Sử dụng kỹ thuật phân lớp dữ liệu để tính toán các BINS màu động trong tra cứu ảnh dựa trên màu sắc

Nguyễn Văn Tới và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 90(02): 49 - 53 
49 
SỬ DỤNG KỸ THUẬT PHÂN LỚP DỮ LIỆU ĐỂ TÍNH TOÁN 
CÁC BINS MÀU ĐỘNG TRONG TRA CỨU ẢNH DỰA TRÊN MÀU SẮC 
Nguyễn Văn Tới*, Phạm Việt Bình, Nguyễn Tiến Thành 
 ĐH Công nghệ Thông tin & Truyền thông – ĐH Thái Nguyên 
TÓM TẮT 
Kỹ thuật tra cứu dựa trên màu sắc là một trong những hƣớng tiếp cận cơ bản trong tra cứu ảnh. 
Trong kỹ thuật này, ngƣời ta chia không gian màu ra thành các bins. Việc chia thành các bins màu 
có kích thƣớc bằng nhau và cố định dẫn đến một số hạn chế trong việc tra cứu nhƣ không tính đến 
tính tƣơng đồng giữa các màu khi phân các pixel vào các bins, vấn đề về tăng giảm độ sáng ảnh. 
Bài báo này trình bày một cách tính toán các bins màu mềm dẻo sử dụng kỹ thuật phân lớp dữ liệu. 
Chúng tôi đã thử nghiệm với thuật toán K-Means trên cơ sở dữ liệu ảnh MISC [4] và cơ sở dữ liệu 
ảnh IFIT (Thƣ viện ảnh của Khoa Công nghệ thông tin-ĐH Thái Nguyên). 
Từ khóa: Kỹ thuật phân lớp dữ liệu, bins màu động,thuật toán K-means 
GIỚI THIỆU* 
Cùng với sự phát triển nhanh chóng của công 
nghệ phần cứng trong đó có các thiết bị thu 
nhận ảnh, lƣu trữ dữ liệu, lƣợng dữ liệu ảnh 
trong các lĩnh vực và trong đời sống ngày 
càng gia tăng. Từ thực tế trên, nhu cầu lƣu 
trữ, quản lý và tra cứu ảnh đƣợc đặt ra. Tra 
cứu ảnh là việc tìm kiếm từ một cơ sở dữ liệu 
(CSDL) ảnh ra một ảnh theo một yêu cầu nào 
đó. Đã có nhiều hƣớng tiếp cận cho việc 
nghiên cứu vấn đề này (xem [1]). Một trong 
những hƣớng tiếp cận chính đó là tra cứu ảnh 
dựa vào màu sắc. Kỹ thuật cơ sở tra cứu ảnh 
dựa trên màu sắc sẽ đƣợc giới thiệu trong 
phần 2. Các kỹ thuật cơ sở tra cứu ảnh dựa 
trên màu sắc còn một số hạn chế. Những hạn 
chế này đƣợc giới thiệu trong phần 3 cùng với 
một số hƣớng tiếp cận khắc phục của một số 
tác giả. Trong bài báo này, chúng tôi đƣa ra 
một hƣớng khắc phục khác cho những hạn 
chế của kỹ thuật cơ sở. Ý tƣởng của cách 
khắc phục này là cải tiến việc tính toán các 
bins màu bằng cách sử dụng kỹ thuật phân 
lớp dữ liệu. Ý tƣởng này đƣợc trình bày trong 
phần 4. Việc thực nghiệm với thuật toán phân 
lớp dữ liệu K-Means và kết quả đƣợc trình 
bày trong phần 5. Trong phần 6, chúng tôi 
đƣa ra một số kết luận và hƣớng nghiên cứu 
tiếp theo. 
