Белорусский национальный технический университет

Факультет Информационных технологий и робототехники

Кафедра «Системы автоматизированного проектирования»

КУРСОВОЙ ПРОЕКТ

По дисциплине

“ Методы распознавания образов”

Тема: “Разработка подсистемы сегментации ключевого слова на изображении экрана смартфона”

Исполнитель: студент гр. 107522 Соловьев Роман Евгеньевич

Руководитель проекта: доцент Ковалева Ирина Львовна

Минск, 2015

Белорусский национальный технический университет

Факультет информационных технологий и робототехники

Кафедра «Системы автоматизированного проектирования»

ПОЯСНИТЕЛЬНАЯ ЗАПИСКА

к курсовому проекту

по дисциплине “Методы распознавания образов”

Тема: “Разработка подсистемы сегментации ключевого слова на изображении экрана смартфона”

Исполнитель: Соловьев Р. Е.

Руководитель: Ковалёва И. Л.

Минск, 2015

Оглавление

ВВЕДЕНИЕ 4

1.ОБЗОР ПРЕДМЕТНОЙ ОБЛАСТИ 5

1.1Способы перевода цветного изображения в полутоновое 6

1.2Методы бинаризации 9

1.3Способы сегментации 11

1.4Способы распознавания. 13

2. ПОСТАНОВКА ЗАДАЧИ 14

3. АДАПТАЦИЯ И ОПИСАНИЕ ИСПОЛЬЗУЕМЫХ АЛГОРИТМОВ 15

3.1 Перевод цветного изображения в полутоновое RGB(YUV) 15

3.1 Бинаризация пороговым методом и методом 120 16

3.2 Сегментация строк и промежутков между словами и буквами методом гистограмм 18

3.3 Сегментация слов и букв методом мод 19

3.4 Попиксельное итеративное утоньшение бинарного изображения 20

3.5 Распознавание 21

4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ 24

4.1 Схема программного обеспечения 24

4.2 Описание функций и методов 24

4.3Тестирование и руководство для пользователя 26

ЗАКЛЮЧЕНИЕ 30

ЛИТЕРАТУРА 31

Приложение 1. Схема IDEF трех уровней и UML диаграмма классов. 32

Приложение 2. Исходный код класса Binarizer 36

Приложение 3. Исходный код класса GystogramBuilder 37

ВВЕДЕНИЕ

Теория распознавания образов – раздел информатики и смежных дисциплин, развивающий методы классификации и идентификации предметов, явлений, процессов, ситуаций, объектов, которые характеризуются конечным набором некоторых свойств и признаков.

При этом перечень этих свойств и признаков либо задаются распознающей системе извне, либо формируются самой системой.

В качестве информативных признаков сканированных изображений могут выступать такие характерные признаки, как расположение и количество концевых элементов, количество пикселей объекта в строке, количество соседних пикселей объекта и т.д.

Для того, чтобы их определение стало возможным, может потребоваться выполнить следующие действия: бинаризация, сегментация, утоньшение;

В данном курсовом проекте необходимо найти ключевое слово на изображении текста с экрана смартфона. Возможность автоматически находить слова на изображении текста может быть полезно при работе со сканированным текстом, с фотографиями текста, а также при работе с информацией в таких форматах как DJVU, PDF и других.

Данный курсовой проект состоит из 4 разделов:

• В первом разделе описывается предметная область, существующие программные продукты и их недостатки, существующие методы для подготовки изображения к распознаванию.

• Во втором разделе описывается цель курсового проекта, какими должны быть входные и выходные параметры, ограничения.

• В третьем разделе идет описание используемых алгоритмов для подготовки к распознаванию и непосредственно самогораспознавания.

• В четвертом разделе представлена программная реализация используемых алгоритмов.

Обзор предметной области

Распознавание текста на изображении — довольно распространенная задача, которая решается множеством платных (яркий представитель Abbyy FineReader) и свободных (OpenCV, Tesseract) библиотек и программ, однако почти всегда полученный текст не полностью совпадает с оригинальным, что может стать проблемой при выполнении поиска ключевого слова, при этом на работу сложных и ресурсоемких алгоритмов компьютерного зрения затрачивается много времени (от нескольких минут до нескольких часов).

Вместе с тем зачастую необходимо не получить текст с изображения, а всего лишь найти ключевое слово на изображении текста, например для быстрого перехода к нужной информации для чтения. При этом не важно получение информации в текстовом формате, а важно нахождение места на изображении. Данную задачу можно решить при помощи менее ресурсоемких алгоритмов и затратив при этом минимум времени, которое может быть сравнимо со временем обычного поиска ключевого слова в текстовом представлении информации и составляет несколько секунд.

Задача сегментации включает в себя выполнение некоторых подготовительных процессов, таких как бинаризация и утоньшение, самой сегментации, а также распознавании среди полученных претендентов, при этом можно использовать различные методы обработки изображений.

Способы перевода цветного изображения в полутоновое

Прежде чем приступить к бинаризации, цветное изображение должно быть переведено в полутоновое.

Существует ряд различных способов перевода цветного RGB изображения в другие системы, в которых возможно отдельно выделить яркость каждого пикселя, что необходимо для полутонового изображения.

1. Перевод RGB в HSB (HSV)

В ходе преобразования значения яркостей по красной, зеленой и синей составляющим, заданные в диапазоне [0..1], конвертируются в модель HSB (HSV). Получают значения в следующих диапазонах:

Н – цветовой тон (0-360°), 0° – красный

S – насыщенность (0-1); B(V) – светлота (0-1)

Мах – функция определения максимума среди трех составляющих R,G, и B.

Min – функция определения минимума среди трех составляющих R,G, и B.

Алгоритм перевода RGB в HSB (HSV) следующий:

V = MAX

2. Перевод RGB в HSL

Начальные условия, диапазоны изменений и обозначения аналогичны предыдущему пункту. Алгоритм перевода приводится ниже.

L = ½(MAX + MIN)

3. Перевод RGB в CMYK

Перед конвертацией значения яркостей по красной, зеленой и синей составляющим нормализуются. Основной принцип преобразования состоит в следующем:

tC'M'Y' = {1 - R, 1 - G, 1 - B};

K = min{C', M', Y'};

tCMYK = {0, 0, 0, 1} if K = 1

tCMYK = { (C' - K)/(1 - K), (M' - K)/(1 - K), (Y' - K)/(1 - K), K }

4. Перевод RGB в YUV (YUV444)

Диапазоны изменения входных и выходных величин следующие:

• величины R, G, B, Y могут принимать значения в диапазоне [0, 1];

• величина U – в диапазоне [-0.436, 0.436];

• величина V – в диапазоне [-0.615, 0.615].

Преобразование RGB в YUV (YUV444) осуществляется по следующему принципу:

tYUV = { (0.299 R + 0.587 G + 0.114 B), (- 0.14713 R + 0.28886 G + 0.436 B), (0.615 R + 0.51499 G + 0.10001 B) }

5. Перевод RGB в XYZ

Перед конвертацией значения яркостей по красной, зеленой и синей составляющим нормализуются. Основной принцип преобразования состоит в следующем:

a = 0.055 и 2.2

где

Следует отметить, что при переводе в полутоновое любым из этих методов качество изображения может ухудшиться.

После проведения перевода из цветного изображения в полутоновое можно приступать к бинаризации изображения.

В курсовом проекте предпочтительнее задействовать четвертый метод перевода RGB в YUV, так как при его использовании наблюдаются наименьшие потери информаии и удобнее использовать значение интенсивности в качестве полутоновой яркости.