PDF Giáo trình máy và hệ thống xử lý ảnh trong công nghiệp, Lê Mỹ Hà

Giáo trình máy và hệ thống xử lý ảnh trong công nghiệp, Lê Mỹ Hà

MỤC LỤC
LỜI NÓI ĐẦU .......................................................................................... 3
Chương 1: GIỚI THIỆU ......................................................................... 9
1.1 THỊ GIÁC MÁY .................................................................................. 9
1.2 MỐI LIÊN HỆ VỚI CÁC LĨNH VỰC KHÁC ................................. 11
1.3 VAI TRÒ CỦA TRI THỨC .............................................................. 13
1.4 TÍNH CHẤT HÌNH HỌC CỦA HÌNH ẢNH ................................... 13
1.5 LẤY MẪU VÀ LƯỢNG TỬ HÓA ................................................... 16
1.6 ĐỊNH NGHĨA VỀ ẢNH ................................................................... 18
1.7 CÁC MỨC ĐỘ TÍNH TOÁN ........................................................... 20
BÀI TẬP .................................................................................................. 24
BÀI TẬP NHÓM ..................................................................................... 25
Chương 2: XỬ LÝ HÌNH ẢNH NHỊ PHÂN ....................................... 29
2.1 NGƯỠNG ẢNH ................................................................................ 31
2.2 ĐẶC TÍNH HÌNH HỌC .................................................................... 34
2.3 CÁC HÌNH CHIẾU ........................................................................... 37
2.4 MÃ HÓA THEO CHIỀU DÀI .......................................................... 40
2.5 THUẬT TOÁN NHỊ PHÂN .............................................................. 41
2.6 HOẠT ĐỘNG HÌNH THÁI .............................................................. 57
2.7 NHẬN DẠNG CÁC TÍNH CHẤT QUANG HỌC ........................... 63
BÀI TẬP .................................................................................................. 63
BÀI TẬP NHÓM ..................................................................................... 64
Chương 3: VÙNG ẢNH ........................................................................ 65
3.1 VÙNG VÀ BIÊN ............................................................................... 65
3.2 VÙNG PHÂN ĐOẠN ....................................................................... 67
6
3.3 ĐẠI DIỆN VÙNG ............................................................................. 76
3.4 PHÂN CHIA VÀ GỘP LẠI .............................................................. 83
3.5 PHÁT TRIỂN VÙNG ........................................................................ 89
BÀI TẬP .................................................................................................. 92
BÀI TẬP NHÓM ..................................................................................... 93
Chương 4: LỌC ẢNH ........................................................................... 95
4.1 BIỂU ĐỒ VỀ SỰ THAY ĐỔI .......................................................... 95
4.2 HỆ THỐNG TUYẾN TÍNH .............................................................. 98
4.3 LỌC TUYẾN TÍNH ........................................................................ 100
4.4 LỌC TRUNG VỊ ............................................................................. 103
4.5 HÀM MỊN GAUSSIAN .................................................................. 104
BÀI TẬP ................................................................................................ 115
BÀI TẬP NHÓM ................................................................................... 116
Chương 5: PHÂN TÍCH ĐƯỜNG BIÊN ........................................... 117
5.1 GRADIENT ..................................................................................... 120
5.2 CÁC BƯỚC ĐỂ PHÂN TÍCH LỚP BIÊN ..................................... 122
5.3 HÀM ĐẠO HÀM BẬC HAI ........................................................... 125
5.4 BIẾN ĐỔI LAPLACE CỦA HÀM GAUSSIAN ............................ 132
5.5 XẤP XỈ HÌNH ẢNH ....................................................................... 136
5.6 PHÁT HIỆN BIÊN GAUSSIAN ..................................................... 142
5.7 ƯỚC TÍNH VỊ TRÍ CỦA ĐIỂM ẢNH CON .................................. 146
