Giải mờ ảnh là gì? Mô hình toán học và phương pháp học sâu

Giải mờ ảnh (image deblurring) là kỹ thuật phục hồi ảnh số nhằm ước tính ảnh sắc nét ban đầu từ một ảnh bị suy giảm chất lượng do chuyển động, rung lắc quang học hoặc mất nét trong quá trình ghi hình. Về mặt toán học, đây là bài toán nghịch đảo kinh điển trong thị giác máy tính và xử lý ảnh số, hướng đến việc đảo ngược quá trình tích chập giữa ảnh gốc và hàm truyền điểm mờ để khôi phục cấu trúc chi tiết và biên cạnh của vật thể. Bài viết trình bày cơ chế suy giảm chất lượng ảnh, mô hình toán học giải mờ, sự chuyển dịch từ các phương pháp cổ điển sang kiến trúc học sâu hiện đại, cùng những thách thức kỹ thuật cốt lõi.

Mô hình toán học của quá trình suy giảm và phục hồi ảnh

Trong hệ thống thị giác máy tính và xử lý tín hiệu hai chiều, quá trình hình thành một bức ảnh bị mờ thường được mô hình hoá dưới dạng tích chập tuyến tính giữa ảnh sắc nét nguyên bản và hạt nhân gây mờ, đi kèm tác động của nhiễu ngẫu nhiên từ cảm biến quang học. Dưới giả định mờ đồng nhất (bất biến dịch chuyển trong không gian - spatially invariant blur), mô hình toán học của quá trình suy giảm chất lượng ảnh được biểu diễn như sau:

Trong công thức trên, đại lượng $y$ là ma trận cường độ điểm ảnh của ảnh mờ quan sát được thu nhận từ thiết bị cảm biến quang học, $x$ là ma trận ảnh sắc nét tiềm ẩn nguyên bản cần khôi phục, $k$ là hàm truyền điểm mờ (point spread function, PSF) hay hạt nhân mờ (blur kernel) biểu diễn quy luật tán xạ quang học hoặc quỹ đạo dịch chuyển của máy ảnh, ký hiệu $*$ là toán tử tích chập hai chiều trong miền không gian, và $n$ là thành phần nhiễu cộng ngoại lai của cảm biến (chủ yếu gồm nhiễu hạt photon và nhiễu đọc điện tử, thường được mô hình hoá dưới dạng nhiễu Gauss trắng hoặc Poisson-Gauss).

Khi chuyển đổi sang miền tần số thông qua phép biến đổi Fourier rời rạc, phép tích chập không gian trở thành phép nhân điểm giữa phổ tần số của ảnh và phổ tần số của hàm truyền điểm mờ:

Với $Y$ là biến đổi Fourier của ảnh mờ quan sát, $X$ là biến đổi Fourier của ảnh sắc nét cần tìm, $K$ là hàm truyền quang học biểu diễn trong miền tần số, ký hiệu $\cdot$ đại diện cho phép nhân từng phần tử tương ứng, và $N$ là phổ tần số của thành phần nhiễu cộng. Biểu diễn này làm sáng tỏ bản chất của hiện tượng mờ: hạt nhân mờ đóng vai trò như một bộ lọc thông thấp, làm suy giảm nghiêm trọng hoặc triệt tiêu hoàn toàn các thành phần tần số cao tương ứng với biên cạnh sắc nét và kết cấu chi tiết của bức ảnh.

Phân loại các bài toán giải mờ ảnh

Dựa trên mức độ thông tin tiên nghiệm về hàm truyền điểm mờ, bài toán giải mờ ảnh được chia thành hai nhánh chính:

Giải mờ không mù (non-blind deblurring)

Trong bài toán giải mờ không mù, hạt nhân mờ $k$ được giả định là đã biết trước một cách chính xác, ví dụ thông qua cảm biến con quay hồi chuyển đo độ rung của máy ảnh hoặc thông số đo đạc quang học từ kính thiên văn. Mục tiêu duy nhất là khôi phục ảnh $x$ từ ảnh mờ $y$. Tuy nhiên, việc chia trực tiếp cho $K$ trong miền tần số (nghịch đảo trực tiếp) là bất khả thi vì tại những vị trí $K$ có giá trị gần bằng không, thành phần nhiễu $N$ sẽ bị khuếch đại vô hạn, phá huỷ toàn bộ cấu trúc ảnh khôi phục. Các giải thuật cổ điển như lọc Wiener hay giải thuật lặp Richardson-Lucy đã đưa vào các giả định thống kê để ổn định nghiệm số nhưng thường dễ sinh ra hiệu ứng viền gợn sóng (ringing artifacts).

