11891_Ứng dụng phép toán hình thái cho bài toán phát hiện khuôn mặt dựa vào màu da

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC DÂN LẬP HẢI PHÒNG
—–o0o—–

ĐỒ ÁN TỐT NGHIỆP
NGÀNH CÔNG NGHỆ THÔNG TIN

HẢI PHÒNG 2017
Ứng dụng phép toán hình thái cho bài toán phát hiện khuôn mặt dựa vào màu da
Trịnh Trung Thành – CT1701

2
BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC DÂN LẬP HẢI PHÒNG
—–o0o—–

ỨNG DỤNG PHÉP TOÁN HÌNH THÁI CHO
BÀI TOÁN PHÁT HIỆN KHUÔN MẶT
DỰA VÀO MÀU DA

ĐỒ ÁN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY
Ngành: Công nghệ Thông tin

Sinh viên thực hiện: Trịnh Trung Thành
Mã số sinh viên: 1312101015
Cán bộ hướng dẫn: Ts. Ngô Trường Giang

HẢI PHÒNG – 2017

Ứng dụng phép toán hình thái cho bài toán phát hiện khuôn mặt dựa vào màu da
Trịnh Trung Thành – CT1701

3

BỘ GIÁO DỤC VÀ ĐÀO TẠO CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
TRƯỜNG ĐẠI HỌC DÂN LẬP HẢI PHÒNG Độc lập – Tự do – Hạnh phúc
—–o0o—–

NHIỆM VỤ THIẾT KẾ TỐT NGHIỆP

Sinh viên: Trịnh Trung Thành
Mã sinh viên: 1312101015
Lớp: CT1701
Ngành: Công nghệ Thông tin
Tên đề tài: Ứng dụng phép toán hình thái cho bài toán phát hiện khuôn mặt
dựa vào màu da

Ứng dụng phép toán hình thái cho bài toán phát hiện khuôn mặt dựa vào màu da
Trịnh Trung Thành – CT1701

4
NHIỆM VỤ ĐỀ TÀI
1. Nội dung và các yêu cầu cần giải quyết trong nhiệm vụ đề tài tốt nghiệp

a. Nội dung

b. Các yêu cầu cần giải quyết

2. Các số liệu cần thiết để thiết kế, tính toán

3. Địa điểm thực tập

Ứng dụng phép toán hình thái cho bài toán phát hiện khuôn mặt dựa vào màu da
Trịnh Trung Thành – CT1701

5
CÁN BỘ HƯỚNG DẪN ĐỀ TÀI TỐT NGHIỆP
Người hướng dẫn thứ nhất:
Họ và tên: Ngô Trường Giang
Học hàm, học vị: Tiến Sĩ
Cơ quan công tác: Trường Đại Học Dân Lập Hải Phòng
Nội dung hướng dẫn:
………………………………………………………………………………………………………………………………..
………………………………………………………………………………………………………………………………..
………………………………………………………………………………………………………………………………..
………………………………………………………………………………………………………………………………..
Người hướng dẫn thứ hai:
Họ và tên:
Học hàm, học vị:
Cơ quan công tác:
Nội dung hướng dẫn:
………………………………………………………………………………………………………………………………..
………………………………………………………………………………………………………………………………..
………………………………………………………………………………………………………………………………..
………………………………………………………………………………………………………………………………..
Đề tài tốt nghiệp được giao ngày tháng năm 2017
Yêu cầu phải hoàn thành trước ngày tháng năm 2017
Đã nhận nhiệm vụ: Đ.T.T.N
Đã nhận nhiệm vụ: Đ.T.T.N
Sinh viên Cán bộ hướng dẫn Đ.T.T.N

Ts. Ngô Trường Giang

Hải Phòng, ngày …….. tháng …….. năm 2017
HIỆU TRƯỞNG

GS.TS.NGƯT Trần Hữu Nghị
Ứng dụng phép toán hình thái cho bài toán phát hiện khuôn mặt dựa vào màu da
Trịnh Trung Thành – CT1701

6
PHẦN NHẬN XÉT TÓM TẮT CỦA CÁN BỘ HƯỚNG DẪN

1. Tinh thần thái độ của sinh viên trong quá trình làm đề tài tốt nghiệp:
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
2. Đánh giá chất lượng của đề tài tốt nghiệp (so với nội dung yêu cầu đã đề ra
trong nhiệm vụ đề tài tốt nghiệp)
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
3. Cho điểm của cán bộ hướng dẫn:
(Điểm ghi bằng số và chữ)
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
Ngày …….. tháng …….. năm 2017
Cán bộ hướng dẫn chính
(Ký, ghi rõ họ tên)

