 Kỹ thuật Contour Tracing  Khái niệm Contour Contour dùng để nói đến đường viền đối tượng, tập hợp điểm ảnh tách đối tượng khỏi Có điểm ý contour khơng dùng để xác định pixel biên đối tượng tách chúng khỏi Cái cần chuỗi pixel biên để tách lấy hình dạng mẫu Kỹ thuật tách Contour nhiều kỹ thuật tiền xử lý thực ảnh số nhằm tách riêng thông tin hình dạng chung ảnh Một contour tách, đặc điểm khác sử dụng nét đặc trưng sử dụng để phân loại mẫu sau Vì vậy, tách contour xác, từ ta nhận mẫu có đặc tính xác giúp hội nhận dạng, phân loại mẫu tăng lên đáng kể Nhưng bạn tự hỏi rằng: Tại lại lãng phí thời gian để lấy contour mơ hình sau thu thập đặc điểm riêng nó? Tại khơng thu thập từ đầu? Điều lý giải là: điểm ảnh đường viền nói chung tập hợp tổng số điểm ảnh đại diện cho mơ hình Vì khối lượng cơng việc phải tính tốn giảm nhiều sử dụng thuật toán tách đường viền thay cho việc tồn mơ hình.Từ đó, contour có nhiều đặc tính nhận so với tồn mơ hình ban đầu.q trình xử lý dễ dàng thực với mơ hình ban đầu Q trình thực dò contour đóng vai trò quan trọng lĩnh vực nhận dạng mẫu  Các thuật tốn Contour Tracing Chúng ta có thuật tốn Contour Tracing chung số có tên là: Square Tracing algorithm Moore – Neighbor Tracing dễ để thực thường xuyên dùng để dò tìm contour mẫu Thật khơng may, thuật tốn có điểm yếu, ngun nhân dẫn đến việc dò tìm sai contour lớp mẫu mẫu có chứa kiểu “connectivity” phức tạp Một vài thuật toán Contour Tracing:  Square Tracing Algorithm 1)Ý tưởng: Ý tưởng đằng sau thuật toán Square Tracing đơn giản; điều thuật tốn cố gắng để trích xuất đường viền mơ hình nhị phân Với mơ hình kỹ thuật số có nghĩa nhóm điểm ảnh đen điểm ảnh màu trắng, tức mạng lưới; xác định vị trí điểm ảnh màu đen tuyên bố "điểm ảnh bắt đầu" (Định vị "điểm ảnh bắt đầu" điểm ảnh thực số cách, góc bên trái lưới điện, quét cột điểm ảnh từ phía lên -starting từ cột bên trái tiến tới bên phải - gặp phải điểm ảnh màu đen Chúng ta đặt điểm ảnh "điểm ảnh bắt đầu" ) Bây giờ, tưởng tượng bạn bọ (bọ rùa) đứng bắt đầu điểm ảnh hình Để giải nén đường viền mơ hình, bạn phải làm sau: Mỗi bạn thấy đứng điểm ảnh màu đen, rẽ trái, Mỗi bạn thấy đứng điểm ảnh màu trắng, rẽ phải, bạn gặp phải bắt đầu điểm ảnh lần Các điểm ảnh màu đen bạn ngang qua đường viền mơ hình Điều quan trọng thuật toán Square Tracing "phương hướng" Bên trái bên phải biến bạn thực vị trí bạn, mà phụ thuộc vào cách bạn cho vào điểm ảnh bạn đứng với Vì vậy, điều quan trọng để theo dõi định hướng bạn để thực bước 2) Thuật toán: Input: Một hình lát T, chứa thành phần P điểm ảnh đen Output: Một chuỗi B (b1,b2,…) điểm ảnh biên (đường viền) Bắt đầu: - Đặt chuỗi B trống - Từ lên từ trái sang phải quét hình lát T điểm ảnh đen (s) P tìm thấy - Chèn s vào B - Thiết lập điểm ảnh tại,(p), điểm ảnh bắt đầu (s) - Rẽ trái - truy cập vào điểm ảnh liền kề bên trái p - Cập nhật p - đặt vào điểm ảnh - Trong p khơng thấy đặt vào s - Nếu điểm ảnh p màu đen, chèn p B rẽ trái (truy cập vào điểm ảnh liền kề bên trái trang) Nếu khơng rẽ phải (truy caoaj điểm ảnh liền kề bên phải trang) - Cập nhật p nghĩa đặt vào điểm ảnh 3) Minh họa: Mỗi bạn thấy đứng điểm ảnh màu đen, rẽ trái, điểm ảnh màu trắng rẽ phải, bạn gặp phải bắt đầu điểm ảnh lần Các điểm ảnh màu đen bạn ngang qua đường viền mơ hình 4) Phân tích : Có thể thuật tốn Square Tracing hạn chế việc thực Nói cách khác, lỗi khơng thể trích xuất đường viền hình ảnh lớn mà mơ hình thường xuyên xảy ứng dụng thực tế đời sống Điều phần lớn quét trái phải có xu hướng bỏ qua điểm ảnh nằm "theo đường chéo" điểm ảnh đưa với Chúng xem xét mô hình khác kết nối khác xem lý quảng trường truy tìm thuật tốn khơng thành cơng Ngồi ra, chúng tơi xem xét cách thức mà cải thiện hiệu suất thuật tốn làm cho làm việc cho mơ hình với loại đặc biệt kết nối Các tiêu chí dừng: Một điểm yếu thuật toán Square Tracing nằm lựa chọn điều kiện dừng nói cách khác, thuật tốn chấm dứt? Trong mơ tả ban đầu hình vng truy tìm thuật tốn, tiêu chí dừng lại đến thăm điểm ảnh bắt đầu cho lần thứ hai Nó thuật tốn khơng đường viền theo dõi hình ảnh lớn mơ hình thể phụ thuộc vào tiêu chí Một biểu tình giải thích cách hoạt hình thuật tốn truy tìm vng khơng để trích xuất đường viền mơ hình lựa chọn xấu điều kiện dừng Như bạn thấy, việc cải thiện tiêu chí dừng lại khởi đầu tốt để cải thiện hiệu suất tổng thể thuật tốn truy tìm vng Có lựa chọn thay hiệu để ngăn chặn tiêu chí tại: a) Dừng lại sau thăm điểm ảnh đầu n lần, n b) Dừng sau vào bắt đầu điểm ảnh lần thứ hai cách bạn làm ban đầu Tiêu chuẩn đề xuất Jacob Eliosoff chúng tơi gọi tiêu chí dừng Jacob Thay đổi tiêu chí dừng lại nói chung cải thiện hiệu suất thuật tốn truy tìm vng khơng cho phép để khắc phục điểm yếu khác, có hướng mơ hình loại đặc biệt kết nối Sau minh chứng sinh động cách thức thuật tốn vng (với điều kiện dừng Jacob) truy tìm khơng để trích xuất đường viền mơ hình 8-kết nối khơng phải kết nối: Thuật tốn Square Tracing hồn tồn vơ dụng? Nếu bạn đọc phân tích bạn phải suy nghĩ thuật tốn truy tìm vng khơng để trích xuất đường viền hầu hết mơ hình Nó có tồn gia đình đặc biệt mơ hình hồn tồn xác đường viền cứu hình vng truy tìm thuật tốn Hãy để P tập hợp kết nối điểm ảnh màu đen lưới điện Hãy để điểm ảnh màu trắng lưới điện tức điểm ảnh nền, W, 4-kết nối Nó tạo điều kiện mơ hình tảng nó, chứng minh vng truy tìm thuật tốn (sử dụng tiêu chí dừng Jacob) luôn thành công việc chiết xuất đường viền mơ hình Bằng chứng Đưa ra: Một mơ hình, P, cho hai mơ hình điểm ảnh, tức điểm ảnh màu đen điểm ảnh nền, tức điểm ảnh màu trắng, W, 4-kết nối Quan sát Kể từ tập hợp điểm ảnh màu trắng, W, giả định kết nối, điều có nghĩa mơ hình khơng thể có "lỗ hổng" (khơng thức, "lỗ" nhóm điểm ảnh màu trắng bao phủ hoàn toàn điểm ảnh màu đen mơ hình cho) Sự diện "lỗ hổng" mơ hình cho kết ngắt kết nối nhóm điểm ảnh màu trắng với phần lại điểm ảnh màu trắng làm cho tập hợp điểm ảnh màu trắng khơng kết nối Hình Hình cho thấy loại "lỗ" xảy mơ hình 4kết nối: Quan sát thứ hai Bất kỳ hai điểm ảnh màu đen mẫu phải chia sẻ bên Nói điểm ảnh đen chia sẻ đỉnh, sau đó, để đáp ứng khách sạn kết nối mơ hình, cần có đường nối điểm ảnh mà điểm ảnh liền kề đường 4-kết nối Nhưng điều cho mơ hình tương tự hình Nói cách khác, điều gây điểm ảnh màu trắng để trở thành ngắt kết nối Hình cho thấy mơ hình điển