pack = packs.get(i);

}

}

packs.clear();

packs.add(pack);

return packs;

}

return result;

}

6. Реализация вспомогательного алгоритма

private void ordAction(Point in,double ord_angel){

Dimension dim = this.getSize();

int dx = dim.width / 2 - image.getWidth(null) / 2;

int dy = dim.height / 2 - image.getHeight(null) / 2;

Point p_tmp = this.toInitCord(p);

Point pt = new Point (p_tmp.x - dx,p_tmp.y - dy);

BufferedImage bimage = new BufferedImage(image.getWidth(null),

image.getHeight(null), BufferedImage.TYPE_INT_RGB);

// Draw the image on to the buffered image

Graphics2D g2 = bimage.createGraphics();

g2.drawImage(image, 0, 0, null);

g2.dispose();

int defColour = -1;

if (isPtInBImg(bimage,pt.x,pt.y)){

defColour = bimage.getRGB(pt.x, pt.y);

}

if(defColour==-1){

return;

}

int radius = 1;

ArrayList<Point> pair_ordInx_ptInx = new ArrayList<Point>();

ArrayList<Point> ord_vectors = new ArrayList<Point>();

ArrayList<List<Point>> packs = new ArrayList<List<Point>>();

boolean exit=true;

while (radius<max(dim.height,dim.width)/2){

packs = new ArrayList<List<Point>>();

ArrayList<Point> content = new ArrayList<Point>();

boolean contentwrite = false;

Point pt_tmp = new Point(pt.x - radius, pt.y - radius);

for (int i=0;i<=8*radius-1;i++){

double alpha = PI/2 * (i/(2*radius));

if (isPtInBImg(bimage,pt_tmp.x,pt_tmp.y) && defColour ==bimage.getRGB(pt_tmp.x, pt_tmp.y)){

content.add(pt_tmp);

contentwrite = true;

}

else if (contentwrite){

packs.add(content);

content = new ArrayList<Point>();

contentwrite = false;

}

pt_tmp = new Point(pt_tmp.x + (int)cos(alpha),pt_tmp.y + (int)sin(alpha));

}

if (contentwrite ){

if(!packs.isEmpty() && (packs.get(0).get(0).x == pt.x - radius ||

packs.get(0).get(0).y == pt.y - radius) ){

content.addAll(0, packs.get(0));

packs.set(0,content);

contentwrite = false;

}else{

packs.add(content);

contentwrite = false;

}

}

if(packs.size()>=2 && packs.size()!=3){

exit = false;

for (int i=0;i<4;i++){

Point ord_tmp = new Point(pt.x - (int) (cos(ord_angel*PI/180+PI/2*i)*10000),pt.y +

(int) (sin(ord_angel*PI/180+PI/2*i)*10000));

int best = 0;

int bestPoint = 0;

double s = -3;

int pVx = ord_tmp.x - pt.x;

int pVy = ord_tmp.y - pt.y;

double pL = sqrt(pow(pVx,2) + pow(pVy,2));

//check all points->

for (int k=0;k<packs.size();k++){

for (int j = 0;j<packs.get(k).size();j++){

Point middle = packs.get(k).get(j);

int cVx = middle.x-pt.x;

int cVy = middle.y-pt.y;

double cL = sqrt(pow(cVx,2) + pow(cVy,2));

double s_tmp = ((double)pVx/pL)*((double)cVx/cL) +

((double)pVy/pL)*((double)cVy/cL);

if (s_tmp>=s){

s=s_tmp;

best = k;

bestPoint = j;

}

}

}

//<-check all points

ord_vectors.add(new Point(pVx,pVy));

pair_ordInx_ptInx.add(new Point(best,bestPoint));

}

break;

}else{

radius++;

}

}

if (exit){return;}

ArrayList<List<Point>> ord_packs = packs;

for(int indx = 0;indx<4;indx++){

pt = ord_packs.get(pair_ordInx_ptInx.get(indx).x)

.get(pair_ordInx_ptInx.get(indx).y);

