🟠 Օբյեկտների հայտնաբերում

🤖

Այս խնդում մենք կգրենք ծրագիր, որը կհայտնաբերի նկարում առկա օբյեկտները։

Պատկերներում օբյեկտների հայտնաբերումը ունի լայն կիրառություն՝ բժշկության (օրինակ, քաղցկեղի հայտնաբերում), ռոբոտաշինության (ինքնագնաց մեքենաներ) և բազմաթիվ այլ ոլորտներում։

Օբյեկտները ընդգծելու համար հարկավոր է գտնել դրանց եզրերը։ Մինչև բուն ալգորիթմին անցնելը եկեք փորձենք հասկանալ, թե ի՞նչ եղանակով է հնարավոր գտնել օբյեկտի եզրերը։

💡

Ինտուիցիան հետևյալն է՝ օբյեկտի եզրի տարբեր կողմերում պատկերի գույները ամենայն հավանականությամբ իրարից կտրուկ տարբերվում են։

Գոյություն ունեն օբյեկտների հայտնաբերման տարբեր ալգորիթմներ։ Այս խնդրում մենք կփորձենք իրականացնել «Սոբել օպերատոր» (Sobel operator) ալգորիթմը։ Ինչպես և «Blur» ֆիլտրի ալգորիթմը, Սոբել օպերատորը պիկսելի նոր արժեքը հաշվելիս, նույնպես օգտվում է իր անմիջական հարևաններից։ Այս ալգորիթմը պիկսելի յուրաքանչյուր գույնի համար հաշվում է երկու արժեք։ Առաջին արժեքը (այսուհետև կանվանենք X արժեք) հաշվում է տրված պիկսելի աջ և ձախ կողմերում գտնվող գույների տարբերությունը, երկրորդ արժեքը (այսուհետև կանվանենք Y արժեք)՝ վերևում և ներքևում գտնվող գույների տարբերությունը։ Այդ արժեքները հաշվելու համար, մենք կօգտվենք ստորև ներկայացված երկու` Gx, Gy մատրիցներից (գրականության մեջ այս մատրիցները ընդունված է անվանել կեռնելներ, kernel)։

Տրված պիկսելի 3 գույնների X արժեքը հաշվելու համար, հարևան պիկսելների համապատասխան գույների արժեքները պետք է բազմապատկել Gx մատրիցի համապատասխան դիրքում գրաված արժեքով և ստացված թվերը գումարել իրար։ Օրինակ, 11-րդ դիրքում գտնվող պիկսելի գույնների X արժեքը կհաշվարկվի հետևյալ կերպ։

Red11X = -1*Red6 + 0*Red7 + 1*Red8 + -2*Red10 + 0*Red11 + 2*Red12 + -1*Red14 + 0*Red15 + 1*Red16
Green11X = -1*Green6 + 0*Green7 + 1*Green8 + -2*Green10 + 0*Green11 + 2*Green12 + -1*Green14 + 0*Green15 + 1*Green16
Blue11X = -1*Blue6 + 0*Blue7 + 1*Blue8 + -2*Blue10 + 0*Blue11 + 2*Blue12 + -1*Blue14 + 0*Blue15 + 1*Blue16

Համապատասխանաբար ամեն գույնի համար Y արժեքը կհաշվարկվի հետևյալ կերպ՝

Red11Y = -1*Red6 + -2*Red7 + -1*Red8 + 0*Red10 + 0*Red11 + 0*Red12 + 1*Red14 + 2*Red15 + 1*Red16
Green11Y = -1*Green6 + 2*Green7 + -1*Green8 + 0*Green10 + 0*Green11 + 0*Green12 + 1*Green14 + 2*Green15 + 1*Green16
Blue11X = -1*Blue6 + 2*Blue7 + -1*Blue8 + 0*Blue10 + 0*Blue11 + 0*Blue12 + 1*Blue14+ 2*Blue15 + 1*Blue16

Արդյունքում պիկսելի ամեն գույնի համար ստանում ենք 2 արժեք։ Գույնի վերջնական արժեքը որոշվում է նրա X և Y արժեքների համադրմամբ հետևյալ կերպ՝

Ձեր մոտ հավանաբար հարց կառաջանա, թե ինչու՞ Gx և Gy մատրիցները ունեն հենց այս արժեքները և ինչպե՞ս է այս ալգորիթմը օգնում ընդգծել օբյեկտների եզրերը։ Նորից հիշենք նախնական ենթադրությունը` օբյեկտի եզրի տարբեր կողմերում (աջ-ձախ, վերև-ներքև) պատկերի գույները ամենայն հավանականությամբ իրարից կտրուկ տարբերվում են։

Օգտագործելով Gx կեռնելը, մենք բազմապատկում ենք պիկսելից ձախ գտնվող գույների արժեքները բացասական թվերով, աջ գտնվողները՝ դրական թվով և այդ թվերը գումարում ենք իրար։ Եթե պիկսելից ձախ գտնվող գույները շատ չեն տարբերվում պիկսելից աջ գտնվող գույներից, ապա ստացած գումարը մոտ կլինի 0-ին (բացասական թվերը կգումարվեն իրենց համարյա հավասար դրական թվերին)։ Սա նշանակում է, որ այս կետում գույների կտրուկ փոփոխություն տեղի չունի և, որ այս պիկսելը դժվար թե հանդիսանա ինչ-որ օբյեկտի եզր։ Այդ պատճառով մենք կներկենք պիկսելը «սև» -ին մոտ գույնով։

Եթե պիկսելի աջ և ձախ կողմում գտնվող գույները իրարից շատ տարբեր են, գումարման արդյունքում, ընհակառակը, կստանանք մեծ թիվ (դրական կամ բացասական), ինչը կնշանակի, որ պատկերի այս կետի աջ և ձախ կողմերում տեղի ունի գույների կտրուկ տարբերություն։ Այդ տարբերությունը մեծ հավանականությամբ պայմանավորված է նրանով, որ տվյալ պիկսելը գտնվում է որևէ օբյեկտի եզրագծի վրա և այդ պիկսելը կներկվի վառ (սպիտակի մոտ) գույնով։ Նմանապես, ուղղահայաց ուղղությամբ բազմապատկելով Gy մատրիցով, մենք բազմապատկում ենք պիկսելից վերև գտնվող արժեքները բացասական թվով, ներքև գտնվողները՝ դրական թվով, ինչը թույլ է տալիս մեզ հայտնաբերել օբյեկտների հորիզոնական եզրերը։

ℹ️

Վերջնական նկարում այն պիկսելները, որոնք գտնվում են օբյեկտի եզրի վրա կունենան մեծ արժեքներ և կներկվեն ավելի «վառ» գույնով։ Իսկ մնացած պիկսելները կներկվեն սև կամ սևին շատ մոտ գույնով։

Ինչպես և «blur» ֆիլտրի դեպքում, եթե պիկսելը գտնվում է պատկերի «սահմանի» վրա, հաշվարկին մասնակցում են միայն գոյություն ունեցող հարևանները։ Օրինակ, 15 համարի պիկսելի արժեքը հաշվելու համար հարկավոր է օգտագործել 10, 11, 12, 14, 15, 16 համարի պիկսելները։

⚠️

Տվյալ պահին տեխնիկական պատճառներով այս խնդրի ավոտմատ թեստավորումը անհասանելի է։ Ծրագիրը լոկալ թեստավորելու համար կարող եք օգնվել հետևյալ bmp ֆայլերից։։

bmpFiles.zip

2913.7KB

Constraints

To check your solution you need to sign in

Sign in to continue