hình đáp ứng giả định hai mơ hình điểm ảnh kết nối tức khơng có "lỗ" điểm ảnh đen chia sẻ bên: Một cách hữu hiệu để hình dung mơ hình là: Đầu tiên, xem xét ảnh điểm biên tức đường viền, mô hình Sau đó, xem xét pixel ranh giới có cạnh đơn vị chiều dài, thấy số cạnh chia sẻ với điểm ảnh màu trắng liền kề Chúng gọi cạnh tức người chia sẻ với điểm ảnh màu trắng, mép ranh giới Các cạnh ranh giới xem cạnh đa giác Hình giải thích ý tưởng cách hiển thị cho bạn đa giác tương ứng với mô hình hình trên: Nếu nhìn vào tất "cấu hình" điểm ảnh ranh giới phát sinh mơ vậy, thấy có trường hợp hiển thị Hình Hình Pixel biên bội số trường hợp positionings khác nhau, tức quay trường hợp Các cạnh ranh giới đánh dấu màu xanh E1, E2, E3 E4 Quan sát thứ ba Đối với trường hợp trên, khơng có vấn đề điểm ảnh bạn chọn bắt đầu điểm bạn khơng có vấn đề hướng vào thành, thuật tốn truy tìm vng khơng "quay lại", khơng "đi qua" lợi cạnh Các thuật tốn qt xun làm điều xác Mặt khác, cung cấp phương pháp thú vị cho việc tìm kiếm điểm ảnh màu đen bên cạnh khu phố Moore pixel ranh giới định Ý tưởng đằng sau phương pháp sau: Mỗi bạn xác định vị trí điểm ảnh ranh giới mới, làm cho điểm ảnh bạn, P, vẽ đường thẳng tưởng tượng tham gia P để điểm ảnh ranh giới trước Sau đó, xoay phân khúc P chiều kim đồng hồ chạm điểm ảnh màu đen khu phố Moore P Xoay phân khúc giống hệt để kiểm tra điểm ảnh khu vực Moore P Chúng cung cấp trình diễn hoạt hình sau để giải thích cách hoạt động thuật tốn qt Radial cách tương tự để Moore-Neighbor truy tìm Khi thuật tốn qt Radial chấm dứt? Hãy kiểm tra hành vi thuật toán tiêu chí dừng sau sử dụng Tiêu chí dừng Hãy thuật tốn qt Radial chấm dứt thăm đầu pixel cho lần thứ hai Sau biểu tình hoạt hình giải thích lý ý tưởng tốt để thay đổi điều tiêu chí dừng lại Một điểm đáng nhắc đến việc thực thuật toán quét Radial giống Moore-Neighbor truy tìm tiêu chí dừng sử dụng hai Trong Truy tìm thuật tốn Square Moore-Neighbor truy tìm, chúng tơi thấy việc sử dụng dừng lại tiêu chí Jacob (Jacob Eliosoff đề xuất) cải thiện đáng kể hiệu suất hai thuật tốn Tiêu chí dừng Jacob đòi hỏi thuật toán chấm dứt thăm đầu pixel cho lần thứ hai hướng lần Thật không may, sử dụng điều kiện dừng Jacob thuật toán quét Radial Lý cho điều thực tế thuật tốn qt xun khơng định nghĩa khái niệm "hướng", vào điểm ảnh ranh giới Nói cách khác, khơng rõ ràng (cũng tầm thường để xác định) "hướng", điểm ảnh ranh giới nhập vào thuật tốn Vì vậy, chúng tơi đề xuất tiêu chí dừng lại mà khơng phụ thuộc vào hướng mà bạn nhập vào điểm ảnh định cải thiện hiệu suất thuật toán quét xuyên Tiêu chí dừng Giả sử điểm ảnh ranh giới mới, Pi, tìm thấy thuật tốn, đưa vào chuỗi ảnh điểm biên vậy: P1, P2, P3, , Pi; khai báo ranh giới điểm ảnh (Giả sử P1 bắt đầu pixel) Điều có nghĩa biết điểm ảnh ranh giới trước đó, Pi-1, điểm ảnh ranh giới tại, Pi (Đối với điểm ảnh bắt đầu, cho P0 điểm ảnh tưởng tượng phá hủy không tương đương với điểm ảnh grid- mà kèm trước điểm ảnh đầu chuỗi ảnh điểm biên) Với giả định tâm trí, xác định tiêu chí chúng tơi dừng lại: Các thuật toán chấm dứt khi: a) ranh giới điểm ảnh tại, Pi, xuất trước điểm ảnh Pj (trong j