滴水算法小结
2016-07-05 00:53
1861 查看
滴水算法概述
滴水算法是一种用于分割手写粘连字符的算法,与以往的直线式地分割不同 ,它模拟水滴的滚动,通过水滴的滚动路径来分割字符,可以解决直线切割造成的过分分割问题。以下将分别叙述:传统滴水算法
惯性滴水算法
大水滴惯性滴水算法
1. 传统滴水算法
滴水算法滴落规则滴落规则如图[1-1]所示
图[1-1]滴水算法滴落规则
水滴周围像素编号如图[1-2]所示
图[1-2]水滴周围像素编号
图[1-2]中N0表示当前的水滴当前的位置,水滴下一步的低落位置由它下方的三个像素点和它左右两个像素点,共五个像素点决定。图[1-2]显示了水滴下一滴落位置的选择规则,其中w表示白点,b表示黑点,* 表示即有可能是白点也有可能是黑点。
传统滴水算法的数学模型
图[1-3]图片的坐标系
设要分割的图片是I,I是一张二值图,它的尺寸是N*M,N是图片的高,M是图片的宽,建立坐标系如图[1-3]所示。设水滴的当前坐标为(xi,yi),水滴的滴落路径为T,则T(xi+1,yi+1)=f(xi,yi,Wi),(i=0,1,2,3,4...)。其中(xi+1,yi+1)表示水滴下一步滴落点的坐标,Wi则是水滴在当前位置上重力势能的衡量。Wi的值由式[1_1]决定
Wi=⎧⎩⎨4maxj=15ZjWjΣ = 0 or 15其他
式[1-1]
其中,Σ=∑5j=1ZjWj,Zj表示Nj点的像素值,0表示黑点,1表示白点。Wj表示Nj点被选为下一滴落点的权重大小,Wj=6−j。那么,建立如下关系:
T(xi+1,yi+1)=f(xi,yi,Wi)=⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪(xi,yi−1)(xi,yi+1)(xi+1,yi+1)(xi+1,yi)(xi+1,yi−1)Wi=1Wi=2Wi=3Wi=4Wi=5
式[1-2]
传统滴水算法流程描述
确定水滴起始点
计算Σ的值
根据Σ的值,代入式[1-1]计算Wi的值
由Wi的值根据式[1-2]计算(xi+1,yi+1)
判断(xi+1,yi+1)到达图片下边界时算法结束,否则转到2步
补充 : 计算水滴的起点,选择第一个满足像素分布情况为(…0*1…10)的白色像素点(*)为起始点。其中0表示黑色像素点,1表示白色像素点。
图[1-4]应用DFA进行初始点确定
传统滴水算法 c++ 代码实现
#define OutputMat cv::Mat & #define InputMat cv::Mat & #define OutputMatArray std::list<cv::Mat> & #define InputMatArray std::list<cv::Mat> & int DropFallAlgo(InputMat inImg, OutputMatArray outImgArray) { // 判断是不是单通道图 if (inImg.channels() != 1) return -1; int nl = inImg.rows; // 图像的列数 int nc = inImg.cols; // 确定始点 用于滴水算法的开始位置 cv::Point beginePoint(0,0); // DFA int BIA = 0; for (int i = 0; i < nl; i++) { if (inImg.ptr<uchar>(i)[0] == COLOR_BLACK) { BIA = 2; } else { BIA = 1; } for (int j = 0; j < nc; j++) { switch (BIA) { case 1 : if (inImg.ptr<uchar>(i)[j] == COLOR_BLACK) { BIA++; } break; case 2 : if (inImg.ptr<uchar>(i)[j] == COLOR_WHITE) { beginePoint.x = i; beginePoint.y = j; BIA++; } break; case 3 : if (inImg.ptr<uchar>(i)[j] == COLOR_BLACK) { BIA++; } break; case 4 : break; default: break; } if (BIA == 4) { std::cout << beginePoint.x << " " << beginePoint.y << '\n'; break; } } if (BIA == 4) { break; } } // 执行滴水算法 std::list<cv::Point> pointList; pointList.push_back(beginePoint); // 只遍历行 for (int i = 0; i < nl-1; i++) { int x = pointList.back().x, y = pointList.back().y; if (x == nl -1) { break; } int Sigma = 0,wi = 0, m = 1,Max = INT_MIN;; // 求解Sigma for (int j = 0; j < 2; j++) { for (int k = -1; k < 2; k++) { if (j!=0 || k!=0) { int tPix = 0; if (inImg.ptr<uchar>(x+j)[y+k] == COLOR_BLACK) { tPix = 0; } else { tPix = 1; } int tSigma = tPix * (m++-j*k*2); if (tSigma > Max) { Max = tSigma; } Sigma += tSigma; } } } // 根据sigma 计算wi if (Sigma == 15 || Sigma == 0) { wi = 4; } else { wi = Max; } cv::Point tPoint; switch (wi) { case 1: tPoint.x = x; tPoint.y = y-1; break; case 2: tPoint.x = x; tPoint.y = y + 1; break; case 3: tPoint.x = x + 1; tPoint.y = y + 1; break; case 4: tPoint.x = x + 1; tPoint.y = y ; break; case 5: tPoint.x = x + 1; tPoint.y = y - 1; break; default: break; } pointList.push_back(tPoint); } std::list<cv::Point> ::iterator iter = pointList.begin(); while (iter != pointList.end()) { std::cout << iter->x << '\t' << iter->y << '\n'; iter++; inImg.ptr<uchar>(iter->x)[iter->y] = 255; } return 0; }
代码说明 : 应用C++ 和 opencv3.0编写,以上仅仅为实现滴水算法的一个函数
传统滴水算法缺点分析及改进方向
相关文章推荐
- 树莓派IoT 学习1 学习计划及搭建samba环境
- 树形背包总结
- 32位plsql连接64位oracle
- iOS-NSURLSession类及代理使用详解
- Eclipse Java注释模板设置详解/版权声明及编码风格的注释
- Colorful Image Colorization 的环境配置
- python os.path模块
- logback自定义格式转换器
- Android Studio官方文档之工程项目概述篇
- laravel 控制器里 redirect url地址传两个参数的方法
- Python安装Mysql驱动出错解决(最新出炉)
- Python中PyQuery库的使用总结
- Android SDK无法更新解决方式(非常有效)
- 【leetcode】26. Remove Duplicates from Sorted Array
- 【leetcode】25. Reverse Nodes in k-Group
- 申请成功
- php 复习
- EasySwift/YXJXibView OC新建view勾选上xib文件即可自动关联,swift新建view已经不能勾选xib,但是又想用到xib,YXJXibView就能帮你搞定两秒钟搞定!
- 【leetcode】24. Swap Nodes in Pairs
- css3transform应用