Bài giảng Xử lý ảnh số - Các phương pháp cải thiện chất lượng ảnh (Phần 3) - Nguyễn Linh Giang

Xử lý ảnh số
Các phương pháp cải thiện chất 
lượng ảnh
Chương trình dành cho kỹ sư CNTT
Nguyễn Linh Giang
Các phương pháp cải thiện chất lượng ảnh
• Tổng quan các phương pháp cải thiện chất 
lượng ảnh;
• Các phương pháp trên điểm;
• Biến đổi Histogram;
• Các phép toán trên miền không gian;
• Lọc ảnh;
• Giả màu.
Tổng quan
• Cải thiện chất lượng ảnh: 
– Tăng cường các đặc điểm của ảnh về mặt cảm nhận 
hoặc cục bộ như các đường nét, đường biên, hay độ 
tương phản, màu sắc, ..., lọc nhiễu.
– Tăng cường có hiệu quả cho các bước xử lý tiếp 
theo như hiển thị ảnh hoặc phân tích ảnh.
– Xử lý cải thiện ảnh chất lượng ảnh không làm tăng 
thông tin vốn có chứa trong dữ liệu.
– Làm tăng dải động của các thuộc tính của ảnh. 
Những thuộc tính này giúp cho phân biệt dễ dàng 
các chi tiết trên ảnh.
Tổng quan
– Các phương pháp cải thiện chất lượng ảnh bao gồm: 
• Biến đổi phân bố mức xám , thay đổi độ tương phản;
• Giảm nhiễu, làm nổi biên và làm trơn biên của ảnh, lọc ảnh;
• Đưa thông tin vào ảnh;
• Phóng đại, thu nhỏ ảnh;
• Giả màu, 
– Khó khăn: xác định các tiêu chuẩn định tính và định 
lượng về chất lượng ảnh;
– Các kỹ thuật cải thiện chất lượng ảnh phụ thuộc vào 
kinh nghiệm xử lý;
Tổng quan
• Phân loại các phương pháp cải thiện chất lượng ảnh
Toán tử trên điểm Toán tử không gian Toán tử trên 
miền tần số
Giả màu
Cải thiện chất lượng ảnh
• Tăng độ tương phản;
• Xoá nhiễu;
• Chia cửa sổ;
• Mô hình hoá biểu đồ 
đơn sắc ( histogram );
• Lọc làm trơn nhiễu;
• Lọc trung vị;
• Làm nổi biên;
• Lọc thông thấp, thông 
cao;
•Phóng đại ảnh.
• Lọc tuyến tính;
• Lọc lũy thừa;
• Lọc đồng hình;
• Sai màu
• Giả màu
Các phương pháp xử lý trên điểm ảnh
• Các phương pháp trên điểm:
– Áp dụng với các ảnh đa mức xám, ảnh đơn sắc;
– Biểu diễn các giá trị ảnh: cường độ sáng
– Mô hình biểu diễn tất định;
– Các thao tác không nhớ trên miền không gian, thực 
hiện hàm f biến đổi ánh xạ mức xám u∈[0, L-1]
thành mức xám v∈[0, L-1]: v = f(u)
– Các phương pháp này: tác động trên từng điểm ảnh 
riêng lẻ và không tính đến quan hệ không gian giữa 
các điểm ảnh;
Các phương pháp xử lý trên điểm ảnh
– Các phương pháp:
• Biến đổi tuyến tính từng đoạn
• Biến đổi logarithm
• Biến đổi âm bản
Các phương pháp xử lý trên điểm ảnh
• Các phương pháp biến đổi tuyến tính từng đoạn 
– Xử lý độ tương phản - giãn độ tương phản
• Xử lý những ảnh có độ tương phản thấp:
– Do thiếu sáng hoặc không đều sáng;
– Do tính phi tuyến hoặc biến động nhỏ của bộ cảm nhận.
