Phát hiện phổ quần thể rầy nâu dựa trên tiếp cận xử lý ảnh hình thái

Kỷ yếu Hội nghị Quốc gia lần thứ VIII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR); Hà Nội, ngày 9-10/7/2015 DOI: 10.15625/vap.2015.000194 PHÁT HIỆN PHỔ QUẦN THỂ RẦY NÂU DỰA TRÊN TIẾP CẬN XỬ LÝ ẢNH HÌNH THÁI Trần Công Nghị1, Trần Công Án1, Huỳnh Xuân Hiệp1, 2 1Khoa Công nghệ thông tin & Truyền thông, Trường Đại học Cần Thơ 2Nhóm nghiên cứu liên ngành DREAM-CTU/IRD tcnghivn@gmail.com, tcan@ctu.edu.vn, hxhiep@ctu.edu.vn TÓM TẮT - Các nghiên cứu về phát hiện phổ quần thể rầy nâu trong ảnh đang được quan tâm trong thời gian gần đây nhằm hỗ trợ giám sát các loài sâu bệnh trong nông nghiệp. Một trong những ứng dụng của hướng nghiên cứu này là sự kết hợp giữa các hệ thống bẫy đèn để tự động hóa việc đếm số lượng rầy nâu vào bẫy đèn để tự động hóa việc đếm số lượng rầy nâu vào bẫy đèn, vốn đang được thực hiện một cách thủ công. Trong bài viết này chúng tôi đề xuất một tiếp cận mới nhằm phát hiện phổ quần thể rầy nâu dựa trên các phép toán xử lý ảnh hình thái. Với tiếp cận này, các nét đặc trưng về cấu trúc hình dạng và kích thước của rầy nâu được làm rõ và trên cơ sở đó cho phép phát hiện phổ quần thể rầy nâu hiệu quả và chính xác. Cách tiếp cận này giúp giảm bớt thời gian, công sức và chi phí để phát hiện phổ quần thể rầy nâu trong ảnh (chẳng hạn như ảnh chụp từ các hệ thống bẫy đèn). Các kịch bản thực nghiệm cho thấy cách tiếp cận này cho kết quả tốt, phù hợp để trích lọc phổ quần thể rầy nâu và xác định được số lượng rầy nâu trong ảnh. Từ khóa - Xử lý ảnh hình thái, phổ quần thể rầy nâu, giám sát sâu bệnh, hệ thống bẫy đèn. I. GIỚI THIỆU Rầy nâu là một trong những loài dịch hại nguy hiểm nhất trên cây lúa hiện nay [1]. Chúng là tác nhân truyền nhiễm các loại bệnh nguy hiểm trên lúa gây tổn hại cho nền nông nghiệp nước ta cũng như các nước trồng lúa khác trên thế giới [1]. Vì vậy việc giám sát rầy nâu để xác định lịch gieo xạ cho lúa là một vấn đề cấp thiết đang được quan tâm. Một trong các phương pháp giám sát rầy nâu đang được sử dụng là dùng hệ thống bẫy đèn để theo dõi sự di cư của rầy nâu, giúp cho việc xác định lịch gieo xạ phù hợp. Tuy nhiên, việc phát hiện cũng như đếm số lượng rầy nâu vào bẫy đèn vẫn còn thực hiện bằng phương pháp thủ công, nên mất nhiều thời gian và công sức. Vì vậy, việc tìm ra một phương pháp phát hiện và đếm số lượng rầy vào đèn một cách tự động là hết sức cần thiết và cấp bách, giúp giảm công sức và thời gian trong công tác giám sát rầy nâu. Đã có nhiều hướng nghiên cứu khác nhau để phát hiện và hạn chế những tổn hại bị gây ra bởi rầy nâu trong nông nghiệp như nghiên cứu bản đồ gene có khả năng kháng rầy từ sự pha trộn