Ứng dụng phép toán hình thái cho bài toán phát hiện khuôn mặt dựa vào màu da
Trịnh Trung Thành – CT1701

7
PHẦN NHẬN XÉT ĐÁNH GIÁ CỦA CÁN BỘ CHẤM PHẢN BIỆN ĐỀ
TÀI TỐT NGHIỆP
1. Đánh giá chất lượng đề tài tốt nghiệp (về các mặt như cơ sở lý luận, thuyết
minh chương trình, giá trị thực tế, …)
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
2. Cho điểm của cán bộ phản biện
(Điểm ghi bằng số và chữ)
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
Ngày …….. tháng …….. năm 2017
Cán bộ chấm phản biện
(Ký, ghi rõ họ tên)

Ứng dụng phép toán hình thái cho bài toán phát hiện khuôn mặt dựa vào màu da
Trịnh Trung Thành – CT1701

8
LỜI CẢM ƠN
Trước hết, em xin bày tỏ lòng biết ơn sâu sắc tới giáo viên hướng dẫn là
Thầy giáo, TS Ngô Trường Giang, thầy đã tận tình hướng dẫn, chỉ bảo trong
suốt quá trình tìm hiểu nghiên cứu và hoàn thành đồ án từ lý thuyết cho tới
khi hoàn thiện chương trình.
Em xin chân thành cảm ơn đến các quý thầy, cô trong khoa Công nghệ
Thông tin – Trường Đại học Dân lập Hải Phòng, chân thành cảm ơn vì thầy,
cô đã tham gia giảng dạy và truyền đạt những kiến thức quý báu trong suốt
thời gian em học tập tại trường.
Cuối cùng, em xin chân thành cảm ơn đến các thầy, cô và bạn bè đã tận
tình giúp đỡ em những gì còn thiếu xót trong quá trình làm báo cáo và hoàn
thành đồ án.
Vì thời gian có hạn, trình độ hiểu biết và nhận thức còn chưa cao cho nên
trong đồ án không thể tránh khỏi những thiếu sót, em rất mong nhận được sự
đóng góp ý kiến của các thầy cô và bạn bè để em có thể hoàn thiện đồ án này
tốt ơn
Em xin chân thành cảm ơn!

Hải Phòng, ngày 27 tháng 12 năm 2017

Sinh viên thực hiện

Trịnh Trung Thành

Ứng dụng phép toán hình thái cho bài toán phát hiện khuôn mặt dựa vào màu da
Trịnh Trung Thành – CT1701

9
MỤC LỤC
LỜI CẢM ƠN ………………………………………………………………………………….. 1
MỤC LỤC
……………………………………………………………………………………….. 9
DANH MỤC HÌNH VẼ VÀ BẢNG BIỂU ………………………………………… 11
MỞ ĐẦU
……………………………………………………………………………………….. 12
CHƯƠNG 1:
TỔNG QUAN VỀ PHÁT HIỆN KHUÔN MẶT
………………………. 13
1.1 Tổng quan về xử lý ảnh ……………………………………………………………. 13
1.1.1
Một số khái niệm
………………………………………………………………. 13
1.1.2
Các không gian màu
………………………………………………………….. 14
1.1.3
Phân đoạn ảnh ………………………………………………………………….. 18
1.2 Phép toán hình thái trong xử lý ảnh ……………………………………………. 19
1.2.1
Phần tử cấu trúc
………………………………………………………………… 19
1.2.2
Phép giãn nở ( Dilation )
……………………………………………………. 20
1.2.3
Phép co ( Erosion )
……………………………………………………………. 20
1.2.4
Phép mở ( Open ) ……………………………………………………………… 20
1.2.5
Phép đóng ( Close ) …………………………………………………………… 21
1.2.6
Một số ứng dụng của phép toán hình thái
…………………………….. 21
1.3 Phát hiện khuôn mặt trong ảnh ………………………………………………….. 26
1.3.1
Giới thiệu về phát hiện khuôn mặt
………………………………………. 26
1.3.2
Các ứng dụng của phát hiện khuôn mặt
……………………………….. 26
1.3.3
Một số hướng tiếp cận trong bài toán phát hiện khuôn mặt ……. 27
CHƯƠNG 2:
MỘT SỐ PHƯƠNG PHÁP PHÁT HIỆN KHUÔN MẶT ………… 29
2.1 Phương pháp dựa trên màu da và thông tin biên. …………………………. 29
2.1.1
Xác định các vùng da trong ảnh
………………………………………….. 29
2.1.2
Xác thực khuôn mặt ………………………………………………………….. 31
2.2 Phương pháp dựa trên nhiều chứng cứ ……………………………………….. 32
2.2.1
Xác định các vùng da trong ảnh
………………………………………….. 32
2.2.2
Xác thực khuôn mặt ………………………………………………………….. 33
2.3 Phương pháp dựa trên phân tích wavelet
…………………………………….. 35
2.3.1
Xác định các vùng da trong ảnh
………………………………………….. 36
2.3.2
Xác thực khuôn mặt ………………………………………………………….. 39
Ứng dụng phép toán hình thái cho bài toán phát hiện khuôn mặt dựa vào màu da
Trịnh Trung Thành – CT1701