5.8 PHÁT HIỆN BIÊN .......................................................................... 148
5.9 PHƯƠNG PHÁP TUẦN TỰ ........................................................... 150
5.10 PHÁT HIỆN ĐƯỜNG BIÊN ........................................................ 151
BÀI TẬP ................................................................................................ 151
BÀI TẬP NHÓM ................................................................................... 153
7
Chương 6: ĐƯỜNG BAO (Contour) ................................................. 155
6.1 HÌNH HỌC CỦA ĐƯỜNG CONG ................................................ 156
6.2 ĐƯỜNG CONG KỸ THUẬT SỐ ................................................... 157
6.3 TƯƠNG THÍCH VỚI ĐƯỜNG CONG .......................................... 160
6.4 ĐƯỜNG POLYLINE ...................................................................... 162
6.5 CÁC CUNG TRÒN ......................................................................... 167
6.6 MẶT CẮT HÌNH NÓN ................................................................... 170
6.7 ĐƯỜNG CONG SPLINE ................................................................ 173
6.8 XẤP XỈ ĐƯỜNG CONG ................................................................ 175
6.9 MÔ TẢ FOURIER .......................................................................... 185
BÀI TẬP ................................................................................................ 186
BÀI TẬP NHÓM ................................................................................... 190
TÀI LIỆU THAM KHẢO ................................................................... 194

 

TÀI LIỆU THAM KHẢO
[1] I. E. Abdou and W. K. Pratt. Quantitative design and evaluation of
enhancement/thresholding edge detectors. Proceedings of the
IEEE, 67(5):753-763, May 1979.
[2] J. K. Aggarwal and N. Nandhakumar. On the computation of
motion from sequences of images: A review. Technical Report TR-
88-2-47, University of Texas. Austin, April 1988.
[3] N. Ahuja and A. L. Abbot. Active stereo: Integrating disparity,
vergence, focus, aperture, and calibration for surface estimation.
IEEE Trans. Pattern Analysis and Machine Intelligence, 15(10):
1007-1029, 1993.
[4] J. Aisbett. Optical flow with an intensity-weighted smoothing.
IEEE Trans. Pattern Analysis and Machine Intelligence,
11(5):512—522, May 1989.
[5] J. Y. Aloimonos. Shape from texture. Biological Cybernetics,
58(5):345,
[6] J. Y. Aloimonos and I. Rigoutsos. Determining the 3-d motion of a
rigid planar patch without correspondence, under perspective
projection. Proc. Workshop on Motion, pages 167-174, 1986.
[7] J. Y. Aloimonos and I. Rigoutsos. Determining the 3-d motion of a
rigid surface patch without correspondence, under perspective
projection, i. planar surfaces; ii. curved surfaces. Proc. National
Conf. on Artificial Intelligence, pages 681-688, 1986.
[8] J. Y. Aloimonos, I. Weiss, and A. Bandyopadhyay. Active vision.
Int. J. Computer Vision, 1:333-356, 1988.
[9] P. Anandan. A computational framework and an algorithm for the
measurement of visual motion. Int. J. Computer Vision, 2(3):283-310,
[10] H. Asada and M. Brady. The curvature primal sketch. IEEE Trans.
Pattern Analysis and Machine Intelligence, 8(1):2—14, January
[11] N. Ayache and B. Faverjon. Efficient registration of stereo images
by matching graph descriptions of edge segments. Int. J. Computer
Vision, pages 107-131, 1987.
[12] N. Ayache and F. Lustman. Fast and reliable trinocular stéréovision.
Proc. First Intl. Conf. Computer Vision, pages 422-427, 1987.
195
[13] R. Bajcsy and L. Lieberman. Texture gradient as a depth cue.
Comp. Graph, and Image Proc.. 5:52-67, 1976.
[14] R. Bajcsy. Active perception. Proc. IEEE, 76(8):996-1005, 1988.
[15] H. H. Baker and R. C. Bolles. Generalizing epipolar-plane image analysis
on the spatiotemporal surface. Int. J. Computer Vision, 3:33-49,
[16] H. H. Baker and T. O. Binford. Depth from edge and intensity
based stereo. Proc. 7th Int. Joint Conf. AI. pages 631-636, 1981.
[17] W. H. Baker. Elements of Photogrammetry. Ronald Press
Company, New York, 1960.
[18] D. H. Ballard. Generalizing the hough transform to detect arbitrary
shapes. Pattern Recognition, 13(2): 111—122, 1981.
