Projekt zaliczeniowy WDSI

Maciej Krupka

Wymagane biblioteki

• import numpy
• import cv2
• import sklearn
• import pandas
• import xml.etree.ElementTree
• import pathlib
• import os
• import matplotlib

Lokalizacja znaków

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

Non maximum supression

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:

Mozliwosci ulepszenia

• Dodanie histogramu koloru do klasyfikiacji obrazow
• W celu zwiekszenia wydajnosci lokalizacji okręgów obraz wygładzony przetworzyć przez detekcje krawędzi Canny Edge

Linki

Tutorial Hough Circle Transform.

Tutorial Non-Maximum Suppression.