10
2.4 Phương pháp phát hiện khuôn mặt dựa vào đặc trưng Haarlike …….. 41
2.4.1
Đặc trưng Haar-like
…………………………………………………………… 41
2.4.2
Xây dựng bộ phân lớp sử dụng Adaboost
…………………………….. 44
2.4.3
Xác thực khuôn mặt ………………………………………………………….. 45
CHƯƠNG 3:
ỨNG DỤNG PHÉP TOÁN HÌNH THÁI TRONG BÀI TOÁN
PHÁT HIỆN KHUÔN MẶT
………………………………………………………………………………… 46
3.1 Phát biểu bài toán
…………………………………………………………………….. 46
3.2 Xây dựng bộ phân lớp
………………………………………………………………. 47
3.3 Xác định các vùng da trong ảnh
…………………………………………………. 48
3.3.1
Phân đoạn ảnh dựa vào màu da
…………………………………………… 48
3.3.2
Nâng cấp ảnh bằng phép toán hình thái học …………………………. 49
3.4 Xác thực khuôn mặt …………………………………………………………………. 52
3.5 Cài đặt chương trình…………………………………………………………………. 55
3.5.1
Ngôn ngữ lập trình MATLAB ……………………………………………. 55
3.5.2
Giao diện chương trình ……………………………………………………… 55
3.5.3
Kết quả xác định các vùng màu da ……………………………………… 57
3.5.4
Kết quả xác thực khuôn mặt ………………………………………………. 62
3.5.5
Nhận xét sau khi thực nghiệm bằng chương trình …………………. 65
KẾT LUẬN ……………………………………………………………………………………. 66
TÀI LIỆU THAM KHẢO
………………………………………………………………… 67

Ứng dụng phép toán hình thái cho bài toán phát hiện khuôn mặt dựa vào màu da
Trịnh Trung Thành – CT1701

