Nâng cao chất lượng ảnh
195
b.
1
/ 2
( )
0
/ 2
L
r L
s T r
r L
−
≥
⎧
=
= ⎨
<
⎩
#
Bài tập 12-3.
Định nghĩa phép biến đổi s = T(r) ánh xạ tuyến tính từ
[
]
min
max
,
L
L
vào [0, L-1]. Giả sử
min
0
L
≥ và
max
1
L
L
≤ − .
Viết chương trình MATLAB sử dụng phép biến đổi nói trên để cân bằng ảnh pout.tif.
#
Bài tập 12-4.
Load 6 ảnh tuỳ chọn trong máy, sau đó thay đổi độ tương phản bằng cách mở rộng histogram
(dùng imadjust) và bằng cách cân bằng histogram (dùng histeq). Hiển thi tất cả 18 ảnh cùng
với histogram tương ứng của chúng. Sắp xếp các ảnh này trong 6 figure, mỗi figure gồm ảnh
gốc, hai ảnh sau khi biến đổi cùng với các histogram của chúng.
#
Bài tập 12-5.
Làm lại bài tập 12-4 nhưng sử dụng hai phương pháp: cân bằng histogram và phối hợp
histogram theo dạng bimodal Gaussian.
#
Bài tập 12-6.
Cân bằng histogram cho ảnh pout.tif sử dụng phương pháp cân bằng thích nghi (tự chọn các
thông số thích hợp để đạt kết quả tối ưu).
#
Bài tập 12-7.
Xét ảnh pic1_degraded.bmp là ảnh kém chất lượng do bị nhiễu so với ảnh gốc là
pic1_original.bmp.
Nhiễu được hình thành theo cách sau: màu ở mỗi pixel sẽ bị thay đổi
thành 0 hoặc 255 với xác suất bằng p, và giữ nguyên với xác suất bằng 1 – p (nhiễu salt and
pepper). Nhiễu ở mỗi pixel đều độc lập với nhau.
a. Hãy ước lượng giá trị của p.
b. Lọc ảnh bằng bộ lọc median kích thước 3 x 3. Các điểm biên được xử lý theo cách mặc
định của MATLAB. Tính MSE của ảnh nhiễu so với ảnh gốc và ảnh sau khi lọc so với ảnh
gốc:
[
]
1
2
, ,
1
1
1
Im
( , , ) Im
( , , )
3
M
N
c R G B x
y
MSE
age x y c
age x y c
MN
=
=
=
=
−
∑ ∑∑
c.* Phương pháp này chưa tối ưu vì quá trình lọc được áp dụng trên tất cả các điểm ảnh trong
khi nhiễu chỉ xảy ra ở một vài pixel. Hãy tìm một phương pháp tốt hơn để lọc ảnh. Viết hàm
MATLAB để thực hiện ý tưởng đó.
