Xử lý hình ảnh là gì? Các bài nghiên cứu khoa học liên quan

Định nghĩa xử lý hình ảnh

Xử lý hình ảnh là lĩnh vực kết hợp giữa toán học, khoa học máy tính và kỹ thuật nhằm thao tác, cải thiện, phân tích hoặc trích xuất thông tin từ hình ảnh kỹ thuật số. Theo IEEE, xử lý hình ảnh đóng vai trò nền tảng trong nhiều hệ thống thông minh và là bước tiền xử lý quan trọng trong thị giác máy tính (computer vision).

Hình ảnh được biểu diễn dưới dạng ma trận hai chiều với mỗi phần tử tương ứng một điểm ảnh (pixel). Giá trị của pixel biểu thị thông tin về độ sáng trong ảnh xám, hoặc ba giá trị trong ảnh màu (ví dụ hệ màu RGB). Các thao tác xử lý bao gồm làm mịn, tăng cường độ tương phản, phát hiện cạnh, nén dữ liệu hoặc biến đổi hình học.

Xử lý hình ảnh có mặt trong nhiều lĩnh vực ứng dụng như:

• Y tế: chẩn đoán ảnh MRI, CT, X-quang.
• An ninh: nhận dạng khuôn mặt, theo dõi chuyển động.
• Giao thông: nhận diện biển số xe, giám sát giao lộ.
• Nông nghiệp: phát hiện sâu bệnh từ ảnh chụp UAV.
• Công nghiệp: kiểm tra lỗi bề mặt sản phẩm.

Phân loại xử lý hình ảnh

Xử lý hình ảnh có thể được phân loại theo cấp độ trừu tượng và mục tiêu xử lý. Trong phân loại theo cấp độ, có ba lớp:

• Low-level processing: gồm các thao tác như khử nhiễu, tăng sáng, làm sắc nét – trực tiếp trên pixel.
• Mid-level processing: trích xuất đặc trưng, phát hiện cạnh, phân đoạn ảnh.
• High-level processing: nhận dạng đối tượng, nhận diện khuôn mặt, phân tích ngữ nghĩa ảnh.

Dưới góc độ kỹ thuật, xử lý hình ảnh cũng được chia thành:

• Xử lý ảnh số (digital): sử dụng các thuật toán chạy trên máy tính để thao tác trên dữ liệu ảnh số.
• Xử lý ảnh quang học (optical): sử dụng hệ thống quang học và phần cứng analog để xử lý ảnh trước khi số hóa.

Tùy theo ứng dụng cụ thể, người ta chọn loại xử lý và mức độ phù hợp, ví dụ: xử lý ảnh y tế đòi hỏi mid-level và high-level với độ chính xác rất cao, còn xử lý ảnh trong điện thoại có thể chỉ cần tăng cường ảnh cơ bản.

Đại diện toán học của hình ảnh

Hình ảnh số được mô hình hóa như một hàm rời rạc hai biến $f(x, y)$, trong đó $x$ và $y$ là tọa độ không gian và $f$ là giá trị cường độ sáng tại điểm đó. Với ảnh kích thước $M \times N$, toàn bộ ảnh được lưu dưới dạng ma trận số.

Ảnh màu được biểu diễn bởi ba ma trận tương ứng với ba kênh màu. Ví dụ, trong hệ RGB:

Kênh	Miêu tả
R	Cường độ đỏ tại mỗi pixel
G	Cường độ xanh lá cây
B	Cường độ xanh dương

Trong nhiều bài toán, ảnh được biến đổi sang miền tần số để xử lý. Biến đổi Fourier hai chiều là một công cụ phổ biến, cho phép phân tích và lọc thông tin tần số:

$F(u, v) = \sum_{x=0}^{M-1} \sum_{y=0}^{N-1} f(x, y) e^{-j2\pi(ux/M + vy/N)}$

Việc xử lý trong miền tần số giúp làm nổi bật các đặc trưng như biên cạnh, kết cấu, hoặc triệt tiêu nhiễu từ nguồn cao tần.

Các kỹ thuật xử lý cơ bản

Các kỹ thuật cơ bản trong xử lý hình ảnh được xây dựng dựa trên các phép toán tuyến tính và phi tuyến trên ma trận ảnh. Một số thao tác phổ biến gồm:

• Lọc (Filtering): loại bỏ nhiễu hoặc làm mịn ảnh bằng các kernel như Gaussian, Median.
• Tăng cường độ tương phản: sử dụng kỹ thuật histogram equalization để phân bố lại cường độ ánh sáng.
• Phát hiện cạnh: sử dụng toán tử Sobel, Canny hoặc Laplacian để tìm biên giữa các vùng có độ sáng khác nhau.

Ví dụ về kernel lọc Sobel theo hướng ngang:

-1	0	1
-2	0	2
-1	0	1

Ngoài ra, các kỹ thuật biến đổi hình học như xoay, dịch chuyển, co giãn và ánh xạ affine cũng được dùng để điều chỉnh bố cục ảnh hoặc chuẩn hóa đầu vào cho các hệ thống học máy.

Xử lý hình ảnh trong miền không gian và miền tần số

Trong xử lý hình ảnh số, có hai miền chính để thao tác: miền không gian (spatial domain) và miền tần số (frequency domain). Mỗi miền cung cấp góc nhìn khác nhau về nội dung và cấu trúc của ảnh, từ đó phục vụ các mục tiêu xử lý khác nhau như làm mịn, phát hiện biên, lọc nhiễu hoặc nén ảnh.

Trong miền không gian, các kỹ thuật được áp dụng trực tiếp trên giá trị pixel, ví dụ: áp dụng mặt nạ (kernel) để làm mờ hoặc làm sắc ảnh. Một phép lọc tuyến tính có thể được biểu diễn như:

$g(x, y) = \sum_{i=-k}^{k} \sum_{j=-k}^{k} w(i, j) \cdot f(x+i, y+j)$

Trong miền tần số, ảnh được biến đổi sang dạng phổ bằng các phép biến đổi như Fourier hoặc Wavelet. Ảnh hưởng của các tần số thấp và cao trong ảnh giúp thiết kế các bộ lọc để khử nhiễu hoặc nhấn mạnh biên.

So sánh hai miền xử lý:

Miền xử lý	Ưu điểm	Hạn chế
Miền không gian	Trực quan, đơn giản, dễ triển khai	Hiệu quả thấp với nhiễu tần số cao
Miền tần số	Hiệu quả trong lọc, nén, phân tích kết cấu	Cần biến đổi, độ phức tạp tính toán cao

Ứng dụng của xử lý hình ảnh

Xử lý hình ảnh được ứng dụng trong nhiều ngành công nghiệp và lĩnh vực nghiên cứu. Sự phát triển của cảm biến ảnh, camera chất lượng cao và phần cứng xử lý song song đã mở rộng đáng kể phạm vi ứng dụng của công nghệ này trong thực tế.

Các ứng dụng tiêu biểu gồm:

• Y học: phát hiện khối u trong ảnh MRI, phân tích mô tế bào từ ảnh hiển vi, hướng dẫn phẫu thuật bằng ảnh 3D.
• Giao thông: hệ thống hỗ trợ lái xe (ADAS), nhận diện biển số (ANPR), giám sát giao thông đô thị.
• Giám sát an ninh: phát hiện đột nhập, theo dõi chuyển động người trong video, nhận diện khuôn mặt.
• Nông nghiệp thông minh: theo dõi sinh trưởng cây trồng qua ảnh UAV, phân loại chất lượng nông sản.

Một số nền tảng mã nguồn mở hỗ trợ ứng dụng xử lý ảnh rộng rãi là OpenCV (C++/Python), TensorFlow và PyTorch (cho học sâu trên ảnh).

Xử lý hình ảnh và học sâu

Học sâu (deep learning) đã thay đổi căn bản cách thức thực hiện các tác vụ xử lý hình ảnh phức tạp. Các mạng nơ-ron tích chập (CNN) có khả năng học trực tiếp đặc trưng từ dữ liệu ảnh, không cần trích chọn thủ công.

Một số mô hình học sâu tiêu biểu trong xử lý hình ảnh:

• Classification: ResNet, EfficientNet, DenseNet – dùng trong phân loại ảnh tự nhiên, y học.
• Object Detection: YOLOv5, Faster R-CNN – phát hiện và định vị nhiều đối tượng trong ảnh.
• Image Segmentation: U-Net, DeepLab – phân vùng ảnh thành các khu vực có ý nghĩa.
• Generative Models: GAN, VAE – sinh ảnh mới từ dữ liệu đã học (phục chế, nâng cấp ảnh).

Nhờ sự kết hợp giữa học sâu và dữ liệu lớn, nhiều hệ thống xử lý ảnh ngày nay đạt độ chính xác vượt trội, thậm chí vượt con người trong một số tác vụ cụ thể.

Thách thức trong xử lý hình ảnh

Dù có nhiều thành tựu, xử lý hình ảnh vẫn đối mặt với nhiều thách thức, đặc biệt là trong các ứng dụng thực tế đòi hỏi độ chính xác và hiệu suất cao.

Một số vấn đề phổ biến:

• Dữ liệu nhiễu: ảnh mờ, thiếu sáng, hoặc bị che khuất làm giảm hiệu quả nhận dạng.
• Thiếu dữ liệu gắn nhãn: ảnh hưởng đến khả năng huấn luyện mô hình học máy/học sâu.
• Chi phí tính toán: xử lý ảnh thời gian thực đòi hỏi GPU mạnh và tối ưu hóa thuật toán.
• Khả năng tổng quát kém: mô hình hoạt động tốt trên tập huấn luyện nhưng yếu trên dữ liệu thực tế khác biệt.

Việc thiết kế mô hình bền vững, dễ triển khai và thích ứng môi trường mới là trọng tâm của các nghiên cứu hiện nay.

Đánh giá chất lượng và độ chính xác

Để đánh giá hiệu quả của thuật toán xử lý hình ảnh, cần các chỉ số định lượng khách quan và phù hợp với từng tác vụ. Một số chỉ số phổ biến:

• PSNR (Peak Signal-to-Noise Ratio): đo độ tương đồng giữa ảnh gốc và ảnh xử lý sau nén hoặc khử nhiễu.
• SSIM (Structural Similarity Index): đánh giá mức độ bảo toàn cấu trúc và cảm nhận thị giác.
• IoU (Intersection over Union): áp dụng cho segmentation/detection để đo độ khớp giữa vùng dự đoán và vùng thực.

Đối với hệ thống học máy, còn có các chỉ số như accuracy, precision, recall và F1-score, tùy thuộc vào mục tiêu cụ thể của ứng dụng.

Tài liệu tham khảo

1. Gonzalez, R. C., & Woods, R. E. (2018). Digital Image Processing (4th Edition). Pearson.
2. OpenCV. (n.d.). Open Source Computer Vision Library. Link
3. IEEE Xplore. (n.d.). Transactions on Image Processing. Link
4. PyTorch. (n.d.). Deep Learning Framework. Link
5. TensorFlow. (n.d.). Machine Learning Framework. Link
6. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.