11
DANH MỤC HÌNH VẼ VÀ BẢNG BIỂU
Hình 1.1: Sơ đồ tổng quát hệ thống xử lí ảnh
Hình 1.2: Mô hình không gian màu RGB
Hình 1.3: Mô hình không gian màu YcbCr
Hình 1.4: Mô hình biểu diễn 2 thành phần màu H,S
Hình 1.5: Mô hình không gian màu HSV
Hình 1.6. Một số phần tử cấu trúc của ảnh nhị phân
Hình 1.7: Ví dụ về trích lọc biên đối tượng trong ảnh
Hình 1.8: Ví dụ về tô đầy vùng đối tượng trong ảnh
Hình 1.9: Ví dụ về làm mỏng đối tượng trong ảnh
Hình 1.10: Ví dụ về làm dày đối tượng trong ảnh
Hình 1.11: Ví dụ về tìm xương đối tượng trong ảnh
Hình 1.12: Ví dụ về tìm xương đối tượng trong ảnh
Hình 2.1. Ví dụ về ảnh mẫu trong phương pháp của K. Sandeep
Hình 2.2: Mô hình biểu diễn của RPROP
Hình 2.3: Ví dụ về các tư thế đầu khác nhau trong Gabor
Hình 2.4: Sự phân bố màu da trong không gian màu YcbCr và HSV
Hình 2.5: Kết quả thực hiện sau thuật toán phát hiện vùng da đã đưa ra
Hình 2.6: Minh họa outer và inner
Hình 2.7: Đặc trưng Haarlike trên khuôn mặt người
Hình 3.1: Mô hình biểu diễn các bước thực hiện
Hình 3.2: Kết quả sau khi phát hiện màu da
Hình 3.3: Ảnh sau khi phân đoạn xuất hiện nhiều nhiễu và các lỗ
Hình 3.4 Thực hiện phép toán hình thái trên ảnh nhị phân
Hình 3.5: Kết quả sau khi nâng cấp ảnh trên ảnh xám
Hình 3.6: Biến đổi sang ảnh nhị phân
Hình 3.7: Kết quả là các ứng viên được đóng khung
Hình 3.8: Vị trí các khuôn mặt trên mỗi ứng viên
Hình 3.9: Các vị trí khuôn mặt trong ảnh đầu vào
Hình 3.10: Giao diện chính của chương trình
Hình 3.11: Kết quả của bức ảnh có 1 khuôn mặt người
Hình 3.12: Kết quả của ảnh có nhiều mặt người
Hình 3.13: Một số bức ảnh có nền đơn giản
Hình 3.14 Kết quả trên ảnh có nhiều vùng giống với nền
Hình 3.15: Kết quả với các tham số khác nhau xác định màu da
Hình 3.16: Kết quả nâng cấp ảnh không sử dụng phép toán hình thái
Hình 3.17: Sự khác biệt khi sử dụng phép toán hình thái trên ảnh nhị phân và
ảnh xám
Hình 3.18: Kết quả chương trình với các ảnh có nền đơn giản
Hình 3.19: Kết quả trong các ảnh có nhiều khuôn mặt
Hình 3.20: Kết quả thực nghiệm trên một số hình có khuôn mặt không thẳng
hoặc bị che khuất
Ứng dụng phép toán hình thái cho bài toán phát hiện khuôn mặt dựa vào màu da
Trịnh Trung Thành – CT1701

12
MỞ ĐẦU
Xử lý ảnh là một lĩnh vực mang tính khoa học và công nghệ. Là một
trong những chuyên ngành quan trọng của công nghệ thông tin hiện nay được
áp dụng trong những lĩnh vực khác nhau như y học, vật lý, toán học, tìm
kiếm, bảo mật và rất nhiều lĩnh vực khoa học khác…
Phát hiện khuôn mặt là một phần trong lĩnh vực xử lý ảnh, là một vấn
đề cơ bản trong ngành học thị giác máy. Đây là một trong những giai đoạn
của hệ thống nhận dạng mặt người cùng với nhiều ứng dụng rộng rãi và phổ
biến khác như chỉ số hóa nội dung trong ảnh, hệ thống giám sát, hội thảo
truyền hình, phát hiện khuôn mặt đã và đang dành được sự quan tâm nghiên
cứu của nhiều người trong suốt hai thập kỷ qua.
Để loại bỏ một số yếu tố ảnh hưởng tới độ chính xác trong phát hiện
khuôn mặt thì cần thực hiện một số kĩ thuật tiền xử lí. Đồ án này sẽ trình bày
một phương pháp phát hiện khuôn mặt, trong đó phép toán hình thái học được
sử dụng trong giai đoạn tiền xử lí để xác định vùng màu da của ảnh. Đồ án
được trình bày theo các nội dung như sau:
 Chương 1: Tổng quan về phát hiện khuôn mặt.
 Chương 2: Một số phương pháp phát hiện khuôn mặt
 Chương 3: Ứng dụng phép toán hình thái trong bài toán phát hiện
khuôn mặt.

