TỔNG QUAN
Đặt vấn đề
1.1.1 Tính cấp thiết của đề tài.
Lúa gạo là cây lương thực chủ yếu trên toàn cầu, đặc biệt quan trọng đối với Việt Nam, nơi nó cung cấp các sản phẩm thiết yếu cho cuộc sống con người Ngành sản xuất lúa gạo không chỉ tạo ra nhiều việc làm mà còn tăng doanh thu, hỗ trợ sự phát triển của các ngành khác và nâng cao mức sống, góp phần ổn định an ninh lương thực và tình hình chính trị Tại Việt Nam, lúa gạo vẫn là ngành chủ lực trong cơ cấu cây trồng và phân công lao động xã hội, với lợi thế sản xuất nổi bật Việt Nam đã liên tục đứng thứ ba thế giới về xuất khẩu gạo, mang lại nguồn ngoại tệ lớn cho đất nước, đặc biệt trong giai đoạn 2010-2014.
Hình 1.1: Kim ngạch xuất khẩu gạo của Việt Nam trong giai đoạn 2010-2014.
Xuất khẩu gạo của Việt Nam đang đối mặt với nhiều thách thức do hệ thống sản xuất còn lạc hậu và quy mô sản xuất nhỏ lẻ Điều này dẫn đến chất lượng gạo Việt Nam chưa đạt tiêu chuẩn cao so với các nước xuất khẩu lớn trong khu vực như Thái Lan và Ấn Độ Vì vậy, khả năng cạnh tranh của gạo Việt Nam trên thị trường quốc tế vẫn còn hạn chế.
Việt Nam chủ yếu xuất khẩu gạo sang các nước đang phát triển ở châu Á như Trung Quốc, Philippines và Indonesia, cũng như một số quốc gia ở châu Phi Tuy nhiên, đối với các thị trường khó tính như Mỹ, EU và Nhật Bản, việc xuất khẩu gạo vẫn gặp nhiều hạn chế do chất lượng gạo chưa đáp ứng được tiêu chuẩn cao mà các thị trường này yêu cầu.
1.1.2 Tình hình nghiên cứu trong nước.
Kỹ thuật phân loại sử dụng sensor quang đã được triển khai tại Việt Nam từ đầu những năm 90, chủ yếu tại các trung tâm nghiên cứu lớn như Viện Máy và Dụng cụ Công nghiệp và Trường Đại học Bách khoa Hà Nội Tuy nhiên, các thiết bị phân loại hiện tại chỉ có thể áp dụng cho các đối tượng có màu sắc rõ ràng và di chuyển chậm với tốc độ và mật độ xác định trước Việc nghiên cứu và phát triển kỹ thuật phân loại cho các đối tượng có màu sắc không rõ ràng, di chuyển nhanh với mật độ lớn, như vật liệu rời và nông sản thực phẩm dạng hạt, vẫn chưa được chú trọng đúng mức.
Nhiều nhóm nghiên cứu đã ứng dụng công nghệ xử lý ảnh để phân loại chất lượng gạo, bao gồm Viện Máy và Dụng cụ Công nghiệp (IMI) với phương pháp phân loại gạo theo màu sắc Bên cạnh đó, Ths Nguyễn Xuân Vinh và Ths Lê Đình Lượng đã áp dụng neural và xử lý ảnh trong việc nhận dạng và phân loại gạo trắng Ngoài ra, sinh viên Bùi Nhân Tiến từ K6 Khoa Điện tử, Trường ĐH Tôn Đức Thắng (TPHCM) cũng đã tiến hành nghiên cứu về xử lý ảnh để phân loại sản phẩm dựa trên màu sắc.
1.1.3 Tình hình nghiên cứu ngoài nước.
Kỹ thuật phân loại vật liệu rời và thực phẩm dạng hạt đã được nghiên cứu và ứng dụng từ những năm 70 Các thế hệ phân loại đầu tiên sử dụng cảm biến quang rời rạc (photodiodes) để thu thập thông tin về màu sắc, và xử lý thông tin này bằng thiết bị tương tự Mặc dù phương pháp phân loại này ban đầu đáp ứng được nhu cầu thị trường, nhưng nó cũng bộc lộ nhiều nhược điểm như hệ thống cồng kềnh, năng suất phân loại thấp, sai số lớn và độ linh hoạt kém, gây khó khăn trong việc thay đổi đối tượng phân loại.
