Hệ thống nhúng hiện thực thuật toán đa phân giải cho ảnh pháp chứng

cứng Raspberry. Hệ điều hành có hơn 
35000 package và phần mềm, hoàn thành 
vào tháng 6 – 2012, được nén thành một bộ 
giúp cho việc cài đặt trở nên dễ dàng hơn. 
Để tiến hành xử lý ảnh trên hệ thống 
nhúng, cần sử dụng một thư viện mở 
OpenCV3.0. Thư viện có hơn 2500 thuật 
toán tối ưu, gồm một tập hợp tổng quát 
những thuật toán cổ điển và hiện đại về thị 
giác máy tính và học máy. Những thuật toán 
này có thể được sử dụng để phát hiện và 
nhận dạng khuôn mặt, xác định vật thể, 
phân loại hành động con người trong video, 
theo dõi hoạt động camera và đối tượng, xác 
định model 3D của đối tượng, và nhiều 
thuật toán xử lý ảnh với độ phân giải cao. 
Chương trình chạy trên Raspberry hỗ 
trợ xử lý giám định nhiều file ảnh cùng lúc. 
Khi xử lý xong, chương trình sẽ xuất ra file 
kết quả dạng text và hiển thị ảnh gốc, ảnh 
kết quả giám định. Các bước tiến hành 
được trình bày như sau: 
Bước 1: Copy ảnh vào một thư mục và 
tạo một file Input_Image_List.txt chứa 
danh sách các file ảnh cùng với định dạng 
cần xử lý. 
Bước 2: Tạo file code, complie, build 
và chạy thực thi chương trình bằng cửa sổ 
command theo trình tự sau. 
 Tạo file CmakeList.txt có nội dung 
là đoạn cript chứa thông tin như: version 
của OpenCV, tên project, tên thư viện, tên 
file code thực thi, tên file thực thi output, 
Link thư viện OpenCV. 
 Tạo file code chương trình. 
 Complie chương trình bằng lệnh 
VÕ MINH TIẾN - LÊ TIẾN THƯỜNG - HUỲNH KHẢ TÚ - MARIE LUONG 
11 
“cmake”. Khi đó, chương trình sẽ tạo ra 
các file CMakeCache.txt, Makefile, 
cmake_install.cmake. 
 Build chương trình bằng lệnh 
“make”, chương trình sẽ tạo ra file thực thi 
ImageProcessing. 
 Thực thi chương trình bằng lệnh 
“./ImageProcessing”. 
Bước 3: Xuất ra kết quả và đánh giá. 
Sau khi thực hiện, chương trình xuất ra file 
kết quả cho biết những ảnh giả, ảnh thật; số 
pixel cũng như thời gian xử lý cho từng 
ảnh. Đồng thời, hiển thị trên màn hình ảnh 
ngõ ra và ảnh sau khi xử lý với phần giả 
mạo (nếu có) tô màu trắng. 
Hình 12. Thực hiện giải thuật trên KIT, 
kết quả hiển thị trên màn hình 
C. Kết quả thực hiện 
Kết quả thực hiện trên Raspberry: 
 Thực hiện giám định cho ảnh copy 
– move như mô phỏng Matlab. 
Hình 13. Ảnh kết quả ngõ ra sau khi thực 
hiện thuật toán 
Ảnh kết quả với phần ảnh giả mạo có 
các cạnh viền trắng. 
 Thực hiện với ảnh thứ 2. Bằng mắt 
thường, người xem khó mà phân biệt được 
đây là ảnh giả hay ảnh gốc. 
Hình 14. Ảnh ngõ vào xử lý 
Ảnh kết quả cho thấy chỉ có một phần 
rất nhỏ là phần cắt dán. Kết quả hoàn toàn 
chính xác khi so sánh với ảnh gốc. 
Hình 15. Ảnh ngõ ra với phần cắt dán với 
màu trắng 
Thực hiện cùng một thuật toán cho 
một tập ảnh [3] trên hai máy tính laptop có 
cấu hình, hệ điều hành, phần mềm khác 
nhau. So sánh với kết quả thực hiện trên hệ 
thống nhúng Raspberry Pi 3B. 
