TAÙCH BIEÂN AÛNH

MAØU

TÁCH BIÊN ẢNH MÀU

I. Cơ sở lý thuyết tách biên
Tách biên là phương pháp thông dụng nhất để tách theo nghĩa gián đoạn trong các giá
trị cường độ. Sự gián đoạn được tách sử dụng đạo hàm bậc nhất và bậc hai.
Đạo hàm nhất lựa chọn trong xử lý ảnh là gradient (độ dốc). Gradient của hàm
bacä
2-D f ( x, y) được định nghĩa dưới dạng vectơ

Biên độ của vectơ này:

Để tính toán đơn giản, con số này được xấp xỉ bằng cách sử dụng giá trị tuyệt đối
∇f ≈ + Gy
Gx
Xấp xỉ này vẫn còn dưới dạng các đạo hàm: đó là, chúng bằng 0 trong các vùng có
cường độ không đổi, và giá trị chúng tỷ lệ với bậc của sự thay đổi cường độ trong
vùng có các giá trị pixel biến thiên. Nó được xem làbiên độ của gradient hoặc xấp xỉ
đơn giản của nó dưới dạng “gradient”.
Đặc tính cơ bản của vectơ gradient là các điểm của nó là hướng có tỷ lệ thay đổi
hàm f tại tọa độ ( x, y) lớn nhất. Góc xảy ra tỷ lệ thay đổi lớn nhất là:
 −1G  y
α ( x, y) = tan   
 Gx 
Một trong những phương pháp then chốt đưa ra là ước đoán đạo hàm G x và G y
theo phương pháp số. Các phương pháp khác nhau được dùng bởi hàm edge được
thảo luận sau trong phần này.
Đạo hàm bậc hai trong xử lý ảnh được tính sử dụng toán tử Laplace. Toán tử
Laplace của hàm 2-D f ( x, y) được cho dưới dạng vi phân bậc hai như sau:
2
2
f ( x, y) ∂2 f ( x, y)
∇ f ( x, y) = 2 + 2
∂ ∂x ∂y

Toán tử Laplace ít khi được dùng để tách biên vì, vi phân bậc hai,dễ bị ảnh hưởng bởi
nhiễu, biên độ của nó sinh ra các biên kép, và không thể tách hướng biên. Tuy nhiên ,
toán tử Laplace có thể là phần bổ sung mạnh khi sử dụng kết hợp với kỹ thuật tách
biên khác. Ví dụ, mặc dù các biên kép không thích hợp để tách biên trực tiếp, đặc tính
này có thể dùng để định vị biên.
Ý tưởng cơ bản đằng sau tách biên là tìm các nơi trong ảnh có cường độ thay đổi
1
TAÙCH BIEÂN AÛNH
MAØUsử dụng một trong hai tiêu chuẩn tổng quát sau:
nhanh,

2
 •Tìm các nơi đạo hàm bậc nhất của cường độ sáng có biên độ hơn một
ngưỡng.
•Tìm các nơi đạo hàm bậc hai của cường độ sáng có chỗ chéo 0.
Các hàm biên của IPT (Image Processing Toolbox) cung cấp một số ước lượng đạo
hàm dựa trên các tiêu chuẩn mới nói tới. Đối với một số trong những ước lượng
này, có thể xác định bộ tách biên có nhạy với các biên ngang hay biên dọc hay
không hoặc cả hai. Cấu trúc tổng quát của hàm này là
[g, t] = edge (f, ‘method’, parameters)
Trong đó f là ảnh đầu vào, method là một trong các phương pháp được liệt kê trong
bảng 1, và parameters là các tham số thêm vào được giải thích sau. Trong ngõ ra,g là
mảng logic với các giá trị 1 tại các vị trí các điểm biên được tách và 0 khi không được
tách. Tham số t là tùy chọn, nó cho ngưỡng được dùng bởi biên để xác định
các giá trị gradient đủ mạnh để được gọi là các điểm biên.
Bảng 1
Bộ tách biên Các đặc tính cơ bản
Sobel Tìm biên dùng xấp xỉ Sobel với đạo hàm cho trong hình
1(b)
Prewitt Tìm biên dùng xấp xỉ Prewitt với đạo hàm cho trong
hình 1(c)
Roberts Tìm biên dùng xấp xỉ Roberts với đạo hàm cho trong
hình 1(d)
Laplacian of a Tìm biên bằng cách tìm điểm chéo 0 sau khi lọc qua bộ
Gaussian (LoG) lọc Gauss