Hình 1.2: Máy phân loại gạo dòng sản phẩm S.PRECISION trong thực tế.
Bảng 1.1: Thông số kỹ thuật máy phân loại gạo.
Mã sản phẩm Năng suất (tấn/giờ)
Số kênh Độ chính xác (%)
Tỷ lệ loại bỏ (tốt: xấu) Công suất điện (Kw)
Số máng chính Bắn khí
Lượng khí tiêu thụ (lít/phút)
Bộ điều khiển với màn hình hiển thị điện áp (V/Hz) và trọng lượng (kg) cùng kích thước (DxRxC) mm, đã được cải tiến nhờ sự phát triển của kỹ thuật quang Các thế hệ đo – thu nhận tín hiệu màu sắc hiện nay đạt độ chính xác cao và tích hợp gọn nhẹ hơn, đặc biệt với thiết bị quét quang học CCD (Charge Coupled Devices) Sự kết hợp giữa camera quang số và kỹ thuật xử lý hình ảnh bằng máy tính đã tạo ra một bước ngoặt trong thiết bị phân loại sản phẩm, mang lại kết cấu máy gọn nhẹ, độ chính xác cao và linh hoạt trong việc thay đổi đối tượng phân loại Nguyên tắc phân loại bằng camera quang số đã được nhiều hãng lớn như Allen, Delta (Mỹ), Sortex (Anh), và Satake (Nhật Bản) ứng dụng và phát triển cho đến nay.
Các thiết bị phân loại vật liệu rời dạng hạt hiện nay đã đạt được tốc độ phân loại lên đến hàng chục triệu sản phẩm mỗi giờ với độ chính xác từ 0-0.2% Nhờ vào những tiến bộ trong kỹ thuật ánh sáng, camera, xử lý phân tích màu, và công nghệ vi xử lý, các thiết bị này có khả năng phân loại các sản phẩm kích thước nhỏ đến 1mm Chúng đã được ứng dụng rộng rãi trong nhiều lĩnh vực, bao gồm phân loại quặng, đá, thủy tinh, nhựa tái chế, cũng như trong ngành chế biến nông sản thực phẩm như rau, đậu, hoa quả, gạo, cacao và cà phê.
[2] Hình 1.2 là hình ảnh của một máy phân loại gạo trong thực tế.
Hệ thống phân loại chất lượng gạo sử dụng công nghệ xử lý ảnh bao gồm một camera thu nhận hình ảnh, giúp phát hiện sản phẩm kém chất lượng Sau đó, hệ thống sử dụng súng hơi để loại bỏ những sản phẩm này Với thiết kế nhỏ gọn và chi phí thấp, hệ thống này là lựa chọn kinh tế hơn so với các máy phân loại gạo nhập khẩu từ nước ngoài, góp phần tiết kiệm chi phí cho người sử dụng.
Mục tiêu đề tài
Đề tài “ỨNG DỤNG XỬ LÝ ẢNH TRONG PHÂN LOẠI CHẤT LƯỢNG GẠO” nhằm phát triển máy phân loại gạo thực tế, giúp giảm giá thành sản phẩm và mở rộng khả năng sử dụng trên thị trường Mô hình được thiết kế nhỏ gọn, phù hợp cho phòng thí nghiệm Mục tiêu chính là xây dựng hệ thống có khả năng phát hiện hạt gạo kém chất lượng, đồng thời có khả năng xử lý nhiễu từ môi trường xung quanh để nâng cao hiệu quả phân loại.
Giới hạn đề tài
Đề tài hiện tại chỉ tập trung vào việc đánh giá chất lượng hạt gạo dựa trên diện tích, kích thước và màu sắc, mà chưa loại bỏ được những hạt không đạt yêu cầu Thời gian và tốc độ xử lý vẫn còn chậm, dẫn đến việc chưa thể thực hiện theo thời gian thực.