• Quan hệ giãn độ tương phản:
⎪⎩
⎪⎨
⎧
≤<+−
≤<+−
≤≤
=
 1-Lub ,)(
 bua ,)(
u0 ,
b
a
vbu
vau
au
v
γ
β
α
ν
u0 a b L-1
νa
νb
γ
β
α
I II III
Các phương pháp xử lý trên điểm ảnh
• Việc lựa chọn các tham số α, β, 
γ xác định các vùng ảnh sẽ 
được tăng cường:
– Nếu β > 1, độ tương phản trong 
vùng II [a, b] được tăng cường;
– Nếu α < 1, độ tương phản trong 
vùng I [0, a ] được giảm;
– Nếu γ < 1, độ tương phản trong 
vùng III [ b, L-1 ] được giảm;
– Việc lựa chọn các giá trị a, b phụ
thuộc vào biểu đồ mức đơn sắc ( 
histogram ) và theo kinh nghiệm.
Các phương pháp xử lý trên điểm ảnh
– Cắt lớp cường độ sáng
• Cho phép phân tách các 
mức xám trong một miền 
với các phần còn lại;
• Thích hợp khi ảnh có 
nhiều chi tiết nằm trên 
những vùng mức xám 
khác nhau 
• Cắt lớp lấy nền: 
• Cắt lớp không lấy nền:
⎩⎨
⎧
≤<−
≤<≤≤=
bua ,1
1-Lub ,u0 ,
L
au
v
⎩⎨
⎧
≤<−
≤<≤≤=
bua ,1
1-Lub ,u0 ,0
L
a
v
Các phương pháp xử lý trên điểm ảnh
– Tách nhiễu và lấy ngưỡng ảnh
• Tách nhiễu:
– Là trường hợp riêng của giãn độ tương phản khi α = γ = 0;
– Ứng dụng để giảm nhiễu khi biết tín hiệu nằm trong khoảng [a,b];
• Lấy ngưỡng ảnh:
– Là trường hợp riêng của tách nhiễu khi a = b = θ - là ngưỡng.
– Ứng dụng trong trường hợp biến đổi từ ảnh đa mức xám về ảnh 
nhị phân
⎩⎨
⎧
<
≥−= θ
θ
 u 0,
u ,1L
vν
uθ
L-1
Các phương pháp xử lý trên điểm ảnh
– Cắt lớp bit
• Phân tách các bit biểu diễn 
ảnh:
u = k12B–1 + k22B–2 +  + kB–12 + kB
• Lựa chọn các bit theo hệ thức:
⎩⎨
⎧
=−= 1kbit ,1
otherwise ,0
nL
v
Các phương pháp xử lý trên điểm ảnh
• Biến đổi âm bản
– Chuyển đổi dương bản thành âm bản;
– v = f(u) = L - 1 - u
– Dùng để tăng cường các chi tiết trắng hoặc xám trên 
nền tối
ν
u
Biến đổi âm bản
L-1
L-1-u
Các phương pháp xử lý trên điểm ảnh
• Biến đổi dải động:
– Nén dải động: biến đổi logarithm mức đơn sắc
• Mở rộng các giá trị trong dải tối và làm tăng cường các chi 
tiết nằm trong vùng tối
• v = f(u) = c log(1+|u|)
Các phương pháp xử lý trên điểm ảnh
– Biến đổi tuyến tính dải động: v = au + b
v = au + b 
⇒
Các phương pháp xử lý Histogram
– Các phương pháp cải thiện chất lượng ảnh dựa 
trên xử lý histogram:
• Cân bằng histogram ( histogram equalization );
• Biến đổi histogram ( histogram modification );
• Đặc trưng hóa histogram ( histogram specification );
Các phương pháp xử lý Histogram
• Các phương pháp xử lý histogram:
– Histogram: phân bố các mức xám trong ảnh;
– Là đánh giá gần đúng hàm mật độ phân bố xác suất;
– h(u) = Số lượng điểm ảnh có giá trị mức xám bằng u;
– Xác suất xuất hiện của một giá trị mức xám trên ảnh:
– Mô hình biểu diễn ảnh: mô hình ngẫu nhiên với giả thiết:
• Mỗi điểm ảnh là một giá trị của các hàm ngẫu nhiên độc lập với 
cùng một phân bố xác suất
1,...,1,0i ,
)(
)()( 1
0
−==
∑−
=
L
xh
xhxp L
i
i
i
iu
Các phương pháp xử lý Histogram
– Một số đặc điểm ảnh đa mức xám theo histogram
Ảnh thiếu 
sáng
Ảnh thừa 
sáng
Ảnh có độ 
tương 
phản thấp
Ảnh có độ 
tương 
phản cao
Các phương pháp xử lý Histogram
• Cân bằng histogram:
– Ánh xạ độ chói của 
ảnh vào vùng giá trị 
mới sao cho 
histogram mới nhận 
được có dạng phân 
bố đều.