hai giống lúa kháng rầy đã được cải tiến là IR64 và Azucena để tìm ra các định lượng tính trạng (QTLs) dùng cho phòng tránh rầy nâu [2]. Một nghiên cứu khác cũng liên quan tới việc tạo ra bản đồ gene phòng tránh rầy nâu dựa trên sự kết hợp hai giống lúa kháng rầy là ‘B5’ và ‘Minghui 63’ [3]. Phương pháp nghiên cứu bản đồ gene để phòng tránh rầy nâu có ưu điểm là mang lại hiệu quả kháng rầy cao, tuy nhiên có khả năng làm thay đổi các đặc tính của giống lúa. Ngoài ra, khi sử dụng trong thời gian dài thì rầy nâu sẽ thích nghi với các gene này từ đó làm giảm hiệu quả kháng rầy. Hướng nghiên cứu thứ hai là dựa trên các đặc tính của cây lúa để phát hiện rầy nâu như nghiên cứu sử dụng hệ số phản xạ (reflectance) và hàm lượng diệp lục tố (SPAD reading) trên cây lúa để phát hiện mức độ nhiễm rầy [4] hoặc nghiên cứu phát hiện mật độ nhiễm rầy dựa vào các yếu tố môi trường như nhiệt độ, lượng mưa, độ ẩm tương đối [5]. Các nghiên cứu này giúp mở ra các hướng mới trong việc phát hiện và giám sát rầy nâu nhưng để mang lại hiệu quả thì cần phải có thời gian thực nghiệm và phân tích mối liên hệ giữa các yếu tố. Hướng nghiên cứu thứ ba là giám sát rầy nâu bằng cách ứng dụng công nghệ thông tin cụ thể là dựa vào xử lý tín hiệu hình ảnh như nghiên cứu về ảnh hưởng của rầy nâu dựa vào ảnh cây lúa [6], hoặc nghiên cứu về thiết kế hệ thống phát hiện rầy nâu dựa trên xử lý tín hiệu số [7]. Trong nghiên cứu này tác giả đã xây dựng được một hệ thống phát hiện rầy nâu dựa vào kỹ thuật thị giác máy cơ bản như phép toán phân ngưỡng sử dụng phân đơn ngưỡng (single-threshold segmentation) đồng thời áp dụng phép toán hình thái (mathematical morphology) để khử nhiễu và phát hiện rầy nâu dựa trên thuật toán trích lọc đường biên dựa trên biến đổi wavelet (Edge Extraction Based on Wavelet Transform). Hệ thống này cơ bản có thể phát hiện rầy nâu một cách tự đông tuy nhiên vẫn còn nhiều hạn chế do các hình ảnh rầy nâu được xử lý vẫn còn đơn giản (chưa giải quyết được các loại nhiễu phức tạp trong ảnh) và vẫn chưa đếm được số lượng rầy nâu trong ảnh. Ngoài ra phép toán hình thái chỉ đóng vai trò khử nhiễu và loại bỏ những phần thừa trong ảnh rầy nâu mà vẫn chưa tận dụng được ưu điểm của phép toán này đó là giúp phát hiện rầy nâu dựa trên làm rõ các nét đặc trưng về hình dạng, kích thước của chúng. Trong bài viết này chúng tôi đề xuất một hướng tiếp cận mới nhằm phát hiện phổ quần thể rầy nâu chủ yếu dựa vào các phép toán xử lý ảnh hình thái. Cách tiếp cận này giúp làm rõ các nét đặc trưng về hình dạng, kích thước của rầy nâu, cho phép phát hiện phổ quần thể rầy nâu một cách hiệu quả và chính xác. Kết quả nghiên cứu sẽ giúp hỗ trợ trong việc xây dựng hệ thống bẫy