H THỐNG NHÚNG HI N THỰC THUẬT TOÁN ĐA PHÂN GIẢI CHO ẢNH PHÁP CHỨNG 
12 
Bảng 1. Kết quả thực hiện 
Cấu hình
Laptop 1
(Matlab 
2015a)
Laptop 2 
(Visual 
Studio 12.0)
Raspberry 
Pi 3B
(OpenCV + 
Cmake)
Ghi Chú
Vi xử lý
Intel Core i5-
5200U @ 
2.2GHz
Intel Core i3 
M330 @ 
2.13GHz
Broadcom 
BCM2837, 
1.2GHz 64-
bit quad-
core ARMv8 
CPU
Bộ nhớ
4GB DDR3L
(1600 MHz)
4GB DDR3
1GB LPDDR2 
(900 MHz)
Hệ điều 
hành
Window 
8.1, 64 – bit
Window 7, 
32 - bit
Raspbian
Laptop 1 Laptop 2 Raspberry
flowers.tiff 
(536x356)
14 198 41 96.77
CRW_4853
(739x492)
33 457 77 99.87
garden.jpg 
(500x375)
27 207 34 99.73
Dynamid.jp
g (203x150)
3.6 15 3 97.95
2015_01_02
(593x321)
18 186 38 100
SA_MAC_01
(2048x1152)
40 7725 1730 100
SEA_05_00
(2560x1600)
65 16500 3412 100
Trung bình
51829 
(pixel/giây)
260 
(pixel/giây)
1270 
(pixel/giây)
99.36 %
Ảnh
(size)
Thời gian xử lý (giây) Tỉ lệ %
giống
Kết quả cho thấy, tốc độ xử lý trên hệ 
thống nhúng Raspberry nhanh hơn gấp 5 
lần tốc độ xử lý trên laptop 2 chạy cùng 
source code, nhưng chậm hơn trên laptop 1 
chạy mô phỏng Matlab. Kết quả này hoàn 
toàn phù hợp vì Laptop 1 có cấu hình mạnh 
hơn rất nhiều so với Raspberry và phần 
mềm sử dụng là khác nhau. Tuy nhiên, khi 
chạy cùng một code, cùng một điều kiện 
thì hệ thống nhúng Raspberry chứng tỏ khả 
năng xử lý tốt hơn rất nhiều so với một 
laptop không chuyên dụng cho xử lý ảnh. 
Xét về kết quả hình ảnh sau khi xử lý, 
Laptop 2 và hệ thống Raspberry sử dụng 
cùng một chương trình với thư viện mã 
nguồn mở OpenCV, nên kết quả ngõ ra là 
hoàn toàn giống nhau. Để đánh giá sự sai 
khác giữa kết quả mô phỏng trên Matlab và 
kết quả trên Raspberry, cần so sánh tỉ lệ % 
số pixel giống nhau Neq trên tổng số pixel 
N của hai ảnh ngõ ra. 
 (8) 
Thuật toán thực hiện trên Raspberry 
cho ảnh ngõ ra gần giống như kết quả mô 
phỏng trên Matlab với tỉ lệ chính xác cao 
(trên 99%). 
6. Kết luận 
Bài viết giới thiệu hệ thống nhúng 
Raspberry Pi và các bước hiện thực một 
thuật toán trên hệ thống nhúng cụ thể. 
Thuật toán đa phân giải cho ảnh pháp 
chứng có thể phát hiện cả hai loại ảnh giả 
copy – move và splicing, nhưng chưa thể 
phát hiện các ảnh có xử lý tùy chỉnh độ 
tương phản, histogram và các hiệu ứng 
khác. Hệ thống nhúng Raspberry có khả 
năng xử lý các ảnh có độ phân giải khá 
cao, tốc độ xử lý tương đối nhanh và hoàn 
toàn giống như kết quả mô phỏng trên 
Matlab với độ chính xác cao khi thực hiện 
trên tập nhiều ảnh copy-move và splicing 
có kích thước khác nhau. Tuy nhiên, khi xử 
lý những ảnh HD có độ phân giải cao, cũng 
như trên máy tính, thường mất rất nhiều 
thời gian để xử lý. Điều này đặt ra thách 
thức là cần phát triển những hệ thống 
nhúng đủ mạnh để có thể xử lý được các 
ảnh này. 
Thực hiện thuật toán đa phân giải trên 
hệ thống nhúng Raspberry chỉ là nền tảng 
bước đầu, việc tìm hiểu, cập nhật các phần 
cứng mới, chuyên dùng cho xử lý ảnh như 
NVIDIA Jetson TX1, tích hợp cả CPU 
(ARM®Cortex®-A57 Quad-Core, tần số 
1.73GHz) và GPU 256-core hỗ trợ hệ điều 
hành Ubuntu Linux x64 (v14.04) là một 
hướng nghiên cứu của đề tài. Bên cạnh đó, 
đề tài cũng hướng tới việc tạo ra các giao 
VÕ MINH TIẾN - LÊ TIẾN THƯỜNG - HUỲNH KHẢ TÚ - MARIE LUONG 
13 
diện tương tác giúp người dùng dễ dàng tiếp 
cận và áp dụng vào các lĩnh vực khác nhau. 
