)=255; anhkq(d1,i41-1)=255;
anhkq(d1,i4-2)=255; anhkq(d1,i41-2)=255; anhkq(d1,i4-3)=255; anhkq(d1,i41-3)=255;
end
end
e=strcat('anhluu/anh_kq.jpg');
imwrite(anhkq,e);
****Đoạn code xác định vị trí trung tâm khuôn mặt*******
function [a1,b1]= do(anh,a,b)
% b la gia tri cot a la gia tri dong
mini=b; minj=a; maxj=a;
[d,c]=size(anh); b1=b-20; a1=a-15; a2=a+15;
if b1<1
b1=1;
end
if a1<1
a1=1;
end
if a2>d
a2=d;
end
for i1=b1:b
for j1=a1:a2
if anh(j1,i1)>200
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-112-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Phụ lục
if i1<mini
mini=i1;
end
if j1<minj
minj=j1;
end
if j1>maxj
maxj=j1;
end
end
end
end
a1=round((minj+maxj)/2); b1=round((mini+b)/2);
******Đoạn code nhận dạng Enginface***********
function kq=subim(anh,y,x)
[dong,cot]=size(anh); % hàm này có hai mục đích
d=27;c=18; % thứ 1: xóa bỏ các ảnh lỗi
i1=y-13;i2=y+13; % thứ hai biến đổi ảnh thành vector và làm tròn số
if i1<1 % trong thuật toán PCA xử lý ảnh theo khối do đó khi
i1=1; % cắt ảnh thì củng sẽ có những tấm ảnh bị lỗi
end % nên hàm này sẽ xóa tất cả các ảnh lỗi về giá trị
if i2>dong % chỉ giữ lại các ảnh có kích thước đúng với ảnh mẫu
i2=dong;
end
j1=x-8;j2=x+9;
if j1<1
j1=1;
end
if j2>cot
j2=cot;
end
im=anh(i1:i2,j1:j2);
kt=(i2-i1+1)*(j2-j1+1);
if kt==486
im=reshape(im',486,1);
kq=double(im);
else
im=reshape(im,kt,1);
kq=zeros(486,1);
for i=1:kt
kq(i,1)=im(i,1);
end
kq=double(kq);
end
*******Đoạn code nhận dạng và truy xuất thông tin cá nhân ảnh nhận
dạng********
******Đoạn code chương trình chính**********
anhtest=imread('anhluu/anhtest.jpg');
if anhtest==255
axes(handles.axes3);
imshow('hoso/0.jpg');
set(handles.ten,'string','Khoâng bieát');
set(handles.ns,'string','Khoâng bieát');
set(handles.mssv,'string','Khoâng bieát' );
set(handles.lop,'string','Khoâng bieát');
set(handles.quequan,'string','Khoâng bieát');
%đọc ảnh chọn để nhận dạng
% kiểm tra có phải là ảnh trắng hay không
% nếu là ảnh trắng thông tin nhận d ạng sẽ là
% tấm hình không nhận dạng được
% và các thông tin khác đều “không biết”
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-113-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Phụ lục
else % nếu có tấm ảnh nhận dạng thì chương trình sẽ
anhtest=imresize(anhtest,[200 150]); % resize ảnh về đúng kích thước của ảnh mẫu
mau='anhmau'; %tạo cơ sở dữ liệu ảnh mẫu
T = taoCSDL1(mau); % tính giá trị eigenface của tập ảnh mẫu
[m, A, E] = taoEF1(T);
anhtim = nhandien1(anhtest, m, A, E); %gọi đến chương trình nhandien1 để nhận diện ảnh
anhtim1=anhtim+1;
% ******* Đọc và truy xuất dữ liệu của tấm ảnh nhận dạng được từ file Excel ************
file = [pwd 'hoso1.xls']; % khởi động chương trình Excel đọc file hoso1.xls
range = 'A2:E100';
h = actxserver('Excel.Application'); % chỉ khởi động nhưng không cho hiện lên bản Excel
h.Visible = 0; % Visible = 0 là ẩn Visible = 1 là cho nó hiện lên
workbook = h.Workbooks.Open( file );
Sheets = h.ActiveWorkBook.Sheets;
Sheets.Item(1).Activate;
s1=strcat('A',num2str(anhtim1)); % gọi ô nhớ chứa thông tin trong file EXCEL
s2=strcat('B',num2str(anhtim1));
s3=strcat('C',num2str(anhtim1));
s4=strcat('D',num2str(anhtim1));
s5=strcat('E',num2str(anhtim1));
h.Range(s1).Select; % Truy xuất thông tin cá nhân của tấm ảnh nhận
t1 = h.get('Selection').Value; % dạng trong flie Excel(hoso1. xls) theo đúng tên của
h.Range(s2).Select; % bức ảnh mẫu nhận dạng
t2 = h.get('Selection').Value;
h.Range(s3).Select;
t3 = h.get('Selection').Value;
h.Range(s4).Select;
t4 = h.get('Selection').Value;
h.Range(s5).Select;
t5 = h.get('Selection').Value;
set(handles.ten,'string',t1); %hiện thông tin cá nhân của tấm ảnh nhận dạng
set(handles.ns,'string',t2);
set(handles.mssv,'string',t3);
set(handles.lop,'string',t4);
set(handles.quequan,'string',t5);
axes(handles.axes3); % Hiện ảnh vừa nhận diện
imshow(strcat('hoso',t3,'.jpg'));
workbook.Close(false);
h.Quit;
delete(h);
end
% Đóng và thoát chương trình Excel
*******Đoạn code tạo cơ sở dữ liệu của chương trình nhận dạng*****
function T = taoCSDL1(mau)
csdl = dir(mau);
soanh = 0;
for i = 1:size(csdl,1)
if not(strcmp(csdl(i).name,'.')|strcmp(csdl(i).name,'..')|strcmp(csdl(i).name,'Thumbs.db'))
soanh = soanh + 1;
end
end
T=[]; % tạo ma trận ảnh trong thư mục ảnh mẫu
for i = 1 : soanh
str = int2str(i);
str = strcat('',str,'.jpg');
str = strcat(mau,str); % Lấy đầy đủ tên của bức ảnh
img = imread(str);
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-114-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Phụ lục
img = rgb2gray(img);
[dong cot] = size(img);
tam = reshape(img',dong*cot,1);
T = [T tam];
end
% Biến ảnh thành vector
% Tăng dần kích thước ma trận ảnh T
*********Đoạn code tính Eigenface trung bình************
function [m, A, E] = taoEF1(T)
m = mean(T,2); %Tính toán giá trị ảnh trung bình soanh = size(T,2);
%%%%%%%%%%%%%% Tính độ lệch của bức ảnh với gí trị trung bình của ảnh trung
bình A=[];
for i = 1 : soanh
temp = double(T(:,i)) - m; % T(:,i): vector cột thứ i chính là 1 bức A = [A temp];
end
L = A'*A;
[V D] = eig(L);
% Tính ma trận A*A’
% tim các vector riêng và trị riêng
%V chứa những vector riêng, còn D chứa những trị riêng trong đó vector riêng V(:,i) ứng với trị riêng D(i,i)
D1=diag(D);
D1=sort(D1);
s=size(D1);s=s(1);
D1=D1(s-10);
LeigV = [];
for i = 1 : size(V,2)
if( D(i,i)>D1 )
LeigV = [LeigV V(:,i)];
end
end
E = A * LeigV;
sovector=size(E,2);
for i=1:sovector
dodai=norm(E(:,i));
E(:,i)=E(:,i)/dodai;
end
*****Đoạn code nhandien1 của chuong trình nhận dạng khuôn mặt*************
function anhtim = nhandien1(anhtest, m, A, E)
toado = []; %Tập tọa độ hình chiếu của các bức ảnh trong csdl
sovector = size(E,2); %số vector riêng trong E là số
for i = 1 : sovector
tam = E'*A(:,i); %tọa đô hình chiếu của bức ảnh Ai
toado = [toado tam];
end
tam = rgb2gray(anhtest); % chuyển ảnh màu thành ảnh trắng đen
[dong cot] = size(tam);
InImage = reshape(tam',dong*cot,1);
dolech = double(InImage)-m;
toadoKT = E'*dolech;
khoangcach = []; % tính khoảng cách của tấm ảnh so với các ảnh mẫu
for i = 1 : sovector % xác định khoảng cách ngắn nhất
q = toado(:,i);
tam = ( norm( toadoKT - q ) )^2;
khoangcach = [khoangcach tam];
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-115-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Phụ lục
end
[minKC , vitri] = min(khoangcach);
if minKC<50000000
anhtim=vitri;
elseif minKC>50000000
anhtim =100;
end
%%********Đoạn code liên quan*******%%
******* Đoạn code lưu ảnh*********
if s==255 % kiểm tra ảnh chọn lưu có phải là ảnh hay không
selection = questdlg(['No la anh trang do ban co luu khong?'],...
['Luu ' 'anh da chon!'],...
'Yes','No','Yes'); %Đưa ra bản thông báo nếu nó lá ảnh trắng
if strcmp(selection,'No') % chọn “No” để quay lại chương trình
return;
elseif strcmp(selection,'Yes')
[filename,pathname]=uiputfile({'*.jpg','JPEG Files(*.jpg)'; ...
'*.bmp','Bitmap Files(*.bmp)';'*.gif','GIF Files(*.gif)';...
'*.tif','TIFF Files(*.tif)';...
'*.*','all image file'},'Luu anh da chon!','anhkq/');
imwrite(s,[pathname,filename]);
end
else % nếu ảnh lưu không phải là ảnh trắng
[filename,pathname]=uiputfile({'*.jpg','JPEG Files(*.jpg)' ;...
'*.bmp','Bitmap Files(*.bmp)';'*.gif','GIF Files(*.gif)';...
'*.tif','TIFF Files(*.tif)';... %đặt tên và chọn lo ại ảnh muốn lưu
'*.*','all image file'},'Luu anh da chon!','anhkq/'); %thực hiện lưu ảnh
imwrite(s,[pathname,filename]);
end
********* Đoạn code chọn ảnh *******
[filename,pathname]=uigetfile({'*.jpeg;*.jpg;*.gif;*.tif;*.tiff;*.bmp;*.png',...
'all image file';'*.jpg;*.jpeg','JPEG Files(*.jpg,*.jpeg)';... % chọn đường dẫn nơi chứa ảnh test
'*.gif','GIF Files(*.gif)';'*.tif;*.tiff','TIFF Files(*.tif,*.tiff)';...
'*.bmp','Bitmap Files(*.bmp)';'*.png','PNG Files(*.png)'},'Chon anh kiem tra! ','anhtest/1.png');
anhchon=imread([pathname,filename]); % đọc ảnh đã chọn
axes(handles.axes1);
imshow(anhchon); % hiện ảnh chọn
a=strcat('anhluu/anh_goc.jpg');
imwrite(anhchon,a);
**********Đoạn code xóa ảnh ********
a=255; % tạo ra ảnh trắng
a1=strcat('anhluu/anh_goc.jpg'); imwrite(a,a1); % biến tát cả các ảnh đang hiện thành ảnh trắng
a1=strcat('anhluu/anh1.jpg'); imwrite(a,a1);
a1=strcat('anhluu/anh2.jpg'); imwrite(a,a1);
a1=strcat('anhluu/anh3.jpg'); imwrite(a,a1);
a1=strcat('anhluu/anh4.jpg'); imwrite(a,a1);
a1=strcat('anhluu/anh_face.jpg'); imwrite(a,a1);
a1=strcat('anhluu/anh_kq.jpg'); imwrite(a,a1);
a1=strcat('anhluu/anhtest.jpg'); imwrite(a,a1);
a1=255;
axes(handles.axes1); imshow(a1); % hiện ảnh trắng lên các ô ảnh
axes(handles.axes2); imshow(a1);
axes(handles.axes3); imshow(a1);
axes(handles.axes4); imshow(a1);
axes(handles.axes5); imshow(a1);
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-116-2048.jpg)
![DỊCH VỤ VIẾT THUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149
TẢI FLIE TÀI LIỆU – LUANVANTOT.COM
Phụ lục
axes(handles.axes6); imshow(a1);
axes(handles.axes7); imshow(a1);
set(handles.ten,'string',' ');
set(handles.ns,'string',' ');
set(handles.mssv,'string',' ' );
set(handles.lop,'string',' ');
set(handles.quequan,'string',' ');
% xóa các dòng dữ liệu thông tin nhận dạng
******* Đoạn code thoát********
selection = questdlg(['Close ' get(handles.figure1,'Name' ) '?'],... % Đưa ra câu hỏi
['Close ' get(handles.figure1,'Name') '...'],...
'Yes','No','Yes'); % tạo bản lựu chọn có hai nút hỏi “Yes”, “No”
if strcmp(selection,'No') % nếu chọn “No” quay laị chương trình
return;
end % Nếu chọn Yes thoát khỏi chương trình
delete(handles.figure1)
GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
Bùi Ngọc Liêm](https://image.slidesharecdn.com/dtmvctnhmtngidngpca-231002035323-05df1c3d/75/DO-TIM-VA-C-T-NH-M-T-NG-I-DUNG-PCA-doc-117-2048.jpg)
DÒ TÌM VÀ CẮT ẢNH MẶT NGƯỜI DÙNG PCA.doc
Tài liệu trình bày về đề tài 'Dò tìm và cắt ảnh mặt người dùng PCA', nhấn mạnh sự phát triển công nghệ nhận dạng khuôn mặt và các ứng dụng thực tiễn của nó. Đề tài bao gồm 5 chương, từ việc giới thiệu MATLAB, phương pháp xác định khuôn mặt, phân tích thành phần chính PCA, đến chương trình mô phỏng và kết luận. Cuối cùng, tác giả bày tỏ lòng biết ơn đối với những người đã hỗ trợ trong quá trình nghiên cứu và thực hiện luận văn.
More Related Content
Similar to DÒ TÌM VÀ CẮT ẢNH MẶT NGƯỜI DÙNG PCA.doc
More from DV Viết Luận văn luanvanmaster.com ZALO 0973287149
DÒ TÌM VÀ CẮT ẢNH MẶT NGƯỜI DÙNG PCA.doc
- 1. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP TP. HCM KHOA CÔNG NGHỆ ĐIỆN TỬ ĐỒ ÁN TỐT NGHIỆP Đề tài: DÒ TÌM VÀ CẮT ẢNH MẶT NGƯỜI DÙNG PCA GVHD: Ths. Đào Thị Thu Thủy SVTH : Nguyễn Trung Hiếu -06052461 Bùi Ngọc Liêm -06054491 Lớp : DHDT2B1 TP. Hồ Chí Minh, tháng 7 năm 2010
- 2. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM LỜI MỞ ĐẦU Hiện nay, cùng với sự phát triển của xã hội, vấn đề an ninh bảo mật đang được yêu cầu khắt khe tại mọi quốc gia trên thế giới. Các hệ thống nhận dạng con người được ra đời với độ tin cậy ngày càng cao. Một trong các bài toán nhận dạng con người rất được quan tâm hiện nay là nhận dạng khuôn mặt. Vì nhận dạng khuôn mặt là cách mà con người sử dụng để phân biệt nhau. Bên cạnh đó, ngày nay việc thu thập, xử lý thông tin qua ảnh để nhận biết đối tượng đang được quan tâm và ứng dụng rộng rãi. Với phương pháp này, chúng ta có thể thu nhận được nhiều thông tin từ đối tượng mà không cần tác động nhiều đến đối tượng nghiên cứu. Sự phát triển của khoa học máy tính tạo môi trường thuận lợi cho bài toán nhận dạng khuôn mặt người từ ảnh số. Các hệ thống nhận dạng offline đã ra đời và có độ tin cậy cao, tuy nhiên các hệ thống nhận dạng online lại chưa đáp ứng được nhiều. Bài toán nhận dạng khuôn mặt người là một bài toán hấp dẫn, không giới hạn giải pháp sử dụng, vận dụng linh hoạt kiến thức trong nhiều lĩnh vực, đã thách thức nhiều người nghiên cứu vì tính ứng dụng to lớn trong thực tế. Đây là một chủ đề có thể nói còn tương đối mới với những ứng dụng mang tính công nghệ cao như: robot, các thiết bị camera,các hệ thống bảo mật, nhận dạng,…đã và đang được các hãng, công ty áp dụng vào nhằm nâng cao các tính năng sản phẩm của mình trong quá trình cạnh tranh trên thị trường hiện nay… Với mong muốn tiếp cận các công nghệ mới, đồng thời bổ sung kiến thức về khoa học kỹ thuật hiện đại, cũng như tổng kết lại những kỹ năng, kiến thức trong suốt quá trình học tập tại trường, chúng em xin chọn đề tài “ Dò tìm và cắt ảnh mặt người dùng PCA”. Đây có thể là một bài toán nhỏ, nhưng nó cũng giúp chúng em có một cái nhìn khái quát về bài toán, tạo cơ sở tiền đề cho sự tìm tòi và phát triển các hướng cao hơn trong sự nghiên cứu các công nghệ mới... Bài luận này được trình bày bao gồm có 5 chương: • Chương 1: Giới thiệu Matlab và khái quát về ảnh. • Chương 2: Các phương pháp xác định khuôn mặt. • Chương 3: Phân tích thành phần chính PCA.
- 3. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM • Chương 4: Chương trình mô phỏng. • Chương 5: Kết luận. - Tìm hiểu phương pháp nhận diện ảnh. - Nghiên cứu PCA. - Dò tìm ảnh mặt người có không gian (1=>4). - Cắt ảnh mặt và lưu vào 1 file. - Xử lý ảnh động qua webcam. Trong bài luận này chúng em xin đề cập tới vấn đề dò tìm và nhận dạng mặt người qua một ảnh tĩnh cho trước, đồng thời mở rộng hơn là xử lý ảnh thu được qua một thiết bị thu ảnh, ví dụ như: camera, webcam,…
- 4. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM LỜI CẢM ƠN Sau một thời gian học tập và nghiên cứu, cuối cùng chúng em cũng đã hoàn thành bài luận nghiên cứu của mình. Đây là thời điểm tốt nhất để chúng em có dịp được bày tỏ lòng biết ơn của mình đến những người thân đã giúp đỡ động viên trong suốt quá trình chúng em thực hiện bài luận này. Trước tiên, chúng em xin cảm ơn BGH trường Đại Học Công Nghiệp Thành Phố Hồ Chí Minh, Quý Thầy Cô trong khoa Công nghệ Điện Tử đã tạo điều kiện cho chúng em thực hiện bài luận này. Đặc biệt là Cô Đào Thị Thu Thủy, Cô không chỉ là người hướng dẫn khoa học một cách tài tình, mà còn là người dìu dắt chúng em, động viên và định hướng cho chúng em có những bước đi đầu đời về một cách nhìn khoa học về trí thức, cuộc sống, và sự cố gắng phấn đấu trong tương lai, điều này có ý nghĩa rất sâu sắc đối với chúng em, giúp chúng em tự tin và nổ lực hoàn thành bài luận này đúng thời hạn. Một lần nữa, chúng em xin bày tỏ lòng biết ơn sâu sắc đến với Cô. Đồng thời chúng con xin cám ơn cha mẹ, anh chị đã hết sức thông cảm, chia sẽ và động viên chúng con trong những khó khăn trong quá trình làm đồ án tốt nghiệp này. Xin cám ơn những người bạn thân yêu, những người đã yêu mến, chia sẽ, giúp đỡ chúng tôi trong lúc chúng tôi thực hiện bài luận này. Kết quả của bài luận này là món quà mà chúng em dành tặng cho tất cả mọi người thân yêu, với tất cả tấm lòng mình! Sinh viên thực hiện Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 5. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... Chữ ký của giáo viên
- 6. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... ............................................................................................................................... Chữ ký của giáo viên
- 7. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM MỤC LỤC Trang Chương 1: GIỚI THIỆU MATLAB VÀ KHÁI QUÁT VỀ ẢNH 1 1.1 Giới thiệu chung về phần mềm Matlab ......................................................................2 1.1.1 Khái niệm về Matlab..............................................................................................2 1.1.2 Tổng quan về cấu trúc dữ liệu Matlab, các ứng dụng..................................2 1.1.2.1 Dữ liệu.............................................................................................................3 1.1.2.2 Ứng dụng ........................................................................................................3 1.1.2.3 Toolbox là một công cụ quan trọng trong Matlab ..............................3 1.1.3 Hệ thống Matlab......................................................................................................3 1.1.4 Làm quen với Matlab.............................................................................................4 1.1.5 Các cửa sổ làm việc của Matlab.........................................................................5 1.2 Giới thiệu khái quát về ảnh số.......................................................................................7 1.2.1 Các khái niệm cơ bản về ảnh...............................................................................7 1.2.2 Các cách phân loại ảnh..........................................................................................8 1.3 Xử lý ảnh với Matlab.......................................................................................................9 1.3.1 Xử lý ảnh...................................................................................................................9 1.3.2 Các giai đoạn xử lý ảnh...................................................................................... 10 1.3.3 Xử lý ảnh với Matlab.......................................................................................... 11 1.3.3.1 Các kiểu ảnh trong Matlab...................................................................... 11 1.3.3.2 Các hàm xử lý ảnh cơ bản trong Matlab............................................. 13 1.3.3.3 Biến đổi không gian ảnh.......................................................................... 20 Chương 2: CÁC PHƯƠNG PHÁP XÁC ĐỊNH KHUÔN MẶT 36 2.1 Định nghĩa bài toán xác định khuôn mặt người.................................................... 37 2.2 Ứng dụng của phương pháp xác định khuôn mặt................................................. 37 2.3 Phương pháp xác định khuôn mặt............................................................................. 39 2.3.1 Hướng tiếp cận dựa trên tri thức...................................................................... 40 2.3.2 Hướng tiếp cận dựa trên đặc trưng không thay đổi.................................... 41 2.3.2.1 Các đặc trưng khuôn mặt ........................................................................ 42
- 8. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM 2.3.2.2 Kết cấu.......................................................................................................... 45 2.3.2.3 Sắc màu của da........................................................................................... 45 2.3.2.4 Đa đặc trưng................................................................................................ 45 2.3.3 Hướng tiếp cận dựa trên so khớp mẫu........................................................... 45 2.3.4 Hướng tiếp cận dựa trên diện mạo.................................................................. 46 2.4 Khó khăn và thử thách trong bài toán xác định khuôn mặt người................... 47 Chương 3: PHÂN TÍCH THÀNH PHẦN CHÍNH PCA (PRINCIPAL COMPONENT ANALYSIS) 48 3.1 Sơ lược về phân tích thành phần chính PCA ......................................................... 49 3.2 Thuật toán PCA và ứng dụng trong nhận dạng khuôn mặt người ................... 50 3.2.1 Thuật toán .............................................................................................................. 50 3.2.2 Phân tích thành phần chính PCA..................................................................... 50 3.2.3 Hình ảnh minh họa.............................................................................................. 53 3.3 Ứng dụng Eigenfaces trong việc nhận dạng mặt người...................................... 56 3.3.1 Tính toán Eigenfaces .......................................................................................... 59 3.3.2 Dùng Eigenfaces để phân loại ảnh mặt người............................................. 61 3.3.3 Ứng dụng Eigenfaces để phát hiện gương mặt ........................................... 62 3.3.3.1 Xem xét lại không gian mặt ................................................................... 63 3.3.3.2 Nhận dạng theo thời gian thực............................................................... 64 3.4 Nhận xét............................................................................................................................ 65 3.4.1 Ưu điểm của phương pháp PCA...................................................................... 65 3.4.2 Nhược điểm của PCA......................................................................................... 65 Chương 4: CHƯƠNG TRÌNH MÔ PHỎNG 67 4.1 Chương trình mô phỏng............................................................................................... 68 4.1.1 Cơ sở dữ liệu ảnh................................................................................................. 68 41.1.1 Tập ảnh huấn luyện ....................................................................................... 68 4.1.1.2 Tập ảnh mẫu................................................................................................ 69 4.1.2 Các bước thực hiện chương trình.................................................................... 70
- 9. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM 4.1.3 Lưu đồ giải thuật................................................................................. 72 4.1.3.1 Lưu đồ giải thuật chính .............................................................. 72 4.1.3.2 Lưu đồ giải thuật chi tiết ............................................................ 72 4.1.4 Kết quả mô phỏng............................................................................... 77 4.1.5 Tốc độ thực hiện. ................................................................................ 80 4.2 Nhận xét kết quả đạt được........................................................................... 81 Chương 5: KẾT LUẬN................................................................................... 85 5.1 Kết luận ....................................................................................................... 85 5.2 Hướng phát triển đề tài................................................................................ 85 PHỤ LỤC............................................................................................................. TÀI LIỆU THAM KHẢO ..................................................................................