đèn tự động giám sát rầy nâu thí điểm tại vùng Đồng bằng sông Cửu Long. Bài viết được chia thành năm phần. Phần thứ nhất giới thiệu về mối nguy hại của rầy nâu trong nông nghiệp. Phần thứ hai trình bày về đặc điểm hình thái của rầy nâu và phép toán xử lý hình thái. Phần thứ ba đề cập đến mô hình phát hiện phổ quần thể rầy nâu. Phần thứ tư trình bày các thực nghiệm và cuối cùng là phần kết luận. 5 A n g r n c b p d m n c B th p m c ( 1 0 th 2 p tr d 56 . Đặc điểm h Rầy nâu ước ta cũng n iảm sức sống ất nghiêm trọn Rầy nâu hỏ. Cánh tron ái màu xanh ụng có bộ ph hát triển của ài từ 0,3 – 0, àu trắng sữa, hau tùy vào t ủa thân mình H . Phép toán Phép to ái (morpholo hần của một ột đối tượng ác phép toán dilation). Yếu . Phần tử cấu Đối với được bỏ qua Hình 2 eo chiều nga . Phép co ản Phép co hần tử cấu tr ong ảnh chụp ưới dạng côn H II. ĐẶC ĐIỂ ình thái của (Nilaparvata hư các vùng t gây khô cháy g ở cây lúa n có cơ thể m g suốt, giữa nhạt và kích t ận để trứng b chúng. Trứng 4mm, mới đẻ càng lớn rầy ừng loại: rầy (Hình 1d) [8] ình 1. Các gi hình thái án hình thái ( gy) có nghĩa đối tượng [10 ví dụ như ph xử lý hình t tố quan trọng trúc ảnh nhị phân trong quá trìn mô tả một số ng và dọc, hìn h ảnh (erosion úc B) sao cho văn bản. Ph g thức như sau (a) ình vuông M HÌNH TH rầy nâu lugens) [8] l rồng lúa khác toàn bộ cây hư bệnh lúa c àu nâu vàng cạnh sau của hước to hơn én nhọn màu rầy nâu đẻ th màu trắng tr chuyển thành cánh dài có c . ai đoạn phát tri mathematical là hình dạng ][11]. Phép t ân tích hình d hái được định trong các ph , phần tử cấu h tính toán, g hình dáng củ h vuông, hình Hìn ) [11] nhị ph ܤ௭ là tập co ép co ảnh nh [10][11][12 Hình kim PHÁT HIỆN PH ÁI CỦA RẦ à một trong n trên thế giới lúa (gọi là hiệ ỏ, lùn xoán lá đỉnh đầu nhô mỗi cánh trướ rầy đực; chiề đen. Đặc điể ành từng hàn ong, sắp nở m màu nâu nhạ ánh che phủ c ển của rầy nâu morphology) cấu trúc của oán hình thái ạng của một nghĩa từ ha ép toán này là trúc là một ản ọi H(i, j) là ph ܪ( a phần tử cấ ellipse, h 2. Một số hì ân của tập hợ n của A. Phép ị phân của tậ ]: ܣ ⊝ ܤ (b) cương Ổ QUẦN THỂ R Y NÂU VÀ P hững loài sâu . Chúng gây h n tượng “chá [8] ra phía trước c có một đốm u dài cơ thể t m hình thái đ g vào bên tro àu (Hình 1a t (Hình 1b). Đ ả thân (Hình [9]. (a)-trứng, ( là một nguy đối tượng, n được sử dụng chiếc lá hay m i phép toán c lựa chọn mộ h có kích thư ần tử cấu trú ݅, ݆) ∈ ሼ0, 1ሽ u trúc thường nh dáng của ph p A bởi phần co ảnh có th p hợp A bởi ൌ ሼݖ|(ܤ)௭ ⊆ Hình chéo ẦY NÂU DỰA HÉP TOÁN bệnh gây ra ại trực tiếp bằ y rầy”). Rầy n . Phần gốc râ đen. Rầy đự ừ 4 – 5mm, b ể nhận dạng ng trong bẹ c ). Ấu trùng rầ ặc điểm hình 1c); còn rầy b)-rầy