Zero crossings Tìm biên bằng cách tìm điểm chéo 0 sau khi lọc qua bộ
lọc được xác định bởi người sử dụng
Canny Tìm biên bằng cách tìm các cực đại địa phương của
gradient f ( x, y) . Gradient được tính toán dùng đạo hàm
của bộ lọc Gauss. Phương pháp dùng hai ngưỡng để
tách các biên mạnh và yếu, và gộp các biên yếu ở ngõ ra
chỉ khi chúng được kết nối với các biên mạnh. Do đó,
phương pháp này thích hợp hơn để tách các biên yếu
thật sự.
I.1.Bộ tách biên Sobel

Bộ tách biên Sobel sử dụng các mặt nạ trong hình 1(b) để xấp xỉ đạo hàm bậc nhất
G x và G y . Nói cách khác, gradient tại điểm tâm trong một lân cận được tính theo
bộ tách Sobel:
tại
vị
g ≥ T trí đó, trong đó T là
Khi đó, ta nói rằng vị trí (x,y) là pixel biên nếu
một ngưỡng được chỉ định.

z1 z2 z3

z4 z5 z6

z7 z8 z9
Image neighborhood

-1 2 -1 -1 0 1

0 0 0 -2 0 2

1 1 1 -1 0 1
Sobel
G x = ( z 7 + 2z8 + z9 ) −( z1 + 2z 2 + z3 G y = ( z3 + 2 z 6 + z9 ) − ( z1 + 2 z 4 + z7
) )

-1 -1 -1 -1 0 1

0 0 0 -1 0 1

1 1 1 -1 0 1
Prewitt
G x = ( z 7 + z8 + z9 ) − ( z1 + z 2 + z3 G y = ( z3 + z 6 + z9 ) −( z1 + z 4 + z7 )
)

-1 0 0 -1

0 1 1 0
 Gx = z9 − z5 Roberts
G y = z8 − z 6
Hình 1. Một số mặt nạ tách biên và đạo hàm bậc nhất chúng hiện thực
Bộ tách biên Sobel có thể được thực hiện bằng cách lọc một ảnh, f, (dùngimfilter)
với mặt nạ bên trái trong hình 1(b), lọc lại f với mặt nạ khác, bình phương các giá trị
pixel với mỗi ảnh được lọc, cộng hai kết quả, và tính căn bậc hai. Các chú thích tương
tự đối với các phần thứ 2 và thứ 3 trong bảng 1. Hàm edge đơn giản các gói toán tử
trước thành một hàm gọi và thêm vào các dặc tính khác, chẳng hạn như chấp nhận
một giá trị ảnh ngưỡng hoặc xác định ngưỡng một cách tự động. Thêm vào đó, edge
chứa các kỹ thuật tách biên không hiện thực trực tiếp được bằng imfilter
Cú pháp gọi bộ tách Sobel tổng quát là
[g , t ] = edge(f, ‘sobel’, T, dir)
Trong đó f là ảnh đầu vào, T là ngưỡng được chỉ định và dir xác định hướng cần
tính tách biên: ‘ngang’, ‘dọc’ hoặc cả hai. Như đã nói, g là ảnh logic chứa giá trị 1
tại những nơi biên được tách và giá trị 0 tại những nơi biên được tách. Tham số t trong
ngõ ra là tùy chọn. Nó là giá trị ngưỡng được dùng bởi edge. Nếu T dược chỉ định thì
t = T. Mặt khác nếu T không được chỉ định (hoặc để rỗng []), f sẽ đặt t bằng với
ngưỡng do nó tự động xác định và sau đó sử dụng cho việc táchbiên. một trong những
lý do cơ bản cho việc gộp t trong tham số ngõ ralà để nhận giá trị khởi
tạo cho ngưỡng. Hàm edge sử dụng bộ tách Sobel mặc định nếu cú pháp g
= edge (f), hoặc là [g, t] = edge(f).