- 10. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM MỤC LỤC HÌNH Trang Hình 1.1 Cửa sổ khi khởi động Matlab..............................................................................4 Hình 1.2 Cửa sổ Command History....................................................................................6 Hình 1.3 Cửa sổ Workspace .................................................................................................6 Hình 1.4 Cửa sổ Array Editor..............................................................................................7 Hình 1.5 Các bước cơ bản trong xử lý ảnh ......................................................................9 Hình 1.6 Ảnh trước và sau khi imresize.......................................................................... 23 Hình 1.7 Ảnh trước và sau khi imrotate ......................................................................... 26 Hình 1.8 Ảnh được quay theo chiều ngang ................................................................... 27 Hình 1.9 Ảnh trước và sau khi imcrop............................................................................ 28 Hình 1.10 Ảnh trước và sau khi imcrop theo 1 tọa độ cho trước............................ 30 Hình 1.11 Ảnh trước và sau khi imtransforms.............................................................. 32 Hình 1.12 Ảnh trước và sau khi imtransformsvới 1 cường độ ảnh......................... 35 Hình 2.1 Độ phân giải của 1 ảnh ..................................................................................... 41 Hình 2.2 Một loại trí thức của người nghiên cứu phân tích trên khuôn mặt......41 Hình 2.3 Một mẫu khuôn mặt, có 16 vùng và 23 quan hệ (các mũi tên)............... 46 Hình 3.1 Eigenfaces.............................................................................................................. 53 Hình 3.2 Bức ảnh kiểm tra và hình chiếu của nó......................................................... 54 Hình 3.3 Ảnh ban đầu..........................................................................................................55 Hình 3.4 Face map của bức ảnh ban đầu...................................................................... 55 Hình 3.5 Face map ảnh ban đầu với không gian không phải là khuôn mặt ........ 56 Hình 3.6 Những gương mặt dùng để huấn luyện......................................................... 57 Hình 3.7 Bảy Eigenfaces được tính toán từ dãy huấn luyện của hình 4.6, phông nền đã được loại bỏ................................................................................................. 58 Hình 3.8 Ảnh và hình chiếu của nó vào không gian mặt người xác định bởi các Eigenfaces từ hình 3.7..................................................................................................61 Hình 3.9 Ảnh gốc và bản đồ mặt người, vùng tối chỉ ra hình dạng khuôn mặt ................................................................................................................................ 63 Hình 3.10 Ví dụ đơn giản thể hiện 4 hình chiếu của ảnh lên không gian mặt người. Trong trường hợp này sử dụng 2 eigenfaces là µ1, µ2 và 3 lớp mặt người (cá thể) đã biết trước (Ω1, Ω2, Ω3)....................................................................................................... 63
- 11. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Hình 3.11 Hệ thống dò tìm và định vị mặt người......................................................... 64 Hình 4.1 Tập ảnh Face........................................................................................................ 68 Hình 4.2 Tập ảnh nface.......................................................................................................69 Hình 4.3 Tập ảnh mẫu .........................................................................................................70 Hình 4.4 Lưu đồ giải thuật chính ..................................................................................... 72 Hình 4.5 Lưu đồ giải thuật chọn ảnh .............................................................................. 73 Hình 4.6 Lưu đồ giải thuật chương trình dò tìm ảnh mặt người............................. 74 Hình 4.7 Lưu đồ giải thuật chương trình nhận dạng..................................................75 Hình 4.8 Lưu đồ giải thuật PCA....................................................................................... 76 Hình 4.9 Giao diện chính.................................................................................................... 77 Hình 4.10 Giao diện chương trình 1 (ảnh tĩnh) ........................................................... 77 Hình 4.11 Giao diện chương trình 2 (ảnh động) ......................................................... 78 Hình 4.12 Giao diện kết quả chương trình 1 (ảnh tĩnh) với 1 khuôn mặt ............ 78 Hình 4.13 Giao diện kết quả chương trình 2 (ảnh động)với 1 khuôn mặt............ 79 Hình 4.14 Giao diện kết quả chương trình 1 (ảnh tĩnh) với 2 khuôn mặt ............ 79 Hình 4.15 Giao diện kết quả chương trình 1 (ảnh tĩnh) với 4 khuôn mặt nữ .. 80 Hình 4.16 Giao diện kết quả chương trình 1 (ảnh tĩnh) với 4 khuôn mặt nam80 Hình 4.17 Ảnh lỗi do quá nhiều chi tiết không phân biệt được............................... 83 Hình 4.18 Lỗi do ảnh không được sắc nét ..................................................................... 84
- 12. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 1 Chương 1 GIỚI THIỆU MATLAB VÀ KHÁI QUÁT VỀ ẢNH 1.1 Giới thiệu chung về phần mềm Matlab 1.2 Giới thiệu khái quát về ảnh số 1.3 Xử lý ảnh với Matlab
- 13. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 14. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 2 Chương 1 GIỚI THIỆU MATLAB VÀ KHÁI QUÁT VỀ ẢNH 1.1 Giới thiệu chung về phần mềm Matlab 1.1.1 Khái niệm về Matlab Matlab là một ngôn ngữ lập trình thực hành bậc cao được sử dụng để giải các bài toán về kỹ thuật. Matlab tích hợp được việc tính toán, thể hiện kết quả, cho phép lập trình, giao diện làm việc rất dễ dàng cho người sử dụng. Dữ liệu cùng với thư viện được lập trình sẵn cho phép người sử dụng có thể có được những ứng dụng sau đây. • Sử dụng các hàm có sẵn trong thư viện, các phép tính toán học thông thường. • Cho phép lập trình tạo ra những ứng dụng mới. • Cho phép mô phỏng các mô hình thực tế. • Phân tích, khảo sát và hiển thị dữ liệu. • Với phần mềm đồ hoạ cực mạnh. • Cho phép phát triển, giao tiếp với một số phần mềm khác như C++, Fortran. 1.1.2 Tổng quan về cấu trúc dữ liệu của Matlab, các ứng dụng Matlab là một hệ thống tương giao, các phần tử dữ liệu là một mảng (mảng này không đòi hỏi về kích thước). Chúng cho phép giải quyết các vấn đề liên quan đến lập trình bằng máy tính, đặc biệt sử dụng các phép tính về ma trận hay vectơ và có thể sử dụng ngôn ngữ C học Fortran lập trình rồi thực hiện ứng dụng lập trình đó bằng các câu lệnh gọi từ Matlab. Matlab được viết tắt từ chữ “MATrix LABoratory” tức là thư viện về ma trận, từ đó phần mềm Matlab được viết nhằm cung cấp cho việc truy cập vào phần mềm ma trận một cách dễ dàng, phần mềm ma trận này được phát triển bởi các công trình Linpack và Eispack. Ngày nay Matlab được phát triển bởi Lapack và Artpack tạo nên một nghệ thuật phần mềm cho ma trận. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 15. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 3 1.1.2.1 Dữ liệu Dữ liệu của Matlab thể hiện dưới dạng ma trận (hoặc mảng - tổng quát), và có các kiểu dữ liệu được liệt kê sau đây: • Kiểu đơn single, kiểu này có lợi về bộ nhớ dữ liệu vì nó đòi hỏi ít byte nhớ hơn, kiểu dữ liệu này không được sử dụng trong các phép tính toán học, độ chính xác kém hơn. • Kiểu double kiểu này là kiểu thông dụng nhất của các biến trong Matlab. • Kiểu Sparse. • Kiểu uint8, uint8, uint16, uint64... • Kiểu char ví dụ “Hello”. • Kiểu cell. • Kiểu Structure. Trong Matlab kiểu dữ liệu double là kiểu mặc định sử dụng trong các phép tính số học. 1.1.2.2 Ứng dụng Matlab tạo điều kiện thuận lợi cho: • Các khoá học về toán học. • Các kỹ sư, các nhà nghiên cứu khoa học. • Dùng Matlab để tính toán, nghiên cứu tạo ra các sản phẩm tốt nhất trong sản xuất. 1.1.2.3 Toolbox là một công cụ quan trọng trong Matlab Công cụ này được Matlab cung cấp cho phép bạn ứng dụng các kỹ thuật để phân tích, thiết kế, mô phỏng các mô hình. Ta có thể tìm thấy toolbox ở trong mô trường làm việc của. • Mạng nơron. • Logic mờ. • Simulink. 1.1.3 Hệ thống Matlab Hệ thống giao diện của Matlab được chia thành 5 phần: • Môi trường phát triển. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 16. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 4 Đây là nơi đặt các thanh công cụ, các phương tiện giúp chúng ta sử dụng các lệnh và các file, ta có thể liệt kê một số như sau. + Desktop. + Command Window. + Command History. + Browsers for viewinghelp. • Thư viện, các hàm toán học bao gồm các cấu trúc như tính tổng, sin cosin atan, atan2 etc..., các phép tính đơn giản đến các phép tính phức tạp như tính ma trận nghich đảo, trị riêng, chuyển đổi fourier, laplace, symbolic library. • Ngôn ngữ Matlab. Đó là các ngôn ngữ cao về ma trận và mảng, với các dòng lệnh, các hàm, cấu trúc dữ liệu vào, có thể lập trình hướng đối tượng. • Đồ hoạ trong Matlab. Bao gồm các câu lệnh thể hiện đồ họa trong môi trường 2D và 3D, tạo các hình ảnh chuyển động, cung cấp các giao diện tương tác giữa người sử dụng và máy tính. • Giao tiếp với các ngôn ngữ khác. Matlab cho phép tương tác với các ngôn ngữ khác như C, Fortran … 1.1.4 Làm quen với Matlab Trước tiên để khởi động Matlab bạn kích click vào biểu tượng file Matlab.exe, trên màn hình xuất hiện cửa sổ sau. (Xem hình vẽ 1.1) Cửa sổ đó chứa các thanh công cụ (Giao diện người và máy) cần thiết cho việc quản lý các files, các biến, cửa sổ lệnh, có thể coi desktop là các panel gồm các ô, vùng, quản lý và tác dụng của từng cửa sổ nhỏ được quản lý bởi desktop. Hình 1.1 Cửa sổ khi khởi động Matlab GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 17. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 5 Trên hình vẽ ta thấy cửa sổ desktop (cửa sổ lớn nhất), và các cửa sổ phụ của nó. 1.1.5 Các cửa sổ làm việc của Matlab a) Cửa sổ Command Window Là cửa sổ giao tiếp chính của Matlab bởi đây là nơi nhập giá trị các biến, hiển thị giá trị, tính toán giá trị của biểu thức, thực thi các hàm có sẵn trong thư viện (dạng lệnh), hoặc các hàm (dạng function) do người dùng lập trình ra trong M-file. Các lệnh được nhập sau dấu nhắc “>>”, và nếu có sai sót trong quá trình gõ (nhập) lệnh thì hãy nhấn phím Enter cho đến khi nhận được dấu nhắc “>>”. Thực thi lệnh bằng nhấn phím Enter. Gõ các lệnh sau: >> A= pi/2 ; >> B= sin(A) B= 1 Hoặc chương trình soạn thảo trong M-file dưới đây: % Chuong trinh trong M-file x= 0:pi/6:2*pi; y=sin(x); plot(x, y); % chuong trinh được lưu với tên file là “ve_sin.m” b) Cửa sổ command History Các dòng mà bạn nhập vào trong cửa sổ Command Window (các dòng này có thể là dòng nhập biến, hoặc có thể là dòng lệnh thực hiện hàm nào đó) được giữ lại trong cửa sổ Command History, và cửa sổ này cho phép ta sử dụng lại những lệnh đó bằng cách click chuột lên các lệnh đó hoặc các biến, nếu như bạn muốn sử dụng lại biến đó. Xem hình 1.2 GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 18. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 6 Click chuột lên lệnh hoặc biến để sử dụng lại Hình 1.2 Cửa sổ Command History c) Cửa sổ Workspace Là cửa sổ thể hiện tên các biến bạn sử dụng cùng với kích thước vùng nhớ (số bytes), kiểu dữ liệu(lớp), các biến được giải phóng sau mỗi lần tắt chương trình. (xem hình 1.3) Click chuột lên biến để xem dữ liệu (hoặc thay đổi giá trị) Hình 1.3 Cửa sổ Workspace Ngoài ra nó cho phép thay đổi giá trị, cũng như kích thước của biến bằng cách click chuột lên các biến. Hoặc click vào nút bên trái ngay cạnh nút save. Ví dụ khi chọn biến (giả sử là biến b) rồi click (hoặc click chuột vào nút cạnh nút save) ta được cửa sổ sau gọi là Array Editor (xem hình 1.4) GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 19. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 7 Hình 1.4 Cửa sổ Array Editor Tiêu đề là tên biến b, định dạng dữ liệu ở ô có tên là: Numeric format, mặc định là dạng short, kích thước size là 1 by 3 (tức là một hàng và 3 cột) ta có thể thay đổi kích thước này bằng cách thay đổi giá trị có trong ô kích thước size. Dùng cửa sổ này để lưu các biến ở dưới là dữ liệu của biến b, ta có thể thay đổi chúng bằng cách thay đổi giá trị trong các ô đó. Tất cả các biến đều được lưu trong Workspace trong đó thể hiện cả kích thước (Size), số Bytes và kiểu dữ liệu (class) (8 bytes cho mỗi phần tử dữ liệu kiểu double cụ thể là 24 bytes dành cho b và 8 bytes dành cho a). d) Cửa sổ M-file Là một cửa sổ dùng để soạn thảo chương trình ứng dụng, để thực thi chương trình viết trong M-file bằng cách gõ tên của file chứa chương trình đó trong cửa sổ Commandwindow. Khi một chương trình viết trong M-file, thì tuỳ theo ứng dụng cụ thể, tuỳ theo người lập trình mà chương trình có thể viết dưới dạng sau: • Dạng Script file: Tức là chương trình gồm tập hợp các câu lệnh viết dưới dạng liệt kê, không có biến dữ liệu vào và biến lấy giá trị ra. • Dạng hàm function: có biến dữ liệu vào và biến ra. e) Đường dẫn thư mục: Nơi lưu giữ các files chương trình. 1.2 Giới thiệu khái quát về ảnh số 1.2.1 Các khái niệm cơ bản về ảnh Ảnh số là tập hợp hữu hạn các điểm ảnh với mức xám phù hợp dùng để mô tả ảnh gần với ảnh thật. Số điểm ảnh xác định độ phân giải của ảnh. Ảnh có độ phân GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 20. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 8 giải càng cao thì càng thể hiện rõ nét các đặt điểm của tấm hình càng làm cho tấm ảnh trở nên thực và sắc nét hơn. a) Điểm ảnh (Picture Element) Điểm ảnh (Pixel) là một phần tử của ảnh số tại toạ độ (x, y) với độ xám hoặc màu nhất định. Kích thước và khoảng cách giữa các điểm ảnh đó được chọn thích hợp sao cho mắt người cảm nhận sự liên tục về không gian và mức xám (hoặc màu) của ảnh số gần như ảnh thật. Mỗi phần tử trong ma trận được gọi là một phần tử ảnh. b) Mức xám của ảnh Mức xám: Là kết quả của sự biến đổi tương ứng 1 giá trị độ sáng của 1 điểm ảnh với 1 giá trị nguyên dương. Thông thường nó xác định trong [0, 255] tuỳ thuộc vào giá trị mà mỗi điểm ảnh được biểu diễn. Các thang giá trị mức xám thông thường: 16, 32, 64, 128, 256 (Mức 256 là mức phổ dụng. Lý do: từ kỹ thuật máy tính dùng 1 byte (8 bit) để biểu diễn mức xám. Mức xám dùng 1 byte biểu diễn: 28 =256 mức, tức là từ 0 đến 255). c) Độ phân giải của ảnh Định nghĩa: Độ phân giải (Resolution) của ảnh là mật độ điểm ảnh được ấn định trên một ảnh số được hiển thị. Theo định nghĩa, khoảng cách giữa các điểm ảnh phải được chọn sao cho mắt người vẫn thấy được sự liên tục của ảnh. Việc lựa chọn khoảng cách thích hợp tạo nên một mật độ phân bổ, đó chính là độ phân giải và được phân bố theo trục x và y trong không gian hai chiều. Ví dụ: Độ phân giải của ảnh trên màn hình CGA (Color Graphic Adaptor) là một lưới điểm theo chiều ngang màn hình: 320 điểm chiều dọc * 200 điểm ảnh (320*200). Rõ ràng, cùng màn hình CGA 12” ta nhận thấy mịn hơn màn hình CGA 17” độ phân giải 320*200. Lý do: cùng một mật độ (độ phân giải) nhưng diện tích màn hình rộng hơn thì độ mịn (liên tục của các điểm) kém hơn. 1.2.2 Các cách phân loại ảnh Ảnh nhị phân: Giá trị xám của tất cả các điểm ảnh chỉ nhận giá trị 1 hoặc 0 như vậy mỗi điểm ảnh trong ảnh nhị phân được biểu diễn bởi 1 bit. Ảnh xám: Giá trị xám nằm trong [0, 255] như vậy mỗi điểm ảnh trong ảnh nhị phân được biểu diễn bởi 1 byte. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 21. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 9 Ảnh màu: - Hệ màu RGB: Một pixel được biểu diễn bằng 3 giá trị (R, G, B) trong đó R, G, B là một giá trị xám và được biểu biểu diễn bằng 1 byte. Khi đó ta có một ảnh 24 bits. P(x, y) = (R, G, B) - Hệ màu CMY: là phần bù của hệ màu RGB (C, M, Y) = (1, 1, 1) - (R, G, B) Hay C+R=M+G=Y+B=1 => Hệ màu này thường được dùng trong máy in. - Hệ màu CMYK: trong đó K là độ đậm nhạt của màu K= min(C, M, Y) P(x, y) = (C-K, M-K, V-K, K). Ví dụ: Với (C1, M1, Y1) ta sẽ có K=min(C1, M1, Y1) vậy CMYK=(C1-K, M1-K, Y1-K, K) 1.3 Xử lý ảnh với Matlab 1.3.1 Xử lý ảnh Các bước cần thiết trong xử lý ảnh. Đầu tiên, ảnh tự nhiên từ thế giới ngoài được thu nhận qua các thiết bị thu (như Camera, máy chụp ảnh). Trước đây, ảnh thu qua Camera là các ảnh tương tự (loại Camera ống kiểu CCIR). Gần đây, với sự phát triển của công nghệ, ảnh màu hoặc đen trắng được lấy ra từ Camera, sau đó nó được chuyển trực tiếp thành ảnh số tạo thuận lợi cho xử lý tiếp theo. Máy ảnh số hiện nay là một thí dụ gần gũi. Mặt khác, ảnh cũng có thể tiếp nhận từ vệ tinh; có thể quét từ ảnh chụp bằng máy quét ảnh. Hình dưới đây mô tả các bước cơ bản trong xử lý ảnh. Thu nhận ảnh Tiền xử lý ảnh Phân đoạn ảnh Cơ sở tri thức Biểu diễn Nhận và mô tả dạng và nội suy GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 22. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 10 Hình 1.5 Các bước cơ bản trong xử lý ảnh 1.3.2 Các giai đoạn xử lý ảnh a) Thu nhận ảnh (Image Acquisition) - Ảnh được thu từ nhiều nguồn khác nhau:máy ảnh, máy quay phim, máy quét, ảnh vệ tinh… - Mục đích: biến đổi thông tin hình ảnh về các cấu trúc được lưu trữ trong máy tính, có thể hiển thị ra các thiết bị ngoại vi như là máy in, màn hình… - Gồm hai tiến trình: + Biến đổi năng lượng quang học thành năng lượng điện. + Tổng hợp năng lượng điện thành ảnh hoặc ma trận số. b) Tiền xử lý (Image Processing) - Là quá trình sử dụng các kỹ thuật xử lý ảnh để làm ảnh tốt lên theo mục đích sử dụng. - Mục đích: + Điều chỉnh độ chiếu sáng để khắc phục hậu quả của việc chiếu sáng không đều. + Giảm nhỏ thành phần nhiễu của ảnh tức là các đối tượng xuất hiện ngoài ý muốn. + Hiệu chỉnh giá trị độ sáng giữa nền và đối tượng. + Chuẩn hoá độ lớn, màu, dạng của ảnh. +Điều chỉnh bộ lọc để khuyếch đại và nén các tần số. c) Phân đoạn (Segmentation) - Là quá trình phân chia nội dung các đối tượng cần khảo sát ra khỏi ảnh. - Phân chia các đối tượng tiếp giáp nhau. - Phân tách các đối tượng riêng biệt thành các đối tượng con. d) Biểu diễn ảnh (Image Representation) Đầu ra ảnh sau phân đoạn chứa các điểm ảnh của vùng ảnh (ảnh đã phân đoạn) cộng với mã liên kết với các vùng lận cận. Việc biến đổi các số liệu này thành dạng thích hợp là cần thiết cho xử lý tiếp theo bằng máy tính. Việc chọn các tính chất để thể hiện ảnh gọi là trích chọn đặc trưng (Feature Selection) gắn với việc tách GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 23. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 11 các đặc tính của ảnh dưới dạng các thông tin định lượng hoặc làm cơ sở để phân biệt lớp đối tượng này với đối tượng khác trong phạm vi ảnh nhận được. Ví dụ: trong nhận dạng ký tự trên phong bì thư, chúng ta miêu tả các đặc trưng của từng ký tự giúp phân biệt ký tự này với ký tự khác. e) Nhận dạng và nội suy ảnh (Image Recognition and Interpretation) Nhận dạng ảnh là quá trình xác định ảnh. Quá trình này thường thu được bằng cách so sánh với mẫu chuẩn đã được học (hoặc lưu) từ trước. Nội suy là phán đoán theo ý nghĩa trên cơ sở nhận dạng. Ví dụ: một loạt chữ số và nét gạch ngang trên phong bì thư có thể được nội suy thành mã điện thoại. Có nhiều cách phân loai ảnh khác nhau về ảnh. Theo lý thuyết về nhận dạng, các mô hình toán học về ảnh được phân theo hai loại nhận dạng ảnh cơ bản: - Nhận dạng theo tham số. - Nhận dạng theo cấu trúc. Một số đối tượng nhận dạng khá phổ biến hiện nay đang được áp dụng trong khoa học và công nghệ là: nhận dạng ký tự (chữ in, chữ viết tay, chữ ký điện tử), nhận dạng văn bản (Text), nhận dạng vân tay, nhận dạng mã vạch, nhận dạng mặt người… f) Cơ sở tri thức (Knowledge Base) Như đã nói ở trên, ảnh là một đối tượng khá phức tạp về đường nét, độ sáng tối, dung lượng điểm ảnh, môi trường để thu ảnh phong phú kéo theo nhiễu. Trong nhiều khâu xử lý và phân tích ảnh ngoài việc đơn giản hóa các phương pháp toán học đảm bảo tiện lợi cho xử lý, người ta mong muốn bắt chước quy trình tiếp nhận và xử lý ảnh theo cách của con người. Trong các bước xử lý đó, nhiều khâu hiện nay đã xử lý theo các phương pháp trí tuệ con người. Vì vậy, ở đây các cơ sở tri thức được phát huy. 1.3.3 Xử lý ảnh với Matlab 1.3.3.1 Các kiểu ảnh trong Matlab a) Ảnh được định chỉ số (Indexed Images) Một ảnh chỉ số bao gồm một ma trận dữ liệu X và ma trận bản đồ màu map. Ma trận dữ liệu có thể có kiểu thuộc lớp uint8, uint16 hoặc kiểu double. Ma trận bản đồ màu là một mảng mx3 kiểu double bao gồm các giá trị dấu phẩy động nằm GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 24. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 12 giữa 0 và 1. Mỗi hàng của bản đồ chỉ ra các giá trị mà: red, green và blue của một màu đơn. Một ảnh chỉ số sử dụng ánh xạ trực tiếp giữa giá trị của pixel ảnh tới giá trị trong bản đồ màu. Màu sắc của mỗi pixel ảnh được tính toán bằng cách sử dụng giá trị tương ứng của X ánh xạ tới một giá trị chỉ số của map. Giá trị 1 chỉ ra hàng đầu tiên, giá trị 2 chỉ ra hàng thứ hai trong bản đồ màu … Một bản đồ màu thường được chứa cùng với ảnh chỉ số và được tự động nạp cùng với ảnh khi sử dụng hàm imread để đọc ảnh. Tuy nhiên, ta không bị giới hạn khi sử dụng bản đồ màu mặc định, ta có thể sử dụng bất kì bản đồ màu nào. b) Ảnh cường độ (Intensity Images) Một ảnh cường độ là một ma trận dữ liệu ảnh I mà giá trị của nó đại diện cho cường độ trong một số vùng nào đó của ảnh. Matlab chứa một ảnh cường độ như một ma trận đơn, với mỗi phần tử của ma trận tương ứng với một pixel của ảnh. Ma trận có thể thuộc lớp double, uint8 hay uint16. Trong khi ảnh cường độ hiếm khi được lưu với bản đồ màu, Matlab sử dụng bản đồ màu để hiển thị chúng. Những phần tử trong ma trận cường độ đại diện cho các cường độ khác nhau hoặc độ xám. Những điểm có cường độ bằng 0 thường được đại diện bằng màu đen và cường độ 1,255 hoặc 65535 thường đại diện cho cường độ cao nhất hay màu trắng. c) Ảnh nhị phân (Binary Images) Trong một ảnh nhị phân, mỗi pixel chỉ có thể chứa một trong hai giá trị nhị phân 0 hoặc 1. Hai giá trị này tương ứng với bật hoặc tắt (on hoặc off). Một ảnh nhị phân được lưu trữ như một mảng logic của 0 và 1. d) Ảnh RGB (RGB Images) Một ảnh RGB - thường được gọi là true-color, được lưu trữ trong Matlab dưới dạng một mảng dữ liệu có kích thước 3 chiều mxnx3 định nghĩa các giá trị màu red, green và blue cho mỗi pixel riêng biệt. Ảnh RGB không sử dụng palette. Màu của mỗi pixel được quyết định bởi sự kết hợp giữa các giá trị R, G, B (Red, Green, Blue) được lưu trữ trong một mặt phẳng màu tại vị trí của pixel. Định dạng file đồ hoạ lưu trữ ảnh RGB giống như một ảnh 24 bits trong đó R, G, B chiếm tương ứng 8 bit một. Điều này cho phép nhận được 16 triệu màu khác nhau. Một mảng RGB có thể thuộc lớp double, uint8 hoặc uint16. Trong một mảng RGB thuộc lớp double, mỗi thành phần màu có giá trị giữa 0 và 1. Một pixel mà GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 25. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 13 thành phần màu của nó là (0, 0, 0) được hiển thị với màu đen và một pixel mà thành phần màu là (1, 1, 1 ) được hiển thị với màu trắng. Ba thành phần màu của mỗi pixel được lưu trữ cùng với chiều thứ 3 của mảng dữ liệu. Chẳng hạn, giá trị màu R, G, B của pixel (10, 5) được lưu trữ trong RGB(10, 5, 1), RGB(10, 5, 2) và RGB(10, 5, 3) tương ứng. Để tính toán màu sắc của pixel tại hàng 2 và cột 3 chẳng hạn, ta nhìn vào bộ ba giá trị được lưu trữ trong (2, 3, 1:3). Giả sử (2, 3, 1) chứa giá trị 0.5176; (2, 3, 2) chứa giá trị 0.1608 và (2, 3, 3) chứa giá trị 0.0627 thì màu sắc của pixel tại (2, 3) sẽ là (0.5176, 0.1608, 0.0627). 1.3.3.2 Các hàm xử lý ảnh cơ bản trong Matlab a) Đọc và ghi dữ liệu ảnh ƒ Đọc một ảnh đồ hoạ - Hàm imread đọc một ảnh từ bất kì định dạng nào được trợ giúp trong bất kì chiều sâu bit nào được trợ giúp. Hầu hết các file ảnh sử dụng 8 bit để chứa giá trị của pixel. Khi chúng được đọc vào bộ nhớ, Matlab chứa chúng dưới dạng uint8. Với các file trợ giúp 16 bít dữ liệu, PNG và TIFF, Matlab chứa chúng dưới dạng uint16. Chú ý: Với ảnh chỉ số, imread luôn luôn đọc bản đồ màu vào trong một chuỗi thuộc lớp double, thậm chí mảng ảnh tự nó thuộc lớp uint8 hay uint16 - Chẳng hạn, đoạn mã sau sẽ đọc một ảnh RGB vào không gian làm việc của Matlab lưu trong biến RGB. RGB=imread(‘football.jpg’); Trong ví dụ này, imread sẽ nhận ra định dạng file để sử dụng từ tên file. Ta cũng có thể chỉ ra định dạng file như một tham số trong hàm imread. Matlab trợ giúp rất nhiều định dạng đồ hoạ thông dụng chẳng hạn: BMP, GIF, JPEG, PNG, TIFF … Để biết thêm các kiểu gọi hàm và tham số truyền vào, xem trợ giúp online của Matlab. 9 Đọc nhiều ảnh từ một file đồ hoạ - Matlab trợ giúp một số định dạng file đồ hoạ chẳng hạn như: HDF và TIFF, chúng chứa nhiều ảnh. Theo mặc định, imread chỉ trợ giúp ảnh đầu tiên trong file. Để nhập thêm các ảnh từ file, sử dụng cú pháp được trợ giúp bởi GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 26. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 14 định dạng file. Chẳng hạn, khi được sử dụng với TIFF, ta có thể sử dụng một giá trị chỉ số với imread để chỉ ra ảnh mà ta muốn nhập vào. Ví dụ sau đây đọc một chuỗi 27 ảnh từ một file TIFF và lưu những ảnh này trong một mảng 4 chiều. Ta có thể sử dụng hàm iminfo để xem bao nhiêu ảnh đã được lưu trữ trong file: mri = uint8(zeros(128,128,1,27)); % preallocate 4-D array for frame=1:27 [mri(:,:,:,frame),map] = imread('mri.tif',frame); End - Khi file chứa nhiều ảnh theo một số kiểu nhất định chẳng hạn theo thứ tự thời gian, ta có thể lưu ảnh trong Matlab dưới dạng mảng 4 chiều. Tất cả các ảnh phải có cùng kích thước. ƒ Ghi một ảnh đồ hoạ - Hàm imwrite sẽ ghi một ảnh tới một file đồ hoạ dưới một trong các định dạng được trợ giúp. Cấu trúc cơ bản nhất của imwrite sẽ yêu cầu một biến ảnh và tên file. Nếu ta gộp một phần mở rộng trong tên file, Matlab sẽ nhận ra định dạng mong muốn từ nó. Ví dụ sau tải một ảnh chỉ số X từ một file Map với bản đồ màu kết hợp với nó map sau đó ghi ảnh xuống một file bitmap. load clown whos Name Size Bytes Class X 200x320 512000 double array caption 2x1 4 char array map 81x3 1944 double array Grand total is 64245 elements using 513948 bytes imwrite(X,map,'clown.bmp') 9 Chỉ ra định dạng phụ - Tham số đặc biệt - Khi sử dụng imwrite với một số định dạng đồ hoạ, ta có thể chỉ ra các tham số phụ. Chẳng hạn, với định dạng PNG ta có thể chỉ ra độ sâu bit như một tham số phụ. Ví dụ sau sẽ chi một ảnh cường độ I với một file ảnh 4 bit PNG. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 27. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 15 imwrite(I,'clown.png','BitDepth',4 ); - Để biết thêm các cấu trúc khác của hàm xem phần trợ giúp trực tuyến của Matlab. Đọc và ghi ảnh nhị phân theo định dạng 1 bit - Trong một số định dạng file, một ảnh nhị phân có thể được lưu trong một định dạng 1 bit. Nếu định dạng file trợ giúp nó, Matlab ghi ảnh nhị phân như ảnh 1 bit theo mặc định. Khi ta đọc một ảnh nhị phân với định dạng 1 bit, Matlab đại diện nó trong không gian làm việc như một mảng lôgic. - Ví dụ sau đọc một ảnh nhị phân và ghi nó dưới dạng file TIFF. Bởi vì định dạng TIFF trợ giúp ảnh 1 bit, file được ghi lên đĩa theo định dạng 1 bit: BW = imread('text.png'); imwrite(BW,'test.tif'); Để kiểm tra chiều sâu bit của file test.tif, gọi hàm iminfo và kiểm tra trường BitDepth của nó: info = imfinfo('test.tif'); info.BitDepth ans =1 Chú ý: Khi ghi file nhị phân, Matlab thiết lập trường ColorType thành ‘grayscale’. Xem lớp lưu trữ của file . - Hàm imwrite sử dụng luật sau đây để quyết định lớp lưu trữ được sử dụng trong ảnh kết quả: + logical: Nếu định dạng ảnh ra (Output Image) được chỉ rõ là trợ giúp ảnh 1 bit, hàm imwrite tạo một file ảnh 1 bit. Nếu định dạng ảnh ra được chỉ rõ là không trợ giúp ảnh 1 bit (như JPEG), hàm imwrite chuyển ảnh tới một ảnh thuộc lớp uint8. + uint8: Nếu định dạng ảnh ra được chỉ rõ là trợ giúp ảnh 8 bit, hàm imwrite tạo một ảnh 8 bit + uint16: Nếu định dạng ảnh ra được chỉ rõ trợ giúp ảnh 16 bit (PNG hoặc TIFF), hàm imwrite tạo một ảnh 16 bit. Nếu định dạng ảnh ra không trợ giúp ảnh 16 bit, hàm chuyển đổi dữ liệu ảnh tới lớp uint8 và tạo một ảnh 8 bit. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 28. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 16 + double: Matlab chuyển dữ liệu ảnh tới dạng uint8 và tạo một ảnh 8 bit bởi vì hầu hết các file ảnh sử dụng định dạng 8 bit. ƒ Truy vấn một file đồ hoạ - Hàm imfinfo cho phép ta có thể nhận được thông tin về một file ảnh được trợ giúp bởi toolbox. Cú pháp: imfinfo(filename,fmt) Các thông tin được cung cấp bởi hàm imfinfo là: filename, filemodedate, filesize, format, formatversion, width, height, bitdepth, colortype … Thông tin mà ta nhận được phụ thuộc vào kiểu của file nhưng nó luôn bao gồm những thông tin sau: + Tên của file ảnh. + Định dạng file ảnh. + Số version của định dạng file. + Ngày sửa đổi file gần nhất. + Kích thước file tính theo byte. + Chiều rộng ảnh tính theo pixel. + Chiều cao ảnh tính theo pixel. + Số lượng bít trên một pixel. + Kiểu ảnh: RGB, chỉ số … b) Hiển thị ảnh ƒ Dùng hàm imview - Để hiển thị một ảnh sử dụng hàm imview, dùng hàm imview, chỉ rõ ảnh mà ta muốn hiển thị. Ta có thể sử dụng imview để hiển thị một ảnh mà đã được nhập vào trong không gian làm việc của Matlab. moonfig = imread('moon.tif'); imview(moonfig); Ta cũng có thể chỉ định tên của file ảnh như trong ví dụ sau: imview('moon.tif'); - File ảnh phải có mặt trong thư mục hiện tại hoặc trong đường dẫn của Matlab. Cấu trúc này có thể hữu ích cho việc quét qua nhiều ảnh. Tuy nhiên, lưu ý, khi sử dụng cấu trúc này, dữ liệu ảnh không được lưu trong không gian làm việc của Matlab. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 29. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 17 - Nếu ta gọi hàm imview mà không chỉ ra mất kì tham số nào, nó sẽ hiển thị một hộp chọn file cho phép ta chỉ ra tên file muốn hiển thị. 9 Xem nhiều ảnh - Nếu ta chỉ ra một file mà chứa nhiều ảnh, hàm imview chỉ hiển thị ảnh đầu tiên trong file đó. Để xem tất cả các ảnh trong file, sử dụng hàm imread để nhập mỗi ảnh vào trong không gian làm việc của Matlab sau đó gọi hàm imview nhiều lần để hiển thị mỗi ảnh riêng biệt. ƒ Dùng hàm imshow - Để xem ảnh, ta có thể sử dụng hàm imshow thay cho imview. Ta sử dụng imshow để hiển thị một ảnh đã được nhập vào trong không gian làm việc như ví dụ sau: moon = imread('moon.tif'); imshow(moon); Ta cũng có thể chỉ ra tên của file ảnh như một tham số truyền vào cho hàm như ví dụ sau: imshow('moon.tif'); Khi sử dụng cấu trúc này thì dữ liệu ảnh không được nhập vào trong không gian làm việc. Tuy nhiên, ta có thể mang ảnh vào trong không gian làm việc bằng cách sử dụng hàm getimage. Hàm này sẽ nhận dữ liệu ảnh từ handle của một đối tượng ảnh hiện tại. Chẳng hạn: moon = getimage; Sẽ gán dữ liệu ảnh từ moon.tif vào biến moon. c) Các hàm chuyển đổi kiểu ảnh - Với các thao tác nhất định sẽ thật hữu ích khi có thể chuyển đổi ảnh từ dạng này sang dạng khác. Chẳng hạn, nếu ta muốn lọc một màu ảnh được lưu trữ dưới dạng ảnh chỉ số đầu tiên ta nên chuyển đổi nó thành dạng ảnh RGB. Khi ta áp dụng phép lọc tới ảnh RGB, Matlab sẽ lọc giá trị cường độ trong ảnh tương ứng. Nếu ta cố gắng lọc ảnh chỉ số, Matlab đơn giản chỉ áp đặt phép lọc tới ma trận ảnh chỉ số và kết quả sẽ không có ý nghĩa. Chú ý: Khi chuyển đổi một ảnh từ dạng này sang dạng khác, ảnh kết quả có thể khác ảnh ban đầu. Chẳng hạn, nếu ta chuyển đổi một ảnh màu chỉ số sang một ảnh cường độ, kết quả ta sẽ thu được một ảnh đen trắng. - Danh sách sau đây sẽ liệt kê các hàm được sử dụng trong việc chuyển đổi kiểu ảnh: GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 30. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 18 + dither: Tạo một ảnh nhị phân từ một ảnh cường độ đen trắng bằng cách trộn, tạo một ảnh chỉ số từ một ảnh RGB bằng cách trộng (dither). + gray2id: Tạo một ảnh chỉ số từ một ảnh cường độ đen trắng. + grayslice: Tạo một ảnh chỉ số từ một ảnh cường độ đen trắng bằng cách đặt ngưỡng. + im2bw: Tạo một ảnh nhị phân từ một ảnh cường độ, ảnh chỉ số hay ảnh RGB trên cơ sở của ngưỡng ánh sáng. + ind2gray: Tạo một ảnh cường độ đen trắng từ một ảnh chỉ số. + ind2rgb: Tạo một ảnh RGB từ một ảnh chỉ số. + mat2gray: Tạo một ảnh cường độ đen trắng từ dữ liệu trong một ma trận bằng cách lấy tỉ lệ giữ liệu. + rgb2gray: Tạo một ảnh cường độ đen trắng từ một ảnh RGB. + rgb2ind: Tạo một ảnh chỉ số từ một ảnh RGB. - Ta cũng có thể thực hiện các phép chuyển đổi kiểu chỉ sử dụng cú pháp của Matlab. Chẳng hạn, ta có thể chuyển đổi một ảnh cường độ sang ảnh RGB bằng cách ghép nối 3 phần copy của ma trận ảnh gốc giữa 3 chiều: RGB=cat(3,I,I,I ); - Ảnh RGB thu được có các ma trận đồng nhất cho các mặt phẳng R, G, B vì vậy ảnh hiển thị giống như bóng xám. - Thêm vào những công cụ chuyển đổi chuẩn đã nói ở trên, cũng có một số hàm mà trả lại kiểu ảnh khác như một phần trong thao tác mà chúng thực hiện. Chuyển đổi không gian màu - Toolbox xử lý ảnh biểu diễn màu sắc như các giá trị RGB ( trực tiếp trong ảnh RGB hoặc gián tiếp trong ảnh chỉ số ). Tuy nhiên, có các phương pháp khác cho việc biểu diễn màu sắc. Chẳng hạn, một màu có thể được đại diện bởi các giá trị hue, saturation và các giá trị thành phần (HSV). Các phương pháp khác cho việc biểu diễn màu được gọi là không gian màu. - Toolbox cung cấp một tập các thủ tục để chuyển đổi giữa các không gian màu. Các hàm xử lý ảnh tự chúng coi dữ liệu màu sắc dưới dạng RGB tuy nhiên, ta có thể xử lý một ảnh mà sử dụng các không gian màu khác nhau GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 31. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 19 bằng cách chuyển đổi nó sang RGB sau đó chuyển đổi ảnh đã được xử lý trở lại không gian màu ban đầu. d) Chuyển đổi định dạng các file ảnh - Để thay đổi định dạng đồ hoạ của một ảnh, sử dụng hàm imread để đọc một ảnh và sau đó lưu nó với hàm imwrite đồng thời chỉ ra định dạng tương ứng. - Để minh hoạ, ví dụ sau đây sử dụng hàm imread để đọc một file BMP vào không gian làm việc.Sau đó, hàm imwrite lưu ảnh này dưới định dạng PNG bitmap = imread('mybitmap.bmp','bmp'); imwrite(bitmap,'mybitmap.png','png'); e) Số học ảnh - Số học ảnh sự ứng dụng của các phép toán số học chuẩn như: cộng, trừ, nhân, chia lên ảnh. Số học ảnh được sử dụng nhiều trong xử lý ảnh trong cả các bước ban đầu lẫn các thao tác phức tạp hơn. Chẳng hạn, trừ ảnh có thể được sử dụng để phát hiện sự khác nhau giữa hai hoặc nhiều ảnh của cùng một cảnh hoặc một vật. - Ta có thể thực hiện số học ảnh sử dụng các toán tử số học của Matlab. Toolbox xử lý ảnh bao gồm một tập hợp các hàm ứng dụng các phép toán số học trên tất cả các con số không lấp đầy. Hàm số học của toolbox chấp nhận bất kì kiểu dữ liệu số nào bao gồm uint8, uint16 hay double và trả lại ảnh kết quả trong cùng định dạng. Các hàm thực hiện các phép toán với độ chính xác kép trên từng phần tử nhưng không chuyển đổi ảnh tới giá trị chính xác kép trong không gian làm việc của Matlab. Sự tràn số được điều khiển tự động. Hàm sẽ cắt bỏ giá trị trả về để vừa với kiểu dữ liệu. ƒ Luật cắt bỏ trong số học ảnh - Kết quả của số học nguyên có thể dễ dàng tràn số dùng cho lưu trữ. Chẳng hạn, giá trị cực đại ta có thể lưu trữ trong uint8 là 255. Các phép toán số học có thể trả về giá trị phân số - không được biểu diễn bởi một chuỗi số nguyên. - Các hàm số học ảnh sử dụng những luật này cho số học nguyên: + Giá trị vượt quá khoảng của kiểu số nguyên bị cắt bỏ tới khoảng đó + Giá trị phân số được làm tròn GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 32. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 20 Chẳng hạn, nếu dữ liệu có kiểu uint8, kết quả trả về nếu lớn hơn 255 ( bao gồm Inf ) thì được gán là 255. ƒ Lời gọi lồng nhau tới hàm số học ảnh - Ta có thể sử dụng các hàm số học ảnh kết hợp để thực hiện một chuỗi các phép toán. Chẳng hạn để tính giá trị trung bình của hai ảnh: C=(A+B) /2 Ta có thể nhập vào như sau: I = imread('rice.png'); I2 = imread('cameraman.tif'); K = imdivide(imadd(I,I2), 2); % not recommended - Khi được sử dụng với kiểu uint8 hay uint16, mỗi hàm số học cắt kết quả của nó trước khi truyền nó cho hàm thiếp theo. Sự cắt bỏ này có thể giảm đáng kể lượng thông tin trong ảnh cuối cùng. Một cách làm tốt hơn để thực hiện một chuỗi các tính toán là sử dụng hàm imlincomb. Hàm này thi hành tất cả các phép toán số học trong sự kết hợp tuyến tính của độ chính xác kép và chỉ cắt bỏ kết quả cuối cùng: K = imlincomb(.5,I,.5,I2); % recommended 1.3.3.3 Biến đổi không gian ảnh Biến đổi không gian ảnh là thực hiện ánh xạ giữa vị trí các pixel trong ảnh vào với các pixel trong ảnh ra. a) Bảng thuật ngữ Tên thuật ngữ Diễn giải Răng cưa - xuất hiện khi giảm kích thước ảnh. Khi kích thước của một ảnh bị giảm, các pixel gốc bị lấy mẫu giảm để tạo ra ít Aliasing pixel hơn. Aliasing xảy ra như kết quả của việc giảm kích thước ảnh thường xuất hiện dưới dạng bậc thang ( đặc biệt trong các ảnh có độ tương phản cao ) Antialiasing Các biện pháp chống răng cưa cho ảnh Bicubic interpolation Giá trị của các pixel ra được tính toán từ GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 33. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 21 giá trị trung bình của 4x4 pixel lân cận Bilinear interpolation Gía trị của pixel ra được tính toán từ giá trị trung bình của 2x2 pixel lân cận Một thao tác sửa đổi quan hệ hình học gữa Geometric operation các pixel trong một ảnh. Chẳng hạn thay đổi kích thước ảnh, quay ảnh và xén ảnh Interpolation Quá trình được sử dụng để ước lượng giá trị ảnh ở một vị trí giữa các pixel Nearest-neighbor Các giá trị pixel ra được gán giá trị của interpolation pixel nằm trong một vùng gần pixel đó. b) Nội suy Nội suy là quá trình sử dụng để ước lượng một giá trị ảnh ở một vị trí giữa các pixel. Chẳng hạn, nếu ta thay đổi kích thước một ảnh, nó sẽ chứa nhiều pixel hơn ảnh gốc, toolbox sử dụng sự nội suy để tính giá trị cho các pixel thêm vào. Hàm imresize và imrotate sử dụng nội suy hai chiều để thực hiện thao tác của mình. Hàm improfile cũng sử dụng sự nội suy hoá. Các phương pháp nội suy - Toolbox sử lý ảnh cung cấp 3 cách nội suy hoá + Nội suy các pixel gần nhất ( nearest –neighbor interpolation ) + Nội suy song tuyến tính ( Bilinear interpolation ) + Nội suy song khối ( Bicubic interpolation ) Các phương pháp nội suy làm việc theo một cách giống nhau. Trong mỗi trường hợp, để tính giá trị của một pixel đã được nội suy, chúng tìm điểm trong ảnh ra mà pixel nằm tại đó. Sau đó, chúng gán một giá trị tới các pixel ra bằng cách tính toán giá trị trung bình có trọng số của một số pixel lân cận. Trọng số dựa trên cơ sở khoảng cách tới điểm đang xét. - Các phương pháp này khác nhau ở tập các pixel mà chúng xem xét: + Với nội suy các pixel gần nhất: pixel ra được gán giá trị của các pixel ở gần nó nhất. Các pixel khác không được xem xét. + Nội suy song tuyến tính, giá trị của pixel ra là giá trị trung bình theo trọng số của 2x2 pixel lân cận. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 34. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 22 + Nội suy song khối: giá trị của pixel ra là trung bình có trọng số của 4x4 pixel lân cận. Số lượng các pixel được xem xét ảnh hưởng đến độ phức tạp tính toán. Vì vậy, phương pháp song tuyến tính mất nhiều thời gian hơn phương pháp thứ nhất và phương pháp song khối mất nhiều thời gian hơn song tuyến tính. Tuy nhiên, số lượng pixel lớn hơn, độ chính xác sẽ tốt hơn. Kiểu ảnh - Các hàm sử dụng tuyến tính yêu cầu một tham số chỉ ra phương pháp nội suy. Với hầu hết các hàm, phương pháp mặc định được sử dụng là nearest-neighbor interpolation. Phương pháp này tạo ra một kết quả có thể chấp nhận được cho hầu hết các ảnh và là phương pháp duy nhất thích hợp với ảnh chỉ số. Với ảnh cường độ hay RGB, tuy nhiên ta thường chỉ ra kiểu song tuyến tính hoặc song khối bởi vì những phương pháp này cho kết quả tốt hơn Với ảnh RGB, nội suy thường được thực hiện trên mặt phẳng R,B,G một cách riêng biệt Với ảnh nhị phân, nội suy gây ra những ảnh hưởng mà ta có thể nhận thấy được. Nếu sử dụng nội suy song tuyến tính hoặc song khối, giá trị tính toán được cho pixel trong ảnh ra sẽ không hoàn toàn là 0 hoặc 1. Ảnh hưởng trên ảnh kết quả phụ thuộc vào lớp của ảnh vào: + Nếu lớp ảnh vào là double, ảnh ra là một ảnh đen trắng thuộc lớp double. Ảnh ra không là ảnh nhị phân bởi vì nó bao gồm các giá trị khác 0 và 1. + Nếu ảnh vào là uint8, ảnh ra là một ảnh nhị phân thuộc lớp uint8. Giá trị của các pixel được nội suy được làm tròn thành 0 hoặc 1. Vì vậy , ảnh ra thuộc lớp uint8. Nếu sử dụng phương pháp nearest-neighbor interpolation, ảnh ra luôn là ảnh nhị phân bởi vì những giá trị của pixel được nội suy được lấy trực tiếp từ ảnh vào. c) Thay đổi kích thước ảnh - Để thay đổi kích thước của một ảnh, sử dụng hàm imresize. Sử dụng hàm này ta có thể: + Chỉ ra kích thước của ảnh kết quả. + Chỉ ra phương pháp nội suy được sử dụng. + Chỉ ra bộ lọc được sử dụng để ngăn ngừa hiện tượng răng cưa. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 35. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 23 Chỉ ra kích thước cho ảnh kết quả - Sử dụng hàm imresize, ta chó thể chỉ ra kích thước của ảnh kết quả theo hai cách: + Bằng cách chỉ ra hệ số phóng đại được sử dụng trên ảnh. + Bằng cách chỉ ra chiều của ảnh kết quả. Sử dụng hệ số phóng đại ảnh - Để mở rộng một ảnh, chỉ ra hệ số phóng đại lớn hơn 1. Để thu nhỏ một ảnh, chỉ ra hệ số phóng đại nằm giữa 0 và 1. Chẳng hạn, lệnh sau tăng kích thước của ảnh I lên 1.25 lần: Hình 1.5 Ảnh trước và sau khi imresize I = imread('circuit.tif'); J = imresize(I,1.25); imshow(I) figure, imshow(J) Chỉ định kích thước của ảnh ra - Ta có thể chỉ ra kích thước của ảnh ra bằng cách truyền một véc tơ chứa số lượng hàng và cột của ảnh sau cùng. Những lệnh sau đây tạo một ảnh ra Y với 100 hàng và 150 cột. Y = imresize(X,[100 150]) GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 36. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 24 Chú ý: Nếu kích thước được chỉ ra không có cùng tỉ lệ với ảnh vào, ảnh ra sẽ bị biến dạng Chỉ định phương pháp nội suy được sử dụng. - Theo mặc định, hàm imresize sử dụng phương pháp nội suy các pixel gần nhất (nearest – neighbor interpolation) để tính giá trị các pixel của ảnh ra. Tuy nhiên, ta có thể chỉ định các phương pháp nội suy khác. Bảng sau đây liệt kê các phương pháp nội suy được trợ giúp theo thứ tự của độ phức tạp. Giá trị tham số Phương pháp nội suy ‘nearest’ Nội suy các phixel gần nhất ( mặc định ) ‘bilinear’ Nội suy song tuyến tính ‘biculic’ Nội suy song khối Trong ví dụ sau, hàm imresize sử dụng phương pháp nội suy song tuyến tính: Y=imresize(X, [100 150],’bilinear’); Sử dụng bộ lọc để ngăn chặn hiện tượng răng cưa - Việc giảm kích thước (hình học) của một ảnh có thể gây ra những ảnh hưởng nhất định lên ảnh chẳng hạn như hiện tượng xuất hiện răng cưa tại biên của ảnh . Điều này là do thông tin luôn bị mất khi ta giảm kích thước một ảnh. Răng cưa xuất hiện như những gợn sóng trong ảnh sau cùng. - Khi giảm kích thước của ảnh sử dụng nội suy song tuyến tính hoặc song khối, hàm imresize tự động áp đặt một bộ lọc thông thấp lên ảnh trước khi nội suy. Điều này để giảm ảnh hưởng của răng cưa trong ảnh ra. Ta có thể chỉ ra kích thước của bộ lọc này hoặc chỉ ra một bộ lọc khác thay thế. Chú ý: Thậm chí đã sử dụng một bộ lọc thông thấp, chất lượng của ảnh vẫn bị ảnh hưởng do thông tin luôn bị mất trong quá trình nội suy - Hàm imresize không áp đặt một bộ lọc thông thấp lên ảnh nếu phương pháp nội suy các pixel gần nhất được sử dụng. Phương pháp nội suy này ban đầu được sử dụng với các ảnh chỉ số và bộ lọc thông thấp không thích hợp cho kiểu ảnh này. - Ta cũng có thể chỉ ra một bộ lọc tự tạo thay cho các bộ lọc có sẵn. Hàm imresize Cú pháp của hàm này như sau: B = imresize(A,m) GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 37. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 25 B = imresize(A,m,method) B = imresize(A,[mrows ncols],method) B = imresize(...,method,n) B = imresize(...,method,h) Diễn giải + B=imresize(A,m): Trả lại một ảnh B lớn gấp m lần ảnh A (kích thước hình học) sử dụng phương pháp nội suy mặc định (nearest - neighbor interpolcation). A có thể là một ảnh chỉ số, ảnh đen trắng, RGB hoặc ảnh nhị phân. Nếu m nằm giữa 0 và 1, B sẽ nhỏ hơn A. Nếu m lớn hơn 1, B sẽ lớn hơn A. + B=imresize(A,m,method): Trả lại một ảnh lớn gấp m lần ảnh A sử dụng phương pháp nội suy method. method là một chuỗi chỉ ra phương pháp nội suy nào được sử dụng chẳng hạn: ‘nearest’,’bilinear’,’bicubic’. + B=imresize(A, [mrows ncols],method): Trả lại một ảnh với kích thước được chỉ ra bởi vector [mrows ncols]. Nếu kích thước được chỉ ra không cùng tỉ lệ với ảnh vào, ảnh sẽ bị biến dạng Khi kích thước của ảnh ra nhỏ hơn kích thước của ảnh vào và phương pháp nội suy được sử dụng là ‘bilinear’ hoặc ‘bicubic’, hàm imresize áp đặt một bộ lọc thông thấp trước khi tuyến tính hoá để giảm hiện tượng răng cưa. Kích thước mặc định là 11x11. Ta có thể chỉ ra một thứ tự khác cho bộ lọc mặc định sử dụng cấu trúc: B=imresize(…,method,n): n là một số nguyên chỉ ra kích thước của bộ lọc – nxn. Nếu n=0, hàm imresize bỏ qua bước lọc. Ta cũng có thể chỉ ra bộ lọc riêng sử dụng cú pháp: B=imresize(…,method,h): Trong đó h là một bộ lọc FIR hai chiều ( có thể được trả về bởi các hàm ftrans2, fwind1, fwind2 hoặc fsamp2 ). d) Quay ảnh - Để quay một ảnh, sử dụng hàm imrotate. Hàm này chấp nhận hai tham số chính: + Ảnh cần quay + Góc quay - Góc quay tính theo độ. Nếu ta chỉ ra một giá trị dương, hàm imrotate quay ảnh theo chiều ngược chiều kim đồng hồ. Nếu chỉ ra giá trị âm, hàm quay ảnh theo GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 38. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 26 chiều kim đồng hồ. Ví dụ sau quay một ảnh 35 độ theo chiều ngược chiều kim đồng hồ: J=imrotate(I,35 ) ; - Một số tham số tuỳ chọn ta có thể truyền vào cho hàm bao gồm: + Phương pháp nội suy được sử dụng + Kích thước của ảnh ra Chỉ định phương pháp nội suy được sử dụng - Theo mặc định, hàm imrotate sử dụng phương pháp nội suy thứ nhất (nearest-neighbor interpolation) để tính giá trị các pixel trong ảnh ra. Tuy nhiên, ta có thể chỉ ra các phương pháp nội suy khác như: ‘bilinear ‘,’bicubic’ Ví dụ sau quay một ảnh 35 độ ngược chiều kim đồng hồ sử dụng nội suy song tuyến tính: I = imread('circuit.tif'); J = imrotate(I,35,'bilinear'); imshow(I) figure, imshow(J) Hình 1.7 Ảnh trước và sau khi imrotate Chỉ định kích thước của ảnh ra Theo mặc định, hàm imrotate tạo một ảnh ra đủ lớn để có thể bao gồm toàn bộ các pixel của ảnh gốc. Các pixel nằm ngoài biên của ảnh gốc được gán giá trị 0 GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 39. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 27 như thể nền màu đen trong ảnh ra. Nếu ta chỉ ra chuỗi ‘crop’ như một tham số, hàm imrotate sẽ xén ảnh ra tới kích thước như ảnh vào. Hàm imrotate Cú pháp của nó như sau: B = imrotate(A,angle) B = imrotate(A,angle,method) B = imrotate(A,angle,method,bbox) Diễn giải + B=imrotate(A,angle): Quay ảnh A một góc angle độ theo chiều ngược chiều kim đồng hồ, sử dụng phương pháp nội suy các pixel gần nhất. Để quay theo chiều kim đồng hồ hãy truyền giá trị âm cho tham số angle + B=imrotate(A,angle,method): Quay ảnh A một góc angle độ theo chiều kim đồng hồ sử dụng phương pháp nội suy được chỉ ra trong method. + B=imrotate(A,angle,method,bbox): Quay ảnh A một góc angle độ. Tham số bbox chỉ ra hộp biên của ảnh trả về. bbox là một chuỗi có thể nhận các giá trị sau: ‘crop’: Ảnh ra B chỉ bao gồm phần trung tâm của ảnh được quay và có cùng kích thước với ảnh A ‘loose’: ( Mặc định ): Ảnh ra B bao gồm toàn bộ ảnh được quay và lớn hơn ảnh A. Hàm imrotate thiết lập giá trị 0 cho các pixel ngoài biên của ảnh gốc. Ví dụ - Ví dụ này đọc một ảnh quang phổ ánh sáng mặt trời được lưu trong định dạng FITS và quay nó và căn nó theo chiều ngang. I = fitsread('solarspectra.fts'); I = mat2gray(I); J = imrotate(I,-1,'bilinear','crop'); imshow(I) figure, imshow(J) GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 40. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 28 Hình 1.8 Ảnh được quay theo chiều ngang e) Xén ảnh (image cropping) - Để trích một vùng chữ nhật của một ảnh, sử dụng hàm imcrop. Hàm imcrop chấp nhận hai tham số chính: + Ảnh cần xén + Các góc của hình chữ nhật xác định vùng xén - Nếu ta gọi hàm imcrop mà không chỉ ra hình chữ nhật, ta có thể xén ảnh theo các tương tác. Trong trường hợp này, ta sử dụng trỏ chuột để chọn vùng chữ nhật cần xén bằng cách nhấn và giữ phím chuột trái và di chuyển để chọn vùng xén. Khi chọn xong thì nhả chuột. Trong ví dụ sau, ta hiển thị một ảnh và gọi hàm imcrop. Hàm imcrop hiển thị ảnh trong một hình và đợi ta vẽ vùng chữ nhật cần xén trên ảnh. imshow circuit.tif I=imcrop; Imshow(I); Hình 1.9 Ảnh trước và sau khi imcrop GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 41. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 29 Hàm imcrop - Cú pháp của nó như sau: I2 = imcrop(I) X2 = imcrop(X,map) RGB2 = imcrop(RGB) I2 = imcrop(I,rect) X2 = imcrop(X,map,rect) RGB2 = imcrop(RGB,rect) [...] = imcrop(x,y,...) [A,rect] = imcrop(...) [x,y,A,rect] = imcrop(...) Diễn giải - Hàm imcrop xén một ảnh theo một hình chữ nhật được chỉ định. I2=imcrop(I) ; X2=imcrop(X,map); RGB2=imcrop(RGB); Hàm imcrop sẽ hiển thị ảnh I và đợi ta chỉ ra hình chữ nhật cần xén bằng chuột - Nếu ta bỏ qua các tham số, hàm imcrop thao tác trên ảnh của trục hiện tại. - Để chỉ định một hình chữ nhật ta dùng trỏ chuột như đã nói ở trên - Ta cũng có thể chỉ ra kích thước của hình chữ nhật mà không thao tác trực tiếp như các cú pháp sau: I2 = imcrop(I,rect) X2 = imcrop(X,map,rect) RGB2 = imcrop(RGB,rect) Trong đó: rect là một vector bốn phần tử dạng [xmin ymin width height], những giá trị này được chỉ ra trong toạ độ không gian. Để chỉ định các toạ độ không theo toạ độ không gian cho ảnh vào, đặt trước các tham số khác với 2 vector hai phần tử chỉ ra Xdata và Ydata. Chẳng hạn: […]=imcrop(x,y,…) - Nếu ta cung cấp các tham số ra phụ, hàm imcrop sẽ trả lại thông tin về vùng chữ nhật được chọn và hệ toạ độ của ảnh vào. Chẳng hạn: GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 42. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 30 [A,rect] = imcrop(...) [x,y,A,rect] = imcrop(...) A là ảnh ra, x và y là Xdata và Ydata của ảnh vào Chú ý: - Do rect là một tập hợp các toạ độ không gian, các phần tử width và height trong rect không luôn luôn tương ứng chính xác với kích thước của ảnh ra. Chẳng hạn, giả sử rect là [20 20 40 30], sử dụng hệ toạ độ không gian theo mặc định. Góc trên trái của vùng chữ nhật được chọn là tâm của pixel (20,20) và góc dưới phải của vùng chữ nhật là tâm của pixel (50,60). Ảnh ra là một ảnh có kích thước 31x41 chứ không phải 30x40. Điều này là do ảnh ra bao gồm tất cả các pixel trong ảnh vào hoàn toàn hoặc một phần được bao bọc bởi vùng chữ nhật trên. Ví dụ I = imread('circuit.tif'); I2 = imcrop(I,[75 68 130 112]); imview(I), imview(I2) Hình 1.10 Ảnh trước và sau khi imcrop theo 1 tọa độ cho trước f) Các biến đổi ảnh thông dụng - Để thực hiện các biến đổi không gian ảnh 2 chiều, sử dụng hàm imtransform. Hàm này chấp nhận hai tham số chính: + Ảnh cần biến đổi GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 43. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 31 + Một cấu trúc biến đổi được gọi là TFORM chỉ ra kiểu biến đổi ta muốn thực hiện Chỉ ra kiểu biến đổi - Ta chỉ ra kiểu biến đổi trong cấu trúc TFORM. Có hai cách để tạo một cấu trúc TFORM: + Sử dụng hàm maketform + Sử dụng hàm cp2tform Sử dụng hàm maketform - Khi sử dụng hàm này, ta chỉ ra kiểu biến đổi ta muốn thực hiện. Các kiểu biến đổi mà maketform trợ giúp bao gồm: +’ affine’: Biến đổi có thể bao gồm: translation ( dịch ), rotation ( quay ), scaling, stretching và shearing. Các đường thẳng vẫn là đường thẳng, đường song song vẫn song song nhưng hình chữ nhật có thể bị biến đổi +’box’: Một trường hợp đặc biệt của affine khi mỗi chiều được dời và định tỉ lệ độc lập + ‘composite ‘: Bao gồm tổ hợp của hai hay nhiều phép biến đổi + ‘custom ‘: Biến đổi do người dùng tự định nghĩa, nó cung cấp các hàm thuận hoặc nghịch được gọi bởi hàm imtransform + ‘projective ‘: Biến đổi trong đó các đường thẳng vẫn giữ nguyên nhưng các đường song song đồng quy lại thành một điểm. Sử dụng cp2tform - Ta sử dụng hàm này để tạo ra cấu trúc TFORM khi ta muốn thi hành một biến đổi cần khít với các điểm dữ liệu như một biến đổi đa thức. Chú ý: Khi sử dụng với hàm imtransform, cấu trúc TFORM phải định nghĩa một biến đổi 2 chiều. Nếu một ảnh chứa nhiều hơn một chiều chẳng hạn như ảnh RGB, cùng một biến đổi 2 chiều sẽ được áp đặt tới tất cả các mặt phẳng 2 chiều theo chiều cao hơn. Để định nghĩa một biến đổi n chiều sử dụng hàm imformarrray Thực hiện biến đổi - Khi ta đã định nghĩa một cấu trúc TFORM, ta có thể thi hành một sự biến đổi bằng cách gọi hàm imtransform. Chẳng hạn, đoạn mã sau sử dụng hàm này để thi hành một biến đổi projective cho một ảnh bàn cờ: I = checkerboard(20,1,1); GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 44. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 32 figure; imshow(I) T = maketform('projective',[1 1; 41 1; 41 41; 1 41],... [5 5; 40 5; 35 30; -10 30]); R = makeresampler('cubic','circular'); K = imtransform(I,T,R,'Size',[100 100],'XYScale',1); figure, imshow(K) Hình 1.11 Ảnh trước và sau khi imtransforms - Các tuỳ chọn của hàm imtransform cho phép ta điều khiển nhiều khía cạnh của việc biến đổi. Chẳng hạn, chú ý rằng ảnh bị biến đổi xuất hiện nhiều bản copy của ảnh gốc. Điều này nhận được bởi tuỳ chon ‘size’.Xem thêm Help Online Hàm imtransform - Áp đặt một biến đổi không gian 2 chiều lên một ảnh Cú pháp B = imtransform(A,TFORM) B = imtransform(A,TFORM,INTERP) [B,XDATA,YDATA] = imtransform(...) [B,XDATA,YDATA] = imtransform(...,param1,val1,param2,val2,...) Diễn giải + B=imtransform(A,TFORM ): biến đổi ảnh A theo cấu trúc được định nghĩa trong TFORM. Cấu trúc này được trả về từ hàm maketform hoặc cp2tform. Nếu ndims(A)>2 như các ảnh RGB thì cùng một biến đổi không gian 2 chiều được áp đặt tới tất cả các mặt phẳng theo chiều cao hơn. Khi sử dụng cú pháp này, hàm imtransform tự động dịch gốc của ảnh ra để ảnh ra có thể được hiển thị nhiều nhất có thể. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 45. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 33 + B=imtransform(A,TFORM, INTERP): chỉ ra dạng của phép nội suy được sử dụng. INTERP có thể là một trong các giá trị ‘nearest’, ‘bicubic’ hoặc ‘bilinear’. Tương tự, INTERP có thể là một cấu trúc được trả về từ hàm makeresampler. Tuỳ chọn này cho phép điều khiển nhiều hơn lên việc lấy mẫu lại (resampling). + [B,XDATA,YDATA]= imtransform(…): trả về vị trí của ảnh ra B trong không gian X-Y. XDATA và YDATA các vector hai thành phần. Những thành phần của XDATA chỉ ra toạ độ x của cột đầu và cuối của B. Những thành phần của YDATA chỉ ra toạ độ y của cột đầu và cuối của B. Bình thường, hàm imtransform tính toán XDATA và YDATA tự động vì vậy B chứa toàn bộ ảnh đã biến đổi A. Tuy nhiên, ta có thể đè chồng tính toán tự động này xem dưới đây: + [B,XDATA,YDATA] = imtransform(...,param1,val1,param2,val2,...): Chỉ ra các tham số điều khiển nhiều khía cạnh khác nhau của biến đổi không gian. Bảng sau liệt kê các tham số mà ta có thể chỉ ra. Tham số Diễn giải Cả hai tham số này là các vector hai phần tử thực. ‘Udata’ và ‘Vdata’ chỉ ra vị trí không gian của ảnh A trong không gian vào 2 chiều U-V. Hai phần tử của ‘Udata’ cho toạ độ u (hoành ‘UData’ độ ) của cột đầu tiên và cuối cùng của A. Hai phần tử của ‘VData’ ‘Vdata’ cho toạ độ v ( tung độ ) của hàng đầu tiên và cuối cùng của A. Giá trị mặc định cho ‘Udata’ và ‘Vdata’ tương ứng là [1 size(A,2) ] và [1 size(A,1) ] Cả hai tham số này là các vector hai phần tử thực chỉ ra vị trí không gian của ảnh ra B trong không gian ra 2 chiều X-Y. Hai phần tử của ‘Xdata’ chỉ ra hoành độ x của cột đầu tiên và cuối ‘Xdata’ cùng của B. Hai phần tử của ‘Ydata’ chỉ ra tung độ của hàng ‘Ydata’ đầu tiên và cuối cùng của B. Nếu ‘Xdata’ và ‘Ydata’ không được chỉ ra, hàm imtransform ước lượng giá trị cho chúng để có thể chứa toàn bộ ảnh ra đã bị biến đổi GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 46. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 34 Là vector với một hoặc hai phần tử thực. Phần tử đầu tiên của ‘XYScale’ chỉ ra chiều rộng của mỗi pixel vào trong không gian X-Y. Phần tử thứ hai (nếu tồn tại) chỉ ra chiều cao của ‘XYScale’ mỗi pixel ra. Nếu ‘XYScale’ chỉ có một phần tử, giá trị này sẽ được dùng cho cả chiều rộng và chiều cao. Nếu ‘XYScale’ không được chỉ định nhưng Size được chỉ ra thì ‘XYScale’ được tính toán từ ‘Size’,’Xdata’ và ‘Ydata’. Một vector hai phần tử nguyên không âm. ‘Size’ chỉ ra số hàng và cột trong ảnh ra B. Với chiều cao hơn, kích cỡ của B được ‘Size’ lấy trực tiếp từ A. Nói cách khác, size(B,k) tương đương với size(A,k) với k>2. Nếu ‘Size’ không được chỉ định, nó sẽ được tính từ ‘Xdata’,’Ydata’ và ‘XYScale’ Một mảng chứa một hoặc nhiều giá trị tô (fill values). Fill values được sử dụng cho các pixel trên ảnh ra khi vị trí được biến đổi tương ứng trên ảnh vào hoàn toàn là viền ngoài của ảnh ra. nếu A là 2 chiều, ‘Fillvalues’ phải vô hướng. Tuy nhiên, nếu chiều của A lớn hơn 2, ‘FillValues’ có thể là một mảng mà kích thước của nó thoả mãn ràng buộc sau: size(fill_values,k) phải bằng size(A,k+2) hoặc 1. Chẳng hạn, nếu A là một ảnh RGB unit8 có kích thước ‘FillValues’ 200x200x3 thì các khả năng của ‘FillValues’ bao gồm: + 0: Tô với màu đen + [0;0;0]: Tô với màu đen + 255: Tô với màu trắng + [255;255;255]: Tô với màu trắng + [0;0;255]: Tô với màu xanh + [255;255;0]: Tô với màu vàng Nếu A là 4 chiều 200x200x3x10 thì ‘FillValues’ có thể là 1 vô hướng 1x10,3x1,3x10 Ví dụ Áp một phép dịch chuyển ngang tới một ảnh cường độ ; I = imread('cameraman.tif'); GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 47. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 1: Giới thiệu Matlab và khái quát về ảnh 35 tform = maketform('affine',[1 0 0;.5 1 0; 0 0 1]); J = imtransform(I,tform); imshow(I), figure, imshow(J) Hình 1.12 Ảnh trước và sau khi imtransformsvới 1 cường độ ảnh GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 48. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 2: Các phương pháp xác định khuôn mặt 36 Chương 2 CÁC PHƯƠNG PHÁP XÁC ĐỊNH KHUÔN MẶT 2.1 Định nghĩa bài toán xác định khuôn mặt người 2.2 Ứng dụng của phương pháp xác định khuôn mặt 2.3 Phương pháp xác định khuôn mặt 2.4 Khó khăn và thử thách trong bài toán xác định khuôn mặt người G V H D : T h s . Đ à o T hị Thu Thủy
- 49. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM SVTH: Ng uyễ n Tru ng Hiế u Bùi Ng ọc Liê m
- 50. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 2: Các phương pháp xác định khuôn mặt 37 Chương 2 CÁC PHƯƠNG PHÁP XÁC ĐỊNH KHUÔN MẶT Hơn một thập kỷ qua có rất nhiều công trình nghiên cứu về bài toán xác định khuôn mặt người từ ảnh đen trắng, xám đến ảnh màu như ngày hôm nay. Các nghiên cứu đi từ bài toán đơn giản, mỗi ảnh chỉ có một khuôn mặt người nhìn thẳng vào thiết bị thu hình và đầu ở tư thế thẳng đứng trong ảnh đen trắng. Cho đến ngày hôm nay bài toán mở rộng cho ảnh màu, có nhiều khuôn mặt trong cùng một ảnh, có nhiều tư thế thay đổi trong ảnh. Không những vậy mà còn mở rộng cả phạm vi từ môi trường xung quanh khá đơn giản (trong phòng thí nghiệm) cho đến môi trường xung quanh rất phức tạp (như trong tự nhiên) nhằm đáp ứng nhu cầu thật sự và rất nhiều của con người. 2.1 Định nghĩa bài toán xác định khuôn mặt người Xác định khuôn mặt người (Face Detection) là một kỹ thuật máy tính để xác định các vị trí và các kích thước của các khuôn mặt người trong các ảnh bất kỳ (ảnh kỹ thuật số). Kỹ thuật này nhận biết các đặc trưng của khuôn mặt và bỏ qua những thứ khác như: tòa nhà, cây cối, cơ thể, … 2.2 Ứng dụng của phương pháp xác định khuôn mặt Có rất nhiều ứng dụng đã và đang được nghiên cứu, sau đây chúng em xin đưa ra 1 vài ứng dụng trong thực tế: • Hệ thống tương tác giữa người và máy: giúp những người bị tật hoặc khiếm khuyết có thể trao đổi. Những người dùng ngôn ngữ tay có thể giao tiếp với những người bình thường. Những người bị bại liệt thông qua một số ký hiệu nháy mắt có thể biểu lộ những gì họ muốn, …. Đó là các bài toán điệu bộ của bàn tay (hand gesture), điệu bộ khuôn mặt, … GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 51. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 2: Các phương pháp xác định khuôn mặt 38 • Nhận dạng người A có phải là tội phạm truy nã hay không? Giúp cơ quan an ninh quản lý tốt con người. Công việc nhận dạng có thể ở trong môi trường bình thường cũng như trong bóng tối (sử dụng camera hồng ngoại). • Hệ thống quan sát, theo dõi và bảo vệ. Các hệ thống camera sẽ xác định đâu là con người và theo dõi con người đó xem họ có vi phạm gì không, ví dụ xâm phạm khu vực không được vào, …. • Lưu trữ (rút tiền ATM, để biết ai rút tiền vào thời điểm đó), hiện nay có tình trạng những người bị người khác lấy mất thẻ ATM hay mất mã số PIN và những người ăn cắp này đi rút tiền, hoặc những người chủ thẻ đi rút tiền nhưng lại báo cho ngân hàng là mất thẻ và mất tiền. Các ngân hàng có nhu cầu khi có giao dịch tiền sẽ kiểm tra hay lưu trữ khuôn mặt người rút tiền để sau đó đối chứng và xử lý. • Thẻ căn cước, chứng minh nhân dân (Face Identification). • Điều khiển vào ra: văn phòng, công ty, trụ sở, máy tính, Palm,…. Kết hợp thêm vân tay và mống mắt. Cho phép nhân viên được ra vào nơi cần thiết, hay mỗi người sẽ đăng nhập máy tính cá nhân của mình mà không cần nhớ tên đăng nhập cũng như mật khẩu mà chỉ cần xác định thông qua khuôn mặt. • An ninh sân bay, xuất nhập cảnh (hiện nay cơ quan xuất nhập cảnh Mỹ đã áp dụng). Dùng để xác thực người xuất nhập cảnh và kiểm tra có phải là nhân vật khủng bố hay không. • Trong tương lai sẽ phát triển các loại thẻ thông minh có tích hợp sẵn đặc trưng của người dùng trên đó, khi bất cứ người dùng khác dùng để truy cập hay xử lý tại các hệ thống sẽ được yêu cầu kiểm tra các đặc trưng khuôn mặt so với thẻ để biết nay có phải là chủ thẻ hay không. • Tìm kiếm và tổ chức dữ liệu liên quan đến con người thông qua khuôn mặt người trên nhiều hệ cơ sở dữ liệu lưu trữ thật lớn, như internet, các hãng truyền hình,… Ví dụ: tìm các đoạn video có tổng thống Bush phát biểu, tìm các phim có diễn viên Lý Liên Kiệt đóng, tìm các trận đá banh có Ronaldo đá, … GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 52. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 2: Các phương pháp xác định khuôn mặt 39 • Hiện nay có nhiều hướng tiếp cận để xác định một ảnh có phải là ảnh khỏa thân hay không? Khuôn mặt người được xem như một yếu tố để xác định cho một hướng tiếp cận mà được dùng gần đây. • Ứng dụng trong video phone. • Phân loại trong lưu trữ hình ảnh trong điện thoại di động. Thông qua bài toán xác định khuôn mặt người và trích đặc trưng, rồi dựa vào đặc trưng này để sắp xếp lưu trữ, giúp người sử dụng dễ dàng truy tìm khi cần thiết. • Kiểm tra trạng thái người lái xe có ngủ gật, mất tập trung hay không, và hỗ trợ thông báo khi cần thiết. • Phân tích cảm xúc trên khuôn mặt. • Trong lãnh vực thiết kế điều khiển robot. • Hãng máy chụp hình Canon đã ứng dụng bài toán xác định khuôn mặt người vào máy chụp hình thế hệ mới để cho kết quả hình ảnh đẹp hơn, nhất là khuôn mặt người. 2.3 Phương pháp xác định khuôn mặt Có nhiều nghiên cứu tìm phương pháp xác định khuôn mặt người, từ ảnh xám đến ngày nay là ảnh màu. Dựa vào tính chất của các phương pháp xác định khuôn mặt, các phương pháp này được chia làm bốn hướng tiếp cận chính: • Hướng tiếp cận dựa trên tri thức: Mã hóa các hiểu biết của con người về các loại khuôn mặt người thành các luật. Thông thường các luật mô tả quan hệ của các đặc trưng. • Hướng tiếp cận dựa trên đặc trưng không thay đổi: Mục tiêu các thuật toán đi tìm các đặc trưng mô tả cấu trúc khuôn mặt người mà các đặc trưng này sẽ không thay đổi khi tư thế khuôn mặt, vị trí đặt thiết bị thu hình hoặc điều kiện ánh sáng thay đổi. • Hướng tiếp cận dựa trên so khớp mẫu: Dùng các mẫu chuẩn của khuôn mặt người (các mẫu này được chọn lựa và lưu trữ) để mô tả cho khuôn mặt người hay các đặc trưng khuôn mặt (các mẫu này phải chọn làm sao cho tách biệt nhau theo tiêu chuẩn mà các tác giả định ra để so sánh). Các mối tương quan giữa dữ liệu ảnh đưa vào và các mẫu dùng để xác định khuôn mặt người. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 53. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 2: Các phương pháp xác định khuôn mặt 40 • Hướng tiếp cận dựa trên diện mạo: Trái ngược hẳn với so khớp mẫu, các mô hình (hay các mẫu) được học từ một tập ảnh huấn luyện trước đó. Sau đó hệ thống (mô hình) sẽ xác định khuôn mặt người. Hay một số tác giả còn gọi hướng tiếp cận này là hướng tiếp cận theo phương pháp học. 2.3.1 Hướng tiếp cận dựa trên tri thức Trong hướng tiếp cận này, các luật sẽ phụ thuộc rất lớn vào tri thức của những tác giả nghiên cứu về bài toán xác định khuôn mặt người. Đây là hướng tiếp cận dạng top-down. Dễ dàng xây dựng các luật cơ bản để mô tả các đặc trưng của khuôn mặt và các quan hệ tương ứng. Ví dụ, một khuôn mặt thường có hai mắt đối xứng nhau qua trục thẳng đứng ở giữa khuôn mặt và có một mũi, một miệng. Các quan hệ của các đặc trưng có thể được mô tả như quan hệ về khoảng cách và vị trí. Thông thường các tác giả sẽ trích đặc trưng của khuôn mặt trước tiên để có được các ứng viên, sau đó các ứng viên này sẽ được xác định thông qua các luật để biết ứng viên nào là khuôn mặt và ứng viên nào không phải khuôn mặt. Thường áp dụng quá trình xác định để giảm số lượng xác định sai. Một vấn đề khá phức tạp khi dùng hướng tiếp cận này là làm sao chuyển từ tri thức con người sang các luật một các hiệu quả. Nếu các luật này quá chi tiết (chặt chẽ) thì khi xác định có thể xác định thiếu các khuôn mặt có trong ảnh, vì những khuôn mặt này không thể thỏa mãn tất cả các luật đưa ra. Nhưng các luật tổng quát quá thì có thể chúng ta sẽ xác định lầm một vùng nào đó không phải là khuôn mặt mà lại xác định là khuôn mặt. Và cũng khó khăn mở rộng yêu cầu từ bài toán để xác định các khuôn mặt có nhiều tư thế khác nhau. Có hai tác giả Yang và Huang đã dùng một phương thức theo hướng tiếp cận này để xác định các khuôn mặt. Hệ thống của hai tác giả này bao gồm ba mức luật. Ở mức cao nhất, dùng một khung cửa sổ quét trên ảnh và thông qua một tập luật để tìm các ứng viên có thể là khuôn mặt. Ở mức kế tiếp, hai ông dùng một tập luật để mô tả tổng quát hình dáng khuôn mặt. Còn ở mức cuối cùng lại dùng một tập luật khác để xem xét ở mức chi tiết các đặc trưng khuôn mặt. Một hệ thống đa độ phân giải có thứ tự được dùng để xác định (hình 2.1). GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 54. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 2: Các phương pháp xác định khuôn mặt 41 (a) (b) (c) (d) Hình 2.1 Độ phân giải của 1 ảnh; (a) Ảnh ban đầu có độ phân giải n=1; (b),(c), và (d) Ảnh có độ phân giải n=4, 8, và 16. Các luật ở mức cao nhất để tìm ứng viên như: “vùng trung tâm khuôn mặt (phần tối hơn trong hình 2.2) có bốn phần với một mức độ đều cơ bản”, “phần xung quanh bên trên của một khuôn mặt (phần sáng hơn trong hình 2.2) có một mức độ đều cơ bản”, và “mức độ khác nhau giữa các giá trị xám trung bình của phần trung tâm và phần bao bên trên là đáng kể”. Độ phân giải thấp nhất (mức mộ) của ảnh dùng để tìm ứng viên khuôn mặt mà còn tìm ở các mức phân giải tốt hơn. Ở mức hai, xem xét biểu đồ histogram của các ứng viên để loại bớt ứng viên nào không phải là khuôn mặt, đồng thời dò ra cạnh bao xung quanh ứng viên. Ở mức cuối cùng, những ứng viên nào còn lại sẽ được xem xét các đặc trưng của khuôn mặt về mắt và miệng. Hai ông đã dùng một chiến lược “từ thô đến mịn” hay “làm rõ dần” để giảm số lượng tính toán trong xử lý. Mặc dù tỷ lệ chính xác chưa cao, nhưng đây là tiền đề cho nhiều nghiên cứu sau này. Hình 2.2 Một loại trí thức của người nghiên cứu phân tích trên khuôn mặt. 2.3.2 Hướng tiếp cận dựa trên đặc trưng không thay đổi Đây là hướng tiếp cận theo kiểu bottom-up. Các tác giả cố gắng tìm các đặc trưng không thay đổi của khuôn mặt người để xác định khuôn mặt người. Dựa trên nhận xét thực tế, con người dễ dàng nhận biết các khuôn mặt và các đối tượng trong các tư thế khác nhau và điều kiện ánh sáng khác nhau, thì phải tồn tại các thuộc tính hay đặc trưng không thay đổi. Có nhiều nghiên cứu đầu tiên xác định các đặc trưng khuôn mặt rồi chỉ ra có khuôn mặt trong ảnh hay không. Các đặc trưng như: lông GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 55. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 2: Các phương pháp xác định khuôn mặt 42 mày, mắt, mũi, miệng, và đường viền của tóc được trích bằng phương pháp xác định cạnh. Trên cơ sở các đặc trưng này, xây dựng một mô hình thống kê để mô tả quan hệ của các đặc trưng này và xác định sự tồn tại của khuôn mặt trong ảnh. Một vấn đề của các thuật tóan theo hướng tiếp cân đặc trưng cần phải điều chỉnh cho phù hợp điều kiện ánh sáng, nhiễu, và bị che khuất. Đôi khi bóng của khuôn mặt sẽ tạo thêm cạnh mới, mà cạnh này lại rõ hơn cạnh thật sự của khuôn mặt, vì thế nếu dùng cạnh để xác định sẽ gặp khó khăn. 2.3.2.1 Các đặc trưng khuôn mặt Một số phương pháp xác định các đặc trưng của khuôn mặt có tỷ lệ chính xác cao: + Phương pháp xác định khuôn mặt từ một ảnh có hình nền phức tạp. Phương pháp này dựa trên cạnh (dùng phương pháp Candy và heuristics) để loại bỏ các cạnh để còn lại duy nhất một đường bao xung quanh khuôn mặt. Một hình ellipse dùng để bao khuôn mặt, tách biệt vùng đầu và hình nền. Tỷ lệ chính xác của thuật toán là 80%. + Phương pháp xác định khuôn mặt trong ảnh xám. Dùng bộ lọc để làm nổi các biên, các phép toán hình thái học (morphology) được dùng để làm nổi bật các vùng có cường độ cao và hình dáng chắc chắn (như mắt). Thông qua histogram để tìm các đỉnh nổi bật để xác định các ngưỡng chuyển ảnh xám thành hai ảnh nhị phân. Các thành phần dính nhau đều xuất hiện trong hai ảnh nhị phân thì được xem là vùng của ứng viên khuôn mặt rồi phân loại xem có phải là khuôn mặt không. Phương pháp được kiểm tra trên các ảnh chỉ có đầu và vai của người. Tuy nhiên còn vấn đề, làm sao sử dụng các phép toán morphology và làm sao xác định khuôn mặt trên các vùng ứng viên. + Phương pháp xác định khuôn mặt dựa mô hình xác suất để xác định khuôn mặt ở trong ảnh có hình nền phức tạp trên cơ sở một bộ xác định đặc trưng cục bộ và so khớp đồ thị ngẫu nhiên. Ý chính là xem bài toán xác định khuôn mặt như là bài toán tìm kiếm với mục tiêu là tìm thứ tự các đặc trưng chắc chắn của khuôn mặt để tạo thành giống nhất một mẫu khuôn mặt. Dùng năm đặc trưng (hai mắt, hai lỗ mũi, phần nối giữa mũi và miệng) để mô tả một khuôn mặt. Luôn tính quan hệ khoảng cách với các đặc trưng cặp (như mắt trái, mắt phải), dùng phân bố Gauss để GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 56. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 2: Các phương pháp xác định khuôn mặt 43 mô hình hóa. Một mẫu khuôn mặt được đưa ra thông qua trung bình tương ứng cho một tập đa hướng, đa tỷ lệ của bộ lọc đạo hàm Gauss. Từ một ảnh, các đặc trưng ứng viên được xác định bằng cách so khớp từng điểm ảnh khi lọc tương ứng với vector mẫu (tương tự mối tương quan), chọn hai ứng viên đặc trưng đứng đầu để tìm kiếm cho các đặc trưng khác của khuôn mặt. Giống như xây dựng một đồ thị quan hệ mỗi node của đồ thị tương ứng như các đặc trưng của một khuôn mặt, đưa xác suất vào để xác định. Tỷ lệ xác định chính xác là 86%. + Phương pháp xác định khuôn mặt dùng lý thuyết xác suất thống kê về hình dáng. Dùng hàm mật độ xác suất (Probility Density Function- PDF) qua N điểm đặc trưng, tương ứng (xi, yi) là đặc trưng thứ i với giả sử dựa vào phân bố Gauss có 2N- chiều. Các tác giả áp dụng phương thức cực đại khả năng (Maximum Likelihood-ML) để xác định vị trí khuôn mặt. Một thuận lợi của phương pháp này là các khuôn mặt bị che khuất vẫn có thể xác định được. Nhưng phương pháp không xác định được đa khuôn mặt trong ảnh. + Phương pháp xác định khuôn mặt dựa vào đặc trưng, dùng số lượng lớn các dấu hiệu từ ảnh và cả dấu hiệu về ngữ cảnh. Đầu tiên dùng bộ lọc đạo hàm Gauss thứ hai, xác định các điểm mấu chốt ở tại cực đại địa phương trong bộ lọc, rồi chỉ ra nơi có thể là đặc trưng. Giai đoạn hai, kiểm tra các cạnh xung quanh điểm mấu chốt và nhóm chúng lại thành các vùng. Tiêu chuẩn để nhóm các cạnh là gần và tương tự hướng và cường độ. Đo lường các đặc tính vùng như: chiều dài cạnh, cường độ cạnh, và biến thiên cường độ được lưu trong một vector đặc trưng. Từ dữ liệu đặc trưng khuôn mặt đã được huấn luyện, sẽ tính được giá trị trung bình và ma trận hiệp phương sai của mỗi đặc trưng khuôn mặt. Một vùng là ứng viên khuôn mặt khi khoảng cách Mahalanobis giữa các vector đặc trưng đều dưới một ngưỡng. Rồi thông qua mạng Bayes để xác định ứng viên có phải là khuôn mặt không. Tỷ lệ chính xác là 85%, tuy nhiên mức độ sai là 28%, và chỉ hiệu quả với hình khuôn mặt có kích thước 60x60 điểm ảnh. Phương pháp này được dùng thêm với mô hình đường viền linh hoạt. + Phương pháp xác định khuôn mặt dựa trên tích đặc trưng võng mạc và cử động theo dao động nhỏ của mắt. Thuật toán hoạt động trên bản đồ hay vùng của các mấu chốt, mô hình hóa lưới võng mạc. Đầu tiên tính toán ước lượng thô vùng GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 57. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 2: Các phương pháp xác định khuôn mặt 44 khuôn mặt trên cơ sở bộ lọc. Giai đoạn thứ hai tinh chế trên độ phân giải mịn hơn. Tỷ lệ sai là 4.69%. + Phương pháp xác định khuôn mặt dựa trên cơ sở hình thái học (morphology) để trích các đoạn giống mắt (eye-analogue) để xác định khuôn mặt người. Phương pháp này cho rằng mắt và lông mày là đặc trưng nổi bật nhất và ổn định nhất của khuôn mặt con người, và nó rất hữu dụng để xác định khuôn mặt người. Các đoạn giống mắt như là các cạnh trên đường viền của mắt. Đầu tiên, các phép toán morphology như đóng, cắt bỏ sai khác, và phân ngưỡng để trích các điểm ảnh có giá trị cường độ thay đổi đáng kể. Các điểm ảnh này sẽ trở thành các điểm ảnh giống mắt. Sau đó một tiến trình gán nhãn để sinh các đoạn giống mắt. Các đoạn này được dùng để chỉ dẫn tìm kiếm các vùng tiềm năng có thể là khuôn mặt qua kết hợp các đặc tính hình học của mắt, mũi, lông mày, và miệng. Các vùng này sẽ được một mạng neural xem xét có phải là khuôn mặt không. Tỷ lệ chính xác là 94%. + Phương pháp xác định khuôn mặt dựa trên hình dáng và áp dụng cho các khuôn mặt chụp thẳng. Có hai giai đoạn để xác định khuôn mặt người: tập trung và phân loại chi tiết. Làm có thứ tự các mảnh cạnh, các mảnh này được trích từ bộ xác định cạnh đơn giản thông qua sự khác biệt cường độ là quá trình tập trung. Khi có các ứng viên từ quá trình trên, dùng thuật toán CART để xây dựng một cây phân loại từ các ảnh để huấn luyện, để xem xét ứng viên nào là khuôn mặt người. + Phương pháp xác định khuôn mặt dùng cấu trúc hình học của khuôn mặt người để tìm ứng viên khuôn mặt trong ảnh xám và hình nền không phức tạp. Mỗi ảnh chỉ có một khuôn mặt người, nhưng tư thế điều kiện ánh sáng, không cố định. Tỷ lệ chính xác khỏang 94.25% và thời gian khá nhanh. + Phương pháp xác định khuôn mặt dùng sắc màu của da người để tìm ứng viên, bằng cách dùng mô hình màu da người trên từng phần nhỏ rồi xử lý phân đoạn trên đó. Sau khi có ứng viên khuôn mặt, dùng một số đặc tính về hình dáng để xác định khuôn mặt người. Tỷ lệ chính xác là 85%. 2.3.2.2 Kết cấu Khuôn mặt con người có những kết cấu riêng biệt mà có thể dùng để phân loại so với các đối tượng khác. Có một số nhà nghiên cứu cho rằng hình dạng của GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 58. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 2: Các phương pháp xác định khuôn mặt 45 khuôn mặt dùng làm kết cấu phân loại, gọi là kết cấu giống khuôn mặt (face-like texture). Tính kết cấu qua các đặc trưng thống kê thứ tự thứ hai (SGLD) trên vùng có kích thước 16x16 điểm ảnh. Có ba loại đặc trưng được xem xét: màu da, tóc, và những thứ khác. 2.3.2.3 Sắc màu của da Thông thường các ảnh màu không xác định trực tiếp trên toàn bộ dữ liệu ảnh mà các tác giả dùng tính chất sắc màu của da người (khuôn mặt người) để chọn ra được các ứng viên có thể là khuôn mặt người (lúc này dữ liệu đã thu hẹp đáng kể) để xác định khuôn mặt người. 2.3.2.4 Đa đặc trưng Gần đây có nhiều nghiên cứu sử dụng các đặc trưng toàn cục như: màu da người, kích thước, và hình dáng để tìm các ứng viên khuôn mặt, rồi sau đó sẽ xác định ứng viên nào là khuôn mặt thông qua dùng các đặc trưng cục bộ (chi tiết) như: mắt, lông mày, mũi, miệng, và tóc. 2.3.3 Hướng tiếp cận dựa trên so khớp mẫu Trong so khớp mẫu, các mẫu chuẩn của khuôn mặt (thường là khuôn mặt được chụp thẳng) sẽ được xác định trước hoặc xác định các tham số thông qua một hàm. Từ một ảnh đưa vào, tính các giá trị tương quan so với các mẫu chuẩn về đường viền khuôn mặt, mắt, mũi và miệng. Thông qua các giá trị tương quan này mà các tác giả quyết định có hay không có tồn tại khuôn mặt trong ảnh. Hướng tiếp cận này có lợi thế là rất dễ cài đặt, nhưng không hiệu quả khi tỷ lệ, tư thế, và hình dáng thay đổi (đã được chứng minh). Nhiều độ phân giải, đa tỷ lệ, các mẫu con, và các mẫu biến dạng được xem xét thành bát biến về tỷ lệ và hình dáng. Hình chiếu được dùng như các mẫu để xác định khuôn mặt người. Dùng PCA (phân tích thành phần chính - Principal Component Analysis - PCA) để có một tập hình chiếu cơ bản từ các mẫu khuôn mặt, hình chiếu được mô tả như một mảng các bit. Dùng đặc trưng hình chiếu riêng kết hợp biến đổi Hough để xác định khuôn mặt người. Sau đó một phương pháp xác định dựa trên đa loại mẫu để xác định các thành phần của khuôn mặt được trình bày. Phương pháp này định nghĩa một số giả thuyết để mô tả các khả năng của các đặc trưng khuôn mặt. Với một khuôn mặt sẽ có một tập giả thuyết, lý thuyết DepsterShafer. Dùng một nhân tố tin cậy để kiểm GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 59. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 2: Các phương pháp xác định khuôn mặt 46 tra sự tồn tại hay không của các đặc trưng của khuôn mặt, và kết hợp nhân tố tin cậy này với một độ đo để xem xét có hay không có khuôn mặt trong ảnh. Hình 2.3 Một mẫu khuôn mặt, có 16 vùng và 23 quan hệ (các mũi tên). 2.3.4 Hướng tiếp cận dựa trên diện mạo Trái ngược với các phương pháp so khớp mẫu với các mẫu đã được định nghĩa trước bởi những chuyên gia, các mẫu trong hướng tiếp cận này được học từ các ảnh mẫu. Một cách tổng quát, các phương pháp theo hướng tiếp cận này áp dụng các kỹ thuật theo hướng xác suất thống kê và máy học để tìm những đặc tính liên quan của khuôn mặt và không phải là khuôn mặt. Các đặc tính đã được học ở trong hình thái các mô hình phân bố hay các hàm biệt số nên dùng có thể dùng các đặc tính này để xác định khuôn mặt người. Đồng thời, bài toán giảm số chiều thường được quan tâm để tăng hiệu quả tính toán cũng như hiệu quả xác định. Các tiếp cận khác trong hướng tiếp cận dựa trên diện mạo là tìm một hàm biệt số (như: mặt phẳng quyết định, siêu phẳng để tách dữ liệu, hàm ngưỡng) để phân biệt hai lớp dữ liệu: khuôn mặt và không phải khuôn mặt. Bình thường, các mẫu ảnh được chiếu vào không gian có số chiều thấp hơn, rồi sau đó dùng một hàm biệt số (dựa trên các độ đo khoảng cách) để phân loại, hoặc xây dựng mặt quyết định phi tuyến bằng mạng neural đa tầng. Hoặc dùng SVM (Support Vector Machine) và các phương thức kernel, chiếu hoàn toàn các mẫu vào không gian có số chiều cao hơn để dữ liệu bị rời rạc hoàn toàn và ta có thể dùng một mặt phẳng quyết định phân loại các mẫu khuôn mặt và không phải khuôn mặt. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 60. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 2: Các phương pháp xác định khuôn mặt 47 2.4 Khó khăn và thử thách trong bài toán xác định khuôn mặt người Việc xác định khuôn mặt người có những khó khăn nhất định như sau: • Hướng (pose) của khuôn mặt đối với máy ảnh, như: nhìn thẳng, nhìn nghiêng hay nhìn từ trên xuống. Cùng trong một ảnh có thể có nhiều khuôn mặt ở những tư thế khác nhau. • Sự có mặt của các chi tiết không phải là đặc trưng riêng của khuôn mặt người, như: râu quai nón, mắt kính, …. • Các nét mặt (facial expression) khác nhau trên khuôn mặt, như: vui, buồn, ngạc nhiên, …. • Mặt người bị che khuất bởi các đối tượng khác có trong ảnh. • Điều kiện ảnh, đặc biệt là về độ sáng và chất lượng ảnh, chất lượng thiết bị thu hình. • Trục toạ độ của máy ảnh so với ảnh. • Kích thước khác nhau của các khuôn mặt người, và đặc biệt là trong cùng một ảnh. • Màu sắc của môi trường xung quanh, hay màu sắc quần áo của người được chụp lấy ảnh. • Xuất hiện thành phần khuôn mặt hay không. • Nhiều khuôn mặt có vùng da dính lẫn nhau. Các khó khăn trên chứng tỏ rằng bất cứ phương pháp giải quyết (thuật toán) bài toán xác định khuôn mặt người sẽ không thể tránh khỏi một số khiếm khuyết nhất định. Để đánh giá và so sánh các phương pháp xác định mặt người, người ta thường dựa trên các tiêu chí sau: • Tỷ lệ xác định chính xác là tỷ lệ số lượng các khuôn mặt người được xác định đúng từ hệ thống khi sử dụng một phương pháp để xây dựng so với số lượng khuôn mặt người thật sự có trong các ảnh (detection rate). • Số lượng xác định nhầm là số lượng vùng trong ảnh không phải là khuôn mặt người mà hệ thống xác định nhầm là khuôn mặt người (false positives). • Thời gian thực hiện là thời gian để máy tính xác định khuôn mặt người trong ảnh (running time). GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 61. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 48 Chương 3 PHÂN TÍCH THÀNH PHẦN CHÍNH PCA (PRINCIPAL COMPONENT ANALYSIS) 3.1 Sơ lược về phân tích thành phần chính PCA 3.2 Thuật toán PCA và ứng dụng trong nhận dạng khuôn mặt người 3.3 Ứng dụng Eigenfaces trong việc nhận dạng mặt người 3.4 Nhận xét GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 62. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 49 Chương 3 PHÂN TÍCH THÀNH PHẦN CHÍNH PCA 3.1 Sơ lược về phân tích thành phần chính PCA Phân tích thành phần chính (Principal Component Analysis - PCA) được trình bày theo nhiều quan điểm khác nhau. Với các nhà thống kê cổ điển thì PCA là tìm các trục chính của ellipsoid nhiều chiều bao hàm đám mây số liệu phân phối chuẩn nhiều chiều, các trục đó được ước lượng từ một mẫu n cá thể, trên mỗi cá thể người ta đo p chỉ tiêu. Người đầu tiên đưa ra kỹ thuật này là H.Hotelling (1933), sau đó là T.W.Anderson (1958) và A.M.Kshirsagar (1972). Với các nhà nhân tố học cổ điển thì kỹ thật này là phương pháp phân tích nhân tố trong trường hợp đặc biệt, khi các phương sai này bằng không hoặc xấp xỉ bằng không. Phương pháp này thường được sử dụng trong phân tích tâm lý, do Horst (1965) và Harman (1966) đề xuất. Sau cùng, theo quan điểm phổ biến hơn cả của các nhà phân tích số liệu thì PCA là một kỹ thuật biểu diễn các số liệu một cách tối ưu theo một tiêu chuẩn đại số và hình học đặc biệt. khi sử dụng kỹ thuật này người ta không đòi hỏi một giả thuyết thống kê hoặc một mô hình đặc biệt nào. Quan điểm này trở nên phổ biến từ khi có máy tính điện tử, và là quan điểm mới nhất. Những tư tưởng của phương pháp này do K.Pearson (1901) đề xuất. Trong công trình của C.R Rao (1964) nội dung lý thuyết của phương pháp PCA được trình bày khá đơn giản và rõ ràng. Lĩnh vực ứng dụng của phương pháp PCA rất rộng trong công nghiệp, nông nghiệp, kinh tế, khoa học cơ bản… với bảng số liệu mà các cột là các biến và các dòng là các cá thể, trên đó đo giá trị của biến. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 63. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 50 3.2 Thuật toán PCA và ứng dụng trong nhận dạng khuôn mặt người 3.2.1 Thuật toán Khuôn mặt con người có rất nhiều nét để nhận biết, nếu như ta gặp lại một người bạn sau một thời gian dài, ta có thể nhận ra ngay người đó dù những chi tiết cụ thể trên mặt có thể thay đổi như da, mái tóc. Ta nhận ra không phải vì nhớ đôi mắt, hay mũi hay môi hay tóc, lông mày người đó mà ta nhận ra vì nhớ diện mạo của người đó. Tức là trên khuôn mặt tồn tại một nét tổng thể nào đó để có thể nhận diện, thuật toán của ta bắt đầu từ ý tưởng này . Phân tích thành phần chính (Principal Component Analysis ) gọi tắt là PCA là thuật toán nhận dạng ảnh dựa trên những nét tổng thể của khuôn mặt, ta sẽ áp dụng thuật toán này để thực hiện hai công việc sau : • Thứ nhất là xác định vị trí những khuôn mặt người trong một bức ảnh. • Thứ hai là tìm một khuôn mặt giống với khuôn mặt cho trước. Ban đầu ta có một tập ảnh khuôn mặt gọi là tập ảnh huấn luyện (training set). Giả sử mỗi ảnh có kích thước M*N, ta coi mỗi bức ảnh này là một vector trong không gian M*N chiều. Bây giờ mỗi khuôn mặt là một vector, ta thấy những vector này không phân bố ngẫu nhiên trong không gian ảnh mà phân bố theo một quy luật tương đối nào đó, ta có thể nói những vector này nằm trong một không gian con gọi là không gian khuôn mặt. Từ những vector trong tập huấn luyện, ta sẽ tìm một cơ sở trực chuẩn cho không gian khuôn mặt. Những vector thuộc cơ sở này có thể coi là những vector mang những nét tổng thể đặc trưng về khuôn mặt. 3.2.2 Phân tích thành phần chính PCA Giả sử tập huấn luyện có P ảnh, khi đó ta sẽ có P vector: T1, T2, …, TP. Tính vector ảnh trung bình : m = 1 ∑p Ti p i=1 Sự khác biệt giữa những khuôn mặt với ảnh trung bình là những vector: Ai = Ti − m , i=1…P GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 64. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 51 Ý tưởng của việc phân tích thành phần chính là tìm một tập những vector trực chuẩn uk sao cho những vector này mô tả tốt nhất sự phân bố những vector khuôn mặt trong không gian. Những vector uk được chọn sao cho: − 1 ,i = j ui / uj = 0 ,i ≠ j p 2 − λk = ∑ u k / Ai lớn nhất . i=1 Những vector uk và giá trị vô hướng λk chính là những vector riêng và trị riêng tương ứng của ma trận AAT . u / v là tích vô hướng giữa hai vector u, v. A= A 1 A2 ... Ap Ta thấy ma trận A có kích thước M*N × P, còn ma trận AAT có kích thước M*N×M*N, do kích thước ma trận này quá lớn nên ta không thể tìm được những vector riêng và những trị riêng trực tiếp được, thay vào đó ta sẽ tìm những vector riêng của ma trận AT A có kích thước P×P . Nếu v là một vector riêng của AT A và λ là trị riêng tương ứng, khi đó ta có: AT A v = λv AT A Av = λAv tức là Av là một trị riêng của ma trận AAT . Thông thường ta chỉ lấy một số Q vector riêng ứng với Q trị riêng có giá trị lớn nhất. Sau khi có các vector riêng của ma trận AAT , ta sẽ chuẩn hóa chúng để thu được một cơ sở trực chuẩn của không gian khuôn mặt . Đặt L= AT A , tìm V là tập hợp các vector riêng của L, D là tập hợp các trị riêng tương ứng . V bao gồm Q vector riêng ứng với những trị riêng lớn hơn một giá trị nào đó hoặc ứng với Q trị riêng lớn nhất trong D. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 65. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 52 E = AV là tập các vector riêng của AAT . Do đây là những vector riêng, mà nó lại có dạng khuôn mặt nên còn đuợc gọi là Eigenfaces. E là ma trận M*N×Q, mỗi cột là một vector riêng. Chuẩn hóa các vector cột trong E (chia mỗi vector cho độ dài của vector đó). Bây giờ, ta có thể coi E là một cơ sở trực chuẩn của không gian khuôn mặt. Với H là bức ảnh có cùng kích thước với những bức ảnh trong tập huấn luyện. Ta sẽ xét nó có phải là bức ảnh khuôn mặt hay không, cũng như tìm bức ảnh giống với nó nhất trong tập huấn luyện . H được xem là một vector trong không gian M*N chiều. Đặt K= H - m với m là vector ảnh trung bình. Cho V là một không gian có tích vô hướng hữu hạn chiều và W là một không gian con của V. Giả sử W có một cơ sở trực chuần là {u1, …, uQ}. Khi đó hình chiếu trực giao của vector u bất kỳ lên W được xác định như sau: Q prw u = u 0 = ∑ u / ui ui i=1 Độ dài u − u0 được gọi là khoảng cách từ u đến W . Tập hợp ci = u / ui , i=1,…, Q được gọi là tọa độ của u0 trong không gian W. Tìm C=ET K là tọa độ của hình chiếu Kf của K lên không gian khuôn mặt. C là vector cột Q×1 Q K f = ∑ci eivới ci = C( i , 1) ; ei= E( : , i) . i=1 Với Ai là một cột trong ma trận A (tương ứng với bức ảnh Ti trong tập huấn luyện). Ta tính Ci = E T Ai là tọa độ của hình chiếu Ai f của Ai lên không gian khuôn mặt. Ta tính hai đại lượng sau: ƒ S = K − K f xem như khoảng cách từ bức ảnh H đến không gian mặt. ƒ S i = C − Ci xem như khoảng cách từ H đến bức ảnh Ti trong tập huấn luyện. Xét α và β là hai ngưỡng nào đó. ƒ s < α thì H là bức ảnh khuôn mặt (do H đủ gần với không gian mặt). GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 66. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 53 ƒ si < β thì Ti là bức ảnh của cùng một người với H ( H đủ gần với Ti). Vậy là ta đã có thể tìm bức ảnh trong tập huấn luyện giống với bức ảnh H hay xác định đó có phải là bức ảnh khuôn mặt hay không. Tuy nhiên ảnh H phải có cùng kích thước với những bức ảnh trong tập huấn luyện. Bây giờ trong một bức ảnh lớn H có nhiều khuôn mặt, ta sẽ xác định vị trí những khuôn mặt trong bức ảnh. Tại mỗi vị trí (x,y) trong H, đặt H(x,y) là một vùng trong ảnh H có kích thước M×N tại (x,y), ta xem ảnh con H(x,y) là một vector M*N chiều. K(x,y) = H(x,y) – m Tìm Kf (x,y) là hình chiếu của K(x,y) lên không gian khuôn mặt . Tính s (x , y ) = K (x , y ) − K f (x , y) Tập hợp các giá trị s(x,y) tạo thành một bản đồ khuôn mặt (face map) của H, từ đó ta có thể xác định vị trí những khuôn mặt trong ảnh. 3.2.3 Hình ảnh minh họa Trong ví dụ này ta có một tập huấn luyện gồm những bức ảnh khuôn mặt kích thước 180x200 pixel, dưới đây là một số hình ảnh của những eigenfaces thu được (lưu ý là đây chỉ là các vector trực giao, những eigenfaces thực sự chính là những vector này được chuẩn hóa). Hình 3.1 Eigenfaces Bây giờ ta chiếu hai bức ảnh lên không gian khuôn mặt này : GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 67. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 54 Hình 3.2 Bức ảnh kiểm tra và hình chiếu của nó Như ta thấy nếu bức ảnh là khuôn mặt người thì hình chiếu sẽ khá giống với ảnh gốc, còn khi bức ảnh không phải là khuôn mặt thì hình chiếu sẽ khác ảnh gốc rất nhiều, do đó khoảng cách từ bức ảnh mặt người tới không gian mặt sẽ nhỏ hơn rất nhiều so với khoảng cách từ bức ảnh không phải mặt người tới không gian mặt. Dưới đây là một ví dụ khác, ta có một tập huấn luyện gồm những bức ảnh kích thước 18x27 pixel, ta cũng tìm các Eigenface và sau đó tìm face map của một bức ảnh kiểm tra. Trong ví dụ này thì ảnh con H(x,y) vùng hình chữ nhật có tâm tại (x,y) trên bức ảnh và có kích thước 18x27 pixel. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