[19] D. H. Ballard and C. M. Brown. Computer Vision. Prentice-Hall,
Englewood Cliffs, New Jersey, 1982.
[20] S. T. Barnard and M. A. Fischler. Computational stereo.
Computing Surveys, 14(4):553-572, December 1982.
[21] S. T. Barnard and W. B. Thompson. Disparity analysis of images.
IEEE Trans. Pattern Analysis and Machine Intelligence, 2(4):333-
340, July 1980.
[22] R. H. Bartels, J. C. Beatty, and B. A. Barsky. An Introduction to
Splines for Use in Computer Graphics and Geometric Modeling.
Morgan Kaufmann, Los Altos, California, 1987.
[23] D. M. Bates and D. G. Watts. Nonlinear Regression Analysis and
Its Applications. Wiley, New York, 1988.
[24] J. V. Beck and K. J. Arnold. Parameter Estimation in Engineering
and Science. Wiley, New York, 1977.
[25] F. Bergholm. Edge focusing. IEEE Trans. Pattern Analysis and
Machine Intelligence, 9(6):726-741, November 1987.
[26] P. J. Besl. Active, optical range imaging sensors. Machine Vision
and Applications, 1:127-152, 1988.
[27] P. J. Besl and R. C. Jain. Three-dimensional object recognition.
Computing Surveys, 17(1):75 145, March 1985.
[28] P. J. Besl and R. C. Jain. Segmentation through variable-order surface
fitting. IEEE Trans. Pattern Analysis and Machine
Intelligence, 10(2):167-192, March 1988.
196
[29] P. J. Besl and N. D. McKay. A method for registration of 3-d
shapes. IEEE Trans. Pattern Analysis and Machine Intelligence,
14(2):239— 256, February 1992.
[30] J. R. Beveridge et al. Segmenting images using localized histograms
and region merging. Int. J. Computer Vision, 2(3):311 -347, 1989.
[31] J. D. E. Beynon and D. R. Lamb, editors. Charge-Coupled Devices
and Their Applications. McGraw-Hill Book Company (UK)
Limited, London, 1980.
[32] B. Bhanu and C. Ho. CAD-based 3-d object recognition for robot
vision. Computer, 20(8): 19-36, 1987.
[33] T. O. Binford. Spatial understanding: The successor system. Proc.
DARPA Image Understanding Workshop, pages 12-20, 1989.
[34] T. O. Binford. Survey of model-based image analysis systems. Int.
J. Robotics Research, 1(1): 18—64, 1982.
[35] A. Blake and A. Zisserman. Visual Reconstruction. MIT Press,
Cambridge, 1987.
[36] D. Blostein and N. Ahuja. Shape from texture: Integrating textureeleinent
extraction and surface estimation. IEEE Trans. Pattern
Analysis and Machine Intelligence, 11(12):1233 1251, 1989.
[37] R. C. Bolles, H. H. Baker, and D. H. Marimont. Epipolar-plane
image analysis: An approach to determining structure from motion.
Int. J. Computer Vision, 1:7-55, 1987.
[38] R. C. Bolles and M. A. Fischler. A RANSAC-based approach to
model fitting and its application to finding cylinders in range data.
In Int. Joint. Conf. Artificial Intelligence, pages 637-643, 1981.
[39] F. L. Bookstein. The Measurement of Biological Shape and Shape
Change. Lecture Notes in Biomathernatics, 24. Springer, New York,
[40] F. L. Bookstein. A statistical method for biological shape
comparisons. J. Theoretical Biology, 107:475-520, 1984.
[41] F. L. Bookstein. Size and shape spaces. Statistical Science, 1:181-
242, 1986
[42] F. L. Bookstein. Principal warps: Thin-plate splines and the decomposition
of deformations. IEEE Trans. Pattern Analysis and
Machine Intelligence, 11 (6):567 585, June 1989.
197
[43] G. E. P. Box, W. G. Hunter, and J. S. Hunter. Statistics for Experimenters:
An Introduction to Design, Data Analysis, and Model
Building. Wiley, New York, 1978.