Các phương pháp xử lý Histogram
– Ý tưởng:
• Xét biến ngẫu nhiên U: phân bố liên tục trên đoạn [0, 1] , 
xây dựng biến ngẫu nhiên V từ U:
• Biến ngẫu nhiên V phân bố đều trên đoạn [0, 1] khi và chỉ 
khi: FV(v)=v vì:
FV(v) = P[V ≤ v] = P[FU(u)≤ v] = P[U ≤ FU-1(v)] = FU(FU-1(v)) = v
• Như vậy, ta sẽ ánh xạ độ chói u vào v: khi đó v sẽ phân bố 
gần như đều đối với u có phân bố rời rạc
∫=≤==
u
UU dxxpuUPuFV
0
)(][)(
Các phương pháp xử lý Histogram
– Thuật toán:
• Ảnh ban đầu U có u nhận các giá trị mức xám xi, i = 0, 1, ..., L – 1;
• Xác suất xuất hiện các mức xám trong ảnh ban đầu:
1- L..., 1, 0, i ,
)(
)()( 1
0
==
∑−
=
L
i
i
i
iu
xh
xhxp
u
pu(xi)
v Uniform 
quantization
v*
)(
0
∑
=
u
x
iu
i
xp
• Biến ngẫu nhiên phân bố đều v: 
• Giá trị điểm ảnh mới:
)()( ∑= u
x
iu
i
xpuv
⎥⎦
⎤⎢⎣
⎡ +−−
−= 5.0)1(
1
))(()(*
min
min L
v
vuvIntuv
Các phương pháp xử lý Histogram
Các phương pháp xử lý Histogram
• Biến đổi histogram
– Mở rộng của cân bằng histogram với các hàm biến đổi khác.
– Trong cân bằng histogram:
– Trong các trường hợp khác: v = f(u), trong đó hàm f có thể 
là:
v = f(u) = log(1 + u), u ≥ 0
v = f(u) = u1/n, u = 2, 3, ...
)()( ∑== u
x
iu
i
xpufv
v=f(u)
u v Uniform 
quantization
v*
... 4, 3, 2,n ,
)(
)(
)(
1
/1
0
/1
===
∑
∑
−
=
L
i
i
x
x
i
n
u
u
x
i
n
u
xp
xp
ufv
Các phương pháp xử lý Histogram
• Đặc trưng hóa histogram
– Ảnh đầu v ra có histogram nhận một phân bố cho trước;
– W – biến ngẫu nhiên phân bố đều:
– W = FU(u) = FV(v) ⇒ V = FV-1(W) = FV-1(FU(u))
– u và v nhận các giá trị rời rạc xi và yi , i=0, 1, 2, ..., L-1, 
– Với w’ là giá trị của wn* sao cho wn* -w ≥0 với giá trị nhỏ
nhất của n, khi đó v’ = yn là giá trị đầu ra tương ứng với u
u v’ = ynw
Minn{wn*-w≥0 } FV-1(.)∑
=
u
x
iu
i
xp
0
)(
w’=wn*
∑
=
=
u
x
iu
i
xpw
0
)( 1- L..., 1, 0,k ,)(*
0
== ∑
=
k
i
iv ypw
Lọc ảnh
• Khái niệm nhiễu;
• Các phép lọc trên miền không gian;
• Các phép lọc trên miền tần số. 
Khái niệm tạp nhiễu
• Ảnh thường chịu biến dạng do nhiễu ngẫu 
nhiên;
• Nhiễu xuất hiện trong quá trình thu nhận ảnh, 
truyền tin hoặc trong quá trình xử lý;
• Nhiễu có thể phụ thuộc hoặc độc lập với nội 
dung ảnh; 
• Nhiễu thường được biểu diễn bằng các thuộc 
tính thống kê;
Khái niệm tạp nhiễu
• Nhiễu trắng: 
– Là nhiễu có phổ năng lượng không đổi;
– Cường độ nhiễu trắng không đổi khi tần số tăng;
– Thông thường nhiễu trắng được sử dụng để xấp xỉ 
thô tạp nhiễu trong nhiều trường hợp;
– Hàm tự tương quan của nhiễu trắng là hàm del-ta. 
Như vậy nhiễu trắng không tương quan tại hai mẫu 
bất kỳ;
– Sử dụng nhiễu trắng là mô hình nhiễu đơn giản nhất 
và có lợi về mặt tính toán.
Khái niệm tạp nhiễu
– Nhiễu Gauss
• Là trường hợp đặc biệt;
• Nhiễu Gauss là dạng xấp xỉ nhiễu tốt trong nhiều trường 
hợp thực tế;
• Mật độ phân bố xác suất của nhiễu được đặc trưng bằng 
hàm Gauss; 
• Trong trường hợp một chiều, nhiễu Gaussđược đặc trưng 
bằng giá trị trung bình µ và độ lệch tiêu chuẩn của biến 
ngẫu nhiên ( phương sai σ2 )
2
2
2
)(
22
1)( σ
µ
πσ
−−=
x
exp
Khái niệm tạp nhiễu
• Ảnh chịu ảnh hưởng của nhiễu Gauss với trị trung bình 
không và phương sai bằng 13: 
Khái niệm tạp nhiễu
– Một số dạng ảnh hưởng nhiễu:
• Nhiễu cộng:
f( m, n ) = g( m, n ) + ν( m, n )
trong đó nhiễu ν( m, n )độc lập thống kê với tín hiệu;
• Nhiễu nhân: nhiễu là hàm của biên độ tín hiệu
f( m, n ) = g( m, n ) + ν( m, n )g( m, n ) = 
= g( m, n )( 1+ ν( m, n ) ) =
= g( m, n )n( m, n )
• Nhiễu xung: khi trên ảnh xuất hiện các điểm nhiễu riêng biệt 
có độ sáng khác biệt lớn so với các điểm lân cận;
• Nhiễu dạng muối tiêu: xuất hiện khi ảnh bị bão hòa bởi nhiễu 
xung. Khi đó ảnh sẽ bị ảnh hưởng của các điểm nhiễu đen 
trắng.
Khái niệm tạp nhiễu
• Ví dụ nhiễu dạng muối tiêu: với tỷ lệ nhiễu là 1% và 5% 
tương ứng. Giá trị của các điểm ảnh trong khoảng [0, 255].
Các phép lọc trên miền không gian
• Các phép lọc:
– Bộ lọc trên miền không gian: mặt nạ lọc;
– Lọc làm trơn;
• Lọc trung bình;
• Lọc trung bình theo hướng
• Lọc trung vị;
– Lọc làm nét ảnh:
• Lọc đạo hàm bậc 1;
• Lọc đạo hàm bậc 2.
Các phép lọc trên miền không gian
• Mặt nạ không gian
– Mặt nạ không gian biểu diễn bộ lọc có đáp ứng xung hữu 
hạn hai chiều ( 2-D FIRF );
– Các dạng mặt nạ thông dụng có kích thước 2x2, 3x3, 5x5, 
7x7;
– Phép lọc được xác định bằng cách lấy tổng chập hàm lọc 
với hình ảnh
v(m,n) = Σs(m-k, n-l) h(k,l)
– Biểu diễn trên miền tần số:
V( k, l ) = S( k, l ) x H( k, l )
– Các ứng dụng:
• Lọc làm trơn: lọc thấp;
• Lọc làm nét: lọc cao
Các phép lọc trên miền không gian
• Phương pháp lọc trung bình
– Mỗi điểm ảnh được thay thế bằng trung bình trọng số của các 
điểm lân cận:
– Nếu a( k, l ) = 1/NW, trong đó NW là số điểm trong cửa sổ, ta có 
phương pháp lọc trung bình: giá trị mới của điểm ảnh thay bằng 
trung bình cộng của các điểm rơi vào cửa sổ W
– Nếu mỗi điểm ảnh được thay thế bằng trung bình cộng của 
điểm đó với trung bình cộng của 4 điểm lân cận kề, ta có 
∑ ∑
∈
−−=
Wlk
lnkmslkanmv
),(
),(),(),(
∑ ∑
∈
−−=
Wlk
lnkms
N
nmv
),(w
),(1),(
{ }⎥⎦
⎤⎢⎣
⎡ ++−+++−+= )1,()1,(),1(),1(
4
1),(
2
1),( nmsnmsnmsnmsnmsnmv
Các phép lọc trên miền không gian
– Lọc trung bình là lọc làm trơn nhiễu:
x(m,n) = s(m,n) + η(m,n)
– η(m,n) - nhiễu trắng với giá trị trung bình không và 
phương sai ση2 .
