Введение 3
Постановка задачи 4
Обзор литературы 5
Глава 1. Обработка изображения 6
1.1. Контурная бинаризация 6
1.2. Подсчет свойств контура 8
1.3. Фильтрация контуров 10
Глава 2. Обнаружение линий и векторизация 12
2.1. Контурная скелетизация 12
2.2. Отслеживание скелетизированных сегментов 14
2.3. Соединение сегментов 15
Глава 3. Соединение линий после поиска градиента 17
3.1. Выбор оператора и модификация детектора границ 17
3.2. Соединение линий 19
Выводы 21
Заключение 22
Список литературы 23
Приложение 24
Данная дипломная работа представляет собой описание и реализацию алгоритмов по по обнаружению и векторизации прерывистых линий. Проект реализован на языке программирования Java в среде разработки NetBeans IDE.
Со времен начала развития компьютерное зрения был проделан большой путь вперед. В течение своего развития многие алгоритмы и методы старались подражать человеческому мышлению. Но до сих пор в некоторых областях, таких как распознавание линий и границ объектов, предпринимаются попытки обнаружения и отслеживания.
Целью данной работы является описание и реализация инструментария для обнаружения и соединения разрывных линий, представление их в векторизованном виде в памяти компьютера для последующей обработки.
В данной работе будет описано обнаружение и отслеживание линий, которые могут состоять из разнородных сегментов. Основное свойство, которому каждый сегмент линии должен удовлетворять — продольность. В остальном — длине, ширине, кривизне — сегменты могут быть совершенно разными.
Созданный инструментарий будет размещен в свободном доступе и будет доступен для скачивания. Данный проект обеспечит для специалистов фундаментальную базу в области обнаружения и векторизации разрывных линий на цифровых изображениях
К сожалению, в программе не предусматривается автоматического подбора порогов для оптимального выделения продольных контуров и соединения сегментов, но может послужить фундаментальной базой для последующих исследований и модификаций.
[1] Raghupathy K. Curve tracing and curve detection in images // Cornell University, August, 2004, 124 P
[2] Lezama J., Randall G., Morel J., Grompone R. An Unsupervised Point Alignment Detection Algorithm // Image Processing On Line, 2015, P. 296¬310.
[3] Lezama J., Randall G., Morel J., Grompone R. An Unsupervised Algorithm for Detecting Good Continuation in Dot Patterns // Image Processing On Line, 2016, P. 81-92.
[4] Otsu N. A Threshold Selection Method from Gray-Level Histograms // IEEE Transactions on Systems, Man, and Cybernetics, Vol. 9, No. 1, 1979, P. 62-66.
[5] Balarini J., Nesmachnow S. A C++ Implementation of Otsu’s Image Segmentation Method // Image Processing On Line, 2015, P. 155-164.
[6] Местецкий Л. М. Непрерывная морфология бинарных изображений: фи¬гуры, скелеты, циркуляры. М.: ФИЗМАТЛИТ, 2009. С. 44-46.
[7] Задорожный С. А. Обнаружение и прослеживание кривых на цифровых изображениях, 2015.
[8] Canny J. A Computational Approach to Edge Detection // IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. Pami-8, No. 6, 1986, P. 679-698.
[9] Sponton H., Cardelino J. A Review of Classic Edge Detectors // Image Processing On Line, 2015, P. 90-123.
[10] Duda R., Hart P. Pattern Classification and Scene Analysis // John Wiley and Sons, 1973, P. 271-272.
[11] Jahne B., Scharr H., Korke S. Principles of filter design // Handbook of Computer Vision and Applications 2, P. 125-151.