Giải mờ mù (blind deblurring)

Trong bài toán giải mờ mù, cả ảnh sắc nét $x$ lẫn hạt nhân mờ $k$ đều là các ẩn số chưa biết trước. Người giải bài toán chỉ có duy nhất bức ảnh mờ quan sát $y$. Đây là bài toán nghịch đảo không chỉnh nghiêm trọng (severely ill-posed inverse problem), bởi vì tồn tại vô số cặp nghiệm $(x, k)$ khác nhau có thể tạo ra cùng một bức ảnh quan sát $y$.

Một phát hiện lý thuyết mang tính bước ngoặt của Levin và cs. (2009) khi phân tích các thuật toán giải mờ mù đã chỉ ra rằng: việc tối ưu hoá đồng thời theo xác suất hậu nghiệm cực đại (maximum a posteriori, MAP) trên cả ảnh $x$ và hạt nhân $k$ thường thất bại và dẫn đến nghiệm tầm thường vô nghĩa (nghiệm trong đó hạt nhân mờ là hàm delta đơn vị và ảnh khôi phục chính là ảnh mờ ban đầu). Nghiên cứu của Levin và cs. (2009) chứng minh rằng việc tích hợp phân phối lề (marginalization) nhằm loại bỏ ảnh sắc nét và ước tính riêng hạt nhân mờ là giải pháp lý thuyết then chốt giúp bài toán không bị rơi vào nghiệm tầm thường nói trên.

Sự chuyển dịch sang học sâu trong giải mờ ảnh

Sự bùng nổ của mạng nơ-ron sâu đã tạo nên bước ngoặt căn bản cho lĩnh vực giải mờ ảnh. Thay vì phải trải qua hai giai đoạn phức tạp gồm ước lượng hạt nhân mờ rồi mới giải chập không mù, các kiến trúc học sâu có khả năng học trực tiếp ánh xạ phi tuyến từ không gian ảnh mờ sang không gian ảnh sắc nét theo cơ chế từ đầu đến cuối (end-to-end).

Mạng nơ-ron tích chập đa tỷ lệ

Một trong những bước tiến tiên phong trong kỷ nguyên học sâu là công trình của Nah và cs. (2017) với mô hình mạng nơ-ron tích chập đa tỷ lệ (multi-scale convolutional neural network). Nhóm tác giả đề xuất chiến lược phục hồi ảnh từ thô đến mịn (coarse-to-fine), mô phỏng cơ chế làm việc của các tháp tỷ lệ hình ảnh cổ điển. Ở tỷ lệ nhỏ nhất, ảnh mờ được thu nhỏ kích thước để loại bỏ phần lớn độ dịch chuyển, giúp mạng dễ dàng tái tạo các cấu trúc khối lớn; thông tin đặc trưng sau đó được truyền dần lên các cấp độ phân giải cao hơn để hoàn thiện chi tiết mịn.

Đặc biệt, Nah và cs. (2017) đã xây dựng và công bố bộ dữ liệu chuẩn GoPro, sử dụng máy quay tốc độ cao ghi lại các cảnh chuyển động thực tế trong đời sống để tổng hợp các cặp ảnh mờ và ảnh sắc nét tương ứng. Bộ dữ liệu này đã trở thành một trong những tập dữ liệu chuẩn phổ biến được cộng đồng thị giác máy tính sử dụng rộng rãi để huấn luyện và đánh giá định lượng các thuật toán giải mờ ảnh.