*
 Tel: 0912847077; Email: nvtoicntt@gmail.com 
KỸ THUẬT CƠ SỞ TRA CỨU ẢNH DỰA 
TRÊN MÀU SẮC 
Ý tƣởng của các kỹ thuật tra cứu ảnh trên cơ 
sở màu là tra cứu từ CSDL ảnh những ảnh có 
màu cảm nhận tƣơng tự ảnh truy vấn hay phù 
hợp với mô tả của ngƣời sử dụng. Ngƣời ta đã 
đề xuất một số kỹ thuật khác nhau nhƣng ý 
tƣởng chủ đạo là nhƣ nhau. Mỗi ảnh trong 
CSDL đƣợc biểu diễn bằng ba kênh của 
không gian màu. Không gian màu hay sử 
dụng nhất là RGB. Mỗi kênh màu đƣợc số 
hóa thành m khoảng. Nhƣ vậy, tổng số tổ hợp 
màu rời rạc (gọi là bins) sẽ là n = m3. Thí dụ, 
nếu mỗi kênh màu đƣợc số hóa thành 16 
khoảng thì sẽ có 4096 bins. Biểu đồ màu 
H(M) là véc tơ (h1, h2, ..., hj, ..., hn), trong đó 
phần tử hj biểu diễn tổng số pixel trong ảnh M 
rơi vào bin j (j=1,..,n). Biểu đồ màu là véc tơ 
đặc trƣng, sẽ đƣợc lƣu trữ làm chỉ mục ảnh. 
Khi tra cứu ảnh, biểu đồ màu của ảnh truy 
vấn đƣợc tính toán. Sau đó, tính toán khoảng 
cách giữa biểu đồ màu của ảnh truy vấn và 
từng biểu đồ màu của các ảnh trong CSDL 
ảnh. Kết quả trình diễn cho ngƣời sử dụng là 
k ảnh đầu tiên có khoảng cách nhỏ nhất. 
Đã có nhiều độ đo khoảng cách biểu đồ màu 
giữa hai ảnh I và H đƣợc đề xuất. Ví dụ nhƣ: 
+ Độ đo L-1 (thuộc nhóm Minkowski-form 
r=1): 

n
l
ll jiJId
1
),( . 
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên 
Nguyễn Văn Tới và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 90(02): 49 - 53 
50 
+ Độ đo khoảng cách Euclide (L-2) thuộc 
nhóm Minkowski-form r=2: 
 
n
l
ll jiJId
1
2
),( . 
MỘT SỐ KỸ THUẬT TĂNG CƢỜNG KỸ 
THUẬT CƠ SỞ ĐÃ ĐƢỢC ĐỀ XUẤT 
Kỹ thuật tra cứu ảnh trên cơ sở màu cơ bản có 
nhiều hạn chế. Trong phần này chúng tôi giới 
thiệu một số hạn chế và cách khắc phục đã 
đƣợc đề xuất. 
• Hạn chế thứ nhất của kỹ thuật cơ sở là 
không sử dụng tính tƣơng đồng giữa các màu. 
Khi đó, hai ảnh với màu cảm nhận tƣơng 
đồng nhƣng không có màu chung thì khoảng 
cách của chúng sẽ lớn, có thể là cực đại. Điều 
này xảy ra vì: 
+ Ngƣời sử dụng nhiều khi không chỉ quan 
tâm đến các ảnh có màu chính xác nhƣ câu 
truy vấn mà còn quan tâm đến ảnh có màu 
cảm nhận tƣơng tự. 
+ Màu của ảnh có thể thay đổi do nhiễu hay 
do thay đổi độ sáng. 
Với hạn chế thứ nhất này, một số tác giả đã 
đƣa ra những cách khắc phục nhƣ: Niblack 
[5] đƣa ra thƣớc đo mức độ giống nhau trong 
đó quan tâm đến đóng góp các màu cảm nhận 
tƣơng tự. Chan [6] đề xuất kỹ thuật tính toán 
khoảng cách màu trong đó các giá trị biểu đồ 
màu đƣợc điều chỉnh trên cơ sở mức độ tƣơng 
tự màu. Lu và Phillips [2] đƣa ra hƣớng tiếp 
cận sử dụng biểu đồ trọng số cảm nhận (PWH 
– perceptually weighted histogram). 