Point pt_vect = ord_vectors.get(indx);

int radius_tmp=ord_packs.get(pair_ordInx_ptInx.get(indx).x).size();

radius = radius_tmp/2+1;

int width = ord_packs.get(pair_ordInx_ptInx.get(indx).x).size() ;

int iterations = 1;

boolean clearAllowed=true;

while (pt != null){

packs = new ArrayList<List<Point>>();

ArrayList<Point> content = new ArrayList<Point>();

boolean contentwrite = false;

boolean allPixelsAreFull = true;

Point pt_tmp = new Point(pt.x - radius, pt.y - radius);

for (int i=0;i<=8*radius-1;i++){

double alpha = PI/2 * (i/(2*radius));

if (isPtInBImg(bimage,pt_tmp.x,pt_tmp.y) && defColour ==

bimage.getRGB(pt_tmp.x, pt_tmp.y)){

content.add(pt_tmp);

contentwrite = true;

}

else if (contentwrite){

allPixelsAreFull = false;

packs.add(content);

content = new ArrayList<Point>();

contentwrite = false;

}

pt_tmp = new Point(pt_tmp.x + (int)cos(alpha),pt_tmp.y +

(int)sin(alpha));

}

if (contentwrite ){

if(!packs.isEmpty() && (packs.get(0).get(0).x == pt.x - radius ||

packs.get(0).get(0).y == pt.y - radius) ){

content.addAll(0, packs.get(0));

packs.set(0,content);

contentwrite = false;

}else{

packs.add(content);

contentwrite = false;

}

}

if (allPixelsAreFull && !packs.isEmpty()){

radius++;

}

else

{

iterations++;

List<List<Point>> tmp = getNextPoint_vectorAngelCriterion(packs,pt_vect,0,pt);

if (tmp != null){

if (tmp.get(0).size()>width/(iterations-1)){

clearAllowed = false;

radius++;

iterations--;

}

else

{

if((packs.size()<=2 /*|| iterations == 2*/) && clearAllowed){

for (int i=-(radius-1);i<=(radius-1);i++){

for (int j=-(radius-1);j<=(radius-1);j++){

if (isPtInBImg(bimage,pt.x + i,pt.y + j)){

bimage.setRGB(pt.x + i, pt.y + j, -1);

}

}

}

}

clearAllowed=true;

width = width + tmp.get(0).size();

if (width !=0){

radius = (width/iterations)/2+1;

}

int best = (tmp.get(0).size()-1)/2;

Point old_pt = pt;

pt = tmp.get(0).get(best);

}

}else{

pt = null;

}

}

}

}

image = bimage.getScaledInstance(bimage.getWidth(),bimage.getHeight(),BufferedImage.SCALE_DEFAULT);

};

7. Тестирование

В данном разделе приведен пример обработки и оцифровки тестового изображения с помощью предложенного алгоритма. Отсканированное изображение 3-х парабол показано на рис. 7. Попробуем идентифицировать самую правую из парабол

Рисунок 7. Пример графиков

После предварительной обработки со значением threshold=172 и включенной опцией утоньшения линий, получаем следующую картину

Рисунок 9. Результат фильтрации со значением threshold=172 и включенной опцией утоньшения линий

Выбрав крайние точки параболы, как конечные, произведем оцифровку с применением основного алгоритма. Получим варианты (рис 10)

Рисунок 10. Полученные варианты распознавания графиков

Правильный вариант, очевидно, первый (слева), который и выбираем. Далее выставляем оси координат в то же положение, что и на рисунке и затем генерируем точки в масштабе со значением по умолчанию



Рисунок 11. Полученные варианты распознавания графиков

Сохраним таблицу:

