Компьютерная обработка и распознавание изображений - 138 стр.

UptoLike

ВУЗ: 

Университет ИТМО | Санкт-Петербург

Составители: 

Рубрика: 

138
()
(
)
() ()
⎩
⎨
⎧
=+−
=
=
1если11
0если0
к
x,yg,y,x*g
x,yg,
j,ic ,
где * обозначены уже обработанные отсчеты.
Таким образом, в матрице
(
)
y,xc
к
будут записаны расстояния между
контурными элементами вдоль строки.
Производится оценка расстояний между элементами контурного
(бинарного) изображения. Пусть P и Q – две точки бинарного
изображения, а
()
QPd ,
– такое наименьшее положительное целое, что
существует последовательность отдельных точек
QP...,,P,PP
n
== }{
21
, причем
k
P является соседом
1−k
P
()
nk
≤
≤1.
()
QPd , называется расстоянием от точки P до точки Q, то есть
представляет собой минимальное количество «шагов», за которое можно
попасть из точки P в точку Q по соседним точкам. Очевидно, это
расстояние зависит от определения соседства. В этом методе соседство
определяется по окрестности 1-го порядка (в соответствии с рисунком 6.1),
то
есть по отношению к элементу с координатами
()
yx,
, соседними
считаются 4 элемента с координатами:
(
)
yx ,1
−
,
()
yx ,1+ ,
()
1,
−
yx ,
()
1, +yx .
Наконец, строится матрица максиминных расстояний. Для этого
матрица контурного изображения
(
)
yxg , обрабатывается по алгоритму
слева направо и сверху вниз, и строятся матрицы:
() ()
(
)
(
)()()
()
⎩
⎨
⎧
=
=
+
−
−
==
1если0
0если111min
1
y,xg,
y,xg,y,x*g;y,x*g
y,x*gy,xb
и матрица:
()
(
)
()()()()
⎩
⎨
⎧
=+−−
=
=
1если111min
0если0
1
y,xg,y,x*g,y,x*g
y,xg,
y,xc
.
Затем выполняется сканирование матрицы
(
)
yxg , справа налево и сверху
вниз, формируя матрицы
()
=y,xb
2
()
=y,x*g
()
()()()()()
⎩
⎨
⎧
=++−
=
0yx,gесли]111max[min
1yx,gесли0
1
,y,xb,y,x*g;y,x*g
,
,
()
()
()()( ) () ()
⎩
⎨
⎧
=++−
=
=
1если]111max[min
0если0
1
2
y,xg,y,xc,y,x*g,y,x*g
y,xg,
y,xc .
Выполняется сканирование матрицы
(
)
yxg , слева направо и снизу вверх,
затем справа налево и снизу вверх. В матрице
()
yxc , получаются
кратчайшие расстояния между элементами контурного изображения.
Для классификации выбран алгоритм самообучения, работающий по
критерию минимальной ошибки классификации [78]. Исследования
показали, что такие методы эффективно работают в задачах анализа

Страницы