Розробити алгоритм оцифровки наукових графіків, відмітною особливістю (порівняно з аналогами) якої була б функція автоматичного визначення набору точок на графіку з урахуванням перетину цього графіка з осями координат і з іншими графіками.
). Розробити зручну для використання програму на Java реалізовує цей алгоритм. Програма повинна забезпечувати наступні функції:
читання зображення з диска;
прив'язка осей координат і визначення масштабів по осях графіка;
оцифровка обраного графіка.
генерація координат оцифрованого графіка і збереження результатів на диск в текстовій файл у вигляді таблиці координат точок.
Теоретично ця задача зводиться до розпізнавання в зображенні набору крайок (і ліній) на цифровому зображенні, формування дерева крайок (ліній) і виявлення потрібної галузі (конкретного графіка).
. Літературний огляд методів розпізнавання кромок для схожих завдань
Виділення і локалізація кромок і ліній на зображеннях є класичною задачею комп'ютерного розпізнавання. Зазвичай, обробка оригінального зображення зазвичай включає етап попередньої обробки і перехід до градієнтним зображенням. При цьому представляють інтерес межі областей зображень перетворюються в контури. До числа найпростіших геометричних ознак на контурних зображеннях відносяться відрізки прямих ліній, кути, перетину та ін Локалізація полягає в знаходженні координат кінцевих і інших характерних точок.
Кромка (або грань) визначається як локальна неоднорідність, або швидка зміна інтенсивності або текстури. Точки лінійної кромки мають властивість суміжності, сусідні точки утворюють профіль кромки. Прямолінійні кромки виділяються як відрізки прямих ліній (лінійні сегменти), і являють собою не тільки найпростіші, але вельми інформативні ознаки. Виділення прямолінійних кромок дозволяє перейти до векторній формі представлення зображення, тобто до набору впорядкованих координат для характерних точок положення виділених ліній.
2.1 Градієнтні оператори
В роботі [9] зазначається, що існує два загальних підходи виявлення кромок, ліній в цифровому зображенні: диференціальне детектування і модельний підбір (fitting). Перший підхід заснований на обробці оригінального образу для отримання диференціального, де посилені просторові зміни амплітуди яскравості. Оператор диференціального виявлення використовується для визначення положень пікселів, де має місце значна зміна амплітуди. Другий підхід заснований на «підгонці» групи пікселів під модель кромки, лінії або плями. Якщо збіг деяких визначальних параметрів досить близьку, то вважається, що дана група являє собою кромку, лінію або пляма. В результаті зазвичай генерується бінарна карта-індикатор, де вказані положення кромок, ліній і плям.
Кромка в безперервній області зміни яскравості може бути визначена шляхом формування одновимірного градієнта вздовж лінії, нормальної до крайки, яка нахилена до осі X під кутом:
Якщо величина цього градієнта досить велика (в порівнянні з заданим порогом), то кромка вважається присутньої.
В дискретному випадку градієнт обчислюється таким чином:
,
де - градієнти по рядках і стовпцях (пікселів). Для підвищення обчислювальної е...
