这里是一个裁剪示例(大约 11x9
像素)的图像类型(最终实际上都是 28x28
的大小,但存储在内存中的扁平化为 code>784
-components 数组)我将尝试将算法应用于:
基本上,我希望能够识别何时出现这种形状(红线用于强调像素的分离,而周围的黑色边框用于在 StackOverflow 的白色背景下更好地勾勒出图像) :
它的方向无关紧要:必须在沿水平和垂直轴的任何可能表示(旋转和对称)中检测到它(因此,例如,不应考虑 45° 旋转,也不对角线对称:例如,仅考虑 90°、180° 和 270° 旋转)。
在我第一次展示的那张图片上有两个解决方案,但只需要找到一个(忽略白色区域周围的灰色模糊):
以另一个示例为例(这也表明图像中的白色图形并不总是完全被黑色像素包围):
该函数应该返回 True 因为形状存在:
现在,显然有一个简单的解决方案:
使用一个变量,例如 pattern = [[1,0,0,0],[1,1,1,1]]
,产生它的变体,然后滑动所有的变体沿着图像直到找到完全匹配,此时整个事情停止并返回 True
。
然而,在最坏的情况下,这将占用 8*(28-2)*(28-4)*(2*4)
,大约是 40000单个图像的操作,这似乎有点矫枉过正(如果我的快速计算正确的话)。
我猜想让这种朴素的方法变得更好的一种方法是首先扫描图像,直到找到第一个白色像素,然后开始寻找比该点早 4 行 4 列的图案,但即便如此似乎还不够好。
有什么想法吗?也许这种功能已经在某些库中实现了? 我正在寻找一种能胜过我天真的方法的实现或算法。
作为旁注,虽然有点 hack,但我猜这是可以卸载到 GPU 的问题,但我对此没有太多经验。 虽然这不是我要找的主要内容,但如果您提供了答案,请随时添加与 GPU 相关的注释。
编辑:
我最终实现了已接受的答案。你可以在 this Gist 中看到我的代码.
最佳答案
如果你有太多的操作,想想如何减少它们。
对于这个问题,我会使用图像积分。
如果您对图像进行求和内核卷积(这是 fft 域中非常快速的操作,仅需 conv2
、imfilter
),您就知道只有integral 等于 5(在您的情况下)是可能的模式匹配位置。检查那些(即使是你的 4 个旋转)应该在计算上非常快。您的示例图像中符合此模式的位置不能超过 50 个。
我的 python 不太流畅,但这是你在 MATLAB 中的第一张图片的概念证明,我相信翻译这段代码应该没有问题。
% get the same image you have (imgur upscaled it and made it RGB)
I=rgb2gray(imread('/image/l3u4A.png'));
I=imresize(I,[9 11]);
I=double(I>50);
% Integral filter definition (with your desired size)
h=ones(3,4);
% horizontal and vertical filter (because your filter is not square)
Ifiltv=imfilter(I,h);
Ifilth=imfilter(I,h');
% find the locations where integral is exactly the value you want
[xh,yh]=find(Ifilth==5);
[xv,yv]=find(Ifiltv==5);
% this is just plotting, for completeness
figure()
imshow(I,[]);
hold on
plot(yh,xh,'r.');
plot(yv,xv,'r.');
这会产生 14 个要检查的位置。我的标准计算机计算两个图像积分平均需要 230 纳秒,我称之为快速。
此外,GPU 计算也不是 hack :D。这是解决一大堆问题的方法,因为它们拥有巨大的计算能力。例如。 GPU 中的卷积速度快得令人难以置信。
关于python - 二值(像素化)图像中的基本模式识别,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53440762/