Система нахождения графических примитивов на изображении на основе преобразования Хафа
Дипломная работа - Компьютеры, программирование
Другие дипломы по предмету Компьютеры, программирование
арриса. Он обнаружил более качественные особенности и количество их примерно соответствует углам фигуры. Преобразование Хафа показало чуть худшие результаты, обнаружив множество ложных углов, но были обнаружены и искомые углы. Масочный детектор отработал неэффективно, обнаружив лишь часть искомых углов, однако не были зафиксированы и ложные углы. Для нахождения прямых (или в рассмотрении ограниченного пространства изображения отрезков) применяются алгоритмы на основе преобразования Хафа. На рисунке 12 изображены результат работы базового алгоритма и ряда его модификаций.
абвгдеРисунок 12 - Нахождение отрезков на изображении на основе преобразования Хафа: а - исходное изображение, б - базовое, в - прогрессивно-вероятностное, г - иерархическое, д - случайное, е - адаптивное
Из рисунка 12 можно сделать вывод, что со своей задачей прекрасно справились 3 алгоритма: базовое, прогрессивно-вероятностное и адаптивное преобразование Хафа. Результат их работы полностью отражает возлагаемую на них задачу - были обнаружены все искомые отрезки. Чуть хуже справился иерархический алгоритм, проявился его недостаток в решении задачи иерархического слияния, а именно были потеряны длинные отрезки, располагающиеся в нескольких ячейках. Самый худший результат продемонстрировало случайное преобразование Хафа, не была найдена большая часть искомых отрезков.
Проведенный сравнительный анализ позволяет судить об эффективности алгоритмов для простых изображений. В случае сложных изображений особую роль имеет этап предварительной обработки, который позволяет решить ряд проблем и получить более "простые" входные данные для алгоритмов детекции изображение.
1.7 Анализ существующих программных решений
Задача нахождения графических примитивов решается во многих системах компьютерного зрения. Проведение подобного исследования позволяет проанализировать изображение с точки зрения его структурного состава и получить начальные данные для проведения более узких экспериментов. Система "Cognitive Passport", основанная на технологиях "Cognitive Forms" и "Scanify", была разработана в 2005 году. Система предназначена для автоматизации процесса ввода и обработки документов, удостоверяющих личность (паспортов, водительских удостоверений и др.), построенных по стандартизованной форме и напечатанных на гербовой бумаге. Она обеспечивает автоматизированный ввод документов, распознавание текстовой и выделение графической информации, редактирование сомнительно распознанных полей и преобразование считанной информации в согласованный формат экспорта-импорта документов. Программное ядро системы "Cognitive Passport" основано на использовании сложных алгоритмов оптического распознавания, включающих Wavelet-фильтрацию, преобразование Хафа, линейную спектральную модель цвета и др. Это позволяет более качественно распознавать защищенные документы за счет фильтрации "гербового" и текстурного фона.
Рисунок 13 - Интерфейс системы "Cognitive Passport"
Пакет "Image Processing Toolbox" - это расширение MATLAB, содержащий полный набор типовых эталонных алгоритмов для обработки и анализа изображений, в том числе функций фильтрации, частотного анализа, улучшения изображений, морфологического анализа и распознавания. В рамках данного пакета расширения применяется вероятностное преобразование Хафа [10].
Все функции пакета написаны на открытом языке MATLAB, что позволяет пользователю контролировать исполнение алгоритмов, изменять исходный код, а также создавать свои собственные функции и процедуры. Пакет "Image Processing Toolbox" применяется инженерами и учеными в таких областях как разработка систем сжатия, передачи и улучшения изображений, разработка систем наблюдения и распознавания, биометрика, тестирование полупроводников, микроскопия, разработка сенсоров, материаловедение и др.
Система "Juno" является инструментом для обработки, преобразования и статистического анализа больших массивов экспериментальных данных (см. Рисунок 14). Программа обладает уникальными возможностями, которые позволяют пользователю, практически незнакомому с программированием осуществлять сложные манипуляции с данными, производить построение одномерных и двухмерных статистических распределений, выполнять выделение редких событий с помощью наложения условий и дополнительных критериев.
Рисунок 14 - Интерфейс системы "Juno"
В рамках разработки математического обеспечения для внешнего трекера для эксперимента HERA-B в рамках системы Juno развит новый алгоритм быстрой инициализации программы распознавания треков RANGER на основе метода преобразования Радона-Хафа. Алгоритм реализован в виде программы на языке C++. Разработан и проверен на реальных данных алгоритм очень быстрого робастного фитирования дуг окружностей по данным, учитывающим радиусы дрейфа в XoZ плоскости камеры магнита.
Программный пакет "Pisoft Image Framework" предназначен для разработчиков и пользователей систем обработки изображений, и может применяться для практических, исследовательских и учебных целей в качестве интегрированной среды работы с изображениями (см. Рисунок 15). Пакет реализован на базе оригинальной фрейм-ориентированной технологии, которая обеспечивает ряд существенных преимуществ в управлении процессом обработки видео данных и организации соответствующего интерфейса пользователя.
Рисунок 15 - Интерфейс программного пакета Pisoft Image Framework
Пакет "