I.2.Bộ tách biên Prewitt

Bộ tách biên Prewitt sử dụng mặt nạ trong hình 1(c) để xấp xỉ theo phương pháp số
đạo hàm bậc nhất G x và G y . Cú pháp gọi tổng quát là:
[g , t ] = edge(f, ‘prewitt’, T, dir)
Tham số hàm này đồng nhất với tham số Sobel. Bộ tách Prewitt hơi đơn giản hơn để
hiện thực bằng máy tính so với bộ tách Sobel, nhưng nó có khuynh hướng sinh ra
một chút nhiễu. (Nó có thể được thể hiện qua hệ số 2 trong bộ tách biên làm
trơn)

I.3.Bộ tách biên Roberts

Bộ tách biên Roberts sử dụng mặt nạ trong hình 1(d) để xấp xỉ theo phương pháp
số đạo hàm bậc nhất G x và G y . Cú pháp gọi tổng quát là:
[g , t ] = edge(f, ‘roberts’, T, dir)
Tham số hàm này đồng nhất với tham số Sobel. Bộ tách Roberts là một trong
những bộ tách biên xưa nhất trong xử lý ảnh số và theo hình 1(d), nó cũng đơn giản
nhất. Bộ tách biên này được dùng ít hơn đáng kể các bộ tách khác do chức năng giới
hạn của nó (ví dụ, nó không đối xứng và không thể được tổngquát hóa để tách
 0
biên là thừa số của 45 ). Tuy nhiên, nó vẫn được dùng thường xuyên trong hiện
thực phần cứng khi tính đơn giản và tốc độ là các yếu tố chi phối.

I.4.Bộ tách biên Laplace của hàm Gauss (LoG)

Xét hàm Gauss

2
−r
h(r) = −e 2σ
2

2 2
Trong đó r = x + y và σ là độ lệch chuẩn. Đây là hàm trơn, nếu nó chập với
2

một ảnh, sẽ làm mờ ảnh. Độ mờ được xác định bởi giá trị σ . Toán tử Laplace của
hàm này (đạo hàm bậc 2 theo r):
2

2
 2r − 2  − rσ2
∇ h(r) = −  e 2
σ 
 σ
4

Với những lý do rõ ràng, hàm này gọi là toán tử Laplace của hàm Gauss (LoG). Vì
2
đạo hàm bậc hai là toán tử tuyến tính, chập (lọc) với một ảnh bằng ∇ h(r) giống
như đầu tiên chập ảnh với hàm trơn và sau đó tính kết quả của toán tử Laplace. Đây
là chìa khóa khái niệm cơ bản của bộ tách LoG. Chúng ta chập ảnh bằng
2
∇ h(r) biết nó có 2 tác động: nó làm mịn ảnh (do đó giảm nhiễu) và nó tính toán
tử Laplace, làm cong một ảnh biên kép. Định vị các biên sau đó tìm các điểm giao
zero giữa các biên kép. Cú pháp gọi tổng quát là:
[g , t ] = edge(f, ‘log’, T, sigma)
Trong đó sigma là độ lệch chuẩn và các tham số còn lại giống phần trước. Giá trị
mặc định của sigma là 2. Như đã nói, bỏ qua bất cứ biên nào không lớnhơn T. Nếu
T không được cho, hoặc rỗng [ ], edge chọn giá trị một cách tự động. Đặt T từ 0 tạo
các biên là các đường viền kín, một đặc tính quen thuộc của phương pháp LoG.

I.5.Bộ tách biên điểm giao zero

Bộ tách biên này dựa trên khái niệm giống phương pháp LoG, nhưng phép chập
được thực hiện sử dụng hàm lọc được chỉ định H. Cú pháp gọi hàm
[g , t ] = edge(f, ‘zerocross’, T, H)
Các tham số khác được giải thích như bộ tách LoG
I.6.Bộ tách biên Canny

Bộ tách biên Canny (Canny [1986]) là bộ tách biên mạnh nhất cung cấp bởi hàm
edge. Có thể tóm tắt phương pháp này như sau:
1. Ảnh được làm trơn sử dụng một bộ lọc Gauss với độ lệch chuẩn σ , để
giảm nhiều
.