Nội dung đề tài
Phần còn lại của đề tài như sau:
Chương 2: Cơ sở lý thuyết.
Chương này sẽ trình bày cơ bản lý thuyết về xử lý ảnh, các chỉ tiêu đánh giá trong việc phân loại chất lượng của hạt gạo.
Chương 3: Nhận dạng gạo dựa trên hình dạng và màu sắc.
Chương này sẽ trình bày các bước phân tích để có thể phân loại chất lượng của hạt gạo.
Chương 4: Kết quả thực nghiệm.
Nội dung chương này tổng hợp các kết quả sau khi thi công mô hình và kết quả đạt được trong việc phân loại gạo.
Chương 5: Kết luận và hướng phát triển.
Kết quả của đề tài cho thấy các phương án phát triển mô hình có thể tối ưu hóa hệ thống trong tương lai.
CƠ SỞ LÝ THUYẾT
Giới thiệu chung về xử lý ảnh
Xử lý ảnh là một lĩnh vực khoa học và công nghệ phát triển nhanh chóng, kích thích nhiều trung tâm nghiên cứu với ứng dụng đa dạng Nó có thể áp dụng trong nhiều lĩnh vực từ dân sự đến an ninh quốc phòng Hiện nay, xử lý ảnh được sử dụng rộng rãi trong dự báo cháy rừng, lũ lụt, thời tiết, cũng như trong an ninh với các công nghệ nhận dạng vân tay, khuôn mặt và tội phạm.
Xử lý ảnh đã trở thành một ứng dụng quan trọng trong việc phân biệt màu sắc, được áp dụng rộng rãi trong nhiều lĩnh vực, đặc biệt là nông nghiệp Hiện nay, công nghệ này đang được sử dụng mạnh mẽ để phát hiện vật phẩm xấu, góp phần nâng cao hiệu quả sản xuất Do đó, sự phát triển của xử lý ảnh đang diễn ra toàn diện trên mọi lĩnh vực.
Trong quy trình xử lý ảnh, bước đầu tiên là thu nhận hình ảnh từ thế giới bên ngoài thông qua các thiết bị như camera hoặc máy chụp ảnh Trước đây, ảnh được thu qua camera tương tự, nhưng với sự phát triển công nghệ, ảnh màu và đen trắng hiện nay có thể được chuyển đổi trực tiếp thành định dạng số, tạo điều kiện thuận lợi cho việc xử lý tiếp theo Ngoài ra, hình ảnh cũng có thể được thu thập từ vệ tinh hoặc thông qua máy quét ảnh Hình 2.1 minh họa các bước cơ bản trong quy trình xử lý ảnh.
Hình 2.1: Các bước cơ bản trong xử lý ảnh.
Sơ đồ như Hình 2.1 bao gồm các thành phần sau:
Phần thu nhận ảnh là quá trình quan trọng trong việc sử dụng camera màu hoặc đen trắng Ảnh thường được thu nhận qua camera tương tự, như camera ống chuẩn CCIR với tần số 1/25, cho ra 25 dòng ảnh Ngoài ra, còn có loại camera số hóa như CCD (Charge Coupled Device), sử dụng photodiot để tạo ra cường độ sáng tại mỗi điểm ảnh.
Camera thường được sử dụng là loại quét dòng, tạo ra hình ảnh hai chiều Chất lượng của ảnh thu nhận được phụ thuộc vào thiết bị và các yếu tố môi trường như ánh sáng và phong cảnh.
Tiền xử lý (Image Processing).
Sau khi thu nhận, hình ảnh có thể gặp tình trạng nhiễu và độ tương phản thấp, do đó cần sử dụng bộ tiền xử lý để cải thiện chất lượng Bộ tiền xử lý có chức năng chính là lọc nhiễu và tăng cường độ tương phản, giúp hình ảnh trở nên rõ ràng và sắc nét hơn.
Phân đoạn (Segmentation) hay phân vùng ảnh.