• Hạn chế thứ hai là không sử dụng quan hệ 
không gian giữa các pixel. Để giải quyết vấn 
đề này, Lu và Phillips [2] đƣa ra hƣớng tiếp 
cận là tách màu nền khỏi màu cận cảnh (phân 
đoạn ảnh) sau đó biểu đồ màu nền và biểu đồ 
màu cận cảnh đƣợc tính toán và sử dụng. 
• Hạn chế thứ ba là không gian màu lựa chon 
đƣợc lƣợng tử hóa đồng nhất mặc dù các màu 
điểm ảnh không phân bổ đồng nhất trong 
không gian màu. Wan và Kuo [7] đƣa ra giải 
pháp lƣợng tử hóa màu không đồng nhất. Để 
khắc phục những nhƣợc điểm của phƣơng 
pháp cơ sở, hƣớng tiếp cận lựa chọn không 
gian màu thích hợp cũng đã đƣợc đề cập. 
SỬ DỤNG KỸ THUẬT PHÂN LỚP DỮ 
LIỆU ĐỂ TÍNH TOÁN CÁC BINS MÀU 
Trong phần này, chúng tôi trình bày một 
hƣớng tiếp cận nhằm khắc phục hạn chế thứ 
nhất và hạn chế thứ ba nêu trên của kỹ thuật 
cơ sở. Hƣớng tiếp cận mà chúng tôi đƣa ra là 
cải tiến việc tính toán các bins màu bằng cách 
sử dụng kỹ thuật phân lớp dữ liệu. Giả sử ta 
muốn chia không gian màu ra thành k bins. 
Thay vì chọn các điểm chia cố định và đều 
nhau trên các kênh màu thì chúng ta sử dụng 
kỹ thuật phân lớp dữ liệu để phân các pixel 
của ảnh ra thành k lớp. Khi đó mỗi lớp sẽ là 
một bins. Khi phân lớp, mỗi pixel đƣợc coi là 
một phần tử. Toàn bộ các pixel của ảnh là 
một tập các phần tử. Chúng ta áp dụng kỹ 
thuật phân lớp để chia tập các phần tử này ra 
thành k lớp. 
Một số nhận xét: 
+ Các pixel thuộc cùng một bins sẽ có màu 
tƣơng tự nhau. 
+ Khắc phục đƣợc hạn chế thứ nhất (trong 
trƣờng hợp ảnh bị tăng giảm độ sáng). 
+ Khắc phục hạn chế thứ ba, vì các bins ở đây 
không cố định, không phải là đƣợc chia đồng 
nhất mà phụ thuộc vào bản thân dữ liệu ảnh. 
+ Việc tính toán các bins phức tạp. 
Hình 1 minh họa sự so sánh việc tính toán các 
bins màu cố định, đồng nhất và các bins màu 
đƣợc tính toán bằng kỹ thuật phân lớp dữ liệu. 
Trong hình 1(a), lƣợc đồ phía trên là 
histogram của ảnh I, lƣợc đồ phía dƣới là của 
ảnh J. Ảnh J thu đƣợc từ ảnh I bằng cách tăng 
độ sáng. Nhƣ vậy, khi ta phân chia các bins 
cố định, đồng nhất thì khoảng cách giữa hai 
ảnh này sẽ rất lớn. Còn trong hình 1(b) là hình 
ảnh các bins màu đƣợc tính toán bằng cách sử 
dụng kỹ thuật phân lớp dữ liệu. Nếu sử dụng 
cùng một phƣơng pháp phân lớp dữ liệu mà 
kết quả phƣơng pháp này chỉ phụ thuộc 
vào bản thân tập dữ liệu đầu vào thì sẽ 
cho kết quả là hai biểu đồ màu của ảnh I 
và J giống nhau. 