, được tính toán tại mỗi điểm. Một trong 3 kỹ thuật

1 −
α ( x, y) = tan (
Gy
)
Gx
đầu trong bảng 10.1 để tính G x và G y . Một điểm biên được định nghĩa là
điểm có độ dài là cực đại địa phương theo hướng của gradient.
3. Điểm biên được xác định (2) tăng lên đến các đỉnh trong gradient biên độ
ảnh. Sau đó thuật toán tìm đỉnh của các đỉnh này và đặt giá trị 0 vào tất cả
pixel không thật sự nằm trên đỉnh vì vậy tạo ra một đường mỏng ở ngõ ra,
một quá trình được biết là sự nén lại không cực đại. Các pixel đỉnh được
đặt ngưỡng dùng hai ngưỡng, T1 và T2 . Các pixel đỉnh lớn hơn T2 được gọi
là các pixel biên “mạnh”. Các pixel đỉnh nằm giữa T1 và T2 được gọi là
các pixel biên “yếu”.
4. Cuối cùng, thuật toán thực hiện biên kết nối bằng cách kết hợp các pixel yếu
mà có dạng kết nối-8 với các pixel mạnh.

Cú pháp bộ tách biên Canny là:

[g , t ] = edge(f, ‘canny’, T, sigma)
Trong đó T là một vectơ, T = [T1 T2 ] là 2 ngưỡng được giải thích trong bước
3 của thủ tục trước và sigma là độ lệch chuẩn của bộ lọc làm trơn. Nếu t gộp vào
thông số ngõ ra, nó là vectơ 2 phần tử chứa 2 giá trị ngưỡng được dùng bởi
thuật toán. Cú pháp đơn giản được giải thích như các phương pháp khác, bao gồm
việc tự động tính toán T nếu nó không được cung cấp. Giá trị mặc định của
sigma là 1.
II.Cơ sở tách biên ảnh màu

II.1. Đặc tính ảnh màu trong Matlab

Công cụ xử lí ảnh màu trong Matlab thực hiện hai kiểu ảnh màu hoặc là indexed
images hoặc là RGB images.

II.1.1 Ảnh RGB

Ảnh RGB là một mảng pixel màu M x N x 3. Mỗi pixel màu là sự kết hợp của ba
thành màu red, green và blue của ảnh màu tại một vị trí không gian bất kì (xem
hình 2).

Hình 2. Cách mà những pixels của một ảnh RGB được hình thành từ
các pixels của ba ảnh thành phần

Một ảnh RGB có thể được xem như là sự sắp xếp của ba ảnh mức xám mà khi cho vào
các ngõ vào red, green và blue của một màn hình màu sẽ tạo ra một ảnh màu trên màn
hình. Ba ảnh được hình thành từ một ảnh màu RGB là các ảnh thành phần red, green và
blue. Lớp dữ liệu của các ảnh thành phần xác định miền giá trị của chúng. Nếu một
ảnh RGB thuộc lớp double thì miền giá trị là [0, 1].Tương tự ta có miền giá trị là [0,
255] hoặc [0, 65535] tương ứng với các ảnh màu RGB thuộc lớp uint8 hoặc uint16. Số
lượng bit được sử dụng để đại diện cho các giá trị pixel của những ảnh thành phần xác
định chiều sâu bit của một ảnh RGB. Ví dụ mỗi ảnh thành phần là một ảnh 8 bit
suy ra ảnh RGB tương ứng sẽ là 24 bit. Nói chung số bit trong các ảnh thành phần là
như nhau. Số màu có thể có trong một ảnh RGB là
 b 3
(2 ) , trong đó b là số bit trong mỗi ảnh thành phần. Ví dụ trường hợp 8 bit thì số
màu là 16,777,216.
Giả sử fR, fG và fB đại diện cho ba ảnh thành phần RGB. Một ảnh RGB được hình
thành từ những ảnh này bằng cách sử dụng toán tử cat (concatenate) để sắp xếp các
ảnh này:
rgb_image = cat(3, fR,fG,fB)
Không gian màu RGB thường được biểu diễn dưới dạng hình học như là một khối
màu RGB (nó được mô tả hình 2). Các màu sơ cấp (red, green, và blue) và các màu
thứ cấp ( cyan, magenta, và yellow) đựơc bố trí tại các đỉnh như hình3.