non, (c) ên lý phân tíc ó diễn tả phạ để làm rõ n ột loài côn t ơ bản là phé t phần tử cấu ớc nhỏ gồm h c của ảnh nhị được sử dụn ần tử cấu trúc p tử cấu trúc B ể được dùng phần tử cấu t ܣሽ (c) Hình đườn TRÊN TIẾP CẬN XỬ LÝ HÌN dịch hại trên ng cách chích âu còn là tác u có hai đốt n c có cơ thể d ụng to tròn, ở rầy nâu phụ ây lúa, trứng y nâu (rầy cá thái của rầy cánh ngắn có -rầy cánh ngắn h của cấu trú m vi về mối hững nét đặc rùng để phát p toán co ảnh trúc có hình d ai giá trị là 0 phân và được g trên ảnh nh hẳng là tập hợp c để làm mảnh rúc B ký hiệu g ngang H XỬ LÝ ẢNH H THÁI lúa nghiêm tr hút nhựa ở c nhân gây ra n ở to, đốt roi ài từ 3,6 – 4, khoảnh giữa thuộc vào các rầy giống hìn m) khi mới n trưởng thành cánh phủ đến , (d)-rầy cánh d c không gian quan hệ giữa trưng về hình hiện ra chúng (erosion) v áng phù hợp. hoặc 1, các g thể hiện như ị phân như d ác điểm z (z các nét chữ là ܣ ⊝ ܤ và (d) ình đường dọ HÌNH THÁI ọng nhất ở ây lúa làm hiều bệnh râu dài và ,0mm. Rầy mặt dưới giai đoạn h hạt gạo, ở rất nhỏ, có sự khác đốt thứ 6 ài [10]. Hình các thành dạng của . Phần lớn à giãn ảnh iá trị bằng sau [12]: ạng đường là gốc của dày, nhòe được viết c Trần Công Nghị, Trần Công Án, Huỳnh Xuân Hiệp 557 3. Phép giãn ảnh Phép giãn ảnh (dilation) [11] nhị phân của tập hợp A bởi phần tử cấu trúc B là tập hợp các điểm z (z là gốc của phần tử cấu trúc B) sao cho phản xạ của ܤ௭ giao với tập A tại ít nhất một điểm. Phép giãn ảnh có thể được dùng để làm dày các nét chữ mảnh trong ảnh chụp văn bản. Phép giãn ảnh nhị phân của tập hợp A bởi phần tử cấu trúc B ký hiệu là ܣ ⊕ B và được viết dưới dạng công thức như sau [10][11][12]: ܣ ⊕ B ൌ ቄݖቚ ቂ൫ܤ෠൯௭ ∩ ܣቃ ⊆ ܣቅ 4. Phép mở ảnh Phép mở ảnh (openning) [11] nhị phân của tập hợp A bởi phần tử cấu trúc B là sự áp dụng của phép toán co ảnh rồi phép toán giãn ảnh của tập hợp A và phần tử cấu trúc B. Phép mở ảnh có thể giúp loại bỏ các nét thừa của ký tự trong ảnh chụp văn bản. Ký hiệu của phép mở ảnh là ܣ ° B và được xác định bởi công thức: ܣ ° B ൌ (ܣ ⊝ ܤ) ⊕ ܤ 5. Phép đóng ảnh Phép đóng ảnh (closing) [11] nhị phân của tập hợp A bởi phần tử cấu trúc B là sự áp dụng của phép toán giãn ảnh rồi phép toán co ảnh của tập hợp A và phần tử cấu trúc B. Phép đóng ảnh có thể giúp khôi phục các nét đứt của ký tự trong ảnh chụp văn bản. Ký hiệu của phép đóng ảnh là ܣ ∙ ܤ và được xác định bởi công thức: ܣ ∙ ܤ ൌ (ܣ ⨁ ܤ) ⊝ ܤ III. MÔ HÌNH PHÁT HIỆN PHỔ QUẦN THỂ RẦY NÂU Mô hình phát hiện phổ quần thể rầy nâu (Hình 3) được thực hiện dựa trên tiếp cận xử lý ảnh hình thái. Đầu tiên ảnh chụp về rầy nâu được thu thập bằng camera hoặc thiết bị cảm biến. Sau đó hình ảnh sẽ được tiền xử lý để lọc nhiễu, nâng cao độ tương