Phân vùng ảnh là quá trình tách một ảnh đầu vào thành các vùng thành phần để phục vụ cho việc phân tích và nhận dạng ảnh Chẳng hạn, để nhận dạng chữ hoặc mã vạch trên phong bì thư nhằm phân loại bưu phẩm, cần chia các câu và chữ trong địa chỉ hoặc tên người thành các từ, chữ và số riêng biệt Đây là giai đoạn phức tạp và dễ gây lỗi, ảnh hưởng đến độ chính xác của kết quả nhận dạng Do đó, kết quả cuối cùng của quá trình nhận dạng ảnh phụ thuộc rất nhiều vào công đoạn phân vùng này.
Biểu diễn ảnh là quá trình chuyển đổi đầu ra ảnh sau phân đoạn thành dạng thích hợp cho xử lý máy tính, bao gồm các điểm ảnh của vùng ảnh đã phân đoạn và mã liên kết với các vùng lân cận Trích chọn đặc trưng là bước quan trọng trong việc xác định các tính chất của ảnh, giúp phân biệt các lớp đối tượng khác nhau trong ảnh Ví dụ, trong nhận dạng ký tự trên phong bì thư, việc mô tả các đặc trưng của từng ký tự là cần thiết để phân biệt chúng với nhau.
Nhận dạng và nội suy ảnh (Image Recognition and Interpretation)
Nhận dạng ảnh là quá trình xác định và phân loại hình ảnh bằng cách so sánh với các mẫu chuẩn đã được học hoặc lưu trữ Nội suy là quá trình phán đoán dựa trên nhận dạng, chẳng hạn như việc chuyển đổi các chữ số và nét ngang trên phong bì thành mã điện thoại Có nhiều phương pháp phân loại ảnh khác nhau, và theo lý thuyết nhận dạng, các mô hình toán học về ảnh được phân loại thành các dạng nhận dạng cơ bản.
Nhận dạng theo tham số.
Nhận dạng theo cấu trúc.
Hiện nay, nhiều công nghệ nhận dạng phổ biến đang được áp dụng trong khoa học và công nghệ, bao gồm nhận dạng ký tự (chữ in, chữ viết tay, chữ ký điện tử), nhận dạng văn bản, nhận dạng vân tay, nhận dạng mã vạch và nhận dạng khuôn mặt.
Cơ sở tri thức (Knowledge Base)
Ảnh là một đối tượng phức tạp với nhiều yếu tố như đường nét, độ sáng tối và dung lượng điểm ảnh, dẫn đến nhiễu trong quá trình thu ảnh Trong các bước xử lý và phân tích ảnh, việc đơn giản hóa các phương pháp toán học giúp tăng tính tiện lợi Đồng thời, người ta cũng mong muốn mô phỏng quy trình tiếp nhận và xử lý ảnh giống như con người Hiện nay, nhiều phương pháp xử lý đã ứng dụng trí tuệ nhân tạo, qua đó phát huy các cơ sở tri thức trong lĩnh vực này.
Mô tả (biểu diễn ảnh)
Sau khi số hoá, ảnh sẽ được lưu trữ trong bộ nhớ hoặc chuyển đến các bước phân tích tiếp theo Việc lưu trữ trực tiếp các ảnh thô yêu cầu dung lượng bộ nhớ lớn và không hiệu quả về mặt ứng dụng Do đó, các ảnh thô thường được mã hoá lại theo các đặc điểm như biên ảnh và vùng ảnh, được gọi là đặc trưng ảnh Một số phương pháp biểu diễn thường được sử dụng để tối ưu hóa quá trình này.
Biểu diễn bằng mã chạy (Run-LengthCode).
Biểu diễn bằng mã xích (Chaine-Code).
Biểu diễn bằng mã tứ phân (Quad-Tree Code).
Biểu diễn bằng mã chạy
Phương pháp này thường được sử dụng để biểu diễn vùng ảnh, đặc biệt là cho ảnh nhị phân Một vùng ảnh R có thể được mã hóa một cách đơn giản thông qua một ma trận nhị phân.