Ứng dụng phép toán hình thái cho bài toán phát hiện khuôn mặt dựa vào màu da
Trịnh Trung Thành – CT1701

13
CHƯƠNG 1: TỔNG QUAN VỀ PHÁT HIỆN KHUÔN MẶT
1.1 Tổng quan về xử lý ảnh
1.1.1 Một số khái niệm
Ảnh là tập hợp của các điểm ảnh. Gốc của ảnh là ảnh liên tục về không
gian và độ sáng. Để xử lý bằng máy tính, ảnh cần phải được số hoá. Số hoá
ảnh là sự biến đổi gần đúng một ảnh liên tục thành một tập điểm phù hợp với
ảnh thật về vị trí (không gian) và độ sáng (mức xám). Khoảng cách giữa các
điểm ảnh đó được thiết lập sao cho mắt người không phân biệt được ranh giới
giữa chúng. Mỗi một điểm như vậy gọi là điểm ảnh (PEL:Picture Element)
hay gọi tắt là Pixel. Trong khuôn khổ ảnh hai chiều, mỗi điểm ảnh (Pixel) ứng
với cặp tọa độ (x, y). Điểm ảnh (Pixel) là một phần tử của ảnh số tại toạ độ (x,
y) với độ xám hoặc màu nhất định.
Xử lý ảnh là một loạt các thao tác và phân tích ảnh bằng máy tính nhằm
cải thiện chất lượng ảnh cho tốt hơn và xử lý dữ liệu tự động trên máy. Quá
trình này được xem như là thao tác ảnh đầu vào nhằm cho ra kết quả mong
muốn. Kết quả đầu ra của quá trình sẽ là một ảnh tốt hơn hoặc một kết luận.

Hình 1.1: Sơ đồ tổng quát hệ thống xử lí ảnh
Ứng dụng phép toán hình thái cho bài toán phát hiện khuôn mặt dựa vào màu da
Trịnh Trung Thành – CT1701

14
Ảnh đen trắng chỉ bao gồm 2 màu: màu đen và màu trắng. Người ta
phân mức đen trắng đó thành L mức. Nếu L bằng 2, nghĩa là chỉ có 2 mức:
mức 0 và mức 1 và còn gọi là ảnh nhị phân. Mức 1 ứng với màu sáng, còn
mức 0 ứng với màu tối. Nếu L lớn hơn 2 ta có ảnh đa cấp xám. Việc xác định
số mức là phụ thuộc vào tiêu chí lượng hóa. L thường chọn có 32, 64, 128 và
256 mức. Ảnh 256 mức là ảnh có chất lượng cao và thường được sử dụng.
Với ảnh nhị phân, mỗi pixel mã hóa trên 1 bit; còn với ảnh 256 mức,
mỗi pixel mã hóa trên 8 bit. Ví dụ với ảnh 256 mức xám, kích thước 512×512
cần không gian lưu trữ là 512×512 bytes hay 245 Kbytes
Ảnh màu là ảnh được tổ hợp từ 3 màu cơ bản: đỏ(R), lục(G), lam(B).
Với ảnh màu, người ta lưu trữ thành từng màu riêng biệt, mỗi màu được lưu
trữ như một ảnh đa cấp xám nên không gian nhớ dành cho một ảnh màu lớn
gấp 3 lần một ảnh đa cấp xám cùng kích cỡ.
1.1.2 Các không gian màu
Không gian màu RGB
Không gian màu RGB mô tả màu sắc bằng 3 thành phần chính là
Đỏ(R), Xanh lục(G) và Xanh lam(B). Không gian màu này có thể được biểu
diễn như một khối lập phương 3 chiều với màu đỏ là trục x, màu xanh lục là
trục y, và màu xanh lam là trục z. Hình 1.2 mô tả không gian màu RGB.

Hình 1.2: Mô hình không gian màu RGB
Ứng dụng phép toán hình thái cho bài toán phát hiện khuôn mặt dựa vào màu da
Trịnh Trung Thành – CT1701

15
Giả sử một ảnh màu RGB được mã hóa bằng 24 bit với 8 bit cho một
kênh màu, khi đó mỗi kênh màu này sẽ nhận giá trị trong khoảng từ 0 đến
255. Với mỗi giá trị khác nhau của mỗi kênh màu khi kết hợp với nhau sẽ
được một màu khác nhau, vậy tổng cộng có 255x255x255 = 1,66 triệu màu
sắc cho biểu diễn ảnh này.
Không gian màu YCbCr
Không gian màu YCbCr được sử dụng trong các hệ thống ảnh số, video
hay trong các chuẩn nén JPEG và MPEG. Vì không gian màu RGB chỉ thuận
tiện cho hiển thị lên màn hình nhưng lại không thuận tiện trong lưu trữ và
chuyển đổi nên người ta đã đề xuất ra không gian màu này để thuận lợi cho
việc nén và chuyển đổi.
Không gian màu YCbCr mô tả màu sắc bằng 3 thông số là Y – biểu
diễn thành phần độ sáng, Cb – biểu diễn sắc tố xanh lục, Cr biểu diễn sắc tố
đỏ. YCbCr là dạng biểu diễn số của hệ màu này (tức là các thành phần Y, Cr,
Cb nhận các giá trị số nguyên), nó còn có dạng analog nữa, kí hiệu là YPrPb.
Công thức để chuyển đổi từ không gian màu RGB sang YCbCr phát
biểu dưới dạng ma trận:
𝑌
𝐶𝐵
𝐶𝑅
=
16
128
128
+
0.257
0.504
0.098
−0.148
−0.291
0.439
0.439
−0.368
−0.071
*
𝑅
𝐺
𝐵