Mạng sinh đối nghịch điều kiện

Nhằm khắc phục hiện tượng ảnh khôi phục bị quá mịn hoặc mất kết cấu tự nhiên khi chỉ sử dụng hàm mất mát sai số toàn phương trung bình, Kupyn và cs. (2018) đã giới thiệu kiến trúc DeblurGAN dựa trên mạng sinh đối nghịch điều kiện (conditional generative adversarial network). DeblurGAN kết hợp hàm mất mát đối nghịch Wasserstein với mất mát thụ cảm (perceptual loss) trích xuất từ các tầng sâu của mạng tiền huấn luyện VGG. Cách tiếp cận của Kupyn và cs. (2018) cho phép mô hình tạo ra các kết cấu bề mặt chân thực, khôi phục các chi tiết thị giác sống động và đạt tốc độ xử lý nhanh, đáp ứng yêu cầu khử mờ chuyển động trong các tác vụ thời gian thực.

Kiến trúc Transformer khôi phục ảnh

Khi công nghệ Transformer chứng minh sức mạnh vượt trội trong việc nắm bắt tương quan ngữ cảnh tầm xa, Zamir và cs. (2022) đã phát triển mô hình Restormer chuyên biệt cho các bài toán phục hồi ảnh độ phân giải cao, bao gồm giải mờ ảnh chuyển động và giải mờ do mất nét. Khác với các Transformer truyền thống tính toán tự chú ý trên không gian điểm ảnh với độ phức tạp tính toán bậc hai theo kích thước ảnh, Zamir và cs. (2022) áp dụng cơ chế tự chú ý đa đầu trên các kênh đặc trưng kết hợp với mạng chuyển tiếp có cổng (gated-Dconv feed-forward network). Cải tiến này giúp Restormer nắm bắt sự phụ thuộc ngữ cảnh toàn cục nhưng duy trì chi phí tính toán tuyến tính, thiết lập các đỉnh cao mới về độ trung thực và chỉ số định lượng trên các tập kiểm thử quốc tế.

Bức tranh tổng quan và phân loại kiến trúc

Trong công trình tổng quan toàn diện được công bố trên tạp chí chuyên ngành, Zhang và cs. (2022) đã hệ thống hoá toàn bộ tiến trình phát triển của các phương pháp giải mờ ảnh bằng học sâu. Tác giả phân loại các phương pháp dựa trên kiến trúc nơ-ron (mạng tích chập sâu, mạng sinh đối nghịch, mạng nơ-ron hồi quy và transformer), cơ chế hàm mất mát và đặc thù của các dạng mờ (mờ đồng nhất, mờ do chuyển động máy ảnh, mờ do đối tượng di chuyển độc lập, và mờ mất nét). Theo đánh giá của Zhang và cs. (2022), xu hướng hội tụ ghi nhận trong công bố này tập trung vào các mô hình học sâu kết hợp tri thức vật lý quang học tiên nghiệm, nhằm nâng cao khả năng tổng quát hoá khi triển khai trên các thiết bị chụp ảnh thực tế ngoài phòng thí nghiệm.

So sánh phương pháp giải mờ cổ điển và học sâu

Sự phát triển của công nghệ giải mờ ảnh phản ánh sự dịch chuyển rõ nét về mặt triết lý xử lý tín hiệu và tính toán khoa học:

Tiêu chí so sánh	Phương pháp giải mờ cổ điển	Phương pháp giải mờ học sâu
Ước lượng hạt nhân mờ	Bắt buộc ước tính tường minh hạt nhân mờ hoặc ma trận truyền điểm	Học trực tiếp ánh xạ phục hồi mà không cần tách biệt bước ước lượng hạt nhân
Mô hình giả định mờ	Chủ yếu xử lý mờ đồng nhất trên toàn bộ khung hình ảnh	Xử lý xuất sắc các dạng mờ phi đồng nhất và chuyển động phức tạp nhiều vật thể
Thông tin tiên nghiệm	Dựa vào các hàm điều chuẩn toán học thủ công do con người thiết kế	Tự động học phân phối tiên nghiệm phong phú từ các tập dữ liệu lớn
Chi phí tính toán khi suy luận	Đòi hỏi lặp lại nhiều vòng tối ưu hoá số học cho từng bức ảnh riêng lẻ	Tốn tài nguyên huấn luyện ban đầu nhưng tốc độ suy luận rất nhanh khi triển khai
Hiện tượng nhiễu ảnh	Dễ phát sinh hiệu ứng viền gợn sóng và khuếch đại nhiễu cảm biến	Tái tạo biên cạnh mượt mà, khử đồng thời cả mờ lẫn nhiễu nền