U(m, n) là hàm mô tả mức xám của ảnh tại tọa độ (m, n) Một vùng ảnh có thể được biểu diễn bằng tập hợp các chuỗi số 0 và 1 Khi mô tả ảnh nhị phân tại tọa độ (x, y), chúng ta chỉ quan tâm đến giá trị “1”, với dạng mô tả là (x, y)r, trong đó (x, y) là tọa độ và r là số lượng bit “1” liên tục theo chiều ngang hoặc dọc.
Biểu diễn bằng mã xích
Phương pháp này được sử dụng để biểu diễn đường biên ảnh bằng cách chia một đường thành các đoạn nhỏ Bằng cách nối các điểm chia, ta tạo ra các đoạn thẳng liên tiếp, hình thành một dây xích các đoạn Các hướng có thể được chọn từ 4, 8, 12, 24, v.v., và mỗi hướng được mã hoá thành số thập phân hoặc số nhị phân để tạo thành mã của hướng.
Biểu diễn bằng mã tứ phân
Các vấn đề trong quá trình xử lý ảnh
2.2.1 Các thiết bị thu nhận ảnh.
Camera, giống như máy chụp ảnh, có khả năng ghi lại hình ảnh tương tự như phim, và vidicon được sử dụng trong camera truyền hình Có nhiều loại cảm biến hoạt động với ánh sáng nhìn thấy và hồng ngoại, bao gồm Micro Densitometers, Image Disector, Camera Divicon, và các linh kiện quang điện bán dẫn.
Camera đóng vai trò như con mắt của hệ thống trong việc xử lý ảnh Có hai loại camera chính: camera ống chuẩn CCIR và camera CCD Camera CCIR hoạt động với tần số 1/25 và mỗi ảnh bao gồm 25 dòng, trong khi camera CCD sử dụng các photodiode để tạo ra cường độ sáng tại mỗi điểm ảnh (pixel) Do đó, ảnh được tạo thành từ một tập hợp các pixel, và số lượng pixel này quyết định độ phân giải (resolution) của ảnh.
Có nhiều loại thiết bị tạo ảnh, từ mắt động vật đến ống kính camera và radio, có thể có hoặc không có thấu kính Mô hình buồng tối camera đầu tiên, được phát minh vào thế kỷ 16, sử dụng lỗ (pinhole) để hội tụ ánh sáng lên tường hoặc tấm mờ, và theo thời gian, các lỗ này đã được thay thế bằng những thấu kính phức tạp hơn.
Camera thường gồm hai bộ phận chính: hệ thống tạo ảnh và bề mặt tạo ảnh với chất nhạy cảm quang Bề mặt tạo ảnh của camera thông thường có hình chữ nhật, trong khi camera toàn cảnh sử dụng bề mặt hình trụ để mở rộng trường nhìn Các phần tử nhạy cảm có khả năng ghi nhận ảnh rời rạc hoặc liên tục về mặt không gian Hệ thống tạo ảnh có thể là lỗ hoặc thấu kính trong các camera hiện đại.
Cảm biến ảnh CCD (Charge Couple Device).
Niepce phát minh ra kỹ thuật chụp ảnh vào đầu thế kỷ 19, nhưng Daguerre là người giới thiệu nó với công chúng Sau hai lần hợp tác vào năm 1826, Daguerre phát triển phương pháp chụp ảnh riêng, sử dụng hơi thủy ngân để khuếch đại ảnh trên miếng đồng mạ bạc bôi iốt Phương pháp Daguerre nhanh chóng thành công khi Arago trình diễn tại viện hàn lâm khoa học Pháp năm 1839 Các cột mốc quan trọng khác trong lịch sử chụp ảnh bao gồm phương pháp tấm ướt âm/dương của Legray và Archer năm 1850, phương pháp gelatin của Maddox năm 1870, sự ra mắt của phim chụp ảnh bởi Eastman năm 1889, và phát minh kỹ thuật điện ảnh của Lumiere năm 1895 cùng chụp ảnh màu năm 1908.