118.0	-45.11111116409302
118.0	-44.0
118.0	-42.88888883590698
116.88888895511627	-41.77777761220932
116.88888883590698	-40.66666668653488
116.88888907432556	-39.555555522441864
116.88888883590698	-38.444444596767426
115.77777791023254	-37.33333337306976
115.77777779102325	-36.222222208976746
115.77777779102325	-35.11111104488373
115.77777779102325	-33.99999988079071
115.77777779102325	-32.88888895511627
115.77777779102325	-31.777777791023254
114.66666662693024	-30.666666626930237
114.66666686534882	-29.5555557012558
114.66666662693024	-28.44444453716278
113.55555546283722	-27.333333253860474
113.55555546283722	-26.222222089767456
113.55555546283722	-25.111111164093018
113.55555546283722	-24.0
112.44444453716278	-22.888888835906982
112.44444453716278	-21.777777910232544
112.44444453716278	-20.666666746139526
112.44444453716278	-19.55555558204651
111.33333313465118	-18.4444442987442
111.33333337306976	-17.333333373069763
111.33333325386047	-16.222222208976746
110.22222220897675	-15.111111283302309
110.22222220897675	-14.000000119209291
109.11111104488373	-12.888888895511627
109.11111104488373	-11.777777731418611
109.11111104488373	-10.666666567325597
109.11111116409302	-9.555555403232578
108.0	-8.444444417953491
108.0	-7.333333492279053
108.0	-6.222222328186035
108.0	-5.111111164093018
106.88888895511627	-3.9999999403953623
106.88888895511627	-2.88888877630236
106.88888895511627	-1.7777778506279152
105.77777791023254	0.4444442987442656
104.66666674613953	2.6666666269302395
104.66666674613953	3.7777777910232544
104.66666674613953	4.888888955116274
103.55555546283722	6.000000000000004
103.55555546283722	7.111111164093021
102.44444453716278	8.22222208976746
102.44444453716278	9.333333253860477
102.44444453716278	10.444444417953495
101.33333313465118	11.555555701255798
101.33333325386047	12.666666626930237
100.22222220897675	13.777777791023256
100.22222220897675	14.888888716697695
99.11111104488373	15.999999940395357
98.0	17.111111164093018
98.0	18.222222328186035
96.88888895511627	19.33333331346512
95.77777791023254	20.4444442987442
95.77777767181396	21.55555546283722
94.66666674613953	22.666666626930237
93.55555546283722	23.777777910232547
92.44444453716278	24.888888835906982
91.33333325386047	25.99999988079071
90.22222220897675	27.11111104488373
89.11111104488373	28.222222268581394
88.0	29.333333492279053
86.88888907432556	30.444444477558136
85.77777791023254	30.4444442987442
84.66666662693024	31.55555546283722
83.55555546283722	32.666666746139526
82.44444453716278	32.666666746139526
81.33333325386047	32.66666662693024
80.22222220897675	32.666666626930244
76.88888895511627	29.33333331346512
75.77777779102325	28.222222208976746
74.66666674613953	27.111111283302307
73.55555546283722	27.111111164093018
72.44444453716278	26.0
71.33333325386047	24.888888716697693
71.33333325386047	23.777777791023254
70.22222220897675	22.66666662693024
69.11111092567444	21.555555522441868
69.11111116409302	20.444444596767426
68.0	19.333333492279053
66.88888895511627	18.222222149372104
66.88888895511627	17.111111223697666
65.77777779102325	16.00000011920929
65.77777779102325	14.888888955116277
64.66666674613953	13.777777791023254
64.66666674613953	12.666666626930237
63.55555546283722	11.55555558204651
63.55555546283722	10.444444417953495
62.44444453716278	9.333333253860477
62.44444453716278	8.22222208976746
62.44444453716278	7.111111164093021
61.333333253860474	5.9999998807907104
61.333333253860474	4.888888716697695
60.222222208976746	3.777777791023262
60.222222208976746	2.666666626930261
58.0	-2.8888888359069824
58.0	-4.0
56.88888895511627	-5.111111104488375
56.88888895511627	-6.222222268581395
56.88888895511627	-7.333333432674417
55.777777671813965	-8.444444537162784
55.777777910232544	-9.555555701255802
55.777777791023254	-10.666666626930242
54.666666746139526	-11.777777791023254
54.666666746139526	-12.888888716697693
54.666666746139526	-13.99999988079071
53.55555546283722	-15.11111116409302
53.55555546283722	-16.222222089767456
53.55555546283722	-17.333333253860474
52.44444453716278	-18.44444441795349
52.44444453716278	-19.55555558204651
52.44444453716278	-20.666666746139526
52.44444453716278	-21.777777910232544
51.333333253860474	-22.888888955116272
51.333333253860474	-24.00000011920929
51.333333253860474	-25.111111283302307
50.222222208976746	-26.222222208976746
50.222222328186035	-27.333333373069767
50.222222089767456	-28.4444442987442
49.11111116409302	-29.555555403232574
49.11111092567444	-30.666666567325596
49.11111104488373	-31.77777773141861
49.11111104488373	-32.88888889551163
48.0	-34.0
48.0	-35.11111116409302
46.88888895511627	-36.22222226858139
46.88888907432556	-37.33333343267441
46.88888883590698	-38.444444596767426
45.777777910232544	-39.5555557012558
45.777777671813965	-40.66666662693024
45.777777791023254	-41.777777791023254
45.777777791023254	-42.88888895511627
44.666666746139526	-43.99999988079071
44.666666746139526	-46.222222208976746

