Discussion :

[FabaCoeur]

Bonjour,

Je suis à la recherche d'un algorithme pour répondre au besoin d'un de mes programmes.
J'ai des petits rectangles de quelques pixels dans lesquels sont écrits des chiffres.
Je voudrais que mon programme puisse reconnaitre les chiffres inscrits dans les rectangles à partir de la couleur des pixels.
Cela consisterait donc en une fonction qui convertirait un chiffre "dessiné" sur une image en une variable entière :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

entier Convertir(Image monImage)

Vous trouverez ci-dessous toutes les caractéristiques de la situation.
Note: quand je parlerai du "blanc pur" il s'agit de la couleur blanche RVB=(255;255;255).

• Les primitives du langage que j'utilise (le C/C++, pour info) me permettent de lire les couleurs RVB d'un pixel à partir de ses coordonnées (x;y). La lecture consiste en une extraction de 3 entiers entre 0 et 255 pour le rouge, le vert et le bleu.
• Les rectangles font 20x25 pixels environs.
• Les chiffres sont entre 0 et 99.
• Les chiffres sont centrés dans le rectangle. Un même chiffre sera toujours à la même place.
• Les chiffres sont écrits en blanc sur fond uni de couleur vert, bleu, rouge, ou noir. La teinte des couleurs de fond est constante et connue, donc facilement reconnaissable.
• La police d'écriture des nombres est toujours la même.
• Ce qui rends le décodage plus compliqué c'est que le tracé n'est pas parfait: il y a comme un léger flou sur les bords des chiffres qui va se mêler au fond. Il n'est donc pas possible d'enregistrer une matrice des pixels "blanc pur" de chaque chiffre pour les identifier. Il y a néanmoins quelques pixels de chaque chiffre qui reste constamment "blanc pur".

J'ai déjà quelques idées pour commencer, comme par exemples stocker dans des matrices les pixels "blanc pur" pour les 10 chiffres (de 0 à 9). Ainsi on peut toujours comparer les pixels qui correspondent mais je ne suis pas sur que ça va suffire et être fiable, du fait du faible nombre de pixel.

Existe-t-il un algorithme pour ce genre de décodage ?
Une librairie C existe-t-elle ? En existe-t-il une qui puisse simplifier l'algorithme ?
Sinon quelles méthodes privilégier ? Comment procéder ?

D'avance merci à tous pour votre aide amicale.

Cordialement,

[jabbounet]

pour la libraire C je ne sais pas, probablement
autrement si j'ai bien compris tu cherche un truc dans ce style

http://www.discover.uottawa.ca/~qche...ter_thesis.pdf

[FabaCoeur]

Oui c'est exactement cela que je veux faire.

A la nuance près que le cas dans lequel je me trouve est beaucoup plus simple: pas de rotation, pas de changement d'échelle ni de grosse perturbations.Utiliser des transformées de Fourier, des transformations complexes et autres technique de pointe me semble être une véritable usine à gaz pour le cas que je présente. Et pour terminer le code source donné à la fin est du code MATLAB que je ne peux que très difficilement exploiter.

J'attends donc d'autre idées pour avancer sur le sujet :S

[Jean Dumoncel]

Salut,

J'ai déjà quelques idées pour commencer, comme par exemples stocker dans des matrices les pixels "blanc pur" pour les 10 chiffres (de 0 à 9). Ainsi on peut toujours comparer les pixels qui correspondent mais je ne suis pas sur que ça va suffire et être fiable, du fait du faible nombre de pixel.

Personnellement, c'est l'idée que je testerai en premier, ça ne sert à rien de sortir l'artillerie lourde alors qu'il n'y a "que" le flou introduit dans les images qui peut poser problème. La corrélation de ton image avec un ensemble de masques représentant les chiffres devrait donner un bon taux de reconnaissance. Pour le flou, tu peux peut-être essayer de jouer sur l'histogramme pour pour être sûr de démarquer les pixels appartenant au chiffre de ceux appartenant au fond (ou peut-être travailler sur une image binaire?).

[FabaCoeur]

Tu confirmes bien ce que je pensais, je voulais avoir une confirmation avant de fabriquer fastidieusement toutes les matrices...
Quand tu parles d'image binaire, il s'agit de convertir les images en "blanc pur" et "noir pur" et de comparer aux matrices des "blanc pur" des chiffres ? Il suffit de faire la moyenne RVB des pixels et vérifier si ca dépasse le seuil des 128 ?

Je pensais dans ce cas là fournir un pourcentage de correspondance car il peut y avoir des erreurs. As-tu une idée pour calculer/estimer le taux idéal ?