Camera CCD (Charge Couple Device) được giới thiệu vào năm 1970 và đã thay thế camera vidicon trong nhiều ứng dụng hiện đại Cảm biến CCD sử dụng một lưới hình chữ nhật của các điểm thu thập điện tử trên một đế silic mỏng để ghi lại năng lượng ánh sáng Mỗi điểm được hình thành bằng cách cấy lớp SiO2 trên đế silic và lắng đọng cấu trúc cổng dẫn Khi photon tác động vào silic, cặp điện tử lỗ trống được tạo ra và điện tử được giữ lại nhờ giếng điện thế từ điện thế dương ở cổng Các điện tử này được thu thập qua một chu kỳ thời gian cố định.
Các điện tích được lưu trữ tại các điểm riêng biệt sẽ được di chuyển thông qua phương pháp mắc tích nạp điện (charge coupling) Các gói điện tích được truyền từ điểm này sang điểm khác bằng cách vận chuyển các điện thế cổng, đồng thời bảo tồn các gói riêng biệt Ảnh được đọc ra từ CCD theo từng hàng một, mỗi hàng được truyền song song tới một thanh ghi lối ra nối tiếp Giữa hai lần đọc hàng, thanh ghi sẽ truyền một ô điện tích của nó tới bộ khuếch đại lối ra, tạo ra tín hiệu tỷ lệ với điện tích nhận được Quá trình này tiếp tục cho đến khi toàn bộ ảnh được đọc ra, có thể lặp lại 30 lần trong một giây cho các ứng dụng ghi hình hoặc ở tốc độ thấp hơn nhiều trong các ứng dụng mức sáng thấp như thiên văn học Lưu ý rằng lối ra số của hầu hết các CCD camera được chuyển đổi thành tín hiệu ghi hình tương tự trước khi được gửi tới bộ bắt hình để tạo ra ảnh số cuối cùng.
Các camera CCD màu cấp độ dân dụng sử dụng chip tương tự như camera đen trắng, nhưng với các cảm biến nhạy cảm với ánh sáng đỏ, lục và lam nhờ vào bộ lọc phủ Các mẫu lọc khác có thể bao gồm khối khảm 2x2 với hai cảm biến lục, một cảm biến đỏ và một cảm biến lam (mẫu Bayer) Độ phân giải không gian của camera CCD có giới hạn, trong khi các camera chất lượng cao hơn sử dụng bộ chia chùm để chuyển ảnh tới ba CCD khác nhau qua các bộ lọc màu Các kênh màu sau đó được số hoá riêng biệt (đầu ra RGB) hoặc kết hợp thành tín hiệu ghi hình màu hỗn hợp (NTSC, SECAM, PAL) hoặc định dạng ghi hình thành phần tách rời thông tin màu và độ chiếu sáng.
2.2.2 Những khái niệm cơ sở về xử lý ảnh [2]. Điểm ảnh (Picture Element).
Hình 2.3: Pixel trung tâm và 4 pixel lân cận (a) và 8 pixel lân cận (b).
Gốc của ảnh tự nhiên là hình ảnh liên tục về không gian và độ sáng, nhưng để xử lý trên máy tính, ảnh cần được số hoá Số hoá ảnh là quá trình biến đổi gần đúng hình ảnh liên tục thành tập hợp các điểm ảnh (pixel) tương ứng với vị trí và độ sáng Khoảng cách giữa các pixel được thiết lập sao cho mắt người không nhận thấy ranh giới giữa chúng Mỗi pixel trong ảnh hai chiều được xác định bởi cặp tọa độ (x, y) Trong lĩnh vực thị giác máy tính, một pixel khảo sát thường có 4 hoặc 8 pixel lân cận xung quanh.
2.3 Thường biểu diễn trực tiếp các số đo mức xám của các pixel như hình 2.3c. Điểm ảnh (Pixel) là một phần tử của ảnh số tại toạ độ (x, y) với độ xám hoặc màu nhất định Kích thước và khoảng cách giữa các điểm ảnh đó được chọn thích hợp sao cho mắt người cảm nhận sự liên tục về không gian và mức xám (hoặc màu) của ảnh số gần như ảnh thật Mỗi phần tử trong ma trận được gọi là một phần tử ảnh Độ phân giải của ảnh. Độ phân giải (Resolution) của ảnh là mật độ điểm ảnh được ấn định trên một ảnh số được hiển thị.