phản để nâng cao chất lượng ảnh. Sau khi được tiền xử lý hình ảnh sẽ được áp dụng các phép toán hình thái phù hợp để phát hiện phổ quần thể rầy nâu trong ảnh. Cuối cùng, thuật toán phân vùng ảnh được áp dụng để đếm số lượng cá thể rầy nâu trong ảnh. Kết quả sau khi áp dụng mô hình phát hiện phổ quần thể rầy nâu trong ảnh sẽ được tổng hợp và phân tích để đánh giá hiệu quả mô hình. Hình 3. Mô hình phát hiện phổ quần thể rầy nâu A. Thu thập ảnh về rầy nâu Bước đầu tiên của mô hình là phải thu thập các hình ảnh về rầy nâu để làm tập dữ liệu thực nghiệm cho mô hình. Hình ảnh rầy nâu có thể được ghi lại bằng các loại công cụ ghi hình khác nhau (camera, cảm biến,). Các hình ảnh thu được phải phù hợp với thực tế cần áp dụng (ví dụ trong tình huống này là các hình ảnh được ghi từ bẫy đèn nên hình ảnh có thể có độ sáng phân bố không đều và có nhiễu). B. Tiền xử lý Mục tiêu của bước tiền xử lý ảnh là để nâng cao chất lượng ảnh bằng cách lọc nhiễu và nâng cao độ tương phản của ảnh. Hình ảnh sau khi xử lý phải là ảnh nhị phân để áp dụng được các phép toán hình thái (Hình 5). Đầu tiên hình ảnh đầu vào được chuyển đổi thành ảnh xám, sau đó tiến hành nâng cao độ tương phản của ảnh xám và cuối cùng là chuyển đổi ảnh xám thành ảnh nhị phân. 1. Chuyển đổi ảnh RGB thành ảnh xám Các hình ảnh thu thập trong thực tế thường sử dụng hệ màu RGB, trong đó mỗi điểm ảnh (pixel) được tạo thành bởi cường độ của ba thành phần màu sắc: đỏ (red), xanh lá (green) và xanh dương (blue). Hệ màu RGB đòi hỏi nhiều không gian lưu trữ và mất nhiều thời gian trong việc xử lý hình ảnh, đặc biệt là khi áp dụng các phép toán hình thái. Vì vậy, chúng tôi sẽ tiến hành chuyển đổi ảnh màu qua ảnh xám trước khi tiến hành phát hiện và đếm số lượng rầy nâu. Phương pháp chuyển đổi được thực hiện theo công thức sau [13]: ܫ(ݔ, ݕ) ൌ 0,2989 ൈ ܴ ൅ 0,587 ൈ ܩ ൅ 0,114 ൈ ܤ Trong đó I(x, y) là mức xám tại điểm ảnh có tọa độ là (x, y). (R, G, B) là cường độ của màu đỏ, màu xanh lá và màu xanh dương. Thu thập ảnh về rầy nâu (camera, cảm biến,) Tiền xử lý Áp dụng các phép toán hình thái để phát hiện phổ quần thể rầy nâu trong ảnh Kết quả Áp dụng thuật toán phân vùng ảnh để đếm số lượng cá thể rầy nâu 5 2 d g ( 3 th D đ C đ p đ th th th k ( p d 58 . Nâng cao đ Sau khi ựa trên thuật Trong đ iá trị mức xám x, y). . Chuyển đổ Để chu reshold) [14 o hình ảnh r ều nên chúng . Phân lớp p Do các ược tiền xử lý hần tử cấu trú H Sau khi ể loại bỏ các ì yếu tố quan ấy bằng cách Quá trìn ứ nhất lên ản ích thước và Hình 7a). Sau hần tử này th ụng các phép ộ tương phản chuyển sang toán căng tổ c ó I(x, y) là m nhỏ nhất tro i ảnh xám thà yển đổi ảnh x ]. Phương phá ầy nâu được g tôi chọn phư Hình hổ quần