[Jean Dumoncel]

Tu confirmes bien ce que je pensais, je voulais avoir une confirmation avant de fabriquer fastidieusement toutes les matrices...
Quand tu parles d'image binaire, il s'agit de convertir les images en "blanc pur" et "noir pur" et de comparer aux matrices des "blanc pur" des chiffres ? Il suffit de faire la moyenne RVB des pixels et vérifier si ca dépasse le seuil des 128 ?

Je pensais dans ce cas là fournir un pourcentage de correspondance car il peut y avoir des erreurs. As-tu une idée pour calculer/estimer le taux idéal ?

Tout cela dépend en grande partie de tes données...
Pour le seuillage (la binarisation), il faut étudier tes images, regarder l'influence du flou sur le pixel "blancs purs", pour cela tu peux utiliser des les outils statistiques classiques (moyenne, écrat-type, ...) afin de déterminer la valeur de ton seuil.

pour ton taux idéal, c'est un peu pareil, la reconnaissance dépendra de tes données et de tes matrices de chiffres, donc en faisant des tests, tu devrait avoir une idée du taux à atteindre pour être sûr d'avoir reconnu le bon chiffre.

[jabbounet]

Question tes images sous forme de chiffre entre [0-9], sont-elles toujours identiques?

[FabaCoeur]

A priori, oui. Peut être quelques toute petite différences de couleurs dans les teintes, mais très faible. Une solution serait donc d'enregistrer les 100 matrices mais bon c'est très très fastidieux !

[jabbounet]

ou de chopper un sous ensemble de points blanc/noir pur qui ne changes pas et qui te permet de discriminer chacune de tes images

un peu comme une signature.

[FabaCoeur]

Donc en fait en partant sur cette base il faudrait:

• Déterminer une matrice de couleurs fixes (blanc pur, noir pur) pour chacun des nombres (et pas chiffre)
• Balayer l'image avec cette matrice de gauche à droite pour trouver une/des correspondances
• En effet dans le cas du chiffre "43", si on utilise la matrice du "3" il faut balayer en "survolant" le 4

Cela ne s'annonce pas si simple entre les chiffres à 2 ou 1 nombre.

Une autre solution est de faire 100 matrices mais ça me semble déjà très long de les faire de 0 à 9.

[Mac LAK]

J'aurais tendance à proposer :

• Adaptation (éventuelle) à une taille fixe et connue à l'avance, de référence (20x25 par exemple).
• Binarisation de l'image à reconnaître.
• Différence binaire entre l'image binarisée et une matrice de référence (10 matrices, de 0 à 9). L'image devient donc grisée à blanche sur fond noir (les deux fonds blancs s'annulent).
• Calcul de l'intensité moyenne restante sur l'image sur les pixels non-noirs "pur", donc en éliminant le fond. Éventuellement, rajouter l'écart-type, mais c'est sûrement inutile.
• Si l'intensité moyenne calculée est inférieure à une constante prédéfinie, l'image est reconnue. Sinon, on prends l'image ayant donné la plus faible intensité moyenne lors de la comparaison avec les 10 matrices de référence.

Reste que c'est un poil long malgré tout, malgré le faible nombre de pixels. Toutefois, vu justement le faible nombre de pixels, je ne suis pas certain qu'une méthode plus complexe offrirait de meilleurs résultats : comparer/sommer 500 valeurs entières est très certainement plus rapide à faire que de calculer des fonctions mathématiques plus ou moins complexes pour obtenir une "signature" de chaque chiffre à reconnaitre...

[pseudocode]

[*]Balayer l'image avec cette matrice de gauche à droite pour trouver une/des correspondances

Tu peux passer dans l'espace de Fourier et faire une corrélation de phase, ca sera plus rapide.

[FabaCoeur]

Encore une fois, cela me semble d'une complexité un peu élevée face à celle du problème.
Je vais essayer de prendre toutes les idées du topic et de développer ma fonction.

Merci à tous pour vos solutions !

[ToTo13]

Bonjour,

les valeurs des nombres allant de 0 à 99, ça n'en reste pas moins de simples chiffres de 0 à 9.
Donc la première chose à faire dans ton imagette est de séparer les composantes connexes afin de séparer les chiffres. Tu réduis ainsi l'espace de recherche.

Ensuite, vu que tes chiffres n'ont pas l'air de subir de grosses transformations :
- mise à la même dimension (à toi de choisir laquelle).
- transformation en niveaux de gris.
- seuillage binaire (entropie par exemple).
- séparation des composantes connexes.

A partir de là, est ce que tu t'es renseigné sur les différents algorithmes utilisés dans les OCR ?

Un k-plus proches voisin brute donnera de très bon résultat vu que tu ne travailles que sur quelques pixels (Surtout après séparation des composantes connexes).

Si tu veux réduire les caractéristiques, un bon algorithme pour les OCR sont les "histogrammes de projections".
Je te conseille aussi de compter le nombre de trous dans les formes, cela peut t'orienter grandement sur les chiffres.