Khoảng cách giữa các điểm ảnh cần được lựa chọn để đảm bảo mắt người nhận thấy sự liên tục của hình ảnh Việc xác định khoảng cách thích hợp sẽ tạo ra mật độ phân bổ, hay còn gọi là độ phân giải, được phân bố theo hai trục x và y trong không gian hai chiều.
Một điểm ảnh (pixel) có hai đặc điểm chính: vị trí (x, y) và độ xám Trong bài viết này, chúng ta sẽ khám phá một số khái niệm và thuật ngữ phổ biến trong lĩnh vực xử lý ảnh.
Mức xám của điểm ảnh là cường độ sáng của nó được gán bằng giá trị số tại điểm đó.
Các thang giá trị mức xám thường gặp là 16, 32, 64, 128 và 256, trong đó mức 256 được sử dụng phổ biến nhất Điều này là do kỹ thuật máy tính sử dụng 1 byte (8 bit) để biểu diễn mức xám, cho phép thể hiện 256 mức khác nhau, từ 0 đến 255.
Ảnh đen trắng: là ảnh có hai màu đen, trắng (không chứa màu khác) với mức xám ở các điểm ảnh có thể khác nhau.
Ảnh nhị phân là loại hình ảnh chỉ có hai mức màu đen và trắng, trong đó mỗi điểm ảnh được mô tả bằng 1 bit, cho phép biểu diễn 21 mức khác nhau Điều này có nghĩa là mỗi pixel trong ảnh nhị phân chỉ có thể là đen hoặc trắng.
Trong lý thuyết ba màu (Đỏ, Xanh dương, Xanh lá), màu sắc được mô tả bằng 3 byte, cho phép tạo ra khoảng 16,7 triệu màu khác nhau.
2.2.3 Quá trình xử lý ảnh.
Phần mềm sử dụng
Phần mềm Matlab, viết tắt của Matrix Laboratory, là công cụ chính được sử dụng trong quá trình phân tích ảnh Matlab là một chương trình chuyên dụng cho máy tính, hỗ trợ người dùng thực hiện các tác vụ phân tích và xử lý hình ảnh hiệu quả.
PC là phần mềm hỗ trợ tính toán khoa học và kỹ thuật, được phát triển bởi công ty The MATHWORKS, với các ma trận làm yếu tố cơ bản Chương trình này được ứng dụng rộng rãi trong nghiên cứu các vấn đề tính toán kỹ thuật, bao gồm lý thuyết điều khiển tự động, kỹ thuật thống kê xác suất, xử lý số tín hiệu, phân tích dữ liệu và dự báo chuỗi quan sát.
Matlab là một phần mềm mạnh mẽ được điều khiển thông qua các tập lệnh và bàn phím, cho phép lập trình với cú pháp thông dịch lệnh (Script file) Với hàng trăm lệnh và bộ lệnh, Matlab không ngừng mở rộng thông qua các Tools Box và các hàm ứng dụng do người dùng phát triển Hiện tại, Matlab có hơn 25 Tools Box hỗ trợ giải quyết nhiều vấn đề khác nhau Đặc biệt, Tools Box Simulink là một phần mở rộng quan trọng, giúp mô phỏng các hệ thống động học một cách nhanh chóng và tiện lợi.
Phân loại theo diện tích và tỷ lệ
3.3.1 Chuyển đổi ảnh RGB sang ảnh mức xám.
Để dễ dàng nhận dạng và xử lý ảnh, ảnh RGB 24 bit với 3 lớp màu cần được chuyển đổi sang ảnh xám 8 bit với một lớp Việc này giúp đơn giản hóa quá trình nhận diện hình ảnh.
Hình 3.5 minh họa ảnh đã được lọc nhiễu, giúp cải thiện chất lượng hình ảnh Ảnh thu nhận thường bị nhiễu, do đó việc loại bỏ nhiễu là cần thiết Bộ lọc trung vị được sử dụng để lọc nhiễu hiệu quả mà không làm mờ ảnh, góp phần nâng cao độ chính xác trong các quá trình xử lý tiếp theo.