thể hình ảnh rầy n có thể bị sai c thứ nhất nhằ ình 5. Phần tử khôi phục đư đối tượng kh trọng là phả phân tích mộ h phân lớp p h nhị phân th hình dạng của khi áp dụng p ì tiếp tục thực toán hình thá của ảnh xám ảnh xám thì c hức đồ (linea ức xám tại đi ng ảnh, I’(x, nh ảnh nhị ph ám thành ảnh p này thường hi lại trong đ ơng pháp phâ 4. Hình ảnh k rầy nâu dựa t âu được chụp lệch, xuất hi m mục đích l cấu trúc thứ n ợc hình dạng ông phải rầy i tìm được ph t vài mẫu rầy Hình 6. Mộ hổ quần thể r u được ở bướ phần tử rầy hép toán thì hiện phép to i giúp phát hi (a) PHÁT HIỆN PH ông việc tiếp r transform hi ܫᇱ(ݔ, ݕ) ൌ 2 ểm ảnh có tọ y) là giá trị m ân nhị phân ch được sử dụn iều kiện trời n ngưỡng thíc ết quả bước tiề rên các phép lại trong điều ện các phần th oại bỏ các nhi hất được sử dụ của rầy nâu t nâu dựa trên ần tử cấu trú nâu từ đó suy t số mẫu rầy đư ầy nâu được c tiền xử lý. P nâu trong ảnh vẫn còn một s án mở ảnh củ ện phổ quần t Ổ QUẦN THỂ R theo là tiến h stogram) [13] 55 ൈ (ܫ(ݔ, ݕ)(݉ܽݔ െ a độ là (x, y), ức xám sau k úng tôi sử dụ g trong trườn tối dùng ánh h ứng trong tr n xử lý. (a)-ảnh toán hình th kiện ánh sán ừa hoặc thiếu ễu hạt nhỏ cũn ng để loại bỏ hạ rong ảnh. Bư đặc điểm hình c phù hợp vớ ra được phần ợc sử dụng để thực hiện dựa hép toán này đồng thời cò ố phần tử khô a phần tử cấu hể rầy nâu tro (b) ẦY NÂU DỰA ành nâng cao . Giải thuật đ െ ݉݅݊) ݉݅݊) max là giá tr hi tiến hành c ng phương ph g hợp hình ản sáng của bẫy ường hợp này màu, (b)-ảnh x ái g không đồng so với hình g như phục h t sạn và khôi p ớc tiếp theo ta thái của rầy i phép toán. P tử cấu trúc c tìm phần tử cấu trên phép m giúp loại bỏ n n giúp tách r ng phải là rầy trúc thứ hai v ng ảnh (Hình TRÊN TIẾP CẬN độ tương phả ược thực hiện ị mức xám lớ ăng tổ chức đ áp phân ngư h có sự phân đèn nên độ s . ám, (c)-ảnh nh đều nên các dạng ban đầu ồi lại hình dạn hục hình dạng cần áp dụng nâu. Để áp d hần tử cấu tr ần tìm (Hình trúc thứ hai. ở ảnh (openin hiễu hạt có k ời các phần tử nâu tồn tại tr ới ảnh mới x 7b). (c) XỬ LÝ ẢNH n để làm ảnh dựa vào công n nhất trong ả ồ tại điểm ảnh ỡng thích ứng bố độ sáng k áng trong ảnh ị phân hình ảnh rầy n . Từ đó cần đ g rầy nâu (Hì rầy nâu trong ả các phép toá ụng phép toán úc này có thể 6). g) của phần t ích thước nhỏ rầu nâu nằm ong ảnh. Để ử lý. Kết quả HÌNH THÁI rõ nét hơn thức sau: nh, min là có tọa độ (adaptive hông đều. sẽ không âu sau khi ề xuất một nh 5). nh n hình thái hình thái được tìm ử cấu trúc , phục hồi gần nhau loại bỏ các sau khi áp TD g k rần Công Nghị, T Hình 7. ( . Đếm số lượ Chức n án nhãn vùng hi thực hiện p Giải th Đầ Đầ Các Bư Bư Bư (tham k Bư (tham k Bư trong ph Bư Bư dạng hìn Bư