Der Linienerkennung dient ein aus zwei Teilen gebauter Algorithmus. Der erste Teil ist eine Schleife mit Pipeline, vorgesehen als Vorbereitungsphase, wovon die Ausgabe in zweitem Teil die tatsächliche Linienerkennung ermöglicht. Der Algorithmus wird mit der Methode getLines() in der Klasse Lines aufgerufen. Die Ausgaben von beiden Teilen sind entsprechende Objekte, SupportObject für Vorbereitungsphase und LineContainer für Linienerkennung. Im Allgemeinen sind die verwendeten Methoden eine Mischung von OpenCV und neu geschrieben Funktionen. Die Relationen sind in Bild 1 gezeichnet und die Elemente des Algorithmus in folgendem Text beschrieben.
Der Linienerkennung dient ein aus zwei Teilen gebauter Algorithmus. Der erste Teil ist eine Schleife mit Pipeline, vorgesehen als Vorbereitungsphase, wovon die Ausgabe in zweitem Teil die tatsächliche Linienerkennung ermöglicht. Der Algorithmus wird mit der Methode `getLines()` in der Klasse Lines aufgerufen. Die Ausgaben von beiden Teilen sind entsprechende Objekte, `SupportObject` für Vorbereitungsphase und `LineContainer` für Linienerkennung. Im Allgemeinen sind die verwendeten Methoden eine Mischung von OpenCV und neu geschrieben Funktionen. Die Relationen sind in Bild 1 gezeichnet und die Elemente des Algorithmus in folgendem Text beschrieben.
@@ -8,11 +8,11 @@ Bild 1: Gliederung und Hierarchie
## Pipeline der Vorbereitung
Der erste Teil des Algorithmus ist ein Vorbereitungsschritt, in dem die Korrektur und Linienisolation durchgeführt werden. Das Pipeline besteht aus sieben Phasen, die aus der Klasse Lines durch einen Aufruf der Methode prepare() in der Klasse Preparation ausgeführt werden. Die Bearbeitung erfolgt auf einer Matrize des Bildes in Mat-Objekt. Die Ergebnisse jeder Transformation sind separat in dem sogennantem SupportObjekt gespeichert. Das ist auch die Ausgabe der prepare()-Methode.
Der erste Teil des Algorithmus ist ein Vorbereitungsschritt, in dem die Korrektur und Linienisolation durchgeführt werden. Das Pipeline besteht aus sieben Phasen, die aus der Klasse Lines durch einen Aufruf der Methode `prepare()` in der Klasse Preparation ausgeführt werden. Die Bearbeitung erfolgt auf einer Matrize des Bildes in `Mat`-Objekt. Die Ergebnisse jeder Transformation sind separat in dem sogennantem `SupportObjekt` gespeichert. Das ist auch die Ausgabe der `prepare()`-Methode.
## Die Schleife
Je nach Ende jedes Schleifendurchlaufs werden die Längen der Hough-Linien, gespeichert in SupportObject, nach Winkel aufsummiert. Die Schleife entspricht einem Versuch, die potentiellen Linien, mit unterschiedlichem Winkel in eine optimale horizontale Position zu bringen. Das heißt, dass die Summe der Längen von den Hough-Linien mit Winkel 0.0 am Ende des Pipelines maximiert wird. Nachdem die beste Lösung gefunden wurde, werden die Hough-Linien zusammen mit dem Winkel in ein neues Objekt, SupportObject, gespeichert und zurück an die Klasse Lines übergeben.
Je nach Ende jedes Schleifendurchlaufs werden die Längen der Hough-Linien, gespeichert in `SupportObject`, nach Winkel aufsummiert. Die Schleife entspricht einem Versuch, die potentiellen Linien, mit unterschiedlichem Winkel in eine optimale horizontale Position zu bringen. Das heißt, dass die Summe der Längen von den Hough-Linien mit Winkel 0.0 am Ende des Pipelines maximiert wird. Nachdem die beste Lösung gefunden wurde, werden die Hough-Linien zusammen mit dem Winkel in ein neues Objekt, `SupportObject`, gespeichert und zurück an die Klasse `Lines` übergeben.
## Linienidentifikation
...
...
@@ -22,33 +22,33 @@ In dem zweiten Schritt werden Linien erkannt und gespeichert. Hough-Linien aus d
## Methoden
Außer binarise() in Binarisation-Klasse und getLines() in Lines-Klasse, Linienidentifikation, sind die Methoden Teil von Klasse Imgproc der OpenCV Bibliotheken. Im Wesentlichen sind die Methoden in ihre eigenen Klassen gegliedert und mit den Parametern verwendet , die in ihren entsprechenden Klassen als Konstanten gesetzt sind.
Außer `binarise()` in Binarisation-Klasse und `getLines()` in `Lines`-Klasse, Linienidentifikation, sind die Methoden Teil von Klasse `Imgproc` der OpenCV Bibliotheken. Im Wesentlichen sind die Methoden in ihre eigenen Klassen gegliedert und mit den Parametern verwendet , die in ihren entsprechenden Klassen als Konstanten gesetzt sind.
### Die Rotation
Die Rotation erfolgt durch das Anwenden von Methoden getRotationMatrix und warpAffine der Klasse Imgproc des OpenCV-Bibliotheken und sorgt dafür , dass die potentiellen Linien in eine horizontale Position gebracht werden. Der Prozess wird in einer separaten Klasse Rotation innerhalb der Methode applyRotation() durchgeführt.