Hình 3. Sơ đồ nguyên lý của hình hộp màu RGB biểu diễn các màu sơ
cấp và thứ cấp tại các đỉnh. Các điểm dọc theo đường chéo chính có
giá trị xám từ đen tại gốc tọa độ đến trắng tại điểm (1,1,1)

II.1.2. Ảnh Index

Ảnh index có hai thành phần : một ma trận dữ liệu số nguyên, X, và một ma trận bản
đồ màu, map. Ma trận map là một mảng m x 3 của lớp double chứa các giá trị trong
miền [0 1]. Chiều dài, m, của map bằng với số màu mà nó định có. Mỗi hàng của map
xác định các thành phần red, green và blue của từng màu đơn. Màu của
mỗi pixel được xác định bằng cách sử dụng giá trị nguyên tương ứng cuả ma trận X
chỉ đến map (bản đồ màu). Nếu X thuộc lớp double thì tất cả những thành phần của nó
với những giá trị nhỏ hơn hoặc bằng 1 sẽ chỉ đến hàng đầu của map, tất cả những
thành phần với giá trị 2 chỉ đến hàng thứ 2 và vân vân. Nếu X thuộc lớp
uint8 hoặc uint16 thì tất cả những thành phần với giá trị 0 chỉ đến hàng đầu của
map, tất cả những thành phần với giá trị 1 chỉ đến hàng 2 và vân vân. Những khái
niệm này được mô tả trong hình 4.

Hình 4. Các phần tử của một ảnh index. Chú ý rằng giá trị của một phần
tử của mảng số nguyên X xác định thứ tự hàng trong bản đồ màu.
Mỗi hàng chứa một bộ ba RGB và L là tổng số hàng.

Để hiển thị một ảnh index ta có thể viết:

>> imshow(X,map)
hoặc cách khác:
>> image(X)
>> colormap(map)
Một bản đồ màu được lưu trữ với một ảnh index và tự động được load với ảnh khi
hàm imread được sử dụng để load ảnh.

Đôi khi rất cần thiết để xấp xỉ một ảnh index thành ảnh index với ít số màu hơn. Để
thực hiện nó ta có thể dùng hàm imapprox:
[Y, newmap] = imapprox(X, map, n)
Hàm này trả về mảng Y với bản đồ màu mới newmap mà có nhiều nhất là n màu.
Mảng đầu vào X có thể thuộc lớp uint8, uint16, hoặc double. Ngõ ra Y thuộc lớp
uint8 nếu n nhỏ hơn hoặc bằng 256. Nếu n lớn hơn 256, Y thuộc lớp double.
Khi số hàng trong bản đồ màu nhỏ hơn số giá trị nguyên phân biệt trong X, nhiều giá
trị khác nhau trong X sẽ được hiển thị với cùng màu trong bản đồ màu. Một ảnh
lung tung cũng sẽ được hiển thị nếu chiều dài của bản đồ màu vựơt quá tầm cho phép
của những giá trị của các thành phần của X.
Có vài cách để xác định một bản đồ màu. Có thể sử dụng lệnh sau:
>> map(k , : ) = [r(k) g(k) b(k)]
trong đó, [r(k) g(k) b(k)] là những giá trị RGB tại vị trí hàng thứ k của bản đồ màu.
Bảng 2 cho những giá trị RGB đối với một số màu cơ bản. Bất cứ ba định dạng nào
trong bảng đều có thể được sử dụng để xác định màu. Ví dụ, màu nền có thể được
thay đổi thành xanh lụcbằng cách dùng một trong ba câu lệnh sau:
>> whitebg(‘g’)
>> whitebg(‘green’)
>> whitebg([0 1 0])
Các màu thêm vào thể hiện trong bảng 2 liên quan đến các giá trị thập phân. Ví dụ
[0.5 0.5 0.5] là màu xám, [0.5 0 0] là màu đỏ tối, [0.49 1 0.83] là màu ngọc xanh biển.
Matlab cung cấp một số bảng đồ màu được định nghĩa trước, truy cập sử dụng câu
lệnh
>> colormap( map_name)
trong đó nó sẽ đặt bản đồ màu thành ma trận map_name. Ví dụ:
>> colormap(copper) trong đó copper là một trong số bản đồ màu được
Matlab định nghĩa trước. Màu trong bản đồ này thay đổi rất mịn từ đen đến màu
đồng sáng. Nếu ảnh cuối cùng được hiển thị là một ảnh index, lệnh này sẽ thay đổi bản
đồ màu của nó thành copper. Theo một lựa chọn ảnh có thể hiển thị trực tiếp
với bản đồ màu mong muốn:
>>imshow( X, copper)
Một số bản đồ màu có sẵn trong Matlab. Chiều dài (số màu) của các bản đồ này có thể
được xác định bằng cách gửi kèm theo trong dấu ngoặc. Ví dụ: gray(16) tạo
một bản đồ màu với 16 mức xamù .
Bảng 2. Các giá trị RGB của một số màu cơ bản

