СИСТЕМА ВЫДЕЛЕНИЯ ОБЛАСТЕЙ ТЕКСТА НА НОМЕРАХ АВТОМОБИЛЕЙ

1. СИСТЕМА ВЫДЕЛЕНИЯ ОБЛАСТЕЙ ТЕКСТА НА НОМЕРАХ АВТОМОБИЛЕЙ

2. Цель работы • Разработка программной системы обработки изображений на основеосновных методов сегментации; • Анализ эффективности различных сегментационных методов применительно к различным типам изображений.

3. Постановка задачи • Разработать программную систему, позволяющую: • обрабатывать изображения представляемые в виде файлов различных форматов (BMP, EMF, WMF, GIF, JPG, JPEG, PNG, TIFF); • выполнять сегментацию изображений основными методами сегментации (пороговым отсечением, выделением границ, наращиванием областей); • производить неограниченное количество сегментаций с различными параметрами;

4. Постановка задачи • строить гистограмму яркостей точек и отображать статистические данные; • позволять сохранять сегментированные изображения в различных графических форматах. • Программа должна иметь удобный пользовательский интерфейс; • Необходимо произвести анализ методов сегментации, а также практические исследования этих методов;

5. Методы сегментации • Ограничением по порогу яркости; • Сегментация выделением границ; • Сегментация наращиванием областей: • центроидным связыванием (волновым методом); • слиянием-расщеплением; • методом яркостных промежутков.

6. Сегментация ограничением по порогу яркости • Преобразовывает изображение в бинарное: • чёрные пиксели – область объекта; • белые пиксели – область фона. G'– преобразованная яркость; G – исходная яркость; T – порог.

7. Сегментация ограничением по порогу яркости • Производится на основе анализа яркостной гистограммы изображения; • Рекомендуемый порог сегментации – один из минимумов яркостной гистограммы.

8. Сегментация выделением границ • Контрастирует изображение, усиливая яркость граничных пикселей и ослабляя яркость остальных.

9. Сегментация выделением границ • Для сегментации используются матрицы свёрток. Например: – Превитта – Собела

10. Сегментация выделением границ • Сегментированные изображения могут быть обработаны с помощью преобразований Хаффа с целью их векторизации; • Векторизованные изображения используются для нахождения отдельных объектов изображения.

11. Сегментация наращиванием областей • Основана на группировке пикселей с небольшой разницей в значениях яркости; • Эффективна для равномерно освещённых объектов.

12. Волновой метод • Рекурсивный обход точек-соседей начиная с некоторых исходных; • Объединение точек с небольшой разницей яркости.

13. Метод слияния-расщепления • Разбиение изображения на однородные по яркости области; • Слияние схожих по яркости областей.

14. Метод яркостных промежутков • Разбиение множества значений яркости изображения на Nпромежутков; • Замена значений яркости каждого промежутка на среднее значение промежутка.

15. Логическая структура программы • Программа состоит из 4 основных частей, взаимодействующих между собой: • главное окно; • классы графической обработки; • диалоговые окна; • класс документа графического файла.

16. Логическая структура программы

17. Логическая структура программы • Главное окно программы отвечает за отображение данных и общение с пользователем; • Диалоговые окна позволяют задавать пользователю параметры выполняемых операций сегментирования;

18. Логическая структура программы • Классы графической обработки сегментируют и преобразовуют изображения; • Класс документа позволяет загружать, сохранять и контролировать графические данные.

19. Главное окно программы

20. Окно информации о файле

21. Диалоговые окна пороговой сегментации и сегментации выделением границ

22. Диалоговые окна сегментации наращиванием областей

23. Диалоговое окно сохранения результатов сегментации

24. Результаты тестирования • Применительно к изображениям с автомобильными номерами, метод отсечения по порогу даёт наилучшие результаты для полностью освещённых номеров; • Недостаток – проблематичность нахождения подходящего порога;

25. Результаты тестирования • При сегментации методом выделения границ наилучшие результаты получаются с применением операторов Собела и Превитта; • Использование данных операторов позволяет обнаружить достаточно чёткие границы объектов, не пропуская границы областей помех; • Недостаток – сложность перехода от изображения границ к отдельным объектам;

26. Результаты тестирования • Метод наращивания областей является наиболее трудоёмким, однако наиболее эффективным при обработке особенно сложных изображений; • Достоинство данного метода –нечувствительность к сильным помехам.

27. Выводы • В рамках проекта разработана программная система обработки изображений на основе методов сегментации; • Программа поддерживает обработку изображений большинства графических форматов. Выполняет их сегментацию основными методами сегментации и сохраняет результаты в графические файлы; • Проведён сравнительный анализ методов сегментации.