[1.1]  Trong đó:
R/G/B = [0…255] Y = [16…235] Cb/Cr = [16…240] Đây là không gian màu gồm có 3 thành phần H, S, V ( Hue, Saturation,
Value). Trong không gian màu này, các màu đều được biểu diễn dựa trên 3
thành phần H, S, V này.
Ứng dụng phép toán hình thái cho bài toán phát hiện khuôn mặt dựa vào màu da
Trịnh Trung Thành – CT1701

16

Hình 1.3: Mô hình không gian màu YcbCr
H biểu diễn màu sắc vốn có của màu như: đỏ, xanh da trời, da cam,…
Nó có giá trị từ 0 đến 360o. Hình sau minh họa giá trị của H,S và màu tương
ứng:

Hình 1.4: Mô hình biểu diễn 2 thành phần màu H,S
Ở trong hình, các giá trị của H đã được quy về dải [0,6] tương ứng với
chia các góc cho 60 độ.
S biểu diễn độ bão hòa. Có thể hiểu nó giống như khái niệm nồng độ
trong hóa học, với dung môi là màu trắng và chất tan là màu. S có giá trị nằm
trong đoạn [0,1]. Khi giá trị của S lớn, lượng màu hòa trong màu trắng nhiều
lên, màu sẽ đậm hơn. S=1, màu đậm nhất, chiếm hoàn toàn màu trắng. Và
ngược lại, khi giá trị S nhỏ, lượng màu hòa trong màu trắng ít đi, màu sẽ nhạt
Ứng dụng phép toán hình thái cho bài toán phát hiện khuôn mặt dựa vào màu da
Trịnh Trung Thành – CT1701

17
hơn. S=0 tương ứng với không có một chút màu nào pha trong màu trắng, kết
quả sẽ không có màu (cũng không khẳng định ngay kết quả là màu trắng, vì
nó còn phụ thuộc vào thành phần V nữa, nhưng có thể khẳng định nó là màu
xám). Ví dụ: khi H=0, ta có màu đỏ. Nhưng không phải cứ H=0 là ta có được
1 màu đỏ đậm đà, nó còn phụ thuộc vào S (tức là phụ thuộc vào lượng màu đỏ
hòa trong màu trắng). Khi S nhỏ, ta có màu đỏ nhạt. Khi S lớn ta có màu đỏ
đậm hơn. S=1 màu đỏ đậm nhất. Khi S=0, giá trị của H bằng bao nhiêu là vô
nghĩa, kết quả cũng chỉ là 1 màu trắng (giả sử V=max).

Hình 1.5: Mô hình không gian màu HSV
Thành phần V biểu thị thành phần độ sáng. V có giá trị nằm trong đoạn
[0,1]. Với 1 giá trị H xác định, ta có 1 màu xác định. Với giá trị S, ta có được
độ đậm nhạt cho màu đó. Nhưng ta sẽ không thể cảm nhận đúng màu đó với
độ đậm nhạt đó, nếu độ sáng không chuẩn. Khi V=1 ta mới cảm nhận được
đúng bản chất vốn có của màu. Khi V tăng tương ứng với độ sáng tăng dần.
V=0: không có ánh sáng, tất cả chỉ là 1 màu đen với mọi H và S. Như ở trên,
ta đã nói, khi S=0 thì màu kết quả không phụ thuộc vào H, nhưng chưa thể
nói ngay ta có màu trắng vì còn phụ thuộc vào V. Nếu V=0 ta có màu đen,
V=1 ta có màu trắng, còn nếu 0