Tên đầy đủ Tên viết tắt Giá trị RGB

Black k [0 0 0]
Blue b [0 0 1]
Green g [0 1 0]
Cyan c [0 1 1]
Red r [1 0 0]
Magenta m [1 0 1]
Yellow y [1 1 0]
[1 1 1]
White w
II.2. Tách biên ảnh màu dùng phương pháp Gradient

Phương pháp thường dùng để xấp xỉ các đạo hàm là sai số giữa các pixel trong
cáclân cận nhỏ trong một ảnh. Hình 1 biểu diễn một lân cận kích thước 3 x3 trong đó
z là giá trị pixel. Một xấp xỉ của đạo hàm riêng phần theo x (phương dọc) tại tâm
điểm của vùng (z5) được cho bởi độ chênh lệch:
G x = ( z 7 + 2 z 8 + z 9 ) − ( z1 + 2 z 2 + z 3 )
Tương tự đạo hàm theo phương y được xấp xỉ bởi độ chênh lệch
G y = ( z 3 + 2 z 6 + z 9 ) − ( z1 + 2 z 4 + z 7 )
Các con số này được tính dễ dàng tại mọi điểm trong ảnh bằng phép chập (sử dụng
hàm imfilter) ảnh lần lượt với từng mặt nạ trong hình 1. Sau đó xấp xỉ của đáp ứng
gradient ảnh thu được bằng cách cộng hai trị tuyệt đối của haiảnh được chập. Các mặt
nạ được nói tới là các mặt nạ Sobel, có thể được tạo ra dùng hàm fspecial. Gradient
được tính toán theo cách được mô tả là một trong những phương pháp thường
dùng để tách biên ảnh xám, đã được thảo luận trong phần I. Quan tâm của ta lúc này là
tính gradient trong không gian màu RGB. Tuy nhiên phương pháp vừa mới đưa ra có
thể ứng dụng được trong không gian 2D nhưng không mở rộng được cho không gian
có chiều lớn hơn. Cacù h duy nhất để sử dụng nó đối với các ảnh RGB là tính
gradient của mỗi thành phần màu rồi sau đó kết hợp các kết quả. Không may
thay, theo phần sau, điều này không giống như việc tính toán các không gian
vectơ RGB một cách trực tiếp.
Do đó vấn đề là định nghĩa gradient ( biên độ và hướng) của vectơ c được định
nghĩa:

Theo sau là một trong những cách mà khái niệm gradient được mở rộng với các
hàm vectơ. Lại nói hàm vô g f(x,y) gradient là một vectơ mà nó chỉ hướng của
hươnù
tỉ lệ thay đổi cực đại tại tọa độ (x,y).
Lấy r, g và b là các vectơ đơn vị theo các trục R, G và B của không gian màu RGB
và định nghĩa các vectơ :
∂R ∂G
∂B
u= r+g+ b
∂x ∂x ∂x
∂R ∂G ∂B
v= r+ g+ b
∂y ∂y ∂y
Đặt các số g xx , g xy và g được định nghĩa như sau:
yy
2 2 2
∂R T ∂G ∂B
g xx = u ⋅ u = u + +
∂x ∂x ∂x
u=
2 2
∂R ∂G ∂B
2

g yy + +
T ∂y ∂y ∂y
= v⋅ v= v
v=

Nhớ rằng R, G và B và các giá trị g là các hàm của x và y. Dùng chú ý này như
được thể hiện trong Di Zenzo [1986] nói rằng hướng của tỉ lệ thay đổi cực đại của
c(x,y) là một hàm (x,y)
1  2g xy 
θ ( x, y ) = −1

tan

 − )
xx g yy  
2

(g
và giá trị của tỉ lệ thay đổi (biên độ của gradient) theo các hướng được cho bởi các
phần tử của