structEl Bư morIma thời lưu rần Công Án, H a)-Ảnh nhị phâ ng các cá th ăng đếm số lư tuần tự (sequ hương pháp n uật: Phát hiện u vào: ảnh rầy u ra: ảnh sau bước trong g ớc 1: tạo các h grayImage binaryIma inverseIma morImage outImage: ớc 2: khởi tạo structElem structElem ớc 3: chuyển hảo giải thuật grayImage ớc 4: nâng ca hảo giải thuật grayImage ớc 5: chuyển ần III.B.3): binaryIma ớc 6: lấy nghị inverseIma ớc 7: áp dụng h thoi structE morImage ớc 8: áp dụng ement2 (tham morImage ớc 9: áp dụng ge để đếm số hình ảnh sau countBPH uỳnh Xuân Hiệp n thu được khi khi áp dụ ể trong phổ q ợng rầy nâu t ential region ày sẽ thu đượ Hình 8 phổ quần th nâu inImage khi phát hiện iải thuật: ình ảnh có k : lưu ảnh xám ge: lưu ảnh n ge: lưu nghịc : lưu ảnh sau lưu ảnh kết q phần tử cấu t ent1: phần tử ent2: phần tử đổi hình ảnh trong phần II = convertTo o độ tương p trong phần II = linearTran đổi ảnh xám ge = convertT ch đảo của ản ge = inverse phép toán m lement1 (tha = openingIm phép toán m khảo phần II = openingIm thuật toán gá lượng rầy n khi phân vùn = sequential áp dụng phép t ng phép toán h uần thể rầy n rong ảnh đã p labeling) [15] c các vùng đ . Ảnh thu được ể rầy nâu. . phổ quần thể ích thước bằn . hị phân. h đảo của ảnh khi áp dụng p uả sau khi áp rúc áp dụng c cấu trúc có d cấu trúc có d đầu vào inIm I.B.1): Gray(inImage hản của ảnh x I.B.2): sform(grayIm grayImage oBinary(gray h nhị phân bi BinaryImage( ở ảnh lên ản m khảo phần age(inverseIm ở ảnh lên ảnh .B): age(morImag n nhãn vùng âu và lưu kết g vào biến ou RegionLabeli (a) oán hình thái v ình thái với ph âu dựa vào p hát hiện phổ q sử dụng khái ược gán nhãn sau khi áp dụn rầy nâu outIm g với kích thư nhị phân. hép toán hình dụng phép to ho phép toán ạng hình thoi ạng hình vuôn age thành ảnh ); ám grayImag age); thành ảnh nh Image); naryImage và binaryImage) h nghịch đảo II.B): age, structEl morImage sử e, structElem tuần tự lên ản quả số lượng tImage (tham ng(morImage ới phần tử cấu ần tử cấu trúc t hương pháp g uần thể rầy n niệm 4 liên t rời nhau trong g thuật toán ph age và số lượ ớc ảnh rầy nâ thái. án đếm số lượ hình thái: kích thước là g có kích thư xám và lưu e và lưu tiếp ị phân binary lưu vào biến ; invertImage ement1); dụng phần tử ent2); h sau khi đượ rầy nâu vào khảo giải thu , outImage); (b) trúc thứ nhất, (b hứ hai án nhãn vùn âu được thực hông (4-conn ảnh (Hình 8 ân vùng ng rầy nâu co u ban đầu inI ng rầy nâu. 3. ớc là 3. vào biến ảnh vào biến ảnh Image (tham ảnh nghịch đ sử dụng phầ cấu trúc có c áp dụng ph biến kết quả ật phần III.D) )- Ảnh nhị phâ g tuần tự hiện bằng ph ected) [15]. K ). untBPH. mage: xám grayIm xám grayIm khảo giải th ảo reImage n tử cấu trú