– Một số dạng mặt nạ bộ lọc: 
11
11
4
10
1
0 1
k
l
111
111
111
9
1
0 1-1l
0
1
k
-1
010
121
010
8
1
0 1-1l
0
1
k
-1
Các phép lọc trên miền không gian
– Lọc trung bình không gian có dạng:
– Thành phần⎯η(m, n) là trung bình không gian của 
nhiễu cộng và cũng có giá trị trung bình không, 
phương sai:⎯ση2= ση2/NW
– Như vậy năng lượng nhiễu cũng giảm tỷ lệ với số 
điểm trong cửa sổ;
∑ ∑
∈
+−−=
Wlk
nmlnkms
N
nmv
),(w
),(),(1),( η
Các phép lọc trên miền không gian
– Nhược điểm:
• Làm mờ đường nét trên ảnh
– Ví dụ:
Các phép lọc trên miền không gian
• Lọc trung bình theo hướng
– Làm trơn nhiễu dọc theo các 
đường nét;
– Ngăn chặn làm trơn cắt ngang 
đường nét;
– Làm trơn theo hướng
• Tính phép lọc trung bình dọc 
theo một số hướng;
• Lấy kết quả theo hướng sinh ra 
sự biến đổi nhỏ nhất trước và sau 
khi lọc;
Các phép lọc trên miền không gian
• Lọc trung vị
– Dùng trong trường hợp:
• Xuất hiện các điểm nhiễu cô lập ngẫu nhiên dàn trải trên 
ảnh;
• Lọc trung bình có thể làm ảnh bị mờ;
– Phương pháp lọc trung vị:
• Lấy điểm trung vị trong dãy được sắp các giá trị trong cửa 
sổ;
• Lọc trung vị là lọc phi tuyến:
Median{ x(m) + y(m) } ≠ Median{x(m)} + Median{y(m)}
• Thông thường cửa sổ có số điểm lẻ: 3x3, 5x5, 5 điểm +;
• Cửa sổ có số điểm chẵn: lấy giá trị trung bình của 2 điểm 
ở giữa
Các phép lọc trên miền không gian
Các phép lọc trên miền không gian
Ảnh ban đầu Ảnh có nhiễu Ảnh sau khi lọc trung vị 3x3
Lọc trung vị 5x5Lọc trung vị 3x3, lặp 3 lầnLọc trung bình 5x5
Các phép lọc trên miền không gian
• Lọc làm nét:
– Mục đích: 
• Làm tăng cường các thành phần chi tiết thanh mảnh của 
ảnh; 
• Làm nét các thành phần chi tiết bị mờ, nhòe.
– Phương pháp:
• Các thành phần chi tiết thanh mảnh – đường nét tương 
ứng với các thành phần tần số cao;
• Dùng các bộ lọc thông cao để tìm các thành phần tần số 
cao trong ảnh và làm nét ảnh;
• Nhược điểm: khi làm nét các chi tiết thanh mảnh, các 
thành phần nhiễu cũng được làm tăng cường.
Các phép lọc trên miền không gian
– Các bước thực hiện:
• Xác định đường nét: lọc các thành phần tần cao 
bằng các bộ lọc thông cao;
• Tăng cường đường nét trên ảnh: cộng các thành 
phần biến thiên nhanh vào ảnh – làm tăng cường 
các thành phần biến thiên nhanh.
v(m,n) = s(m,n) + λg(m,n) 
Trong đó g(m, n) là thành phần biến thiên nhanh.
