Сабж. Нужна реализация алгоритма скелетизации изображения(желательно бинарного) на любом языке высокого уровня. C#\C++\Delphi приветствуется. Алгоритм Зонга-Суня не предлагать.
Я когдато пробывал делать распознование, пытался писать свой алгоритм, но алг. зонга суня довал самые хорошие результаты, а если переписать на ASM то и скорость становилась очень хорошей
Волновой алгоритм http://ocrai.narod.ru/vectory.html Canny http://en.wikipedia.org/wiki/Canny_edge_detector ПС:Были попытки реализовать на С волновой алгоритм если найду скину.
slesh, мне скорость не сильно существенна. а переписывать с асма на нужный мне язык будет гемором.. St0nX, мне нужна готовая реализация. Волновой алгоритм находил, но несмог его реализовать. Слишком много кода получается. А канни попробую. Спасибо. ---- Тема остаётся актуальной.
Теории много, а на практике практически никто ничего не реализовал. А если и реализовал, то не делятся этим, и правильно делают. Вот хорошие статьи по теме скелетизации и вообще компьютерному зрению. Непрерывный скелет бинарного растрового изображения РАСПОЗНАВАНИЕ АВТОМОБИЛЬНОГО РЕГИСТРАЦИОННОГО НОМЕРНОГО ЗНАКА С ЛОКАЛИЗОВАННОЙ ОБЛАСТИ
Распознавание номера Доброе время суток всем! Сейчас занимаюсь системой контроля машин и встала острая проблема выделения области номерного знака. Несколько дней кошмарил поисковики, результат - одна вода. Практической реализации нигде не рассмотренно. Нашел много информации по Хаафу, Канни и Хоку, но преимущественно одна теория. Бьюсь уже второй день, как рыба об лёд. mr.The, Вы реализовали, то что хотели? Может что-то посоветуете? ZagZag, не могу достучаться по ссылке на "РАСПОЗНАВАНИЕ АВТОМОБИЛЬНОГО РЕГИСТРАЦИОННОГО НОМЕРНОГО ЗНАКА С ЛОКАЛИЗОВАННОЙ ОБЛАСТИ", а это было бы в тему. Может у Вас сохранилось на жестком? Пожалуйста, киньте на мыло [email protected] или выложите на форуме, это будет очень полезно. Заранее благодарен.
Dr.Jekill, нет, я, в итоге, юзал алгоритм Зонга-Суня(реализацию находил в инете, на С, если не ошибаюсь). Но после оказалось, Нейронную сеть нужно было слишком долго учить, и нужно было использовать другие варианты НС(у меня был достаточно примитивный вариант). В итоге, я оставил эту затею. Про алгоритм зонга-суня, и ещё 1 алгоритм: _ttp://xain.hackerdom.ru/zine/online/issue0/Breaking%20Da%20CAPTCHA.html
mr.The, спасибо за ссылку - сейчас буду смотреть. А Вы случайно не скачивали себе, по ZagZag'овской ссылке "РАСПОЗНАВАНИЕ АВТОМОБИЛЬНОГО РЕГИСТРАЦИОННОГО НОМЕРНОГО ЗНАКА С ЛОКАЛИЗОВАННОЙ ОБЛАСТИ"? Может сохранилось, а то ZagZag, по ходу отписался от темы.
Нашел у себя в архиве. Презалил по просьбе. http://depositfiles.com/files/l3qr5mt67 Кстати, у меня та ссылка открывается, там PDF'ка лежит
самое неочевидное, казалось бы на первый взгляд. развлекался с подругами на сайтах - "оденься и раденься" точно и верно трассируют строение тела 3D-сплайнами, если не найду ссылки на тот сайт, было это года три тому назад, можно лишь попробовать поиск по ключевым словам: "размер одежда девушка одеть онлайн"
Зонга-Суня на С: Code: /* Zhang-Suen thinning */ int y [256][256]; main() { int i,j,k,n,m; int im[256][256]; /* Read the glyph */ scanf ("%d", &n); scanf("%d", &m); for (i=0; i<n; i++) { for (j=0; j<m; j++) { scanf ("%d", &k); im[i][j] = k; } } iputim (im, n, m); thin_b (im, n, m); iputim (im, n, m); } iputim (image,n,m) int image[256][256],n,m; { int i,j; for (i=0; i<n; i++) { for (j=0; j<m; j++) { if (image[i][j] >= 100) image[i][j] = 9; printf ("%3d", image[i][j]); } printf ("\n"); } } thin_b (image,nn,mm) int image[256][256], nn,mm; { /* Thinning algorithm: CACM 1984 march (Zhang and Suen) */ int i,j,n,m,k, cont, br,ar,p1,p2, t1a(); int a[8]; printf ("Thinning algorithm: CACM 1984 march (Zhang and Suen) \n"); cont = 1; while (cont) { printf ("+\n"); cont = 0; /* Sub-iteration 1: */ for (i=0; i<nn; i++) for (j=0; j<mm; j++) { /* Scan the entire image */ if (image[i][j] == 0) { y[i][j] = 0; continue; } ar = t1a (image, i, j, a, &br,nn,mm); /* Function A */ p1 = a[0]*a[2]*a[4]; p2 = a[2]*a[4]*a[6]; if ( (ar == 1) && ((br>=2) && (br<=6)) && (p1 == 0) && (p2 == 0) ) { y[i][j] = 1; cont = 1; } else y[i][j] = 0; } subtr (y, image,nn,mm); /* Sub iteration 2: */ for (i=0; i<nn; i++) for (j=0; j<mm; j++) { /* Scan the entire image */ if (image[i][j] == 0) { y[i][j] = 0; continue; } ar = t1a (image, i, j, a, &br,nn,mm); /* Function A */ p1 = a[0]*a[2]*a[6]; p2 = a[0]*a[4]*a[6]; if ( (ar == 1) && ((br>=2) && (br<=6)) && (p1 == 0) && (p2 == 0) ) { y[i][j] = 1; cont = 1; } else y[i][j] = 0; } subtr (y, image,nn,mm); } } subtr (a, b, n,m) int a[256][256], b[256][256],n,m; { int i,j; for (i=0; i<n; i++) for (j=0; j<m; j++) b[i][j] -= a[i][j]; } int t1a (image, i, j, a, b,nn,mm) int image[256][256]; int i,j, *b,nn,mm; int a[8]; { /* Return the number of 01 patterns in the sequence of pixels P2 p3 p4 p5 p6 p7 p8 p9. */ int n,m; for (n=0; n<8; n++) a[n] = 0; if (i-1 >= 0) { a[0] = image[i-1][j]; if (j+1 < mm) a[1] = image[i-1][j+1]; if (j-1 >= 0) a[7] = image[i-1][j-1]; } if (i+1 < nn) { a[4] = image[i+1][j]; if (j+1 < mm) a[3] = image[i+1][j+1]; if (j-1 >= 0) a[5] = image[i+1][j-1]; } if (j+1 < mm) a[2] = image[i][j+1]; if (j-1 >= 0) a[6] = image[i][j-1]; m= 0; *b = 0; for (n=0; n<7; n++) { if ((a[n]==0) && (a[n+1]==1)) m++; *b = *b + a[n]; } if ((a[7] == 0) && (a[0] == 1)) m++; *b = *b + a[7]; return m; } /* End of method B */ Зонга-Суня на Pas: Code: Procedure SkeletizeZS2; var i,j,n,m,k, cont, br,ar,p1,p2: integer; a:array [0..8] of integer; begin pixeldeleted:=false; { Sub-iteration 1: } for i:=0 to ImgBArrWidth do for j:=0 to ImgBArrHeight do begin { Scan the entire image } if (ImgBArr[i,j] = r_false) then begin ImgBArr2[i,j] := r_false; continue; end; ar := t1a ( i, j, a, br); { Function A } p1 := a[0]*a[2]*a[4]; p2 := a[2]*a[4]*a[6]; if ( (ar = 1) and ((br>=2) and (br<=6)) and (p1 = 0) and (p2 = 0) ) then begin ImgBArr2[i,j] := r_true; end else ImgBArr2[i,j] := r_false; end; subtr; { Sub iteration 2: } for i:=0 to ImgBArrWidth do for j:=0 to ImgBArrHeight do begin { Scan the entire image } if (ImgBArr[i,j] = r_false) then begin ImgBArr2[i,j] := r_false; continue; end; ar := t1a ( i, j, a, br); { Function A } p1 := a[0]*a[2]*a[6]; p2 := a[0]*a[4]*a[6]; if ( (ar = 1) and ((br>=2) and (br<=6)) and (p1 = 0) and (p2 = 0) ) then begin ImgBArr2[i,j] := r_true; end else ImgBArr2[i,j] := r_false; end; subtr; end; function t1a (i, j:integer; var a:array of integer; var b:integer):integer; var n,m:integer; begin { Return the number of 01 patterns in the sequence of pixels P2 p3 p4 p5 p6 p7 p8 p9. } // int n,m; for n:=0 to 8-1 do a[n] := 0; if (i-1 >= 0) then begin a[0] := integer(ImgBArr[i-1,j]); if (j+1 < ImgBArrHeight) then a[1] := integer(ImgBArr[i-1,j+1]); if (j-1 >= 0) then a[7] := integer(ImgBArr[i-1,j-1]); end; if (i+1 < ImgBArrWidth) then begin a[4] := integer(ImgBArr[i+1,j]); if (j+1 < ImgBArrHeight) then a[3] := integer(ImgBArr[i+1,j+1]); if (j-1 >= 0) then a[5] := integer(ImgBArr[i+1,j-1]); end; if (j+1 < ImgBArrHeight) then a[2] := integer(ImgBArr[i,j+1]); if (j-1 >= 0) then a[6] := integer(ImgBArr[i,j-1]); m := 0; b := 0; for n:=0 to 6 do begin if ((a[n]=0) and (a[n+1]=1)) then m:=m+1; b := b + a[n]; end; if ((a[7] = 0) and (a[0] = 1)) then m:=m+1; b := b + a[7]; result := m; end; procedure subtr; var i,j:integer; begin for i:=0 to ImgBArrWidth do for j:=0 