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên 
Nguyễn Văn Tới và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 90(02): 49 - 53 
51 
Hình 1. (a) Các bins màu đồng nhất, cố định 
(b) Các bins màu được tính toán bằng kỹ 
thuật phân lớp dữ liệu 
THỰC NGHIỆM 
Chúng tôi tiến hành thực nghiệm với thuật 
toán K-Means [3]. Khi áp dụng thuật toán K-
Means cho việc tính toán các bins màu, 
khoảng cách giữa hai phần tử (hai màu) trong 
không gian màu RGB mà chúng tôi sử dụng 
là khoảng cách Euclide. Các điểm trung tâm 
xuất phát của các cụm đƣợc chỉ định theo 
cùng một nguyên tắc đối với các ảnh khác 
nhau. Ví dụ, nếu ảnh có bảng màu thì k điểm 
trung tâm đƣợc lấy là k phần tử cách đều nhau 
trong bảng màu. Chúng tôi tiến hành cài đặt 
thử nghiệm với Visual C++ 6.0 và chạy thử 
nghiệm với nhiều CSDL ảnh khác nhau. Kết 
quả thực nghiệm cho thấy phƣơng pháp 
chúng tôi đề xuất cho kết quả giống với kỹ 
thuật cơ sở trong trƣờng hợp bình thƣờng; tốt 
hơn kỹ thuật cơ sở trong trƣờng hợp ảnh tăng 
giảm độ sáng. Khi xuất hiện ảnh trong CSDL 
là ảnh thu đƣợc từ ảnh truy vấn bằng cách 
tăng hay giảm độ sáng thì phƣơng pháp cơ sở 
không tìm ra, còn phƣơng pháp đƣợc đề xuất 
trong bài báo này đã tìm ra. Tuy nhiên, chúng 
ta dễ nhận ra nhƣợc điểm của phƣơng pháp 
này là thời gian tính toán bins màu là lớn hơn 
kỹ thuật cơ sở. Hình 2 và hình 3 minh họa 
một số kết quả thực nghiệm. 
KẾT LUẬN VÀ HƢỚNG NGHIÊN CỨU 
TIẾP THEO 
Chúng tôi đã đề xuất ý tƣởng sử dụng kỹ 
thuật phân lớp dữ liệu để tính toán các bins 
màu nhằm khắc phục nhƣợc điểm cúa kỹ 
thuật cơ sở tra cứu ảnh dựa trên màu sắc. Kỹ 
thuật này cho kết quả tốt hơn kỹ thuật cơ sở 
trong trƣờng hợp ảnh tăng giảm độ sáng, tuy 
nhiên tốc độ tính toán các bins màu chậm 
hơn. Hƣớng nghiên cứu tiếp theo của chúng 
tôi sẽ là: 
 Nâng cao hiệu quả của kỹ thuật phân lớp dữ 
liệu áp dụng cho việc tính toán các bins màu. 
 Thực nghiệm với các độ đo khác nhau, kết 
hợp với các cải tiến đã có nhƣ sử dụng quan 
hệ không gian giữa các pixel. 