• Các thành phần biến thiên nhanh có thể được xác 
định bằng phương pháp đạo hàm( cấp 1 hoặc cấp 2)
Các phép lọc trên miền không gian
Tín hiệu
(1)
Thông thấp
(2)
Thông cao
(3)
(1) - (3)
(1) + λ(3)
Các phép lọc trên miền không gian
– Tách các thành phần biến thiên nhanh:
• G(m, n): gradient tại điểm ( m, n );
• Đáp ứng xung của bộ lọc đạo hàm bậc hai Laplace:
[ ])1,(),1()1,(),1(
4
1),(),( −+++−+−−=∆ nmsnmsnmsnmsnmsnmg
• Đặc điểm của bộ lọc đạo hàm Laplace: 
– Đạo hàm bậc 2:
– Các hệ số dương nằm gần tâm 
– Các hệ số âm nằm ở vùng ngoài biên; 
– Tổng các hệ số của bộ lọc bằng 0: không có thành phần DC;
2
2
2
2 ),(),()),((),(
y
yxf
x
yxfyxfyxf ∂
∂+∂
∂=∇∇=∆
Các phép lọc trên miền không gian
Bộ lọc đạo hàm bậc hai Laplace
010
141
010
4
1
−
−−
−
=H
Các phép lọc trên miền tần số
• Cơ sở các phép lọc cải thiện ảnh trên miền tần số
• Lọc thông thấp
– Lọc thông thấp lý tưởng;
– Lọc lũy thừa;
– Lọc Butterworth;
• Lọc thông cao
– Lọc thông cao từ lọc thông thấp;
– Lọc thông cao lý tưởng;
– Lọc thông cao lũy thừa;
– Lọc thông cao Butterworth
Cơ sở lọc trên miền tần số
Những bước cơ bản:
1. Tiền xử lý;
2. Tính biến đổi Fourier DFT của s( m, n ) là S(u,v);
3. Áp dụng hàm lọc: G(u,v) = S(u,v)H(u,v)
4. Biến đổi Fourier ngược g1(m,n) = F-1{G(u,v)}
5. Hậu xử lý.
Cơ sở lọc trên miền tần số
• Các bộ lọc thông thấp làm trơn ảnh và lọc nhiễu;
• Các bộ lọc thông cao làm nét ảnh và tách đường 
biên;
• Xây dựng bộ lọc thông cao từ bộ lọc thông thấp.
Lọc thông thấp
• Bộ lọc thông thấp lý tưởng:
– Tần số cắt Do xác định % 
năng lượng được lọc bỏ;
– Do không có tính trơn tại 
điểm cắt nên xuất hiện hiệu 
ứng Gibbs: gây nên hiện 
tượng run ảnh;
Lọc thông thấp
Lọc thông thấp
– Ví dụ lọc ảnh bằng bộ lọc thông thấp lý tưởng
• Chú ý hiện tượng Gibbs khi cắt các thành phần tần số cao 
và đột biến tần
Lọc thông thấp
• Lọc thông thấp Butterworth:
– Lọcthông thấp; loại bỏ các thành phần tần số cao hơn D0Tần 
số cắt D0 : xác định các mức năng lượng được loại bỏ;
– Bậc của bộ lọc n: xác định độ nét của bộ lọc. n càng lớn, hiệu 
ứng loại bỏ các tần số cao càng lớn
[ ] noDvuDvuH 2/),(1
1),( +=
Lọc thông thấp
Lọc thông thấp
– Ảnh hưởng của các tham số n và D0
D0=0.1
ảnh gốc n = 1
n = 3
n = 5
Lọc thông thấp
n = 3
ảnh gốc
D0 = 0.2
D0 = 0.1
D0 = 0.05
Lọc thông thấp
– Đặc điểm của bộ lọc Butterworth:
• Lọc thông thấp;
• Do làm suy giảm các thành phần tần cao nên làm mờ ảnh, 
đồng thời loại bỏ nhiễu;
• Do vẫn lưu giữ các thành phần tần cao ( tuy có làm suy giảm 
về biên độ ) nên ảnh vẫn sắc nét hơn so với lọc thông thấp lý 
tưởng với cùng tần số cắt D0;
• Do hàm có tính trơn tại mọi điểm ( kể cả tại điểm cắt ) nên 
làm suy giảm đáng kể hiệu ứng Gibbs;
• Dễ dàng điều khiển hiệu ứng của bộ lọc theo các tham số D0
và tham số bậc n.
