Witam, od dłuższego czasu męcze się z problemem zlokalizowania cyfr na obrazku, dokladniej mówiąc mam obrazek
http://wgrajfoto.pl/pokaz/img1009/savecede.jpg
to jest przód autobusu, i muszę teraz zlokalizować ten numer 19. Prosiłbym o podpowiedzi lub rady jak to najlepiej lub w ogóle zrobić. Z góry dzięki.
A jak tam beda cyfry od 1 do 19 to chyba porownywanie z wzorcem zajmie bardzo duzo czasu :/
Z tematu postu
pozycje tej liczby
i treści postu
muszę teraz zlokalizować ten numer 19
jednoznacznie wynika, że wiesz iż będą to cyfry 19, a Twoim zadaniem jest znaleźć ich położenie na rysunku. Chodzi Ci o coś innego?
Moze zle się wyraziłem, tam może być liczba od 1 do 19 a ja musze zlokalizować jej <ort>połorzenie </ort>(współrzędną x oraz y)
scharakteryzuj dane wejściowe i wyjściowe:
wejście: czy to jest dowolne zdjęcie czy zawsze autobus? jaki jest rozmiar tej liczby w stosunku do całego zdjęcia? czy może być bardzo malutka? czy zdjęcie zawsze jest przefiltrowane do b&w? i tak dalej... im więcej cech charakterystycznych tym lepiej.
wyjście: to ma być pozycja jakiegoś piksela należącego do tej liczby czy jakieś pole?
to właśnie te informacje mają największy wpływ na wybór algorytmu.
Dane wejściowe:
Mógłbyś zaproponować cokolwiek co mnie naprowadzi na sposób odnalezienia tych wpsółrzędnych ?
Witam,
nie jestem specjalistą w tej dziedzinie - tak na prawdę to kończę finanse a nie informatykę, automatykę czy co tam wy studiujecie jednak przychodzi mi do głowy następująca myśl:
możesz użyć SSN do nauki rozpoznawania tych liczb - od 1 do 19 z różnej wielkości (tzn. jako dane wyjściowe będą oczywiście liczby od 1 do 19 ale jako zmienne wejściowe będą różnej wielkości te liczby - jedne będą zajmować więcej pixeli a inne mniej -> mam nadzieję, że mnie rozumiesz bo ciężko mi się dobrze wysławiać w tematyce o której jedynie trochę czytałem :P).
anyway... jak nauczysz taką sieć rozpoznawania liter mniejszych i większych z pewnego zbioru to możesz potem przeszukiwać taki obrazek przez analizowanie pewnego jego części - np. masz obrazek o rozmiarach 10x10 cm (nie wiem ile to będzie pixeli :/ ale Ty musisz to zrobić w pixelach) i analizujesz np. najpierw pierwsze 2x2 cm potem 2x2 cm ale przesunięte o 1 cm... - tak, żebyś miał pewność, że rozmiar który przyjąłeś do przeszukiwania na pewno znajdzie całą liczbę (a nie np. najpierw 1 a potem 8 w liczbie 18 ale że będzie miał szanse znaleźć całą liczbę 18) no i zawsze przeszukujesz cały obrazek - najpierw pierwszy wiersz potem wiersz o 1 cm niżej itd. no i w teorii sieć powinna znaleźć Ci tą liczbę (tzn. jako tą najbardziej prawdopodobną.
Tzn. sieć ma np. 20 wyjść - każde wyjście odpowiada jakiejś liczbie a ty wybierasz tą liczbę, która otrzymała największy wynik.
Może piszę trochę nie zrozumiale ale...
Poczytaj sobie o OCR - a konkretnie pierwsza faza algorytmu - czyli wyszukiwanie orientacji tekstu na podstawie histogramów poziomych, a potem wyróżnianie wyrazów na podstawie histogramu pionowego z linii tekstu.
Patrząc na charakterystykę fotki jaką podałeś, możesz spróbować zrobić to tak. Liczysz "histogramy" dla każdej lini pionowej i poziomej obrazka. (zliczaj tylko białe piksele, jak to nie jest b&w tylko wiecej poziomu - dorób jakąs funkcje progową). tam gdzie supki są wysokie i w pionie i poziomie tam masz duże obszary białego. - żeby wyeliminować inne duże połacie - możesz sprytniej zrzucać do B&W - napisz sobie taką funkcję progową, która zamienia na czarny każdy kolor, z wyjątkiem koloru ( i jego otoczenia *) jakim są pisane litery i cyfry na ty autobusie.
Jak już będziesz miał, to algorytmem grzebieniowym z OCR'a możesz sobie wyprostować obrazek (jesli bedą takie dwulinijkowe teksty to sie powinno udac). I na tym zapuścić już sieć neuronową, np. Hopfielda, nauczoną tych 19 numerków.
Wielkie dzieki spin o to wlasnie mi chodzilo :), teraz mam jakis pomysl :)