to ImgBArrHeight do if ImgBArr2[i,j]=r_true then begin ImgBArr[i,j] := r_false; pixeldeleted:=true; end; end; MB2 на Pas (слабо эффективный): Code: Procedure SkeletizeMB; var r1,r2:boolean; p:array [0..25] of boolean; x,y,x2,y2:integer; v1,v2,v3,v4:integer; c:integer; b,a1,a2:boolean; begin pixeldeleted:=false; for y:=1 to ImgBArrHeight-1 do for x:=1 to ImgBArrWidth-1 do ImgBArr2[x,y]:=r_false; for y:=2 to ImgBArrHeight-2 do begin for x:=2 to ImgBArrWidth-2 do begin c:=0; for y2:=1 to 5 do for x2:=1 to 5 do begin c:=c+1; p[c]:=boolean(ImgBArr[x+(x2-3),y+(y2-3)]); end; if ((x=11) and (y=2)) then begin c:=c+1; // showmessage('hi'); end; b:= p[13] and p[19] and not (p[18] or p[14]); if b then continue; b:= p[13] and p[17] and not (p[18] or p[12]); if b then continue; b:= p[13] and p[7] and not (p[8] or p[12]); if b then continue; b:= p[13] and p[9] and not (p[8] or p[14]); if b then continue; a1:=p[13] and p[14] and p[15] and p[9] and p[19] and not(p[12]); a1:=a1 or (p[13] and p[18] and p[23] and p[17] and p[19] and not(p[8])); a1:=a1 or (p[13] and p[11] and p[12] and p[17] and p[7] and not(p[14])); a1:=a1 or (p[13] and p[8] and p[3] and p[7] and p[9] and not(p[18])); a2:= p[13] and p[14] and p[18] and p[19] and p[20] and p[24] and not (p[7] or p[8] or p[12]); a2:= a2 or ( p[13] and p[12] and p[16] and p[17] and p[18] and p[22] and not (p[8] or p[9] or p[14])); a2:= a2 or ( p[13] and p[6] and p[7] and p[8] and p[12] and p[2] and not (p[14] or p[18] or p[19])); a2:= a2 or ( p[13] and p[4] and p[8] and p[9] and p[10] and p[14] and not (p[12] or p[17] or p[18])); if a1 or a2 then begin ImgBArr2[x,y]:=r_true; pixeldeleted:=true; end; end; end; for y:=1 to ImgBArrHeight-1 do for x:=1 to ImgBArrWidth-1 do if ImgBArr2[x,y]=r_true then ImgBArr[x,y]:=r_false; end; Примечание: Pas файлы вырезаны с кода OCRки, так что если что-то не понятно можете посмотреть в ее исходники.
Ящик Пандоры - GREAT! PandoraBox, тебе цены нет! Может что-то посоветуешь по такой задаче: Есть два кадра, первый снят во время t0 (далее предыдущий кадр), а второй во время t (далее текущий кадр). Кадры разбиваются на блоки пикселов и для каждого блока пикселов текущего кадра находится вектор движения (определяет смещение блока пикселов по x и y, относительно предыдущего кадра, основываясь на том, что интенсивность каждого пиксела постоянна). После этого производится обход блоков и сравнение их векторов движения, при этом блоки с похожими (по направлению, длине и т.п.) векторами движения объеденяются. Все эти действия направленны на сегментацию изображений, т.е. на выделение объектов отличных от статичного фона. Проблема следующая: если предположить, что у нас нет проблем с освещеностью, что текстура объектов ярко выраженна, необходимо подобрать (как вариант усовершенствовать/разработать) быстрый алгоритм нахождения векторов движения. Главными требованиями для этого алгоритма будут: небольшая вычислительная сложность (соотв. время вычислений), и минимальное кол-во ложных векторов движения, не соотв. реальному движению нестатичных объектов. В идеале это кол-во должно приближаться к количеству, как при методе полного перебора (где-то ~35% от общего количества). В сущности проблема в выборе алгоритма. Однако можно подумать в направлении предварительной обработки сообщений для сужения зоны поиска и/или последующего исключения ложных векторов вижения, чтобы снизить риск рассегментации и потери объекта. В общем проблема такая. Может кто что посоветует?
Добавил к репутации. Вы пишите: "...можете посмотреть в ее исходники...". Извините, я не понял. А где?
по теме база хранения знаний http://cerebrum.codeplex.com/Release/ProjectReleases.aspx?ReleaseId=21360
