Непрерывная морфология бинарных изображений, Местецкий Л.М., 2009

Непрерывная морфология бинарных изображений, Местецкий Л.М., 2009.
  Книга посвящена исследованию способов описания формы объектов в цифровых бинарных изображениях с помощью непрерывных моделей. Использование непрерывных моделей существенно упрощает решение многих задач анализа, распознавания и преобразования изображений. В книге в качестве универсальной непрерывной модели формы используется понятие фигуры — замкнутой области, граница которой состоит из конечного числа непересекающихся жордановых кривых. Рассматриваются три взаимосвязанных способа представления фигур: многоугольными границами, скелетами, семействами кругов (циркулярами). Задача построения непрерывной модели для бинарного изображения состоит в аппроксимации его фигурами. В книге описываются разработанные автором методы решения этой задачи и их практические приложения.
Книга рассчитана на научных работников и инженеров, профессионально занимающихся вопросами математического обеспечения цифровой обработки и анализа изображений. Она также может быть полезна аспирантам и студентам соответствующих специальностей.

Бинарные изображения.
Бинарное изображение — это двухцветная картинка, на которой представлены один или несколько объектов одного цвета на фоне, имеющем другой цвет. Такие изображения представляются в компьютере в виде матрицы точек, каждая из которых может иметь лишь одно из двух значений цвета, условно обозначаемых через 0 или 1. Точки также называются пикселями (pixel — picture’s element). Не нарушая общности, будем считать бинарное изображение «черно-белым»: точки объекта являются черными (значение цвета равно 1), а точки фона — белыми (значение цвета равно 0). Такая раскраска соответствует привычному способу рисования черной тушью на белой бумаге. Бинарные изображения требуют минимальных размеров памяти для хранения (достаточно одного бита на пиксел) и позволяют минимизировать расход других вычислительных ресурсов для решения задач обработки и анализа.
Бинарные изображения в системах машинного зрения формируются, как правило, в результате сегментации более сложных — полутоновых монохромных, либо цветных изображений, которые, в свою очередь, получаются в результате сканирования картин, документов, фотографий, а также ввода видеоинформации непосредственно с цифровых фото- и видеокамер (рис. 1.1).
ОГЛАВЛЕНИЕ
Предисловие
Глава 1. Введение
1.1. Бинарные изображения
1.2. Принципы непрерывного подхода
1.3. История вопроса
1.4. Структура книги
ЧАСТЬ I ФОРМЫ И ФИГУРЫ
Глава 2. Непрерывные модели формы
2.1. Содержательное понятие формы
2.2. Фигура как модель формы
2.3. Граничное представление фигуры
2.4. Скелетное представление фигуры
2.5. «Пожар в прерии» и дистанционная функция
2.6. Вычисление и регуляризация скелета
Глава 3. Дискретные модели формы
3.1. Дискретные фигуры
3.2. Дискретные границы
3.3. Дискретные скелеты
3.4. От дискретной фигуры к непрерывной
ЧАСТЬ II ФИГУРЫ И ГРАНИЦЫ
Глава 4. Непрерывные границы дискретной фигуры
4.1. Эквивалентность дискретных и непрерывных фигур
4.2. Треугольные структуры соседства
4.3. Граничные коридоры дискретной сцены
Глава 5. Поиск и прослеживание границ
5.1. Поиск граничных коридоров
5.2. Симплексное прослеживание коридора при гексагональной смежности
5.3. Прослеживание подвижным мостом при объектной смежности
5.4. Прослеживание подвижным мостом при компонентной смежности
Глава 6. Аппроксимация границ
6.1. Близость дискретных и непрерывных сцен
6.2. Аппроксимация следа трассировки многоугольником
6.3. Минимальные разделяющие многоугольники
6.4. Аппроксимация многоугольной границы сплайнами
ЧАСТЬ III ГРАНИЦЫ И СКЕЛЕТЫ
Глава 7. Скелетизация на основе диаграмм Вороного
7.1. Структура скелета многоугольной фигуры
7.2. Диаграмма Вороного многоугольной фигуры
7.3. Получение скелета из диаграммы Вороного
7.4. Вершины диаграммы Вороного
7.5. Бисекторы диаграммы Вороного
7.6. Жадный алгоритм построения диаграммы Вороного
7.7. Рекурсивная декомпозиция диаграммы Вороного
7.8 Диаграмма Вороного простого многоугольника
Глава 8. Скелетизация на основе графов смежности
8.1. Граф смежности многоугольной фигуры
8.2. Триангуляция Делоне — граф смежности точек
8.3. Граф смежности простого многоугольника
8.4. Слияние графов смежности ломаных линий
8.5. Слияние графов смежности многоугольников
Глава 9. Вычисление дерева смежности фигуры
9.1. Смежность граничных многоугольников
9.2. Дерево смежности границ многоугольной фигуры
9.3. Алгоритм плоского заметания
9.4. Заметание с поглощением пузырей
Глава 10. Регуляризация скелетов
10.1. Скелетизация — некорректная задача
10.2. Регуляризация на основе стрижки скелета
10.3. Базовый скелет многоугольной фигуры
ЧАСТЬ IV СКЕЛЕТЫ И ЦИРКУЛЯРЫ
Глава 11. Циркулярные фигуры и жирные линии
11.1. Задача преобразования формы изображений
11.2. Циркулярная фигура
11.3. Жирные линии
11.4. Граница жирной линии
Глава 12. Циркулярное представление изображений
12.1. Циркулярное представление бинарного изображения
12.2. Аппроксимация скелета жирными кривыми Безье
12.3. Преобразование жирных кривых Безье
12.4. Локализация точки в жирных кривых Безье
12.5. Циркулярные координаты точки в жирной линии
ЧАСТЬ V ПРИКЛАДНЫЕ ЗАДАЧИ
Глава 13. Шрифтовые технологии
13.1. Контурное описание символов шрифта
13.2. Автоматизация хинтовки шрифта
13.3. Оценка качества хинтовки шрифта
13.4. Моделирование рукописного шрифта
Глава 14. Анализ текста
14.1. Распрямление строк при сканировании текста
14.2. Сегментация и распознавание рукописного текста
Глава 15. Биометрические технологии
15.1. Идентификация личности по форме ладони
15.2. Анализ отпечатков пальцев
15.3. Восстановление пространственной формы по стереопаре силуэтов
Глава 16. Компьютерная графика и визуализация
16.1. Смежность объектов и маршрутизация
16.2. Графические инструменты на основе жирных линий
Глава 17. Вычислительная эффективность
17.1. Экспериментальные оценки эффективности
17.2. Сравнение с дискретными методами
Заключение
Литература.