Liebe Leute,
ich probiere eine Anwendung machen, die gefärbte Gebiete erkennt und
filtriert. Die Gebiete enhalten auch Text und mein Problem ist, dass ich
noch nicht Text und Gebiete sortieren kann.
Ich habe ein Test-Case und die Resultat nach der Verarbeitung eingefügt.
Aus dem Input-Bild habe ich die Farbe Röt ausgewahlt.
Bildverarbeitungscript filtriert andere Farben weg und die Resultat ist
schwartze Gebiete mit Text. Nach dem kann ich diese Gebiete mit der
schwarze Farbe auffüllen. Meine Planung ist ein Mask-Bild zu haben, wo
ich nur schwarze Gebiete ohne Text habe. Mit dem kann ich gewollte
Gebiete aus originalem Bild abschneiden.
Da gibt es noch ein bisschen Text auf dem Bild, die aus anderen Gebieten
abgefallen haben. Das ist jetzt das Problem. In meinem Beispiel die
Texte sind etwas kleine aber man kann die Texte unter und über dem
"sortieren" Gebiet sehen. Ich mag wissen, wie ich kann diese Texte weg
filtern?
Und ja ich weiß, dass in der Resultat-Bild das grüne Gebiet ist nicht
filtriert worden. Aber das Problem ist nicht so schwierig zu reparieren.
Versuche doch mal, vor der Analyse eine Tiefpassfilter anzuwenden,
sodass die Schriftartefakte reduziert werden.
Etwas komplizierter: Einen sinnvollen Threshold festlegen, Binärbild
erzeugen, darauf eine Blob-Detektion laufenlassen. Anschließend nur die
Blobs auswählen, die im Originalbild die richtige Farbe haben, den Rest
ignorieren. Dabei die Größe der Blobs auswerten (Blob zu klein ->
Schriftartefakt)
Der Algorithmus arbeitet wie folgt:
1. Gewollte Farbe wird aus einem gefärbten Gebiete ausgewahlt. Man muss
zwei Punkte aus Bild auswahlen und denn mit zweiten Punkte ein kleiner
Gebiete wird aus dem Bild gemacht.
2. Abgeschnittene Teile wird in den HSV-Farbraum transformiert und
nachdem der Mittelwert aus dem H- und S-Teile ist gerechnet.
3. Alle H- und S-Punkte in originalem Bild werden gegen die Mittelwerte
verglichen. Wenn die H- oder S-Punkt ist in Toleranz, die Punkt auf 1
gestellt wird. Im anderen Fall die Punkt Wert 0 hat.
Ich habe auch das Matlab-Skript angefügt.
Vancouver schrieb:> Versuche doch mal, vor der Analyse eine Tiefpassfilter anzuwenden,> sodass die Schriftartefakte reduziert werden.
Also ich könnte mit einer Tiefpassfilter Frequenzen der Schriftartefakte
filtern bevor ich den Punkoperator im Farbbild benutze. Hier ich habe
FFT-Bild von originalem Bild. Wie ich kann Frequenzen der
Schriftartefakte aus dem FFT-Bild erkennen? Ich glaube, dass vertikale
und horizontale Striche Frequenzen von den Rechtecke sind.
Ich meinte einfach einen ungewichteten Mittelwert auf einem 3x3 oder 5x5
Kernel, wobei alle Koeffizienten gleich sind. Die Größe des Kernels
hängt von der Breite der Schrift ab (in Pixeln).
Jussi-Pekka T. schrieb:> ich probiere eine Anwendung machen, die gefärbte Gebiete erkennt und> filtriert.
Dein Beispielbild ist supereinfach.
Weil klare Farben verwendet werden die sich deutlich vom Hintergrund
unterscheiden, weil die Bereiche nicht überlappen und durch weiss
getrennt sind, die Schrift eine nicht als Rechteck und nicht als
Hintergrund vorkommende Farbe ist die einfach ignoriert werden kann,
weil sie rechteckig sind und damit eine einfache Form haben.
Das Bild auf die Anzahl und Farbe der Farbflächen zu untersuchen ist
pillepalleeinfach, ich würde scanlineorientiert mich von oben nach unten
arbeiten und die erkannten Flächen in eine Datenstrukut einordnen.
Das Programm wäre keine Seite lang.
Aber ich befürchte, deine realen Bilder sind nicht so einfach, und daher
ist das Beispielbild ungeeignet.
MaWin schrieb:> Dein Beispielbild ist supereinfach.
Das Beispielbild ist ja simple, oder man kann das sogar naiv sagen, aber
im Moment das ist doch genug für meine Zwecke. Das ist auch ein
Resultat, wann ich eine Lösung habe und endlich teste mit einem realen
Bild. Wenn das nicht geht, da gibt es kein Problem. Dann muss ich neue
Lösung heurausfinden.
Vancouver schrieb:> Ich meinte einfach einen ungewichteten Mittelwert auf einem 3x3 oder 5x5> Kernel, wobei alle Koeffizienten gleich sind. Die Größe des Kernels> hängt von der Breite der Schrift ab (in Pixeln).
Mit den Median- und Mittelwert die Resultät hatten etwas Unterschied.
Median 9X9 war ok. Das war eine gute Idee vor der Analyse ein
Punkoperationfilter anzuwenden. Ich muss jetzt probieren, wenn ich den
Maskbild vor der Analyse machen kann.
Ich schmeiss mal noch einen rein: Connected Component Labeling. (ok,
Blob-Detection wurde schon genannt).
Damit lassen sich auch textähnliche Objekte schnell
identifizieren/eliminieren. Ein Kriterium ist schon mal, dass der Text
von einem anderen gleichfarbigen Objekt umschlossen wird.
Beispielbild in revers: https://section5.ch/imgs/camdemo.png
Solche Brute-Force-Filtereien sind in der Machine Vision nicht
sonderlich beliebt, oder man muss gleich wieder mit FPGAs für schnelle
Vorverarbeitung um sich schmeissen. Gibt elegantere Lösungen und
intelligente CCL-Algos sind ein spannendes Feld, wo es noch einiges zu
holen gibt.
Sind denn die Ausleuchtungen homogen oder wenigstens bekannt? Eigentlich
ist DAS ja das Problem, der realen Bildverarbeitung, dass die Farben
über die einzelnen Bereiche scheinbar varieren, weil die Belichtung
ungleichmässig ist.
Strubi schrieb:> Ich schmeiss mal noch einen rein: Connected Component Labeling. (ok,> Blob-Detection wurde schon genannt).> Damit lassen sich auch textähnliche Objekte schnell> identifizieren/eliminieren. Ein Kriterium ist schon mal, dass der Text> von einem anderen gleichfarbigen Objekt umschlossen wird.> Beispielbild in revers: https://section5.ch/imgs/camdemo.png
Das ist doch eine interessante Idee. Ich soll das probieren.
test3.png
(2,8 KB)
resultat.png
(787 Bytes)