Chú ý rằng θ ( x, và Fθ ( x, là các ảnh có cùng kích cỡ với ảnh đầu vào. Các
y) y)
phần tử θ ( x, là các góc tại mỗi điểm gradient được tính va F ( x, y) ølà ảnh
θ
y)
gradient .
1/ 2
Fθ ( x, y ) = 1 + g ) + ( g − g ) cos 2θ + sìn2θ  
 yy yy xy ]

(g[ xx
xx 2g -1
2
Vì tan = tan(α ± nếu là một nghiệm của phương trình tan trước, vì vậy
π ) θ 0
θ 0 ± π / 2 . Thêm vào Fθ ( x, y) = Fθ +π ( x, y) , vì thế F cần được tính chỉ với
đó các
-1
giá trị của θ trong nửa khoảng [0,π ) . Sự thật là phương trình tan cho hai giá trị
0
lệch nhau 90 nghĩa là phương trình này nghiệm đúng với mỗi cặp (x,y) có hướng
vuông góc nhau. Dọc theo một trong những hướng này F là cực đại, và nó sẽ là cực tiểu
nếu theo hướng còn lại, vì vậy kết quả nhận được bằng cách chọn giá trị lớn nhất tại
mỗi điểm. Đạo hàm của các kết quả này hơi dài, và chúng ta sẽ ít đạt được mục đích cơ
bản của thảo luận hiện tại của chúng tabằng cách chi tiết nó ở đây. Đạo hàm riêng
phần có thể được tính toán bằng toán tử Sobel đã thảo luận trước. Hàm theo sau sẽ
tính gradient của ảnh RGB:
[VG, A, PPG] = colorgrad(f,T)
trong đó f là ảnh RGB, T là ngưỡng tự chọn nằm trong khoảng [0 1] (Mặc định là
0); VG là một vecto gradient RGB Fθ ( x, y) ; A là ảnh góc θ ( x, tính bằng rad; và
y)
PPG là gradient được tính bằng các lấy tổng các gradient 2D của các không gian
màu riêng biệt. Các gradient này la∇ R( x, y ) , ∇ G ( x, y ∇ B( x, y ) trong đó toán tử
),
∇ được định nghĩa trong phần trước. Tất cả đạo hàm cần để thực hiện phương trình
trên được thực hiện trong hàm colorgrad sử dụng toán tử Sobel. Các ngõ ra VG và
PPG được chuẩn hóa trong khoảng [0 1] bởi colorgrad và chúng được đặt ngưỡng để
VG(x,y) =0 đối với những giá trị nhỏ hơn hoặc bằng T và VG(x,y) = VG(x,y)
đối với những trường hợp khác. Chú thích tương tự đối với PPG.

III. Thuật toán tách biên ảnh màu

Ảnh RGB

Tính các đạo hàm x và y

của 3 thành phần ảnh với
mặt nạ được chọn

Tính các tham số vector gradient

gxx, gyy, g xy ==> θ 1 ,θ 2

Tính Fθ ( x, y) = ( x, y), Fθ ( x, y)
2
]
[
1

max Fθ
và chuẩn hóa trong khoảng [0,1]

So sánh với ngưỡng T ta

được ảnh tách biên
IV. Chương trình M_File

IV.1. Hàm colorgrad

function[VG,A,PPG]=colorgrad(f,dec,T)
%COLORGRAD TINH VECTO GRADIENT CUA MOT ANH MAU RGB.
%function[VG,A,PPG]=colorgrad(f,T) tinh vector gradient,VG, va mang goc
%tuong ung,VA, (don vi radians) cua anh RGB f. No cung tinh PPG, gradient
%ket hop tu cac vung mau ma co duoc bang cach cong cac gradient hai chieu
%cua cac vung mau don. Ngo vao T la muc nguong trong tam [0 1]. Neu no duoc
%xac dinh trong bien ngo vao thi gia tri cua VG va PPG duoc lay nguong bang
%cach tao ra VG(x,y)=0 khi gia tri <=T va VG(x,y) =VG(x,y)doi voi gia tri
%khac.Nhung lenh tuong tu cung duoc ung dung cho PPG. Neu T khong xac dinh
%trong doi so vao thi T duoc set = 0. Ca hai gradient ngo ra duoc xac dni h
%trong tam [0 1]
%dec la loai mat na