По полученным точкам строим график функции.

Рисунок 12. График, построенный по оцифрованным значениям

Как можно видеть, график, построенный по оцифрованным значениям, достаточно точно совпадает с оригинальным графиком, что подтверждает работоспособность разработанного алгоритма и программы.

алгоритм кромка градиентный данные

Заключение

В дипломной работе выполнена поставленная задача, а именно:

- разработан оригинальный алгоритм оцифровки научных графиков с автоматическим определением набора точек на графике. Алгоритм учитывает возможные пересечения этого графика с осями координат и с другими графиками. Использована технология утоньшения линий, позволяющая эффективно применить предложенный алгоритм.

- разработана программа на Java реализующая этот алгоритм. Программа позволяет:

- читать с диска изображение, содержащее график функции;

- привязывать оси координат и определять масштабы по осям графика;

- оцифровка выбранного графика, путем указания с помощью мыши начальной и конечной точек на графике.

-генерация координат оцифрованного графика и сохранение результатов на диск в текстовой файл в виде таблицы координат точек.

Разработанный алгоритм может быть также применен и в других областях, например, в задачах распознавания сети кровеносных сосудов при обработке рентгеновских или ультразвуковых изображений в медицине, распознавание каких-либо характерных линий на аэрофотоснимках или снимках из космоса и т.д.

Литература

1. Анцев Г.В.,Волков В.Ю.,Макаренко А.А.,Турнецкий Л.С. Выделение прямолинейных кромок на зашумленных изображениях методом ориентированной фильтрации // Цифровая обработка сигналов и ее применение: Тр. 13-й Междунар.конф./ИПУ РАН. Вып. 13, т.2, М., 2011, с. 93-96.

2. Анисимов Б.В.,Курганов В.Д.,Злобин В.К. Распознавание и цифровая обработка изображений. М.: Высшая школа, 1983.

3. Бутаков Е. А. Островский В. И., Фадеев И. Л. Обработка изображений на ЭВМ, М.: Радио и связь, 1987. -- 240 с.

4. Яне Б. Цифровая обработка изображений. М.: Техносфера, 2007

5. Bao P., Zhang L. and Wu X., Canny Edge Detection Enhancement by Scale Multiplication // IEEE Trans. Pattern Analysis and Machine Intelligence, v. 27, N 9, September 2005, pp. 1485-1490.

6. Canny J.A. A Computational approach to edge detection; IEEE Trans., Vol. PAMI-8, 679--698, 1986.

7. Demigny D., On Optimal Linear Filtering for Edge Detection // IEEE Trans. Image Processing, 11, 7, July 2002, 728-737.

8. Petrou M. and Kittler J., Optimal Edge Detectors for Ramp Edges // IEEE Trans. Pattern Analysis and Machine Intelligence, 13, 5, May 1991, 483-491.

9. Pratt W.K. Digital Image Processing. A John Wiley & Sons, 2007.

10. Tagare H. D. and deFigueiredo R. J. P., On the Localization Performance Measure and Optimal Edge Detection // IEEE Trans. Pattern Analysis and Machine Intelligence, v. 12,N 12, December 1990, 1186-1190.

Размещено на Allbest.ur