 |
Метод максимальных площадей
|
|
|
|
Метод приводит найденные объекты к форме, более удобной для дальнейшей обработки, и объединяет отдельные области на разностном изображении в области по признаку их близости друг другу [].
Необходимо выделить области правильной формы, являющиеся достаточно крупными объектами. Задачу можно формализовать следующим образом: необходимо разбить множество точек 
на максимально возможное число непересекающихся подмножеств 
.
Предложим следующий алгоритм решения:
1. На множестве конструируем подмножества 
, содержащие связанные точки, выбранные как лежащие рядом друг с другом.
2. Конструируем новые подмножества , охватывающие те подмножества 
, которые лежат рядом друг с другом.
3. Повторяем пункт 2 до тех пор, пока не получим конечное количество подмножеств .
Метод был адаптирован и реализован функциями библиотеки OpenCV. Пример его работы представлен на рис.
| № | Разностное изображение
| Результат: области правильной формы | |
| Круг | Прямоугольник | ||
| 1 | 
| 
| 
|
| 2 | 
| 
| 
|
| 3 | 
| 
| 
|
Рис. Пример работы алгоритма для разных областей правильной формы.
В первом столбце показаны изображения, полученные после алгоритма сравнения двух изображений. Во втором и третьем столбцах показаны результаты работы вышеописанного алгоритма. Во втором столбце в результате преобразований мы получаем область в виде круга, а в третьем в виде прямоугольника.
В первой и второй строке исходным является изображение руки. Как видно, область движения руки не является однородной. В результате работы алгоритма, область движения руки сводиться к однородной области правильной формы (круг, прямоугольник).
В третьей строке исходным является изображение камня на игровой доске. Аналогично, в результате работы алгоритма область движения камня сводиться к однородной области правильной формы (круг, прямоугольник).
|
|
|
Метод гистограмм
В методе используется гистограмма изображения искомого объекта для нахождения объекта с такими же цветовыми характеристиками на серии изображений.
Нужно построить изображение в оттенках серого цвета, содержащее необходимые нам объекты.
Введём оператор, который преобразует функцию яркости изображения 
в функцию количественного распределения пикселей с определенным значением яркости (гистограмму) 
(где k – численное значение яркости):
Обратный оператор 
преобразует гистограмму в изображение в оттенках серого.
Алгоритм состоит из следующих этапов:
1. Построение гистограмм искомого объекта 
и исходного изображения 
2. Формируем новую гистограмму, как нормированное произведение и : 
3. Используя обратное преобразование , получаем двумерную функцию, которая является искомым изображением в оттенках серого: 
Метод был адаптирован и реализован функциями библиотеки OpenCV. Результаты применения метода приведены на рис.
| Доска | Черный камень | Белый камень | |
| Искомое изображение | 
| 
| 
| |
| Гистограмма искомого изображения | 
| 
| 
| |
| Исходное изображение | По гистограмме доски | По гистограмме черного камня | По гистограмме белого камня | |
| № |
|
|
|
|
| 1 | ||||
| 2 | 
| 
| 
| 
|
| 3 | 
| 
| 
| 
|
Искомыми изображениями являются изображения игровой доски, чёрного и белого камня. В таблице представлены их гистограммы.
Во всех трёх опытах к исходному изображению, содержащему область движения, применялся вышеописанный метод. В результате в каждом из опытов были получены три изображения. Каждое из изображений содержит область, в которой нахождение искомого объекта максимально, т.е. максимально количество белых пикселей в этой области
|
|
|
|
|
|