Sau khi chuyển đổi ảnh màu sang ảnh mức xám, bước tiếp theo là lọc nhiễu và xác định biên của hạt gạo, điều này rất quan trọng vì các kỹ thuật phân đoạn ảnh phụ thuộc vào biên Để phát hiện biên của hạt gạo, toán tử Sobel được áp dụng Hình 3.6 minh họa ảnh đã được tách biên.
Hình 3.6: Ảnh đã được tách biên.
Hình 3.7 minh họa quá trình loại bỏ các vùng nhỏ hơn 10 pixel trong ảnh Sau khi tách biên, ảnh thường gặp phải vấn đề nhiễu nền, do đó cần tiến hành khử nhiễu để cải thiện chất lượng hình ảnh.
Hình 3.8: Lắp đầy những vùng biên kín.
Hình 3.9: Biên được làm dầy lên.
Các vùng biên kín sẽ được lắp đầy, như thể hiện trong Hình 3.8 Tuy nhiên, vẫn tồn tại những vùng biên không kín, dẫn đến việc một số khu vực không được lắp đầy Do đó, cần thực hiện làm dày biên với độ rộng 4 pixel, như thể hiện trong Hình 3.9.
Hình 3.10: Lắp đầy những vùng biên kín lần 2.
Hình 3.11: Biên được làm mảnh trở lại.
Khi các vùng biên còn lại được lấp đầy lần hai, chúng được thể hiện trong Hình 3.10 Để khôi phục kích thước ban đầu, các biên sẽ được làm mảnh trở lại, như thể hiện trong Hình 3.11.
Hình 3.12: Các vùng ảnh gạo được đánh dấu.
Hình 3.13: Những hạt gạo được đánh dấu không đạt yêu cầu theo diện tích và tỷ lệ.
Tiến hành đánh dấu các vùng có hình ảnh hạt gạo để tính toán diện tích và vị trí trọng tâm, như thể hiện trong Hình 3.12 Sau khi xác định diện tích, các hạt gạo không đạt yêu cầu sẽ được đánh dấu; cụ thể, những hạt này có diện tích nhỏ hơn 400 pixel và tỷ lệ chiều dài/chiều rộng nhỏ hơn 2.5, như thể hiện trong Hình 3.13.
Phân loại theo màu sắc
3.4.1 Chuyển ảnh từ hệ màu RGB sang hệ màu Lab.
Hình 3.15: Ảnh sau khi chuyển sang hệ màu Lab.
Hệ màu RGB, phổ biến trong đồ họa máy tính, cần được chuyển sang hệ màu Lab, vì Lab được xây dựng dựa trên khả năng cảm nhận màu sắc của mắt người Hình ảnh sau khi chuyển đổi sang hệ màu Lab được thể hiện như trong Hình 3.15.
3.4.2 So sánh với ảnh mẫu.
Để xác định những hạt gạo không đạt yêu cầu về màu sắc, cần so sánh ảnh cần kiểm tra với ảnh mẫu gạo chuẩn thông qua phương pháp SSD (Tổng bình phương khác biệt) Ảnh mẫu phải được chuyển đổi sang hệ màu Lab, như thể hiện trong Hình 3.17, để đảm bảo tính đồng nhất trong quá trình so sánh giữa hai ảnh.
Hình 3.18: Những hạt gạo được đánh dấu không đạt theo màu sắc.
Sau khi áp dụng phương pháp SSD để so sánh điểm tương đồng giữa ảnh mẫu và ảnh cần kiểm tra, chúng tôi đã phát hiện những hạt gạo không đạt yêu cầu về màu sắc khi giá trị SSD lớn hơn 900 Các hạt gạo không đạt tiêu chuẩn này đã được đánh dấu như trong Hình 3.18.
Kết quả
Hình 3.19: Những hạt gạo được đánh dấu không đạt về diện tích, tỷ lệ và màu
Kết hợp giữa việc phân loại gạo theo diện tích, tỷ lệ và màu sắc ta được kết quả như hình 3.19.
