TOÁN HỌC TRONG XỬ LÝ ẢNH VÀ PHỤC HỒI HÌNH ẢNH

Trong thời đại số, hình ảnh đóng vai trò quan trọng trong y học, viễn thám, công nghiệp và đời sống hằng ngày. Tuy nhiên, ảnh thu được từ camera hoặc các thiết bị chụp ảnh thường bị nhiễu, mờ hoặc mất một phần thông tin. Để khắc phục những hạn chế này, các nhà khoa học sử dụng những mô hình toán học nhằm khôi phục hình ảnh gần với dữ liệu ban đầu nhất có thể. Đây là một ứng dụng tiêu biểu của giải tích, phương trình đạo hàm riêng và tối ưu hóa toán học.

Về mặt toán học, quá trình phục hồi ảnh có thể được mô tả bằng mô hình , trong đó u là ảnh gốc chưa biết, g là ảnh quan sát được, K là toán tử mô tả sự suy giảm của ảnh và là nhiễu. Trong trường hợp ảnh chỉ bị nhiễu, K có thể là toán tử đồng nhất; khi ảnh bị nhòe, K có thể mô tả phép chập với một hàm làm mờ. Bài toán đặt ra là tìm một ảnh u phù hợp với dữ liệu quan sát, đồng thời hạn chế những dao động không mong muốn do nhiễu gây ra.

Một phương pháp kinh điển là mô hình chỉnh hóa biến thiên toàn phần (Total variation), được Rudin, Osher và Fatemi đề xuất năm 1992 [1]. Phương pháp này tìm ảnh phục hồi bằng cách giải bài toán tối ưu

Trong công thức trên, là miền ảnh, số hạng đo mức độ sai khác giữa ảnh dự đoán và ảnh quan sát, còn biểu diễn tổng biến thiên của ảnh. Với ảnh đủ trơn, biến thiên toàn phần được xác định bởi , trong đó  là gradient của ảnh. Tham số điều chỉnh sự cân bằng giữa việc bám sát dữ liệu và làm giảm những biến thiên không cần thiết.

Ưu điểm đáng chú ý của mô hình TV là khả năng khử nhiễu đồng thời bảo toàn tương đối tốt các đường biên, vốn chứa thông tin quan trọng về hình dạng và cấu trúc của vật thể. Phương pháp này có thể được ứng dụng trong xử lý ảnh y khoa, phục hồi ảnh vệ tinh và nâng cao chất lượng hình ảnh trong các hệ thống quan sát. Tuy nhiên, kết quả phục hồi phụ thuộc vào chất lượng dữ liệu, mô hình suy giảm và cách lựa chọn tham số; phương pháp TV cũng có thể làm mất một số chi tiết nhỏ hoặc tạo ra các vùng ảnh trông như những bậc thang.

Như vậy, toán học không chỉ giúp mô tả quá trình hình thành và suy giảm hình ảnh mà còn cung cấp công cụ định lượng để giải quyết bài toán phục hồi. Sự kết hợp giữa mô hình hóa, giải tích biến phân và thuật toán tối ưu đã tạo nên nền tảng quan trọng cho nhiều công nghệ xử lý ảnh hiện đại.

Tài liệu tham khảo

[1] Rudin, L. I., Osher, S., & Fatemi, E. (1992). Nonlinear total variation based noise removal algorithms. Physica D: Nonlinear Phenomena, 60(1–4), 259–268.

[2] Clason, C., & Valkonen, T. Introduction to Nonsmooth Analysis and Optimization, Chương 32: Total variation regularization. Society for Industrial and Applied Mathematics (SIAM).