Сравнительный анализ
Для сравнительного анализа были реализованы два дополнительных алгоритма. Первым алгоритмом является метод бинаризации по Оцу. Второй алгоритм реализован как «прыгающее» окно, бинаризующее каждый отдельный сегмент по оптимальной яркости. На вход функция maxNumberContourBrights принимает одномерный массив пикселей, длину и ширину изображения, шаг разбиения по длине и высоте, а также шаг по яркости. Начинается цикл с шагом по яркости, в котором изображение равномерно делится на заданное количество сегментов по ширине и высоте, после чего на каждом сегменте находится значение яркости, при котором в нем образуется наибольшее количество контуров[4].
Рассматривается изображение, имеющее несколько пороговых значений яркости. Таким изображением был выбран город (Рис 7.1). Метод Оцу (Рис 7.2) никак не отобразил текстуру воды, не справился с выделением улиц и плохо выделил архитектуру зданий. Несмотря на плохой визуальный результат, метод Оцу выявил 8168 контуров на изображении. Метод сегментации по квадратам(рис 7.3) показал значительно лучшие результаты – архитектура выделена хорошо, выделены контуры на воде, всего найдено 9606 контуров. Проблемными местами оказались сегменты с большой разницей в порогах яркости, на картинке это хорошо отображается в черной линии, проходящей чуть ниже набережной. Алгоритм, представленный автором данной работы, справляется с распознаванием затемненного участка, однако работает хуже в местах, где нет большого количества контуров (рис 7.4), всего метод обнаружил 10508 контуров, что является наибольшим значением среди сравниваемых методов.
Рис 7 Город. 7.1 Исходное изображение, 7.2 Бинаризация методом Оцу 7.3 Бинаризация путем нахождения максимального значения контуров в сегменте 7.4 Метод нахождения максимального значения контуров в окрестности точки
Алгоритм хорошо работает на картинках с большими перепадами яркости, справляясь с проблемными участками, в которых пороговая бинаризация не справляется, а бинаризация по сегментам дает средние результаты. Алгоритм возможно модифицировать, максимизируя не количество контуров на окрестности, а, к примеру, количество схожих геометрических свойств контуров, взяв за основу критерии, описанные в прошлой главе. Такой подход возможен для получения более однородных контуров, что позволит алгоритму в дальнейшем с большей легкостью распознавать однородные текстуры.
Заключение
В дипломной работе был разработан алгоритм нахождения оптимальной яркости для получения максимального количества контуров в окрестности точки. Реализовано программное обеспечение, с помощью которого, задавая шаг по яркости и количество разбиений, можно бинаризовать изображение, избегая проблем, связанных с бинаризацией изображения по заранее выбранному порогу яркости. Таким образом, заинтересованное лицо, используя разработанную программу, способно анализировать изображения, обладающие сильными перепадами яркости. Для дальнейшего изучения проблемы намечены два основных направления: дальнейший контурный анализ, направленный на изучение свойств полученных контуров, их распознавание; и доработка существующего алгоритма, связанная с улучшением быстродействия, выбором оптимальных порогов, а также возможным корректированием функциональности алгоритма в зависимости от потребностей пользователей.