[44] K. L. Boyer and A. C. Kak. Color-encoded structured light for rapid active
ranging. IEEE Trans. Pattern Analysis and Machine Intelligence,
[45] J. M. Brady and H. Asada. Smoothed local symmetries and their
implementation. Int. J. Robotics Research, 3:36-61, 1984.
[46] M. Brady, J. Ponce, A. Yuille, and H. Asada. Describing surfaces.
Computer Vision, Graphics and Image Processing, 32(1): 1-28,
October 1985.
[47] T. J. Broida and R. Chellappa. Estimation of object motion parameters
from noisy images. IEEE Trans. Pattern Analysis and
Machine Intelligence, 8(l):90-99, January 1986.
[48] T. J. Broida and R. Chellappa. Performance bounds for estimating
three-dimensional motion parameters from a sequence of noisy
images. J. Opt. Soc. Am. A, 6(6), June 1989.
[49] R. A. Brooks. Model-based three-dimensional interpretations of
two- dimensional images. IEEE Trans. Pattern Analysis and
Machine Intelligence, 5(2):140-149, 1983.
[50] R. A. Brooks, R. Greiner, and T. O. Binford. The acronym modelbased
vision system. In Int. Joint. Conf. Artificial Intelligence, 1979.
[51] D. C. Brown. Close range camera calibration. Photogrammetric
Engineering, 37(8):855-866, August 1971.
[52] P. J. Burt. Fast algorithms for estimating local image properties. Computer
Vision, Graphics and Image Processing, 21:368-382, 1983.
[53] J. F. Canny. A computational approach to edge detection. IEEE
Trans. Pattern Analysis and Machine Intelligence, 8(6):679-698,
November 1986.
[54] P. Cavanaugh. Size and position invariance in the vision system.
Perception, 7:167-177, 1978.
[55] P. Cavanaugh. Size invariance: Reply to Schwartz. Perception,
10:469- 474, 1981.
[56] I. Chakravarty and H. Freeman. Characteristic views as a basis for
three-dimensional object recognition. Proc. SPIE Conf. Robot
Vision, 336:37-45, 1982.
198
[57] R. T. Chin and C. R. Dyer. Model-based recognition in robot
vision. ACM Computing Surveys, 18(1):67—108, March 1986.
[58] W. F. Clocksin. Perception of surface slant and edge labels from
optical flow: A computational approach. Perception, 9:253-269, 1980
[59] W. J. Cody and W. Waite. Software Manual for the Elementary
Functions. Prentice-Hall, Englewood Cliffs, New Jersey, 1980.
[60] L. Cohen et al. Hierarchical region-based stereo matching. Proc. Conf.
Computer Vision and Pattern Recognition, pages 416-421, 1989.
[61] R. W. Conners and C. A. Harlow. Equal probability quantizing and
texture analysis of radiographic images. Comp. Graph, and Image
Proc., 8:447-463, 1978.
[62] R. Courant and D. Hilbert. Methods of Mathematical Physics, volume
1. John Wiley & Sons, Interscience Publishers, New York, 1937.
[63] N. A. C. Cressie. Statistics for Spatial Data. Wiley, New York, 1991.
[64] G. R. Cross and A. K. Jain. Markov random field texture models.
IEEE Trans. Pattern Analysis and Machine Intelligence, 5(l):25-39,
[65] J. L. Crowley and R. Stern. Fast computation of the difference of
low-pass transform. IEEE Trans. Pattern Analysis and Machine
Intelligence, 6:212-222, March 1984.
[66] E. De Micheli, B. Caprile, P. Ottonello, and V. Torre. Localization
and noise in edge detection. IEEE Trans. Pattern Analysis and
Machine Intelligence, 11(10): 1106—1117, October 1989.
[67] M. P. do Carmo. Differential Geometry of Curves and Surfaces.
Prentice-Hall, Englewood Cliffs, New Jersey, 1976.
[68] E. R. Dougherty and C. R. Giardina. Mathematical Methods for
Artificial Intelligence and Autonomous Systems. Prentice-Hall,
Englewood Cliffs, New Jersey, 1988.
[69] A. W. Drake. Fundamentals of Applied Probability Theory.
McGraw- Hill, New York, 1967.
[70] R. O. Duda and P. Hart. Pattern Classification and Scene Analysis.
Wiley, New York, 1973.