Bảng so sánh làm nổi bật lý do tại sao các kiến trúc học sâu nhanh chóng thay thế các thuật toán giải chập cổ điển trong hầu hết ứng dụng thương mại và công nghiệp hiện đại.

Ứng dụng thực tế của giải mờ ảnh

Công nghệ giải mờ ảnh đóng vai trò thiết yếu trong nhiều lĩnh vực kỹ thuật và đời sống:

• Nhiếp ảnh di động và máy ảnh tiêu dùng: Khắc phục hiện tượng rung tay khi chụp trong điều kiện thiếu sáng hoặc chụp các chủ thể chuyển động nhanh như thể thao, trẻ em và động vật.
• Giao thông thông minh và giám sát an ninh: Khôi phục độ sắc nét của biển số xe, nhận dạng khuôn mặt và phục vụ trích xuất chứng cứ điều tra từ các camera giám sát tốc độ cao.
• Chẩn đoán hình ảnh y tế: Tăng cường chất lượng ảnh chụp cộng hưởng từ, cắt lớp vi tính hoặc soi vi phẫu khi bệnh nhân có cử động hô hấp hoặc run sinh lý ngoài ý muốn.
• Thiên văn học và quan sát viễn thám: Loại bỏ hiện tượng mờ do nhiễu loạn khí quyển trên các kính viễn vọng mặt đất và xử lý ảnh vệ tinh chụp bề mặt Trái Đất.
• Nhận dạng ký tự quang học (OCR): Làm rõ văn bản trên các tài liệu quét bị nhoè hoặc chữ viết mờ, nâng cao độ chính xác của hệ thống nhận dạng tài liệu tự động.

Thách thức kỹ thuật và xu hướng tương lai

Mặc dù đạt được những bước tiến vượt bậc, giải mờ ảnh vẫn đối mặt với những rào cản kỹ thuật lớn:

Hiện tượng mờ phi đồng nhất trong không gian ba chiều

Trong đời sống thực tế, hiện tượng mờ phụ thuộc chặt chẽ vào cấu trúc chiều sâu của cảnh quan và sự chuyển động độc lập của từng vật thể ở các cự ly khác nhau. Một hạt nhân mờ duy nhất không thể đại diện cho toàn bộ khung hình, đòi hỏi mô hình phải ước tính đồng thời cả bản đồ độ sâu và bản đồ chuyển động quang học.

Bão hoà điểm ảnh và phi tuyến tính của cảm biến

Khi chụp các nguồn sáng mạnh trong đêm (như đèn xe hoặc đèn đường), các điểm ảnh thường bị bão hoà quang học vượt ngưỡng ghi nhận tối đa của cảm biến. Hiện tượng này phá vỡ giả định tích chập tuyến tính cơ bản, dẫn đến những vệt sáng loang lổ khó loại bỏ nếu không có các kỹ thuật bù trừ phi tuyến chuyên biệt.

Khả năng tổng quát hoá trên thiết bị biên

Các mô hình học sâu tiên tiến thường có số lượng tham số lớn và tiêu tốn nhiều bộ nhớ đồ hoạ. Việc nén mạng, lượng hoá tham số và thiết kế các kiến trúc mạng siêu nhẹ có thể chạy trực tiếp trên chip xử lý thần kinh của điện thoại di động hoặc camera gắn trên xe tự hành mà vẫn duy trì độ chính xác cao là một trong những trọng tâm nghiên cứu sôi động hàng đầu.