if (ndims(f)~=3)| (size(f,3)~=3)
error('Input image must be RGB');
end

%Tinh toan vi phan theo phuong x va y cua ba anh thanh phan su dung toan tu
%Mat na
sh=fspecial(dec);
sv=sh';
Rx=imfilter(double(f(:,:,1)),sh,'replicate');
Ry=imfilter(double(f(:,:,1)),sv,'replicate');
Gx=imfilter(double(f(:,:,2)),sh,'replicate');
Gy=imfilter(double(f(:,:,2)),sv,'replicate');
Bx=imfilter(double(f(:,:,3)),sh,'replicate');
By=imfilter(double(f(:,:,3)),sv,'replicate');

%Tinh cac thong so cua vec to gradient

gxx=Rx.^2+ Gx.^2+ Bx.^2;
gyy=Ry.^2+ Gy.^2+ By.^2;
gxy=Rx.*Ry+ Gx.*Gy+ Bx.*By;
A=0.5*(atan(2*gxy./(gxx-gyy+eps)));
G1=0.5*((gxx+gyy)+(gxx-gyy).*cos(2*A)+2*gxy.*sin(2*A));
%Bay gio lap lai voi goc + pi/2. Sau do chon gia tri cuc dai tai moi diem.
A = A+pi/2;
G2=0.5*((gxx+gyy)+(gxx-gyy).*cos(2*A)+2*gxy.*sin(2*A));
G1=G1.^0.5;
G2=G2.^0.5;

%Tinh VG bang cach lay gia tri cuc dai tai moi diem (x,y)va sau do chuan hoa
% trong khoang [0 1]
VG=mat2gray(max(G1,G2));

%Tinh toan cac gradient tren tung vung mau

RG=sqrt(Rx.^2+Ry.^2); GG=sqrt(Gx.^2+Gy.^2);
BG=sqrt(Bx.^2+By.^2);

%Thuc hien viec tong hop bang cach cong cac ket qua rieng biet va chuan hoa
%trong khoang [0 1]
PPG=mat2gray(RG+GG+BG);

%Tinh ket qua khi co nguong

if nargin==3
VG=(VG>T).*VG;
PPG=(PPG>T).*PPG;
end
%Ket thuc ham colorgr ad

IV.2 Chương trình tách biên ảnh màu

%file thuc hien tach bien anh mau

clc;
close all; clear all;
f=imread('lacda.jpg');
T=0.5;
figure(1);
subplot(3,1,1);
imshow(f);
str={['RGB image, threshold T=' num2str(T)]};
title(str);
[VG_S,A_S,PPG_S]=colorgrad(f,'sobel',T);
subplot(3,1,2);
imshow(VG_S);
title('Sobel mask');
hold on;

[VG_P,A_P,PPG_P]=colorgrad(f,'prewitt',T);
subplot(3,1,3);
imshow(VG_P);
title('Prewitt mask');
hold on;

V. Kết quả

Hình 5. Hai mặt nạ Sobel và Prewitt với ngưỡng T = 0

Hình 6. Hai mặt nạ Sobel và Prewitt với ngưỡng T = 0.25

Hình 7. Hai mặt nạ Sobel và Prewitt với ngưỡng T = 0.5

Hình 8. Hai mặt nạ Sobel và Prewitt với ngưỡng T = 0.75

Hình 9. Hai mặt nạ Sobel và Prewitt với ngưỡng T = 1

 TÀI LIỆU THAM KHẢO

1. Rafael C. Gonzalez, Richard E. Woods, Steven L. Eddins – Digital Image

Processing using Matlab – NXB Prentice Hall 2004.

2. Nguyễn Kim Sách - Xử lý ảnh và Video số – NXBKHKT 1997.

3. Image Processing Toolbox của Matlab Version 6.5