Như vậy, bên cạnh FPGA, Raspberry 
Pi là một lựa chọn tốt cho các ứng dụng xử 
lý ảnh thông thường. Hệ thống có giá thành 
thấp, dễ dàng thiết lập và sử dụng, đặc biệt 
phù hợp trong môi trường giáo dục. 
Lời cảm ơn: Nghiên cứu này được hỗ trợ bởi ĐH 
Quốc Gia TP.HCM, theo mã số B2015-20-02. 
TÀI LIỆU THAM KHẢO 
1. Cellan-Jones, Rory (5 May 2011), "A £15 
computer to inspire young programmers", 
ellanjones/2011/05/a_15_computer_to_inspire
_young.html 
2. Daggu Venkateshwar Rao, Shruti Patil, 
Naveen Anne Babu and V Muthukumar, 
“Implementation and Evaluation of Image 
Processing Algorithms on Reconfigurable 
Architecture using C-based Hardware 
Descriptive Languages”, International Journal 
of Theoretical and Applied Computer Sciences 
Volume 1 Number 1 (2006) pp. 9-34. 
3. Fourandsix Technologies, Incorporated 
official website,  
4. Jessica Fridrich, David Soukal, and Jan 
Lukáš, “Detection of Copy-Move Forgery in 
Digital Images”, Digital Forensic Research 
Workshop, Cleveland, Ohio, USA, 2003. 
5. Neha. P. Raut, Prof.A.V.Gokhale, “FPGA 
Implementation for Image Processing 
Algorithms Using Xilinx System Generator”, 
IOSR Journal of VLSI and Signal Processing 
(IOSR-JVSP) Volume 2, Issue 4 (May. – Jun. 
2013), PP 26-36. 
6. Peter Mc Curry, Fearghal Morgan, Liam 
Kilmartin. Xilinx FPGA implementation of a 
pixel processor for object detection 
applications. In the Proc. Irish Signals and 
Systems Conference, Volume 3, Page(s): 346 
- 349, Oct. 2001. 
7. Pravin Kakar, Sudla and Wee Ser, “Exposong 
Digital Image Forgeries by Detecting 
Deoscrepancies in Motion Blur”, IEEE Transaction 
on Multimidia, Vol.13, No.3, June 2011. 
8. Raspberry Pi Foundation website, 
https://www.raspberrypi.org/ 
9. Tian-Tsong Ng, Shih-Fu Chang, Qibin Sun, 
“Blind Detection Of Photomontage Using 
Higher Order Statistics”, ISCAS '04. 
Proceedings of the 2004 International 
Symposium on Circuits and Systems, 2004. 
10. Tu Huynh-Kha, Thuong Le-Tien, Khoa 
Huynh-Van, Sy Nguyen-Chi, “A survey on 
Image Forgery Detection Techniques”, The 
11
th
 IEEE-RIVF International Conference on 
Computing and Communication Technologies, 
Can Tho, Vietnam, Jan 25-28 2015. 
11. Tu Huynh-Kha, Thuong Le-Tien, Synh Ha-
Viet-Uyen, Khoa Huynh-Van, Marie Luong, 
“A Robust Algorithm of Forgery Detection in 
Copy-Move and Spliced Images”, (IJACSA) 
International Journal of Advanced Computer 
Science and Applications, Vol. 7, No. 3, 2016. 
12. Tu H.K., Thuong L.T., Synh H.V.U., Khoa 
H.V., Nga L.T., "Forgery Detection and 
Identification of the Original and Duplicate 
Region in Copy-Move Images", The 
International Symposium on Electrical and 
Electronics Engineering, HCMC, Vietnam, 
Oct 30, 2015. 
13. Weiqi Luo, Jiwu Huang, Guoping Qiu, 
“Robust Detection of Region-Duplication 
Forgery in Digital Image”, 18th IEEE 
International Conference on Pattern 
Recognition, Hong Kong, p. 746 – 749, 2006. 
14. XiaoBing KANG, ShengMin WEI, 
“Identifying Tampered Regions Using 
Singular Value Decomposition in Digital 
Image Forensics”, IEEE International 
Conference on Computer Science and 
Software Engineering, Wuhan, Hubei, p. 926 
– 930, 2008. 
15. Y.Sutcu, B.Coskun, H.T.Sencar, N.Memmon, 
“Tamper detection based on regularity of Wavelets 
transform coefficients”, IEEE International 
Conference on Image Processing, 2007. 
16. Zhen Fang, Shuozhong Wang, Xinpeng 
Zhang, “Image Splicing Detection Using 
Camera Characteristic Inconsistency”, 
MINES '09. International Conference on 
Multimedia Information Networking and 
Security, Hubei, 2009. 
Ngày nhận bài: 12/12/2016 Biên tập xong: 15/3/2017 Duyệt đăng: 20/3/2017