- import numpy
- import cv2
- import sklearn
- import pandas
- import xml.etree.ElementTree
- import pathlib
- import os
- import matplotlib
W celu lokalizacji znaków skorzystałem z algorytmu Hough'a, tranformata w kazdym mozliwym punkcie wykrytej krawędzi obrazu tworzy środek okregu, wybierane są te które są lokalnymi maksimami. Za pomocą glosowania, zostały wybrane potencjalne punkty które sa kandydatami na środki okręgów, następnie w celu najlepszego dopasowania promienia, jest on wielokrotnie zwiększany. Podczas procesu wyszukiwane są najlepsze dopasowania okręgu do istniejących w obrazie. W celu uzyskania zadowalających wyników, obraz musiał zostać przetworzony do obrazu w odcieniach szarosci, następnie wygładzony za pomocą filtru gausowskiego
Lokalizacja znaków zwróciła współrzędne prostokątów. Niektóre prostokąty zawierające znak pokrywały się ze sobą, a za pomocą techniki Non maximum supression wybierany jest obszar ktorego podobieństwo miedzy dwoma zbiorami jest największe, zwany indeksem Jaccarda. Omawiane zagadnienie zostało zaprezentowane ponizej:
- Dodanie histogramu koloru do klasyfikiacji obrazow
- W celu zwiekszenia wydajnosci lokalizacji okręgów obraz wygładzony przetworzyć przez detekcje krawędzi Canny Edge
Tutorial Hough Circle Transform.
Tutorial Non-Maximum Suppression.