c 
H(c) 
c 
H(c) 
(a) 
H(c) 
c 
H(c) 
c 
(b) 
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên 
Nguyễn Văn Tới và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 90(02): 49 - 53 
52 
Hình 2. Kết quả thực nghiệm với 100 ảnh của CSDL ảnh MISC [4] (2 truy vấn với 2 ảnh truy vấn khác 
nhau). Kết quả liệt kê 5 ảnh giống ảnh truy vấn nhất 
Hình 3. Kết quả thực nghiệm với 100 ảnh của CSDL ảnh MISC thêm 2 ảnh: 0a.jpg (thu được từ 0.jpg bằng cách 
tăng độ sáng) và 100a.jpg (thu được từ 100.jpg bằng cách giảm độ sáng). Kết quả thực hiện 2 truy vấn. Kết quả liệt 
kê 5 ảnh giống ảnh truy vấn nhất 
100.jpg 
ảnh truy vấn 
100.jpg 
Kết quả giống nhau của kỹ thuật 
cơ sở và kỹ thuật đề xuất 
112.jpg 31.jpg 
116.jpg 108.jpg 
0.jpg 
ảnh truy vấn 
0.jpg 
49.jpg 23.jpg 
40.jpg 34.jpg 
Kết quả giống nhau của kỹ thuật 
cơ sở và kỹ thuật đề xuất 
0.jpg 0a.jpg 49.jpg 
40.jpg 23.jpg 
23.jpg 49.jpg 0.jpg 
34.jpg 40.jpg 
Kết quả của phương pháp có dùng kỹ 
thuật phân lớp dữ liệu (tìm ra ảnh 0a.jpg 
là ảnh 0.jpg được tăng độ sáng): 
Kết quả của kỹ thuật cơ sở 
(không đưa ra ảnh 0a.jpg): 
100.jpg 
ảnh truy vấn 
Kết quả của kỹ thuật sử dụng phân 
lớp dữ liệu (đưa ra ảnh 100a.jpg): 
108.jp
g 
116.jpg 100.jpg 
31.jpg 112.jpg 
Kết quả của kỹ thuật cơ sở (không đưa 
ra ảnh 100a.jpg, là ảnh 100.jpg được 
giảm độ sáng): 
116.jp
g 
100a.jpg 100.jpg 
108.jp
g 
112.jpg 
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên 
Nguyễn Văn Tới và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 90(02): 49 - 53 
53 
TÀI LIỆU THAM KHẢO 
[1]. Đặng Văn Đức, Hệ quản trị CSDL đa phương 
tiện, Giáo trình dành cho lớp Cao học - Khoa 
Công nghệ thông tin – Đại học Thái Nguyên. 
[2]. Guojun Lu; Phillips, J., (1998), Using 
perceptually weighted histograms for colour-based 
imageretrieval, Signal Processing Proceedings, 
1998. ICSP apos’98. Fourth International 
Conference on Volume 2, Issue, Page(s):1150 - 
1153. 
[3]. J. B. MacQueen, (1967), Some Methods for 
classification and Analysis of Multivariate 
Observations, Proceedings of 5-th Berkeley 
Symposium on Mathematical Statistics and 
Probability, Berkeley, University of California 
Press, 1:281-297. 
[4]. Jame Z Wang, J. Li. CSDL ảnh MISC, 
[5]. James Hafner, Harpreet S. Sawhney, Will 
Equitz, Myron Flickner, Wayne Niblack, (July 
1995), Efficient Color Histogram Indexing for 
Quadratic Form Distance Functions, IEEE 
Transactions on Pattern Analysis and Machine 
Intelligence, vol. 17, no. 7, pp. 729-736. 
[6]. S. K. Chan, National University of Singapore, 
(1994), Content-based Image Retrieval, MSc 
thesis. 
Xia Wan; Kuo, C.-C.J., (Sep 1998), A new 
approach to image retrieval with hierarchical 
colorclustering, Circuits and Systems for Video 
Technology, IEEE Transactions on Volume 8, 
Issue 5, Page(s):628 – 643 
ABSTRACT 
USING DATA CLUSTERING TECHNIQUE FOR CALCULATING FLEXIBLE 
COLOR BINS IN SEARCHING IMAGES BASED ON COLORS 
Nguyen Van Toi
*
, Pham Viet Binh, Nguyen Tien Thanh 
 College of Information Technology and Communication – TNU 
Techniques based on color is one of the basic approach in the image retrieval. In this technique, we 
divide the color space into bins. Divided the color space into equal and fixed size color bins causes 
some limitations as to be unused compatibility between the color of the pixel when add it into the 
bins, the increased, reduction of image brightness. This article presented a calculation of the color 
bins flexible use of the data clustering technique. We tested with the algorithm K-Means based on 
image data misc [4] and the database image IFIT (Gallery of the Faculty of Information 
Technology - Thai Nguyen University). 
Key words: Data clustering technique, flexible color bins, the algorithm K-Means
*
 Tel: 0912847077; Email: nvtoicntt@gmail.com 
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên