Tìm hiểu về xử lý ảnh, thị giác máy tính và thị giác máy

AI có thể được dùng để phân tích mọi loại dữ liệu; với dữ liệu trực quan như hình ảnh và video, việc này thuộc lĩnh vực phân tích hình ảnh, bao gồm nhiều công nghệ khác nhau. Xử lý ảnh, computer vision và machine vision giúp máy tính quan sát và hiểu thế giới bằng cách phân tích hình ảnh và khung hình video. Mặc dù ba công nghệ này có vẻ giống nhau, những khác biệt cốt yếu khiến chúng phù hợp với nhiều ứng dụng khác nhau. Xử lý ảnh tập trung vào thao tác và cải thiện hình ảnh cũng như khung hình video, còn computer vision tiến xa hơn bằng cách sử dụng những hình ảnh đã xử lý này để giúp máy tính diễn giải và hiểu nội dung. Mặt khác, machine vision áp dụng các kỹ thuật computer vision chuyên biệt trong môi trường công nghiệp, chẳng hạn như các tác vụ kiểm tra và kiểm soát chất lượng.

Hình 1. Các công nghệ chủ chốt được sử dụng để phân tích dữ liệu trực quan.

Ba lĩnh vực này hỗ trợ nhiều ứng dụng trong các ngành như chăm sóc sức khỏe, sản xuất và nông nghiệp. Trong bài viết này, chúng ta sẽ tìm hiểu về xử lý ảnh, computer vision và machine vision, đồng thời thảo luận về những điểm khác biệt giữa chúng. Chúng ta cũng sẽ xem xét cách các công nghệ này hoạt động và được ứng dụng trong nhiều ngành khác nhau.

Xử lý ảnh là gì?#

Hãy bắt đầu với kỹ thuật nền tảng của cả thị giác máy tính lẫn thị giác máy: xử lý ảnh. Kỹ thuật này sử dụng thuật toán để thao tác và cải thiện ảnh kỹ thuật số, điều chỉnh các tham số như độ sáng, độ tương phản, cân bằng màu hoặc lọc nhiễu nhằm chuẩn bị ảnh cho quá trình phân tích và diễn giải nâng cao hơn.

Hãy cùng xem cách xử lý ảnh hoạt động. Xử lý ảnh được thực hiện bằng cách phân tách ảnh thành các pixel riêng lẻ, sau đó thao tác trên những pixel này để đạt được hiệu ứng mong muốn. Ví dụ, để làm ảnh sáng hơn, thuật toán có thể tăng cường độ của từng pixel. Tương tự, để phát hiện cạnh, thuật toán có thể tìm những thay đổi đột ngột trong giá trị pixel. Bằng cách áp dụng các phép toán và thuật toán lên những pixel này, xử lý ảnh có thể cải thiện chất lượng ảnh, trích xuất thông tin hoặc tạo ảnh mới.

Các kỹ thuật xử lý ảnh cũng rất cần thiết cho việc xử lý dữ liệu và tạo tập dữ liệu trực quan với hình ảnh rõ nét, chất lượng cao, đồng thời giúp các hệ thống computer vision và machine vision phân tích hình ảnh chính xác. Các thư viện như OpenCV và MATLAB cung cấp framework mạnh mẽ, giúp nhà phát triển và nhà nghiên cứu trong nhiều lĩnh vực dễ dàng tiếp cận những kỹ thuật xử lý ảnh này.

Dưới đây là một số kỹ thuật xử lý ảnh phổ biến:

• Lọc: Lọc được áp dụng để giảm nhiễu trong hình ảnh bằng cách làm mượt các biến thiên và biến dạng. Một số bộ lọc phổ biến gồm bộ lọc Gaussian để làm mờ và bộ lọc trung vị để loại bỏ nhiễu muối tiêu, biểu hiện dưới dạng các pixel trắng và đen ngẫu nhiên.
• Phát hiện biên: Kỹ thuật này được dùng để xác định ranh giới của các đối tượng trong ảnh bằng cách phát hiện những thay đổi đột ngột về cường độ pixel. Các ứng dụng như chẩn đoán hình ảnh y khoa sử dụng phát hiện biên để phác họa cấu trúc của cơ quan và khối u.
• Phân ngưỡng: Phân ngưỡng trong xử lý ảnh là quá trình chuyển ảnh thang độ xám thành ảnh nhị phân bằng cách đặt một giá trị ngưỡng. Pixel có giá trị cao hơn ngưỡng sẽ chuyển thành màu trắng (1), còn pixel thấp hơn ngưỡng sẽ chuyển thành màu đen (0).

Hình 2. Ảnh mức xám trước và sau khi phân ngưỡng.

Tìm hiểu một ứng dụng của xử lý ảnh#

Khôi phục ảnh là một ví dụ điển hình về ứng dụng xử lý ảnh. Quy trình này khôi phục ảnh đã xuống cấp theo thời gian. Các kỹ thuật như lọc và giảm nhiễu được sử dụng để xóa vết bẩn, vết xước, vết nhòe, dấu hao mòn và khôi phục ảnh xuống cấp về chất lượng ban đầu. Khôi phục ảnh đặc biệt hữu ích khi ảnh có chất lượng thấp hoặc bị hư hỏng, chẳng hạn như ảnh cũ.

Hình 3. Có thể dùng xử lý ảnh để khôi phục ảnh cũ bị hư hỏng.

Thị giác máy tính là gì?#

Không giống xử lý ảnh, vốn tập trung vào việc thay đổi và cải thiện hình ảnh, computer vision giúp máy tính có khả năng quan sát và hiểu thế giới thực. Nhiều ứng dụng dùng computer vision để xác định và hiểu các đối tượng, con người trong ảnh hoặc khung hình video. Công nghệ này hướng đến việc tái tạo cách chúng ta diễn giải những gì nhìn thấy xung quanh.

Computer vision có thể được dùng để tự động hóa các tác vụ như giám sát. Công nghệ này còn có nhiều ứng dụng thực tiễn như nhận diện khuôn mặt, chẩn đoán hình ảnh y khoa và phương tiện tự hành. Các model computer vision được huấn luyện bằng kỹ thuật deep learning để trích xuất và xác định những đặc trưng, mẫu phức tạp từ các tập dữ liệu hình ảnh quy mô lớn. Sau đó, nhiều ngành sử dụng các model đã huấn luyện như Ultralytics YOLOv8 cho những tác vụ khác nhau, chẳng hạn như phát hiện đối tượng và theo dõi đối tượng.

Hình 4. Ví dụ về việc sử dụng Ultralytics YOLOv8 để phát hiện đối tượng.

Ví dụ, ô tô tự lái như Tesla sử dụng computer vision để di chuyển trong thế giới thực. Hình ảnh do camera tích hợp trên xe ghi lại được xử lý bằng computer vision. Các tác vụ computer vision như phát hiện và theo dõi đối tượng và phân đoạn đóng vai trò thiết yếu trong việc hiểu tình hình giao thông và môi trường xung quanh. Một ứng dụng thú vị khác là nhận diện khuôn mặt. Computer vision có thể phân tích và nhận diện đặc điểm khuôn mặt trong ảnh bằng cách ghi nhận khuôn mặt của một người từ ảnh hoặc video, xác định các đặc điểm chính và so sánh chúng với cơ sở dữ liệu khuôn mặt đã lưu.

Thị giác máy là gì?#

Machine vision được sử dụng trong môi trường công nghiệp như các nhà máy sản xuất hoặc cơ sở sản xuất quy mô lớn, với những ứng dụng như đảm bảo chất lượng sản phẩm và kiểm tra tính chính xác của nhãn cũng như mã vạch trên thành phẩm. Machine vision là một nhánh chuyên biệt của computer vision, dựa vào phần cứng bền bỉ để hoạt động hiệu quả trong điều kiện khắc nghiệt. Vì các hệ thống này được tích hợp vào ứng dụng công nghiệp, tốc độ cao và độ chính xác theo thời gian thực là những yếu tố thiết yếu.

Hãy cùng tìm hiểu cách công nghệ này hoạt động. Trước tiên, dữ liệu được thu thập bằng một hoặc nhiều camera độ phân giải cao. Các camera này cũng có thể tích hợp những tính năng chuyên dụng như chụp ảnh hồng ngoại hoặc ảnh nhiệt. Sau đó, dữ liệu đã thu thập được phân tích bằng các kỹ thuật computer vision để trích xuất thông tin cần thiết. Tùy vào ứng dụng cụ thể, thông tin trích xuất thường bao gồm chi tiết về nhận dạng đối tượng, hình dạng, kích thước, chuyển động, mẫu và mọi điểm bất thường xuất hiện trong cảnh.

Tìm hiểu một ứng dụng của thị giác máy#

Kiểm soát chất lượng trên dây chuyền sản xuất đảm bảo chỉ những sản phẩm chất lượng cao mới đến tay khách hàng, từ đó tăng mức độ hài lòng của khách hàng và lợi nhuận. Các phương pháp truyền thống thường dựa vào kiểm tra thủ công, vốn rất tốn thời gian và dễ mắc lỗi do con người. Kiểm soát chất lượng kém cũng có thể gây chậm trễ sản xuất và tổn thất tài chính, ảnh hưởng đến uy tín công ty. Một giải pháp hiệu quả là tự động hóa các tác vụ như kiểm tra bề mặt, xác minh nhãn và định vị đối tượng bằng machine vision.

Ví dụ, trong ngành dược phẩm, chất lượng sản phẩm có vai trò then chốt và các quy định nghiêm ngặt được thực thi để duy trì tiêu chuẩn cao. Machine vision có thể đảm bảo vỉ thuốc chứa đúng số lượng viên, xác minh mỗi vỉ có chính xác số viên quy định, chẳng hạn mười viên trong một vỉ 10 viên. Có thể dùng model computer vision như YOLOv8, được huấn luyện trên tập dữ liệu như Medical Pills, để nhận diện và đếm số viên thuốc bằng phát hiện đối tượng.

Hình 5. Thị giác máy có thể được dùng để kiểm soát chất lượng trong ngành dược phẩm.

Tuy nhiên, cần lưu ý một số hạn chế khi làm việc với machine vision. Các hệ thống machine vision thường cần điều kiện chiếu sáng tốt để soi rõ sản phẩm trong môi trường công nghiệp. Đồng thời, cần có camera, bộ xử lý và bộ tăng tốc phần cứng chất lượng cao để thu thập dữ liệu và tăng tốc quá trình phân tích. Do được thiết kế chuyên biệt cho các tác vụ thực tế trong môi trường công nghiệp, những hệ thống này có thể tốn kém khi triển khai.

Những điểm khác biệt chính giữa xử lý ảnh, thị giác máy tính và thị giác máy#

Giờ đây, sau khi đã thảo luận riêng về cả ba công nghệ và xem xét một số ứng dụng, hãy cùng so sánh chúng trực tiếp.

Hình 6. So sánh trực tiếp xử lý ảnh, thị giác máy tính và thị giác máy.

Xử lý ảnh phù hợp nhất với các tác vụ như điều chỉnh độ sáng hoặc lọc nhiễu, vốn cần ít năng lực tính toán hơn và không đòi hỏi khả năng hiểu thông tin trực quan phức tạp. Ngược lại, computer vision rất hiệu quả trong việc trích xuất thông tin hữu ích từ hình ảnh và xử lý các cảnh phức tạp, nhưng cần nhiều tài nguyên tính toán hơn và phức tạp hơn. Trong khi đó, machine vision được thiết kế cho ứng dụng công nghiệp như kiểm tra tự động và thường cần các hệ thống chuyên dụng, tốn kém.

Nhìn vào bức tranh toàn cảnh#

Mặc dù xử lý ảnh, computer vision và machine vision có liên quan chặt chẽ, mỗi lĩnh vực phục vụ mục đích riêng. Xử lý ảnh cải thiện và thao tác hình ảnh ở cấp độ pixel, rất hữu ích cho các tác vụ như phục hồi ảnh.

Trong khi đó, thị giác máy tính tiến xa hơn một bước bằng cách giúp máy tính hiểu và diễn giải dữ liệu trực quan. Công nghệ này đóng vai trò then chốt trong các ứng dụng như nhận dạng khuôn mặt và xe tự lái. Ngoài ra, thị giác máy được sử dụng riêng cho ứng dụng công nghiệp. Công nghệ này tự động hóa các quy trình công nghiệp như kiểm tra và kiểm soát chất lượng.

Hiểu rõ những công nghệ này và điểm khác biệt giữa chúng sẽ giúp bạn chọn công nghệ phù hợp nhất cho ứng dụng, từ đó nâng cao hiệu quả và đạt kết quả tốt hơn.

Cùng tìm hiểu và khám phá nhé! Hãy xem repository GitHub để tìm hiểu những đóng góp của chúng tôi cho AI và đừng quên tham gia cộng đồng. Khám phá cách chúng tôi đang định hình lại các ngành như sản xuất và chăm sóc sức khỏe bằng công nghệ AI.