Lọc thông cao
• Các bộ lọc thông cao:
– Bộ lọc thông cao lý 
tưởng
– Bộ lọc thông cao 
Butterworth
– Bộ lọc thông cao Gauss
⎩⎨
⎧ ≤=
.1
),(0
),(
otherwise
DvuDif
vuH o
[ ] nvuDDvuH 20 ),(/1
1),( +=
( )
⎭⎬
⎫
⎩⎨
⎧−−= 2
0
2
2
),(exp1),(
D
vuDvuH
Lọc thông cao
Lọc thông cao
• Ideal HPF
– Do = 15, 30, 80
• Butterworth HPF
– n = 2,
– Do = 15, 30, 80
• Gaussian HPF
– Do = 15, 30, 80
Lọc thông cao Laplace
• Biểu diễn 3D của 
toán tử Laplace;
• Ảnh 2D của toán tử 
Laplace;
• Đáp ứng miền không 
gian với vùng trung 
tâm được khuếch 
đại; 
• Mặt nạ đáp ứng xấp 
xỉ
Lọc thông cao Laplace
Lọc đồng hình
– γL và γH được chọn thỏa mãn γL 1;
– Hàm lọc có xu hướng làm suy giảm các thành phần tần thấp và 
tăng cường các thành phần tần cao;
– Kết quả cuối cùng là vừa thực hiện nén giải động và làm tăng 
cường độ tương phản.
Lọc đồng hình
– Ví dụ với γL = 0.5 1;
– Phép lọc tương ứng với việc làm nén giải động trong độ sáng và 
tăng cường độ tương phản;
– Kết quả: làm tăng cường chi tiết trong phần tối và cân bằng độ 
tương phản bên ngoài phần sáng
Giả màu
• Đặc điểm của hệ thống thị giác:
– Hệ thống thị giác của người chỉ có thể phân biệt 
được 30 sắc thái màu xám;
– Có thể phân biệt hàng trăm sắc màu.
• Phương pháp giả màu:
– Giả màu là kỹ thuật gán màu cho các mức xám.
– Các phương pháp gán giả màu:
• Phân lớp cường độ sáng: gán mầu cho tất cả các mức xám 
dưới một giá trị xác định và gán màu khác cho những giá 
trị vượt quá một giá trị xác định. 
Giả màu
• Phần lớn các phương pháp thực hiện chuyển 
đổi mức xám sang màu sắc: thực hiện 3 
phép chuyển đổi đối với một mức xám xác 
định;
• Ảnh kết quả có thuộc tính màu phụ thuộc 
vào các mức xám đối với phép chuyển đổi 
màu
– Các thủ tục gán màu và các lựa chọn 
bảng màu:
• Hai phương pháp chính để tô giả màu:
– Thủ tục gán màu tự động: bảng màu hiện thời 
được thay thế bằng bảng màu được xác định 
trước;
– Thao tác ánh xạ bảng màu:các giá trị trong bảng 
màu được thay đổi theo một thuật toán xác định.
Giả màu
• Các thủ tục gán màu tự động
– Ánh xạ vị trí: các giá trị của ánh xạ tại những vị trí bất kỳ trong 
bảng được tạo ra là hàm của vị trí ( index). Ở đây không có sự 
phụ thuộc vào tính chất của giá trị điểm ảnh mà chỉ phụ thuộc 
vào bố trí vật lý
– Ánh xạ phụ thuộc dữ liệu: các giá trị của ánh xạ được tạo ra là 
các hàm của giá trị điểm.
Ảnh đơn sắc với thang mức xámẢnh đơn sắc
Giả màu
• Ví dụ: gán giả màu dùng các bảng màu khác nhau
Ảnh đơn sắc Ảnh đơn sắc với thang mức xám
Bảng màu cầu vồng Bảng màu SApseudo