Die Rotation erfolgt durch das Anwenden von Methoden `getRotationMatrix()` und `warpAffine()` der Klasse `Imgproc` des OpenCV-Bibliotheken und sorgt dafür , dass die potentiellen Linien in eine horizontale Position gebracht werden. Der Prozess wird in einer separaten Klasse Rotation innerhalb der Methode `applyRotation()` durchgeführt.
Die Verschwemmung erfolgt in der Klasse Blur der Methode applyBlur(), durch Anwenden von Methode gaussianBlur() mit Linearem Muster von Breite 25 px und Höhe 1 px, und hebt die Linien hervor.
Die Verschwemmung erfolgt in der Klasse `Blur` der Methode `applyBlur()`, durch Anwenden von Methode `gaussianBlur()` mit Linearem Muster von Breite 25 px und Höhe 1 px, und hebt die Linien hervor.
Die Binarisierung basiert auf der Unterscheidung von Helligkeit des Bildes und wird durch die Methode binarise() in der Klasse Binarisation durchgeführt. Eine bestimmte Schwelle gliedert Pixel in zwei Gruppen, welche entsprechend weiss und schwarz gefärbt werden. Der verwendete Wert entspricht der Blauen Farbe des Pixels und funktioniert auch wenn das Bild in Grautönen übergeben würde. Die Binarisierung trennt also potentielle Linien, in der Regel dunkler, von Hintergrund, in der Regel heller.
Die Binarisierung basiert auf der Unterscheidung von Helligkeit des Bildes und wird durch die Methode `binarise()` in der Klasse `Binarisation` durchgeführt. Eine bestimmte Schwelle gliedert Pixel in zwei Gruppen, welche entsprechend weiss und schwarz gefärbt werden. Der verwendete Wert entspricht der Blauen Farbe des Pixels und funktioniert auch wenn das Bild in Grautönen übergeben würde. Die Binarisierung trennt also potentielle Linien, in der Regel dunkler, von Hintergrund, in der Regel heller.
### Die Erosion und Vergrößerung
Die Erosion und Vergrößerung, zusammengefasst in der Methode fineAdjust() in der Klasse FineAdjustment, werden die Linien auf Grund eines Musters verfeinert und Störungen entfernt. Hierfür sorgen die Methode morphologyEx() zusammen mit dem Musterelement aus getStructuringElement() der Klasse Imgproc. Das Musterelement hängt von der Bildbreite ab.
Die Erosion und Vergrößerung, zusammengefasst in der Methode `fineAdjust()` in der Klasse `FineAdjustment`, werden die Linien auf Grund eines Musters verfeinert und Störungen entfernt. Hierfür sorgen die Methode `morphologyEx()` zusammen mit dem Musterelement aus `getStructuringElement()` der Klasse `Imgproc`. Das Musterelement hängt von der Bildbreite ab.
Auf dem binarisierten Bild werden dann Hough-Linie mithilfe der OpenCV Methode HoughLinesP(), innerhalb der Methode prepare() in der Oberklasse Preparation gezeichnet. Die Parameter sollten als ein Centil der Breite des Bildes für die Linienlänge und 4 px für die Linienbreite gesetzt werden.
Auf dem binarisierten Bild werden dann Hough-Linie mithilfe der OpenCV Methode `HoughLinesP()`, innerhalb der Methode `prepare()` in der Oberklasse Preparation gezeichnet. Die Parameter sollten als ein Centil der Breite des Bildes für die Linienlänge und 4 px für die Linienbreite gesetzt werden.
@@ -58,12 +58,12 @@ Die Hauptidee für die Verwendung von Objekten, um Ergebnisse zu speichern, lieg
### SupportObject
Das Objekt dient zur Speicherung von Transformationen des Originalbildes und enthält unter anderem den Winkel der Rotation und die Hough-Linien. Das Objekt kann mit weiteren Elementen ergänzt werden, um die Zwischenstufen der Transformation darstellen zu können. SupportObjekt wird in dem ersten Teil des Algorithmus verwendet und ist auch dessen Ausgabe.
Das Objekt dient zur Speicherung von Transformationen des Originalbildes und enthält unter anderem den Winkel der Rotation und die Hough-Linien. Das Objekt kann mit weiteren Elementen ergänzt werden, um die Zwischenstufen der Transformation darstellen zu können. `SupportObjekt` wird in dem ersten Teil des Algorithmus verwendet und ist auch dessen Ausgabe.
### LineObject
In LineObjekt sind die Start- und Endkoordinaten der identifizierten Notenlinien gespeichert. Sie sind innerhalb LineContainer-Objekt in einer Liste gespeichert.
In `LineObjekt` sind die Start- und Endkoordinaten der identifizierten Notenlinien gespeichert. Sie sind innerhalb `LineContainer`-Objekt in einer Liste gespeichert.
### LineContainer
LineContainer ist die Ausgabe des Algorithmus für Linienerkennung. Es enthält die Liste der identifizierten Notenlinien.
`LineContainer` ist die Ausgabe des Algorithmus für Linienerkennung. Es enthält die Liste der identifizierten Notenlinien.