- 68. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 55 Hình 3.3 Ảnh ban đầu Hình 3.4 Face map của bức ảnh ban đầu. Ta thấy vị trí của mỗi khuôn mặt chính là những vùng cực tiểu địa phương trên bức ảnh (là những đốm đen trong những vùng trắng hình chữ nhật). Bây giờ nếu ta có một cơ sở dữ liệu những ảnh không phải khuôn mặt (ta thường tập trung vào những hình ảnh xung quanh khuôn mặt như cổ áo, một phần của khuôn mặt …). Tìm face map của bức ảnh ban đầu với không gian không phải khuôn mặt này, ta thu được kết quả sau: GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
- 69. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 56 Hình 3.5 Face map ảnh ban đầu với không gian không phải là khuôn mặt Hình trên cũng khá giống với face map ứng với không gian khuôn mặt nhưng tại mỗi vùng sáng hình chữ nhật thì không hề có tâm ở giữa. Thực ra từ face map ứng với không gian khuôn mặt, nếu ta có một thuật toán tốt để tìm những vị trí cực tiểu địa phương thì đã có thể xác định vị trí các khuôn mặt. Face map ứng với không gian không phải khuôn mặt chỉ là một cách đơn giản để giúp ta tìm chính xác hơn thôi. Tất cả những điều thu được ở trên chỉ là kết quả hoàn toàn dựa trên lý thuyết, trong thực tế những thuật toán nhận dạng mặt người đã phát triển lên rất nhiều từ ý tưởng của PCA mới có được độ chính xác yêu cầu. 3.3 Ứng dụng Eigenfaces trong việc nhận dạng mặt người Hầu hết việc làm trước đây trong hệ thống tự nhận dạng gương mặt đều cho rằng việc nhận ra các góc cạnh của gương mặt trong các trạng thái khác nhau là rất quan trọng trong việc nhận dạng, thừa nhận rằng việc xác nhận trước các khoảng cách là rất quan trọng và cần thiết. Điều đó đề xuất chúng tôi đưa ra phương pháp lý thuyết thông tin cho việc mã hóa và giải mã những ảnh mặt người, đưa ra bản chất nội dung thông tin của những ảnh mặt người, nhấn mạnh những đặc trưng “cục bộ” và “toàn cục”. Những đặc trưng có hoặc không có liên quan trực tiếp đến cách quan sát bằng trực giác của chúng ta về các đặc trưng của gương mặt như cặp mắt, mũi, môi hoặc mái tóc. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
- 70. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 57 Trong ngôn ngữ của lý thuyết thông tin, chúng ta muốn trích xuất các thông tin quan trọng của ảnh mặt người, mã hóa một cách hiệu quả trong phạm vi có thể, và so sánh gương mặt mã hóa với kho dữ liệu của các mẫu được mã hóa một cách tương tự. Một cách dễ dàng để trích xuất thông tin chứa đựng trong bức ảnh mặt người là bằng cách nào đó chỉ ra sự khác biệt trong tập hợp ảnh mặt người, độc lập trong phân tích các nét mặt, và sử dụng những thông tin này mã hóa và so sánh các ảnh gương mặt cá thể. Về mặt toán học, chúng ta tìm ra các thành phần chính trong sự phân bố của mặt người, hoặc các vectơ riêng (eigenvectors) từ ma trận tương quan của dãy ảnh mặt người. Những vectơ riêng này có thể được xem như là dãy những điểm đặc trưng, chúng liên kết nhau để mô tả sự khác nhau giữa các ảnh mặt người. Mỗi vị trí của ảnh góp phần tạo ra mỗi vectơ riêng, vì vậy ta có thể trình bày vectơ riêng bằng một loại mặt ma “ghostly face” mà ta còn gọi là eigenface. Một số mặt loại này được trình bày trong hình 3.7. Hình 3.6 a) Những gương mặt dùng để huấn luyện b) Ảnh trung bình ψ GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 71. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 58 Hình 3.7 Bảy Eigenfaces được tính toán từ dãy huấn luyện của hình 4.6, phông nền đã được loại bỏ Mỗi ảnh mặt người trong dãy huấn luyện có thể được tái hiện chính xác thông qua eigenfaces. Số lượng eigenfaces tương đương với số ảnh mặt người được đưa vào huấn luyện. Tuy nhiên các gương mặt có thể xấp xỉ bằng cách chỉ sử dụng “best eigenfaces”, được tạo ra từ các giá trị riêng lớn nhất và từ đó có thể tính toán độ sai biệt lớn nhất với chuỗi ảnh mặt người. Lý do chính cho việc sử dụng ít eigenfaces là nhờ sự hiệu qủa trong quá trình tính toán. M’ eigenfaces sẽ mở rộng ra không gian con M’ chiều - “không gian mặt người”- của tất cả ảnh có thể. Đường hình sin biểu thị các pha và tần số khác nhau là hàm cơ bản của phân bố Fourier (là hàm riêng của hệ thống tuyến tính). Ý tưởng sử dụng eigenfaces được thúc đẩy bởi sự phát triển kỹ thuật của Sirvokick và Kirby - những bức hình miêu tả hiệu qủa các gương mặt sử dụng phương pháp phân tích các thành phần chính (principal component analysis - PCA). Họ chứng minh rằng các bộ sưu tập ảnh mặt người có thể được tạo lại một cách gần đúng bằng việc lưu trữ bộ trọng số cho mỗi gương mặt và một chuỗi nhỏ bức hình chuẩn (có thể nhỏ hơn rất nhều so với bộ sưu tập ban đầu). GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
- 72. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 59 Quá trình nhận dạng có thể tóm tắt như sau: • Chuẩn bị: Thu thập dãy huấn luyện của ảnh mặt người và tính toán các eigenfaces, xác định không gian mặt người. • Khi nhận được bức ảnh mới, tính toán dãy trọng số dựa vào ảnh đầu vào và M eigenfaces bằng cách chiếu ảnh đầu vào với từng eigenface. • Có thể xác định ảnh đầu vào có phải là gương mặt hay không dưa vào việc kiểm tra ảnh đó có gần không gian mặt người hay không. • Nếu đã là gương mặt thi phân loại các trọng số xem đó có phải người đã biết trước hay chưa. • (không bắt buộc) Nếu gương mặt chưa biết xuất hiện vài lần thì tính toán các trọng số thành phần và sát nhập vào những gương mặt đã biết (học nhận dạng). 3.3.1 Tính toán Eigenfaces Lấy bức ảnh mặt người I(x,y) là ma trận 2 chiều N×N (các giá trị trong ma trận thể hiện mức xám tại từng điểm ảnh), hoặc là vectơ N2 . Bức ảnh chuẩn có kích thước 256x256 mô tả vectơ có 65536 chiều, hoặc có thể xem mỗi bức ảnh là một điểm trong không gian 65536 chiều. Với một chuỗi ảnh thì ta sẽ có một bản đồ mô tả tập hợp các điểm (mỗi điểm đặc trưng cho 1 ảnh) trong không gian rộng lớn này. Ảnh của các gương mặt, có thể xem như tương tự nhau trong dạng tổng quát, chứ không phải sự phân bố ngẫu nhiên trong không gian ảnh rộng lớn do đó ta có thể mô tả chúng trong không gian con ít chiều hơn. Ý tưởng chính của phương pháp phân tích các thành phần chính (PCA) là tìm kiếm các vectơ tính toán sự phân bố ảnh mặt người theo hướng tốt nhất đối với vùng ảnh đầu vào cho trước. Những vectơ này xác định không gian con của ảnh mặt người, chúng còn được gọi là không gian mặt (face space). Những vectơ này có chiều dài là N2 , mô tả bức ảnh N×N, và nó là sự kết hợp tuyến tính từ các ảnh gốc đầu vào. Bởi vì các vectơ là các eigenvectơ của ma trận tương quan (covariance matrix) thu được từ các ảnh gốc đầu vào, bởi vì chúng cũng có hình dạng như gương mặt, nên thường được gọi là eigenfaces. Một số ví dụ về eigenfaces được chỉ ra ở hình 3.7. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
- 73. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 60 Lấy một chuỗi huấn luyện của ảnh mặt người là Γ1 , Γ 2 , Γ 3 , Γ 4 ,..., Γn . Mỗi bức ảnh khác với ảnh trung bình theo vectơ Φi = Γ i − Ψ . Gương mặt “trung bình” của chuỗi được tính bằng công thức. 1 M Ψ = M ∑n=1 Γ n Hình 3.6 thể hiện dãy huấn luyện, ảnh trung bình chỉ ra ở hình 3.6b. Dãy này là các vectơ có kích thước lớn được tính toán PCA, tìm kiếm dãy M các vectơ trực giao và các giá trị riêng thích hợp. Các vectơ và thang đo là các vectơ riêng và trị riêng tương ứng của ma trận tương quan. 1 M T T C = ∑Φ n Φ n = AA Mn=1 Trong đó ma trận A = [ Φ1 , Φ 2 , Φ 3 ,..., Φn ], ma trận C có kích thước là N2 x N2 và phải xác định N vectơ riêng và trị riêng, đó là nhiệm vụ rất khó làm đối với kích thước của một ảnh chuẩn. Chúng ta cần phải có phương pháp tính toán hợp lý để tìm ra các vectơ riêng này. Thật may mắn khi ta có thể xác định các vectơ riêng bằng việc tính toán trong ma trận có kích thước nhỏ hơn nhiều M x M, sau đó dùng kết hợp tuyến tính của các vectơ tính được ở trên. Với sự phân tích trên thì việc tính toán đã được giảm bớt rất nhiều, từ bậc của các điểm ảnh N2 chuyển sang bậc của các ảnh trong dãy huấn luyện M. Thực tế những ảnh gương mặt trong dãy huấn luyện sẽ tương đối nhỏ (M<< N2 ) và việc tính toán có thể kiểm soát được. Những trị riêng thích hợp cho phép chúng ta sắp xếp các trị riêng theo hướng có lợi cho việc mô tả sự khác nhau giữa các bức ảnh. Hình 3.7 chỉ ra 7 eigenfaces đầu tiên đã tính tóan từ các ảnh đầu vào ở hình 3.6. Thông thường nền bức ảnh sẽ được loại bỏ khỏi ảnh được luyện, do đó eigenfaces sẽ có giá trị không ở không gian phía ngoài gương mặt. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu
- 74. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 61 3.3.2 Dùng Eigenfaces để phân loại ảnh mặt người. Khi các eigenfaces được tạo ra, việc nhận dạng trở thành nhận ra các mẫu. Eigenfaces sẽ mở ra không gian con M’ chiều từ không gian gốc N2 . M’ vectơ riêng cần thiết của ma trận L được chọn ra từ các giá trị riêng thích hợp lớn nhất. Trong trường hợp kiểm tra này, dựa trên M=16 ảnh gương mặt, chọn ra M’= 7 eigenfaces. Số eigenfaces được sử dụng ở đây là chọn ra từ các trị riêng. Một gương mặt mới được biến đổi về các thành phần eigenface của chính nó (chiếu vào không gian mặt) bởi phép tính đơn giản Wk = uk (Γ − Ψ )với k=1,2…M’ Điều này mô tả một dãy phép nhân và phép cộng điểm đến điểm ảnh. Hình 3.8 chỉ ra 3 bức ảnh và hình chiếu của chúng vào không gian mặt người. Hình 3.8 Ảnh và hình chiếu của nó vào không gian mặt người xác định bởi các Eigenfaces từ hình 3.7 Các trọng số thu được từ vectơ Ω T = [w1 , w2 , w3 ,..., wM ' ] , chúng mô tả sự phân bố của từng eigenface trong mối tương quan của ảnh đầu vào, mô tả eigenfaces như là phần cơ bản của ảnh mặt người. Các vectơ này được dùng để tìm kiếm là cái nào trong GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 75. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 62 số lớp ảnh mặt người được xác định trước, mô tả gương mặt mới này theo hướng tốt nhất. Giải thuật đơn giản nhất là xác định lớp ảnh mô tả các thông tin gần giống ảnh đầu vào, Chính là đi tìm lớp ảnh thứ k có khoảng cách euclid nhỏ nhất εk = Ω − Ωk , trong đó Ωk là vectơ mô tả lớp gương mặt thứ k. Gương mặt được phân loại thuộc lớp thứ k khi giá trị εk nhỏ hơn ngưỡng cho trước là θτ . Ngược lại gương mặt sẽ đươc phân loại là chưa biết. 3.3.3 Ứng dụng Eigenfaces để phát hiện gương mặt Chúng ta có thể sử dụng kiến thức không gian mặt người để dò tìm và định vị mặt người trong bức ảnh. Chúng ta có thể nhận dạng hình dáng của các thành phần của gương mặt. Tạo ra các vectơ trọng số của bức ảnh tương đương với việc chiếu bức ảnh vào không gian mặt đã được lược bỏ các chiều dư thừa. Khoảng cách giữa bức ảnh và hình chiếu của nó vào không gian mặt người chỉ đơn giản là khoảng cách giữa ảnh đầu M vào điều chỉnh về giá trị trung bình Φ = Γ − Ψ và Φ i = ∑wk μk , hình chiếu của ảnh vào i=1 không gian mặt. Như được chỉ ra ở hình 3.9, các bức ảnh mặt người hoàn toàn không có sự thay đổi khi chiếu vào không gian mặt, trong khi các bức ảnh không có dạng mặt người thì sự khác biệt là khá nhiều, ý tưởng cơ bản cho việc dò tìm hình dáng mặt người trong một khung cảnh là: tại mọi vị trí của bức ảnh tính toán khoảng cách giữa các vùng ảnh nhỏ với không gian mặt. Khoảng cách từ không gian mặt được dùng như giá trị đo “khả năng là mặt người”, kết quả tính toán khoảng cách từ không gian mặt người đến mọi điểm trên bức ảnh là bản đồ mặt (“face map”)ε (x, y) . Hình 3.9 chỉ ra bức ảnh và bản đồ mặt của nó - vùng giá trị thấp (vùng tối) chỉ ra hình dáng của gương mặt. Điểm cực tiểu trong bản đồ mặt chính là vị trí gương mặt trong ảnh. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 76. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 63 Hình 3.9 a) Ảnh gốc b) Bản đồ mặt người, vùng tối chỉ ra hình dạng khuôn mặt 3.3.3.1 Xem xét lại không gian mặt Một bức ảnh mặt người, và trong số những gương mặt trong chuỗi huấn luyện, nên tuyến tính với không gian mặt, tổng quát là nó mô tả những bức ảnh xem như giống mặt người. Nói một cách khác, khoảng cách hình chiếu Φδ nên nằm trong phạm vi ngưỡng. Có 4 trường hợp có thể xảy ra đối với ảnh đầu vào và các vectơ thành phần của nó: • Gần không gian mặt và thuộc một lớp mặt . • Gần không gian mặt nhưng không thuộc lớp mặt • Xa không gian mặt nhưng thuộc 1 lớp mặt. • Xa không gian mặt và không thuộc lớp mặt nào. Hình 3.10 chỉ ra 4 trường hợp trên trong ví dụ đơn giản là chỉ có 2 eigenfaces. Hình 3.10 Ví dụ đơn giản thể hiện 4 hình chiếu của ảnh lên không gian mặt người. Trong trường hợp này sử dụng 2 eigenfaces là µ1, µ2 và 3 lớp mặt người (cá thể) đã biết trước (Ω1, Ω2, Ω3) GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 77. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 64 Trong trường hợp đầu tiên, cá thể sẽ được nhận dạng và xác định. Trong trường hợp 2 sẽ nhận ra cá thể thuộc lớp mặt người nhưng chưa biết. Hai trường hợp còn lại chỉ ra ảnh không phải là ảnh mặt người. Riêng trường hợp thứ ba sẽ bị nhận diện sai trong hầu hết hệ thống nhận dạng hiện nay; tuy nhiên sự nhận dạng sai này sẽ bị phát hiện trong hệ thống của chúng tôi bởi vi khoảng cách cần thiết giữa ảnh và không gian con của ảnh mặt người. 3.3.3.2 Nhận dạng theo thời gian thực Con người luôn không ngừng chuyển động. Ngay cả khi đang ngồi họ cũng cựa quậy, và điều chỉnh vị trí cơ thể, chớp mắt nhìn xung quanh. Đối với người chuyển động trong không gian tĩnh, chúng tôi sẽ xây dựng hệ thống dò tìm và định vị các chuyển động đơn giản, mô tả hình 6, cho phép dò tìm và định vị trí đầu nhân vật. Bộ lọc không gian - thời gian (spatio-temporal) theo dõi và nhấn mạnh các vị trí ảnh không tuyến tính mà cường độ thay đổi theo thời gian, do đó người chuyển động sẽ hiện lên trên ảnh đã được lọc. Hình 3.11 Hệ thống dò tìm và định vị mặt người Sau khi lấy ngưỡng ảnh đã được lọc để tạo ra ảnh chuyển động dạng nhị phân, chúng ta sẽ phân tích chuyển động khối theo thời gian để xác định chuyển động do con người để từ đó xác định vị trí đầu người. Một số luật đơn giản được sử dụng, chẳng hạn như “đầu người là khối nhỏ hơn nằm phía trên khối chính (thân người)” chuyển động của đẩu người là chậm và liền kề nhau. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 78. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 65 Chúng ta sẽ sử dụng kỹ thuật được mô tả ở trên để xây dựng hệ thống có thể dò tìm và nhận dạng mặt người theo thời gian thực. Khi chương trình nhận dạng và dò tìm chuyển động kiếm được phần đầu người, một bức ảnh con, trung tâm là phần đầu người, sẽ được chuyển vào module nhận dạng. Dùng khoảng cách từ không gian mặt người xác định, bức ảnh sẽ bị loại bỏ nếu không phải mặt người, nhận dạng xem gương mặt có phải thuộc nhóm đã biết trước không, hoặc xác định đó là gương mặt chưa biết. Quá trình nhận dạng bằng hệ thống này sẽ mất từ 2 đến 3 giây. 3.4 Nhận xét PCA là phương pháp dùng để xây dựng đặc trưng khuôn mặt, nó là một nền tảng để phát triển những thuật toán khác. Thực tế có rất nhiều tác giả áp dụng PCA, kết hợp với những phương pháp như mạng neural, xác suất thống kê để xây dựng những thuật toán có độ chính xác cao. 3.4.1 Ưu điểm của phương pháp PCA • Dễ cài đặt, nếu ta xét bài toán tìm khuôn mặt giống nhau thì chỉ cần áp dụng hoàn toàn theo lý thuyết là đã có độ chính xác khá cao, nếu áp dụng cho bài toán tìm vị trí khuôn mặt thì cần phải có một thuật toán nữa để sử dụng face map thu được theo lý thuyết. • Tìm được các đặc tính tiêu biểu của đối tượng cần nhận dạng mà không cần phải xác định các thành phần và mối quan hệ giữa các thành phần đó. • Thuật toán có thể thực hiện tốt với các ảnh có độ phân giải cao, do PCA sẽ thu gọn ảnh thành một ảnh có kích thước nhỏ hơn. • PCA có thể kết hợp với các phương pháp khác như mạng Noron, Support Vector Machine … để mang lại hiệu quả nhận dạng cao hơn. 3.4.2 Nhược điểm của PCA • Các mẫu khuôn mặt hoàn toàn phụ thuộc vào tập huấn luyện, có nghĩa là các khuôn mặt trong ảnh kiểm tra phải giống với các ảnh huấn luyện về kích thước, tư thế, độ sáng. Thực tế trong tập huấn luyện thường gồm nhiều nhóm hình, mỗi nhóm là hình của một người với tư thế, độ sáng khác nhau. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 79. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 3: Phân tích thành phần chính PCA (Principal Component Analysis) 66 • PCA phân loại theo chiều phân bố lớn nhất của tập vector. Tuy nhiên, chiều phân bố lớn nhất không phải lúc nào cũng mang lại hiệu quả tốt nhất cho bài toán nhận dạng. Đây là nhược điểm cơ bản của PCA. • PCA rất nhạy với nhiễu. Có rất nhiều thuật toán nhận dạng mặt người dựa trên những chi tiết của khuôn mặt như đôi mắt, lông mày, cấu trúc của khuôn mặt, hay màu da… Khác hoàn toàn với những thuật toán trên, PCA nhận dạng dựa trên những nét tổng thể của khuôn mặt. Còn hơn một thuật toán, PCA đã cung cấp một cơ sở rất rõ ràng cho việc mô tả đặc trưng của khuôn mặt, để từ đó có thể phát triển những thuật toán nhận dạng khác. Vì vậy có thể PCA không là thuật toán tốt nhất, nhưng là thuật toán phổ biến nhất được áp dụng trong bài toán nhận diện mặt người. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 80. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 4: Chương trình mô phỏng 67 Chương 4 CHƯƠNG TRÌNH MÔ PHỎNG 4.1 Chương trình mô phỏng 4.2 Nhận xét kết quả đạt được GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 81. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 4: Chương trình mô phỏng 68 Chương 4 CHƯƠNG TRÌNH MÔ PHỎNG 4.1 Chương trình mô phỏng 4.1.1 Cơ sở dữ liệu ảnh Cơ sở dữ liệu ảnh bao gồm có 3 tập ảnh: ảnh face, ảnh nface, ảnh mẫu. Trong đó 2 tập là ảnh face và ảnh nface được dùng trong chương trình dò tìm và cắt ảnh mặt người, còn chương trình nhận dạng mặt người dùng 2 tập ảnh là ảnh face và ảnh mẫu. 4.1.1.1 Tập ảnh huấn luyện a) Ảnh face Tập ảnh face bao gồm những tập ảnh khuôn mặt người, dùng trong thuật toán PCA, để xác định các thành phần đặc trưng của khuôn mặt người, dùng để dò tìm, xác định khuôn mặt người và nhận dạng mặt người. Hình 4.1 Tập ảnh Face GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 82. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 4: Chương trình mô phỏng 69 b) Ảnh nface Tập ảnh nface bao gồm những tập ảnh không phải là khuôn mặt người, dùng trong thuật toán PCA, để xác định các thành phần đặc trưng không phải là của khuôn mặt người, đó là không gian ảnh môi trường bên ngoài: cây cối, không gian ngoại cảnh, … giúp cho việc dò tìm khuôn mặt người chính xác hơn, bằng cách loại bỏ các điểm đánh dấu không phải khuôn mặt người, từ đó chúng ta sẽ đễ dàng dò tìm khuôn mặt người trong một bức ảnh cần xác định. Hình 4.2 Tập ảnh nface 4.1.1.2 Tập ảnh mẫu Tập ảnh mẫu bao gồm các ảnh đưa vào tập ảnh cơ sở dữ liệu, khi ta dò tìm và cắt ảnh khuôn mặt, từ đó sẽ xác định các thành phần đặc trưng, dò tìm trong ảnh cơ sở dữ liệu, xác định tọa độ khoảng cách sai lệch giữa các thông số điểm ảnh, tìm ra những ảnh tương đồng, gần với ảnh được xác định, từ đó truy xuất ra thông tin dữ liệu của ảnh cần nhận dạng. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 83. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 4: Chương trình mô phỏng 70 Hình 4.3 Tập ảnh mẫu 4.1.2 Các bước thực hiện chương trình Khi chạy chương trình “Dò tìm và cắt ảnh mặt người dùng PCA” ta thao tác theo trình tự các bước sau: Bước 1: Đưa ảnh vào để xử lý Ở bước này chúng ta có hai cách để chọn ảnh nguồn để xử lý là từ một nguồn có sẵn và từ một nguồn đưa ảnh trực tiếp ở ngoài vào thông qua webcam. - Cách thứ nhất: Đưa ảnh vào từ một nguồn có sẵn. Ta chọn nút chọn ảnh để tìm nguồn ảnh gốc đưa ảnh vào xử lý cụ thể là tập ảnh trong thư mục ảnh test. Sau khi chọn ảnh cần kiểm tra ta chọn nút open để chọn ảnh đã chọn. - Cách thứ hai: Đưa ảnh trực tiếp thu từ ngoài vào nhờ thiết bị thu hình đó là webcam. Ta nhấn nút camera để mở chương trình chạy webcam, sau khi đã điều chỉnh khoảng cách và kích thước ảnh đầu vào hợp lý ta nhấn vào nút chụp ảnh để đưa ảnh chụp vào xử lý các công đoạn tiếp theo. Bước 2: Dò tìm ảnh mặt người. Để thực hiện bước này ta cần điều kiện là phải có ảnh kiểm tra mới chạy được chương trình dò tìm ảnh mặt người. Khi đã có đủ điều kiện ta nhấn nút nhận dạng thì chương trình sẽ bắt đầu thực hiện: lấy ảnh chọn làm ảnh ban đầu đưa vào chương trình GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 84. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 4: Chương trình mô phỏng 71 nhận dạng ảnh tìm và xác định vị trí của những khuôn mặt có trong tấm ảnh. Đây là đoạn chương trình chính của bài toán, đoạn chương trình sử dụng thuật toán PCA và là giai đoạn chiếm thời gian nhiều nhất của bài toán “Dò tìm và cắt ảnh mặt người dùng PCA”. Bước 3: Cắt ảnh mặt người. Là quá trình tách những khuôn mặt có trong tấm ảnh đầu vào chia thành những tấm ảnh nhỏ riêng lẻ để giúp ta có thể lưu lại từng khuôn mặt một cách dể dàng hay để dùng những tấm ảnh đó vào những công việc khác một cách nhanh chóng và chính xác hơn. Bước 4: Lưu ảnh khuôn mặt. Sau tất cả các quá trình thực hiện phương pháp tìm và tách ảnh mặt người thì cuối cùng kết quả cũng đạt được dù không chuẩn xác nhưng mục đích cuối cùng là ta phải lưu trữ lại những gì mà ta đã làm được, khi ta nhấn vào nút save thì sẽ hiện lên thư mục để lưu ảnh và thực hiện thao tác lưu ảnh. Bước 5: Nhận dạng khuôn mặt. Quá trình nhận dạng khuôn mặt cũng được thực hiện dựa vào thuật toán PCA, sau khi cắt ảnh mặt người, từ ảnh đó ta đặt làm ảnh test, ảnh test này sẽ được xử lý bằng cách xác định khoảng cách của ảnh test đến ảnh cơ sở dữ liệu. Nếu ảnh test có nằm trong cơ sở dữ liệu ảnh, thì ảnh test sẽ được nhận dạng bằng một bức ảnh khác nằm trong cơ sở dữ liệu ảnh, còn nếu ảnh test không nằm trong cơ sở dữ liệu ảnh, thì sẽ không nhận dạng được. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 85. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 4: Chương trình mô phỏng 72 4.1.3 Lưu đồ giải thuật 4.1.3.1 Lưu đồ giải thuật chính Bắt đầu Chọn ảnh Chương trình dò tìm và cắt ảnh mặt người Chương trình nhận dạng ảnh mặt người Kết thúc Hình 4.4 Lưu đồ giải thuật chính 4.1.3.2 Lưu đồ giải thuật chi tiết a) Lưu đồ giải thuật chọn ảnh Chọn ảnh có hai cách: • Cách 1: Chọn ảnh tĩnh (ảnh có sẵn). • Cách 2: Chọn ảnh động (nhận ảnh từ webcam). GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 86. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 4: Chương trình mô phỏng 73 Bắt đầu Chọn ảnh tĩnh Chọn thư mục chứa ảnh cần kiểm tra Chọn ảnh Chọn ảnh động Chạy chương trình mở webcam Chọn và chụp ảnh Hiển thị ảnh đã chọn Kết thúc Hình 4.5 Lưu đồ giải thuật chọn ảnh GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 87. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 4: Chương trình mô phỏng 74 b) Lưu đồ giải thuật chương trình dò tìm ảnh mặt người Bắt đầu Ảnh dò tìm Tập ảnh huấn luyện Face và Nface Dò tìm ảnh mặt người bằng PCA S Mặt người Đ Đánh dấu Không đánh dấu Không đóng khung Đóng khung Tách mặt Lưu Kết thúc Hình 4.6 Lưu đồ giải thuật chương trình dò tìm ảnh mặt người GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 88. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 4: Chương trình mô phỏng 75 c) Lưu đồ giải thuật chương trình nhận dạng Bắt đầu Chọn ảnh nhận dạng Ảnh mẫu để so sánh nhận dạng Thuật toán nhận dạng PCA Ảnh có trong tập dữ liệu Có Không có Dò tìm thông tin từ file Excel “hoso1.xls” Truy xuất thông tin ảnh nhận dạng Hiển thị thông tin và ảnh nhận dạng Kết thúc Hình 4.7 Lưu đồ giải thuật chương trình nhận dạng GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 89. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 4: Chương trình mô phỏng 76 d) Lưu đồ thuật toán PCA Bắt đầu Thuật toán PCA Tạo cơ sở dữ liệu Chuyển ảnh thành vector Tạo ma trận ảnh Tính giá trị ảnh trung bình Tính các giá trị Eigenface Xác định Eigenface của ảnh chọn ban đầu Kết thúc Hình 4.8 Lưu đồ giải thuật PCA GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 90. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 4: Chương trình mô phỏng 77 4.1.4 Kết quả mô phỏng a) Giao diện của chương trình Hình 4.9 Giao diện chính Hình 4.10 Giao diện chương trình 1 (ảnh tĩnh) GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 91. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 4: Chương trình mô phỏng 78 Hình 4.11 Giao diện chương trình 2 (ảnh động) b) Giao diện của kết quả dò tìm và nhận dạng Ảnh 1 khuôn mặt: Hình 4.12 Giao diện kết quả chương trình 1 (ảnh tĩnh) với 1 khuôn mặt GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 92. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 4: Chương trình mô phỏng 79 Hình 4.13 Giao diện kết quả chương trình 2 (ảnh động)với 1 khuôn mặt Ảnh 2 khuôn mặt: Hình 4.14 Giao diện kết quả chương trình 1 (ảnh tĩnh) với 2 khuôn mặt Ảnh 4 khuôn mặt: GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 93. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 4: Chương trình mô phỏng 80 Hình 4.15 Giao diện kết quả chương trình 1 (ảnh tĩnh) với 4 khuôn mặt nữ Hình 4.16 Giao diện kết quả chương trình 1 (ảnh tĩnh) với 4 khuôn mặt nam 4.1.5 Tốc độ thực hiện Tốc độ thực hiện chương trình thể hiện thời gian mà chương trình tính toán trong quá trình xử lý, tùy theo giá trị kích thước ảnh đưa vào lớn hay nhỏ mà tốc độ GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 94. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 4: Chương trình mô phỏng 81 thực hiện nhanh hay chậm. Nếu ảnh đầu vào có kích thước nhỏ, quá trình xử lý của chương trình sẽ thực hiện nhanh chóng, nếu ảnh đầu vào có kích thước lớn, quá trình xử lý của chương trình sẽ thực hiện chậm, mặc khác tốc độ thực hiện cũng tùy thuộc vào tốc độ xử lý của máy tính, vì vậy, yêu cầu cần có một cấu hình thích hợp để thực hiện chương trình một cách nhanh chóng, tạo điều kiện thuận lợi cho việc dò tìm và nhận dạng khuôn mặt. Tốc độ thực hiện là quá trình đo đạc thời gian xử lý chương trình, đó là chương trình dò tìm ảnh mặt người và chương trình nhận dạng ảnh mặt người. 4.2 Nhận xét kết quả đạt được Qua quá trình tìm hiểu và nghiên cứu, chúng em đã xây dựng được một cái nhìn khái quát về bài toán nhận dạng, đặc biệt là nhận dạng mặt người. Đồng thời, nắm bắt được một số vấn đề về xử lý ảnh: các dạng ảnh, tính chất ảnh, không gian, tọa độ ảnh, ma trận ảnh,… và vận dụng nó kết hợp với các công cụ xử lý ảnh trong Matlab (Image Processing Toolbox). Từ kết quả thu được, ta nhận thấy: ta có thể dò tìm được 1 khuôn mặt, 2 khuôn mặt, 3 khuôn mặt và tối đa là 4 khuôn mặt trong 1 bức ảnh, nguyên nhân do sự hạn chế về kích thước của khuôn mặt và bức ảnh, và những khuôn mặt này có thể có hoặc không có trong tập ảnh huấn luyện, đây chính là ưu điểm của bài toán. Tuy chưa có sự chuẩn xác trong quá trình dò tìm và nhận dạng mặt người, nhưng bài toán phần nào đã được giải quyết. Trong quá trình thao tác, có thể có những ưu và khuyết điểm, nhưng bài luận văn này của chúng em cũng đã hoàn thành tương đối có thể chấp nhận được, sau đây là một số ưu điểm và khuyết điểm của bài toán cũng như trong quá trình thực hiện luận văn. ¾ Ưu điểm - Ta có thể nhận dạng được một bức ảnh với 1 khuôn mặt, 2 khuôn mặt, 3 khuôn mặt và 4 khuôn mặt. - Khuôn mặt người được dò tìm và cắt ra rất rõ nét, có thể nhận dạng được. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 95. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 4: Chương trình mô phỏng 82 - Đối với thuật toán PCA, đây là một thuật toán được sử dụng trong rất nhiều lĩnh vực, đối với lĩnh vực chuyên ngành điện tử, thuật toán được vận dụng trong Matlab với nhiều công cụ xử lý, tạo điều kiện thuận lợi cho việc thực hiện đề tài. ¾ Khuyết điểm - Nội dung của bài toán là dò tìm và nhận dạng mặt người, nên sử dụng rất nhiều khuôn mặt của nhiều đối tượng với các trạng thái khác nhau, nên khuyết điểm của bài toán này là cần một số lượng lớn nguồn tài nguyên của khuôn mặt của nhiều đối tượng, từ đó mới có thể tạo ra được một khối lượng cơ sở dữ liệu phong phú. Cho nên có những trường hợp chúng ta sẽ không dò tìm được một vài khuôn mặt trong bức ảnh, vì không tìm được những nét đặc trưng cơ bản của khuôn mặt. - Chương trình được thực hiện nhờ vào hoạt động của máy tính, nên cần có một cấu hình cần thiết để xử lý và tính toán, từ đó mới có thể áp dụng trong công nghệ hiện đại, điều này ảnh hưởng đến tốc độ thực hiện của chương trình. Ví dụ như nhận dạng khuôn mặt người qua một thiết bị quan sát, nếu tốc độ xử lý nhanh ta có thể có một kết quả mỹ mãn và hài lòng hơn. - Về nội dung của bài toán, việc chọn lọc đưa ảnh vào để xử lý, thì có hai cách: sử dụng một ảnh tĩnh có sẵn và sử dụng nguồn dữ liệu đưa vào từ webcam. Đối với webcam, hay một thiết bị thu hình nào, thì điều đầu tiên là cần phải có độ phân giải tốt để ảnh đưa vào rõ nét, như vậy khả năng xử lý sẽ cao hơn và chính xác hơn. - Đồng thời khó khăn về cách xác định khoảng cách và tọa độ khuôn mặt người trong quá trình đưa ảnh vào xử lý, cụ thể là kích thước ảnh mặt người so với kích thước của ảnh huấn luyện (quá lớn hoặc quá bé). Vì phương pháp nhận dạng PCA là phương pháp dò quét ảnh nhận dạng theo khối cho nên vấn đề khoảng cách và kích thước của khuôn mặt ảnh đưa vào so với kích thước của tập ảnh huấn luyện (tập ảnh face) là rất quan trọng. Cho nên thuật toán thường gặp khó khăn nhiều về vấn đề này. - Khó khăn trong việc xử lý dò tìm và nhận dạng, điều kiện ảnh đưa vào xử lý phải phù hợp: độ sáng, góc lệch, cảm xúc, biến dạng,… Chính vì điều này, đôi khi có những khuôn mặt mà không đủ điều kiện về ánh sáng (ảnh bị tối) hoặc khuôn mặt bị sai khác quá nhiều so với ảnh dữ liệu (méo dạng, khuôn mặt nhăn nhó, nhiều cảm xúc,…) GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 96. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 4: Chương trình mô phỏng 83 Như vậy, dựa vào xác suất thống kê trong quá trình làm việc, có một vài trường ảnh không nhận dạng được, với nhiều lí do khách quan. Một số trường hợp bị lỗi, không dò tìm được khuôn mặt, do nhiều nguyên nhân khác nhau: - Ảnh có nhiều điểm đặc trưng khác: râu quai nón… Hình 4.17 Ảnh lỗi do quá nhiều chi tiết không phân biệt được GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 97. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 4: Chương trình mô phỏng 84 - Ảnh không phải là ảnh ảnh thật: tranh vẽ…, làm cho độ sắc nét của ảnh không cao. Hình 4.18 Lỗi do ảnh không được sắc nét GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 98. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Chương 5: Kết luận 85 Chương 5 KẾT LUẬN 5.1 Kết luận Trong quá trình thực hiện đồ án tốt nghiệp gặp rất nhiều khó khăn và thử thách, đòi hỏi sự cố gắng và tập trung cao độ trong quá trình thực hiện, nhưng chúng em cũng đã cố gắng hoàn thành đúng tiến độ làm việc theo yêu cầu đề ra, tuy nhiên bài luận này cũng chỉ đạt được một số kết quả tương đối, và còn nhiều sai sót trong vấn đề dò tìm cũng như nhận dạng mặt người. Kết quả đạt được của chúng em là đã dò tìm và nhận dạng được một số ảnh đã có trong cơ sở dữ liệu và một số ảnh nằm ngoài cơ sở dữ liệu, đó là những bức ảnh có độ sắc nét và tương phản cao, còn những ảnh không có độ sắc nét cao thì vẫn chưa xử lý được, đó chính là khuyết điểm của đề tài cũng như thuật toán PCA. Đối với ảnh động, việc xử lý ảnh đưa vào đã gây ra rất nhiều khó khăn, nó không chỉ đòi hỏi sự sắc nét của bức ảnh, mà còn yêu cầu về khoảng cách… 5.2 Hướng phát triển đề tài - Nhận diện mặt người qua tập dữ liệu có sẵn từ camera. - Nhận diện danh tính của người phạm tội qua ảnh chụp. - Có thể kết hợp với nhiều thuật toán khác như: ICA, Neural,… để xử lý một cách chính xác hơn. - Dò tìm và nhận dạng đối tượng vi phạm kỷ luật từ xa qua một thiết bị quan sát. - Bảo mật hệ thống bằng cách nhận dạng khuôn mặt khi một hay nhiều đối tượng muốn ra vào một công ty, xí nghiệp, hay một cơ quan nào đó. - Quản lý thời gian làm việc của các nhân viên của một xí nghiệp mà chỉ cần một camera quan sát. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 99. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Tài Liệu Tham Khảo [1]. Ngô Hoàng Khắc Tiến, Trần Xuân Bách, Đồ án tốt nghiệp Dò tìm ảnh mặt người dùng PCA, Khoa Công nghệ điện tử, trường Đại học Công Nghiệp TP HCM, 2009. [2]. Lương Mạnh Bá, Nguyễn Thanh Thủy, Nhập Môn Xử lý ảnh số, Nxb Khoa học và Kỹ thuật, 2002. [3]. Võ Đức Khánh, Hoàng Văn Kiếm. Giáo trình xử lý ảnh số, Nhà xuất bản Đại học Quốc gia Thành phố Hồ Chi Minh, 2003. [4]. Phạm Thế Bảo, Tổng quan các phương pháp xác định khuôn mặt người, Tạp chí bưu chính viễn thông. [5]. Ngô Quốc Tạo, Ngô Phương Đông, Nguyễn Thanh Hòa, Phạm Việt Bình (2003), Báo cáo “Nhận dạng mặt người trong môi trường độ sáng không đồng nhất”, Hội thảo Công nghệ thông tin quốc gia lần thứ VIII, Thái Nguyên, 29-31/8/2003. [6]. Nguyễn Hoài Sơn, Giáo trình Matlab căn bản, Khoa Xây dựng và Cơ học ứng dụng, trường ĐHSPKT. [7]. Burce A. Draper, Kyungim Baek, Marian Stewart Bartlett, J. Ross Beveridge, “Recognizing Faces with PCA and ICA”. [8]. Stan Z. Li , Anil K. Jain, “Handbook of Face Recognition”, 2006. [9]. IEEE Computer Society, “Automatic face and gesture recognition”, 2004 [10]. Các Wedsite: http://www.mathworks.com/matlabcentral/fileexchange/?term=Variable http://www.picvietnam.com/forum//showthread.php?t=387 www. diendandientu. com www. dientuvienthong. net
- 100. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Phụ lục PHỤ LỤC ************ Chương trình chính*************** function varargout = luanvantotnghiep(varargin) % LUANVANTOTNGHIEP M-file for luanvantotnghiep.fig gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @luanvantotnghiep_OpeningFcn, ... 'gui_OutputFcn', @luanvantotnghiep_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT % Executes just before luanvantotnghiep is made visible. function luanvantotnghiep_OpeningFcn(hObject, eventdata, handles, varargin) handles.output = hObject; % Update handles structure guidata(hObject, handles); function varargout = luanvantotnghiep_OutputFcn(hObject, eventdata, handles) varargout{1} = handles.output; function THOAT_Callback(hObject, eventdata, handles) close1; % --- Executes on button press in pushbutton6. function pushbutton6_Callback(hObject, eventdata, handles) chuongtrinh1; delete(handles.figure1); % --- Executes during object creation, after setting all properties. function axes1_CreateFcn(hObject, eventdata, handles) imshow('anhnen.jpg'); % --- Executes during object creation, after setting all properties. function axes3_CreateFcn(hObject, eventdata, handles) imshow('vo.jpg'); % --- Executes during object creation, after setting all properties. function sxes2_CreateFcn(hObject, eventdata, handles) GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 101. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Phụ lục imshow('logo.bmp'); **************************************************** **************Chương trình cắt ảnh tĩnh********* function varargout = chuongtrinh1(varargin) gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @chuongtrinh1_OpeningFcn, ... 'gui_OutputFcn', @chuongtrinh1_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % --- Executes just before chuongtrinh1 is made visible. function chuongtrinh1_OpeningFcn(hObject, eventdata, handles, varargin) handles.output = hObject; % Update handles structure guidata(hObject, handles); % --- Outputs from this function are returned to the command line. function varargout = chuongtrinh1_OutputFcn(hObject, eventdata, handles) varargout{1} = handles.output; % --- Executes on button press in CHONANH. function CHONANH_Callback(hObject, eventdata, handles) xoaanh; chonanh; % --- Executes on button press in TACHMAT. function TACHMAT_Callback(hObject, eventdata, handles) axes(handles.axes4); imshow('anhluu/anh1.jpg'); axes(handles.axes5); imshow('anhluu/anh2.jpg'); axes(handles.axes6); imshow('anhluu/anh3.jpg'); axes(handles.axes7); imshow('anhluu/anh4.jpg'); % --- Executes on button press in Timmat. function Timmat_Callback(hObject, eventdata, handles) tic % tic là hàm đếm thời gian bắt đầu đếm thuchien; % gọi hàm thuchien.m axes(handles.axes2); imshow('anhluu/anh_kq.jpg'); %hiện ảnh kết quả set(handles.times,'string',toc); %kết thúc đếm thời gian và cho nó hiện GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 102. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Phụ lục % --- Executes on button press in NHANDANG. function NHANDANG_Callback(hObject, eventdata, handles) tic nhandang; set(handles.times,'string',toc); % --- Executes on button press in save1. function save1_Callback(hObject, eventdata, handles) s=imread('anhluu/anh1.jpg'); save1; % --- Executes on button press in save2. function save2_Callback(hObject, eventdata, handles) s=imread('anhluu/anh2.jpg'); save1; % --- Executes on button press in save3. function save3_Callback(hObject, eventdata, handles) s=imread('anhluu/anh3.jpg'); save1; % --- Executes on button press in save4. function save4_Callback(hObject, eventdata, handles) s=imread('anhluu/anh4.jpg'); save1; % --- Executes on button press in chon1. function chon1_Callback(hObject, eventdata, handles) if (get(hObject,'Value') == get(hObject,'Max')) photo=imread('anhluuanh1.jpg'); a = strcat('anhluu/anhtest.jpg'); imwrite(photo,a); set(handles.ten,'string',' '); set(handles.ns,'string',' '); set(handles.mssv,'string',' ' ); set(handles.lop,'string',' '); set(handles.quequan,'string',' '); end % --- Executes on button press in chon2. function chon2_Callback(hObject, eventdata, handles) if (get(hObject,'Value') == get(hObject,'Max')) photo=imread('anhluuanh2.jpg'); a = strcat('anhluu/anhtest.jpg'); imwrite(photo,a); set(handles.ten,'string',' '); set(handles.ns,'string',' '); set(handles.mssv,'string',' ' ); set(handles.lop,'string',' '); set(handles.quequan,'string',' '); end % --- Executes on button press in chon3. function chon3_Callback(hObject, eventdata, handles) if (get(hObject,'Value') == get(hObject,'Max')) photo=imread('anhluuanh3.jpg'); a = strcat('anhluu/anhtest.jpg'); GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 103. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Phụ lục imwrite(photo,a); set(handles.ten,'string',' '); set(handles.ns,'string',' '); set(handles.mssv,'string',' ' ); set(handles.lop,'string',' '); set(handles.quequan,'string',' '); end % --- Executes on button press in chon4. function chon4_Callback(hObject, eventdata, handles) if (get(hObject,'Value') == get(hObject,'Max')) photo=imread('anhluuanh4.jpg'); a = strcat('anhluu/anhtest.jpg'); imwrite(photo,a); set(handles.ten,'string',' '); set(handles.ns,'string',' '); set(handles.mssv,'string',' ' ); set(handles.lop,'string',' '); set(handles.quequan,'string',' '); end % --- Executes on button press in back. function back_Callback(hObject, eventdata, handles) xoaanh; luanvantotnghiep; delete(handles.figure1); % --- Executes on button press in close. function close_Callback(hObject, eventdata, handles) xoaanh; luanvantotnghiep; delete(handles.figure1); % --- Executes on button press in next. function next_Callback(hObject, eventdata, handles) xoaanh; chuongtrinh2; delete(handles.figure1); **************************************************** **********Chương trình cắt ảnh động**************** function varargout = chuongtrinh2(varargin) gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @chuongtrinh2_OpeningFcn, ... 'gui_OutputFcn', @chuongtrinh2_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 104. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Phụ lục end % End initialization code - DO NOT EDIT % --- Executes just before chuongtrinh2 is made visible. function chuongtrinh2_OpeningFcn(hObject, eventdata, handles, varargin) handles.output = hObject; % Update handles structure guidata(hObject, handles); % --- Outputs from this function are returned to the command line. function varargout = chuongtrinh2_OutputFcn(hObject, eventdata, handles) varargout{1} = handles.output; % --- Executes on button press in chupanh. function chupanh_Callback(hObject, eventdata, handles) xoaanh; global vid photo a photo = getsnapshot(vid); selection = questdlg(['Ban muon chup anh gan hay xa?'],... ['Chuong trinh chup anh!'],... 'Gan','Xa','Yes' ); if strcmp(selection,'Gan') axes(handles.axes1); photo=imresize(photo,0.5); imshow(photo); a = strcat('anhluu/anh_goc.jpg'); imwrite(photo,a); elseif strcmp(selection,'Xa') axes(handles.axes1); imshow(photo); a = strcat('anhluu/anh_goc.jpg'); imwrite(photo,a); end % --- Executes on button press in CAMERA. function CAMERA_Callback(hObject, eventdata, handles) global vid info = imaqhwinfo; info = imaqhwinfo('winvideo'); info.DeviceInfo; info.DeviceInfo.SupportedFormats; vid = videoinput('winvideo',1,'YUY2_640x480'); set(vid,'ReturnedColorSpace','RGB'); preview(vid); % --- Executes on button press in TACHMAT. function TACHMAT_Callback(hObject, eventdata, handles) axes(handles.axes4); imshow('anhluu/anh1.jpg'); axes(handles.axes5); imshow('anhluu/anh2.jpg'); axes(handles.axes6); imshow('anhluu/anh3.jpg'); axes(handles.axes7); imshow('anhluu/anh4.jpg'); % --- Executes on button press in Timmat. GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 105. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Phụ lục function Timmat_Callback(hObject, eventdata, handles) tic thuchien; axes(handles.axes2); imshow('anhluu/anh_kq.jpg'); set(handles.times,'string',toc); % --- Executes on button press in NHANDANG. function NHANDANG_Callback(hObject, eventdata, handles) tic nhandang; set(handles.times,'string',toc); % --- Executes on button press in save1. function save1_Callback(hObject, eventdata, handles) s=imread('anhluu/anh1.jpg'); save1; %thực hiện chương trình để lưu ảnh chọn % --- Executes on button press in save2. function save2_Callback(hObject, eventdata, handles) s=imread('anhluu/anh2.jpg'); save1; %thực hiện chương trình để lưu ảnh chọn % --- Executes on button press in save3. function save3_Callback(hObject, eventdata, handles) s=imread('anhluu/anh3.jpg'); save1; %thực hiện chương trình để lưu ảnh chọn % --- Executes on button press in save4. function save4_Callback(hObject, eventdata, handles) s=imread('anhluu/anh4.jpg'); save1; %thực hiện chương trình để lưu ảnh chọn % --- Executes on button press in chon1. function chon1_Callback(hObject, eventdata, handles) if (get(hObject,'Value') == get(hObject,'Max')) % nếu đánh dấu nó mang “Max” photo=imread('anhluuanh1.jpg'); % chọn ảnh thực hiện cho chương trình nhận dạng a = strcat('anhluu/anhtest.jpg'); % con nếu không thì thôi không là gì hết imwrite(photo,a); set(handles.ten,'string',' '); set(handles.ns,'string',' '); set(handles.mssv,'string',' '); set(handles.lop,'string',' '); set(handles.quequan,'string',' '); end % --- Executes on button press in chon2. function chon2_Callback(hObject, eventdata, handles) if (get(hObject,'Value') == get(hObject,'Max')) % nếu đánh dấu nó mang “Max” photo=imread('anhluuanh2.jpg'); % chọn ảnh thực hiện cho chương trình nhận dạng a = strcat('anhluu/anhtest.jpg'); % còn nếu không thì thôi không là gì hết imwrite(photo,a); set(handles.ten,'string',' '); set(handles.ns,'string',' '); set(handles.mssv,'string',' '); set(handles.lop,'string',' '); set(handles.quequan,'string',' '); end % --- Executes on button press in chon3. function chon3_Callback(hObject, eventdata, handles) if (get(hObject,'Value') == get(hObject,'Max')) % nếu đánh dấu nó mang “Max” GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 106. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Phụ lục photo=imread('anhluuanh3.jpg'); % chọn ảnh thực hiện cho chương trình nhận dạng a = strcat('anhluu/anhtest.jpg'); % con nếu không thì thôi không là gì hết imwrite(photo,a); set(handles.ten,'string',' '); set(handles.ns,'string',' '); set(handles.mssv,'string',' '); set(handles.lop,'string',' '); set(handles.quequan,'string',' '); end % --- Executes on button press in chon4. function chon4_Callback(hObject, eventdata, handles) if (get(hObject,'Value') == get(hObject,'Max')) % nếu đánh dấu nó mang “Max” photo=imread('anhluuanh4.jpg'); % chọn ảnh thực hiện cho chương trình nhận dạng a = strcat('anhluu/anhtest.jpg'); % còn nếu không thì thôi không là gì hết imwrite(photo,a); set(handles.ten,'string',' '); set(handles.mssv,'string',' '); set(handles.quequan,'string',' '); end % --- Executes on button press in back. function back_Callback(hObject, eventdata, handles) xoaanh; chuongtrinh1; delete(handles.figure1); % --- Executes on button press in close. function close_Callback(hObject, eventdata, handles) xoaanh; luanvantotnghiep; delete(handles.figure1); set(handles.ns,'string',' '); set(handles.lop,'string',' '); % thực hiện xóa những tấm ảnh cũ trước khi thực %hiện chương trình xử lý ảnh mới % thực hiện xóa những tấm ảnh cũ trước khi thực %hiện chương trình xử lý ảnh mới ********* Đoạn code thực hiện chương trình dò tìm và cắt ảnh************* face='face'; nface='nface'; %********************** TAO MATRAN CSDL************ [T1,T2] = taoCSDL(face,nface); %******************* TAO EF ************ [m1,m2,E1,E2] = taoEF(T1,T2); %******************LOAD ANH DE XU LY********** im1=imread('anhluu/anh_goc.jpg'); im= imresize(im1,0.2); % nén ảnh lại chỉ còn 20% im =rgb2gray(im); % chuyển về ảnh xám chỉ mang giá trị 0 và 1 %***************** XAC DINH ************** [dong cot] = size(im); anh1=im*255; % nhận toàn bộ ảnh với gí trị 255 anh2=im*255; for i=1:1:dong for j=1:1:cot tam=subim(im,i,j); tam1=tam-m1; % m1 là giá trị trung bình của ảnh face tam2=tam-m2; % m2 là giá trị trung bình của ảnh nace sochieu1=size(E1,2); sochieu2=size(E2,2); GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 107. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Phụ lục hinhchieu1=tam*0; hinhchieu2=hinhchieu1; for k=1:sochieu1 toado=(E1(:,k))'*tam1; hinhchieu1=hinhchieu1+toado*E1(:,k); end for k=1:sochieu2 toado=(E2(:,k))'*tam2; hinhchieu2=hinhchieu2+toado*E2(:,k); end kc1=norm(tam1-hinhchieu1)/20; kc2=norm(tam2-hinhchieu2)/20; anh1(i,j)=kc1; anh2(i,j)=kc2; end end b=strcat('anhluu/anh_face.jpg'); imwrite(anh1,b); %******************* DANH DAU ANH *********** %@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@ xacdinh(im1,im1,anh1,anh2); anh1=im1; anh=im1; face=anh1; nface=anh2; ******* Đoạn code tạo cơ sở dữ liệu cho chương trình dò tìm ảnh mặt********** function [T1,T2] = taoCSDL(face,nface) csdl1 = dir(face); csdl2=dir(nface); soanh1 = 0; soanh2=0; % đếm tất cả các file ảnh có trong thư mục face và nface for i = 1:size(csdl1,1) if not(strcmp(csdl1(i).name,'.')|strcmp(csdl1(i).name,'..')|strcmp(csdl1(i).name,'Thumbs.db')) soanh1 = soanh1 + 1; end end for i = 1:size(csdl2,1) if not(strcmp(csdl2(i).name,'.')|strcmp(csdl2(i).name,'..')|strcmp(csdl2(i).name,'Thumbs.db')) soanh2 = soanh2 + 1 ; end end T1 = []; % Tạo ma trận ảnh T1 chứa tập ảnh face for i = 1 : soanh1 str = int2str(i); % hàm strcat nhằm liên kết các giá trị thành chuỗi str = strcat('',str,'.png'); % tiện cho quá trình truy xuất hay lưu lại giá trị mới str = strcat(face,str); img = imread(str); try img = rgb2gray(img); % chuyển tất cả về ảnh xám 0 1 catch GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 108. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Phụ lục end [dong cot] = size(img); tam = reshape(img',dong*cot,1); T1 = [T1 tam]; End % mỗi tấ m ảnh huấn luyện có kích thước 18*27 % biến 1 ảnh thành 1 vecto có 1cột và 18*27 hàng % tăng dần kích thước ma trận T1 % kết thúc ma trận T1 có kích thước 18*27x P với P là số cột của ma trận củng chính là số ảnh trong thư mụ c ảnh %huấn luyện face 18*27=486 chính là số dòng của ma trận ảnh T1 và tương tự ma trận T2 cũng vậy T2 = []; % Bước này làm tương tự như tạo ma trận T1 for i = 1 : soanh2 % nhưng đối với ma trận ảnh nface str = int2str(i); str = strcat('',str,'.png'); str = strcat(nface,str); img = imread(str); try img = rgb2gray(img); catch end [dong cot] = size(img); %dong 27 cot 18 tam = reshape(img',dong*cot,1); T2 = [T2 tam]; end *********Đoạn code tạo enginface ************** function [m1,m2,E1,E2] = taoEF(T1,T2) m1 = mean(T1,2); % Tính toán giá trị ảnh trung bình soanh1 = size(T1,2); m2 = mean(T2,2); soanh2=size(T2,2); %Tính độ lệch gi ửa các bước ảnh hu ấn luyện với giá trị ảnh trung bình sau đó trừ đi giá trị trung bình của ảnh trung bình và lưu các sai khác đó l ại làm một ma trận ảnh mới ma trận đó là ma trận vecto riêng của ảnh huấn luyện, nhân ma trận vector riêng với ma trận nghịch đảo của nó và dùng hàm “eig” để tìm các vector riêng cho tập ảnh huấn luyện A1 = []; for i = 1 : soanh1 temp = double(T1(:,i)) - m1; % T(:,i): vector cột thứ i chính là một bức ảnh A1 = [A1 temp]; end A2 = []; for i = 1 : soanh2 temp = double(T2(:,i)) - m2; A2 = [A2 temp]; end L1 = A1'*A1; [V1 D1] = eig(L1); %tìm vector riêng và trị riêng L2 = A2'*A2; [V2 D2] = eig(L2); %V chứa ma trận những vecto riêng, còn D chứa những trị riêng của các vector riêng đó, vector riêng V(:,i) ứng với trị riêng là D(i,i) D=diag(D1); D=sort(D); % sắp sếp theo chiều tăng dần s=size(D); s=s(1); D=D(s-20); % chỉ giữ lại 20 trị riêng lớn nhất LeigV1 = []; % và 20 vector riêng lớn nhất của tập ảnh huấn luyện for i = 1 : size(V1,2) if( D1(i,i)>D ) LeigV1 = [LeigV1 V1(:,i)]; % tạo một ma trận mới chỉ gồm 20 vecto riêng End %tại các vị trí của chính nó còn các vị trí khác GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 109. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Phụ lục End %đều cho giá trị bằng 0 D=diag(D2); D=sort(D); s=size(D);s=s(1); D=D(s-30); LeigV2 = []; for i = 1 : size(V2,2) if( D2(i,i)>D ) LeigV2 = [LeigV2 V2(:,i)]; end end E1 = A1 * LeigV1; E2 = A2 * LeigV2; sovector=size(E1,2); for i=1:sovector dodai=norm(E1(:,i)); E1(:,i)=E1(:,i)/dodai; end sovector=size(E2,2); % sovector chính là số cột của ma trận for i=1:sovector dodai=norm(E2(:,i)); % “norm” la tính giá trị bình phương trung bình E2(:,i)=E2(:,i)/dodai; End ****** doan code xac dinh va cat anh khuon mat******** function xacdinh(anh1,anh,face,nface) [dong,cot]=size(face); % vì phương pháp PCA là phương pháp xử lý ảnh theo khối for i=15:1:dong-13; % do vậy khi xử lý ảnh ta thường cắt ảnh lớn ra thành từng for j=8:1:cot-8; % tấm ảnh con để xử lý mà tấm ảnh xử lý phải có kích thước s1=0.001; % bằng kích thước tấm ảnh trong tập ảnh huấn luyện s2=0.001; % do vậy khi xử lý ta phải tính giá trị từ tâm của tấm ảnh for i1=i-13:i+13 % để quét cho nên khi truy xuất ra hình Eigenface thường for j1=j-7:j+7 % mất đi các đường viền xung quanh là vậy if abs(i1-i)<3 && abs(j1-j)<2 s1=s1+double(face(i1,j1)); else s2=s2+double(face(i1,j1)); end end end if s2/s1>21.8 && (nface(i,j)+nface(i-1,j)+nface(i+1,j))>89 && face(i,j)<31 && face(i-1,j)<31 && face(i+1,j)<31 && face(i-2,j)<31 && face(i+2,j)<31 kq(i,j)=255; % gán tại điểm ảnh phù hợp với các thông số else % của khuôn mặt là 255 và các vị trí khác kq(i,j)=0; % mang giá trị bằng 0 end end end %----------------------------- d=strcat('anhluu/anh_danhdau.jpg'); imwrite(kq,d); I=kq; anhkq=anh; anhkq1=anh1; [d,c]=size(I); % d là số dòng còn c là số cột của ma trận ảnh I i1=1; i2=1; i3=1; i4=1; j1=1; j2=1; j3=1; j4=1; % khi tính toán ở hàm này thì i là cột và j là dòng if d>50 GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 110. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Phụ lục d1=d*2/3; else d1=d-5; end for i=1:c-5 % trong thuật toán này ta dùng vòng lặp for để for j=1:d1 % tìm giá trị tại đó là 255 sau đó lưu nó lại if I(j,i)>200 && i>10 % để tiện bề cho tính toán tách mặt sau này i1=i; % vòng lặp for có một khuyết điểm là nó j1=j; % chỉ dừng lại tại điểm cuối cho nên vấn đề end % tìm kiếm được nhiều khuôn mặt gặp nhiều end % khó khăn vòng lệnh lặp lại nhiều lẩn end % tốn kém thời gian khi chạy chương trình if i1-30>0 for i=1:i1-30 for j=1:d*2/3 if I(j,i)==255 && i>10 i2=i; j2=j; end end end end if i2-30>0 for i=1:i2-30 for j=1:d/2 if I(j,i)==255 && i>10 i3=i; j3=j; end end end end if i3-30>0 for i=1:i3-20 for j=1:d/2 if I(j,i)==255 && i>10 i4=i; j4=j; end end end end [d,c]=size(anhkq); if j1>1 &&i1>1 [j12,i12]=do(I,j1,i1); % gọi đến chương trình dò tìm tâm ảnh khuôn mặt i1=i12-16; j1=j12-20; if i1<1 % điều kiện này nhằm tránh lỗi khi cắt ảnh i1=1; % mà cắt ảnh lấn ra ngoài khung ảnh end if j1<1 j1=1; end i1=i1*5; j1=j1*5; i11=i1+149; j11=j1+199; if i11>c GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 111. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Phụ lục i11=c; end if j11>d j11=d; end anh1=imcrop(anhkq1,[i1 j1 i11-i1 j11-j1]); a1=strcat('anhluu/anh1.jpg'); imwrite(anh1,a1); for c1=i1:i11 anhkq(j1,c1)=255; anhkq(j11,c1)=255; anhkq(j1-1,c1)=255; anhkq(j11-1,c1)=255; anhkq(j1-2,c1)=255; anhkq(j11-2,c1)=255; anhkq(j1-3,c1)=255; anhkq(j11-3,c1)=255; end for d1=j1:j11 anhkq(d1,i1)=255; anhkq(d1,i11)=255; anhkq(d1,i1-1)=255; anhkq(d1,i11-1)=255; anhkq(d1,i1-2)=255; anhkq(d1,i11-2)=255; anhkq(d1,i1-3)=255; anhkq(d1,i11-3)=255; end end if j2>1 &&i2>1 [j22,i22]=do(I,j2,i2); i2=i22-16; j2=j22-20; if i2<1 i2=1; end if j2<1 j2=1; end i2=i2*5; j2=j2*5; i21=i2+149; j21=j2+199; if i21>c i21=c; end if j21>d j21=d; end anh1=imcrop(anhkq1,[i2 j2 i21-i2 j21-j2]); a1=strcat('anhluu/anh2.jpg'); imwrite(anh1,a1); for c1=i2:i21 anhkq(j2,c1)=255; anhkq(j21,c1)=255; anhkq(j2-1,c1)=255; anhkq(j21-1,c1)=255; anhkq(j2-2,c1)=255; anhkq(j21-2,c1)=255; anhkq(j2-3,c1)=255; anhkq(j21-3,c1)=255; end for d1=j2:j21 anhkq(d1,i2)=255; anhkq(d1,i21)=255; anhkq(d1,i2-1)=255; anhkq(d1,i21-1)=255; anhkq(d1,i2-2)=255; anhkq(d1,i21-2)=255; anhkq(d1,i2-3)=255; anhkq(d1,i21-3)=255; end end if j3>1 &&i3>1 [j32,i32]=do(I,j3,i3); i3=i32-16; j3=j32-20; if i3<1 i3=1; end if j3<1 j3=1; end i3=i3*5; j3=j3*5; i31=i3+149; j31=j3+199; if i31>c i31=c; end if j31>d j31=d; end GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 112. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Phụ lục anh1=imcrop(anhkq1,[i3 j3 i31-i3 j31-j3]); a1=strcat('anhluu/anh3.jpg'); imwrite(anh1,a1); for c1=i3:i31 anhkq(j3,c1)=255; anhkq(j31,c1)=255; anhkq(j3-1,c1)=255; anhkq(j31-1,c1)=255; anhkq(j3-2,c1)=255; anhkq(j31-2,c1)=255; anhkq(j3-3,c1)=255; anhkq(j31-3,c1)=255; end for d1=j3:j31 anhkq(d1,i3)=255; anhkq(d1,i31)=255; anhkq(d1,i3-1)=255; anhkq(d1,i31-1)=255; anhkq(d1,i3-2)=255; anhkq(d1,i31-2)=255; anhkq(d1,i3-3)=255; anhkq(d1,i31-3)=255; end end if j4>1 &&i4>1 [j42,i42]=do(I,j4,i4); i4=i42-16; j4=j42-20; if i4<1 i4=1; end if j4<1 j4=1; end i4=i4*5; j4=j4*5; i41=i4+149; j41=j4+199; if i41>c i41=c; end if j41>d j41=d; end anh1=imcrop(anhkq1,[i4 j4 i41-i4 j41-j4]); a1=strcat('anhluu/anh4.jpg'); imwrite(anh1,a1); for c1=i4:i41 anhkq(j4,c1)=255; anhkq(j41,c1)=255; anhkq(j4-1,c1)=255; anhkq(j41-1,c1)=255; anhkq(j4-2,c1)=255; anhkq(j41-2,c1)=255; anhkq(j4-3,c1)=255; anhkq(j41-3,c1)=255; end for d1=j4:j41 anhkq(d1,i4)=255; anhkq(d1,i41)=255; anhkq(d1,i4-1)=255; anhkq(d1,i41-1)=255; anhkq(d1,i4-2)=255; anhkq(d1,i41-2)=255; anhkq(d1,i4-3)=255; anhkq(d1,i41-3)=255; end end e=strcat('anhluu/anh_kq.jpg'); imwrite(anhkq,e); ****Đoạn code xác định vị trí trung tâm khuôn mặt******* function [a1,b1]= do(anh,a,b) % b la gia tri cot a la gia tri dong mini=b; minj=a; maxj=a; [d,c]=size(anh); b1=b-20; a1=a-15; a2=a+15; if b1<1 b1=1; end if a1<1 a1=1; end if a2>d a2=d; end for i1=b1:b for j1=a1:a2 if anh(j1,i1)>200 GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 113. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Phụ lục if i1<mini mini=i1; end if j1<minj minj=j1; end if j1>maxj maxj=j1; end end end end a1=round((minj+maxj)/2); b1=round((mini+b)/2); ******Đoạn code nhận dạng Enginface*********** function kq=subim(anh,y,x) [dong,cot]=size(anh); % hàm này có hai mục đích d=27;c=18; % thứ 1: xóa bỏ các ảnh lỗi i1=y-13;i2=y+13; % thứ hai biến đổi ảnh thành vector và làm tròn số if i1<1 % trong thuật toán PCA xử lý ảnh theo khối do đó khi i1=1; % cắt ảnh thì củng sẽ có những tấm ảnh bị lỗi end % nên hàm này sẽ xóa tất cả các ảnh lỗi về giá trị if i2>dong % chỉ giữ lại các ảnh có kích thước đúng với ảnh mẫu i2=dong; end j1=x-8;j2=x+9; if j1<1 j1=1; end if j2>cot j2=cot; end im=anh(i1:i2,j1:j2); kt=(i2-i1+1)*(j2-j1+1); if kt==486 im=reshape(im',486,1); kq=double(im); else im=reshape(im,kt,1); kq=zeros(486,1); for i=1:kt kq(i,1)=im(i,1); end kq=double(kq); end *******Đoạn code nhận dạng và truy xuất thông tin cá nhân ảnh nhận dạng******** ******Đoạn code chương trình chính********** anhtest=imread('anhluu/anhtest.jpg'); if anhtest==255 axes(handles.axes3); imshow('hoso/0.jpg'); set(handles.ten,'string','Khoâng bieát'); set(handles.ns,'string','Khoâng bieát'); set(handles.mssv,'string','Khoâng bieát' ); set(handles.lop,'string','Khoâng bieát'); set(handles.quequan,'string','Khoâng bieát'); %đọc ảnh chọn để nhận dạng % kiểm tra có phải là ảnh trắng hay không % nếu là ảnh trắng thông tin nhận d ạng sẽ là % tấm hình không nhận dạng được % và các thông tin khác đều “không biết” GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 114. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Phụ lục else % nếu có tấm ảnh nhận dạng thì chương trình sẽ anhtest=imresize(anhtest,[200 150]); % resize ảnh về đúng kích thước của ảnh mẫu mau='anhmau'; %tạo cơ sở dữ liệu ảnh mẫu T = taoCSDL1(mau); % tính giá trị eigenface của tập ảnh mẫu [m, A, E] = taoEF1(T); anhtim = nhandien1(anhtest, m, A, E); %gọi đến chương trình nhandien1 để nhận diện ảnh anhtim1=anhtim+1; % ******* Đọc và truy xuất dữ liệu của tấm ảnh nhận dạng được từ file Excel ************ file = [pwd 'hoso1.xls']; % khởi động chương trình Excel đọc file hoso1.xls range = 'A2:E100'; h = actxserver('Excel.Application'); % chỉ khởi động nhưng không cho hiện lên bản Excel h.Visible = 0; % Visible = 0 là ẩn Visible = 1 là cho nó hiện lên workbook = h.Workbooks.Open( file ); Sheets = h.ActiveWorkBook.Sheets; Sheets.Item(1).Activate; s1=strcat('A',num2str(anhtim1)); % gọi ô nhớ chứa thông tin trong file EXCEL s2=strcat('B',num2str(anhtim1)); s3=strcat('C',num2str(anhtim1)); s4=strcat('D',num2str(anhtim1)); s5=strcat('E',num2str(anhtim1)); h.Range(s1).Select; % Truy xuất thông tin cá nhân của tấm ảnh nhận t1 = h.get('Selection').Value; % dạng trong flie Excel(hoso1. xls) theo đúng tên của h.Range(s2).Select; % bức ảnh mẫu nhận dạng t2 = h.get('Selection').Value; h.Range(s3).Select; t3 = h.get('Selection').Value; h.Range(s4).Select; t4 = h.get('Selection').Value; h.Range(s5).Select; t5 = h.get('Selection').Value; set(handles.ten,'string',t1); %hiện thông tin cá nhân của tấm ảnh nhận dạng set(handles.ns,'string',t2); set(handles.mssv,'string',t3); set(handles.lop,'string',t4); set(handles.quequan,'string',t5); axes(handles.axes3); % Hiện ảnh vừa nhận diện imshow(strcat('hoso',t3,'.jpg')); workbook.Close(false); h.Quit; delete(h); end % Đóng và thoát chương trình Excel *******Đoạn code tạo cơ sở dữ liệu của chương trình nhận dạng***** function T = taoCSDL1(mau) csdl = dir(mau); soanh = 0; for i = 1:size(csdl,1) if not(strcmp(csdl(i).name,'.')|strcmp(csdl(i).name,'..')|strcmp(csdl(i).name,'Thumbs.db')) soanh = soanh + 1; end end T=[]; % tạo ma trận ảnh trong thư mục ảnh mẫu for i = 1 : soanh str = int2str(i); str = strcat('',str,'.jpg'); str = strcat(mau,str); % Lấy đầy đủ tên của bức ảnh img = imread(str); GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 115. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Phụ lục img = rgb2gray(img); [dong cot] = size(img); tam = reshape(img',dong*cot,1); T = [T tam]; end % Biến ảnh thành vector % Tăng dần kích thước ma trận ảnh T *********Đoạn code tính Eigenface trung bình************ function [m, A, E] = taoEF1(T) m = mean(T,2); %Tính toán giá trị ảnh trung bình soanh = size(T,2); %%%%%%%%%%%%%% Tính độ lệch của bức ảnh với gí trị trung bình của ảnh trung bình A=[]; for i = 1 : soanh temp = double(T(:,i)) - m; % T(:,i): vector cột thứ i chính là 1 bức A = [A temp]; end L = A'*A; [V D] = eig(L); % Tính ma trận A*A’ % tim các vector riêng và trị riêng %V chứa những vector riêng, còn D chứa những trị riêng trong đó vector riêng V(:,i) ứng với trị riêng D(i,i) D1=diag(D); D1=sort(D1); s=size(D1);s=s(1); D1=D1(s-10); LeigV = []; for i = 1 : size(V,2) if( D(i,i)>D1 ) LeigV = [LeigV V(:,i)]; end end E = A * LeigV; sovector=size(E,2); for i=1:sovector dodai=norm(E(:,i)); E(:,i)=E(:,i)/dodai; end *****Đoạn code nhandien1 của chuong trình nhận dạng khuôn mặt************* function anhtim = nhandien1(anhtest, m, A, E) toado = []; %Tập tọa độ hình chiếu của các bức ảnh trong csdl sovector = size(E,2); %số vector riêng trong E là số for i = 1 : sovector tam = E'*A(:,i); %tọa đô hình chiếu của bức ảnh Ai toado = [toado tam]; end tam = rgb2gray(anhtest); % chuyển ảnh màu thành ảnh trắng đen [dong cot] = size(tam); InImage = reshape(tam',dong*cot,1); dolech = double(InImage)-m; toadoKT = E'*dolech; khoangcach = []; % tính khoảng cách của tấm ảnh so với các ảnh mẫu for i = 1 : sovector % xác định khoảng cách ngắn nhất q = toado(:,i); tam = ( norm( toadoKT - q ) )^2; khoangcach = [khoangcach tam]; GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 116. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Phụ lục end [minKC , vitri] = min(khoangcach); if minKC<50000000 anhtim=vitri; elseif minKC>50000000 anhtim =100; end %%********Đoạn code liên quan*******%% ******* Đoạn code lưu ảnh********* if s==255 % kiểm tra ảnh chọn lưu có phải là ảnh hay không selection = questdlg(['No la anh trang do ban co luu khong?'],... ['Luu ' 'anh da chon!'],... 'Yes','No','Yes'); %Đưa ra bản thông báo nếu nó lá ảnh trắng if strcmp(selection,'No') % chọn “No” để quay lại chương trình return; elseif strcmp(selection,'Yes') [filename,pathname]=uiputfile({'*.jpg','JPEG Files(*.jpg)'; ... '*.bmp','Bitmap Files(*.bmp)';'*.gif','GIF Files(*.gif)';... '*.tif','TIFF Files(*.tif)';... '*.*','all image file'},'Luu anh da chon!','anhkq/'); imwrite(s,[pathname,filename]); end else % nếu ảnh lưu không phải là ảnh trắng [filename,pathname]=uiputfile({'*.jpg','JPEG Files(*.jpg)' ;... '*.bmp','Bitmap Files(*.bmp)';'*.gif','GIF Files(*.gif)';... '*.tif','TIFF Files(*.tif)';... %đặt tên và chọn lo ại ảnh muốn lưu '*.*','all image file'},'Luu anh da chon!','anhkq/'); %thực hiện lưu ảnh imwrite(s,[pathname,filename]); end ********* Đoạn code chọn ảnh ******* [filename,pathname]=uigetfile({'*.jpeg;*.jpg;*.gif;*.tif;*.tiff;*.bmp;*.png',... 'all image file';'*.jpg;*.jpeg','JPEG Files(*.jpg,*.jpeg)';... % chọn đường dẫn nơi chứa ảnh test '*.gif','GIF Files(*.gif)';'*.tif;*.tiff','TIFF Files(*.tif,*.tiff)';... '*.bmp','Bitmap Files(*.bmp)';'*.png','PNG Files(*.png)'},'Chon anh kiem tra! ','anhtest/1.png'); anhchon=imread([pathname,filename]); % đọc ảnh đã chọn axes(handles.axes1); imshow(anhchon); % hiện ảnh chọn a=strcat('anhluu/anh_goc.jpg'); imwrite(anhchon,a); **********Đoạn code xóa ảnh ******** a=255; % tạo ra ảnh trắng a1=strcat('anhluu/anh_goc.jpg'); imwrite(a,a1); % biến tát cả các ảnh đang hiện thành ảnh trắng a1=strcat('anhluu/anh1.jpg'); imwrite(a,a1); a1=strcat('anhluu/anh2.jpg'); imwrite(a,a1); a1=strcat('anhluu/anh3.jpg'); imwrite(a,a1); a1=strcat('anhluu/anh4.jpg'); imwrite(a,a1); a1=strcat('anhluu/anh_face.jpg'); imwrite(a,a1); a1=strcat('anhluu/anh_kq.jpg'); imwrite(a,a1); a1=strcat('anhluu/anhtest.jpg'); imwrite(a,a1); a1=255; axes(handles.axes1); imshow(a1); % hiện ảnh trắng lên các ô ảnh axes(handles.axes2); imshow(a1); axes(handles.axes3); imshow(a1); axes(handles.axes4); imshow(a1); axes(handles.axes5); imshow(a1); GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm
- 117. DỊCH VỤ VIẾTTHUÊ ĐỀ TÀI TRỌN GÓI ZALO/TELEGRAM : 0934.573.149 TẢI FLIE TÀI LIỆU – LUANVANTOT.COM Phụ lục axes(handles.axes6); imshow(a1); axes(handles.axes7); imshow(a1); set(handles.ten,'string',' '); set(handles.ns,'string',' '); set(handles.mssv,'string',' ' ); set(handles.lop,'string',' '); set(handles.quequan,'string',' '); % xóa các dòng dữ liệu thông tin nhận dạng ******* Đoạn code thoát******** selection = questdlg(['Close ' get(handles.figure1,'Name' ) '?'],... % Đưa ra câu hỏi ['Close ' get(handles.figure1,'Name') '...'],... 'Yes','No','Yes'); % tạo bản lựu chọn có hai nút hỏi “Yes”, “No” if strcmp(selection,'No') % nếu chọn “No” quay laị chương trình return; end % Nếu chọn Yes thoát khỏi chương trình delete(handles.figure1) GVHD: Ths. Đào Thị Thu Thủy SVTH: Nguyễn Trung Hiếu Bùi Ngọc Liêm