การแบ่งส่วนและการรับรู้ชื่อหนังสือและผู้แต่งจากภาพชั้นหนังสือ

ฉันพยายามเพื่อจุดประสงค์การเรียนรู้ของฉันเองเพื่อพัฒนาการใช้อัลกอริทึมที่จะเขียนรายการหนังสือโดยกำหนดภาพของชั้นวางหนังสือดังนี้

ขั้นตอนแรกคือการแบ่งภาพออกเป็นแต่ละเล่ม

อัลกอริทึมของฉันในMathematicaคือ:

    img = ColorConvert[Import["http://i.stack.imgur.com/IaLQk.jpg"], "GrayScale"]

• ทำการตรวจจับขอบพื้นฐาน &

• ลบข้อความและพยายามรักษาความยาวบรรทัด

  edge = DeleteSmallComponents[EdgeDetect[img, 3],Last[ImageDimensions[img]]/5]
  

• จากนั้นลบเส้นแนวนอนที่ไม่พึงประสงค์

  lines = Sort[ImageLines[img5] /. {{0., _}, {_, _}} -> Sequence[]]
  Show[img, Graphics[{Thick, Orange, Line /@ lines}]]
  

แม้ว่าผลลัพธ์จะน้อยกว่ามาก:

คำถามของฉันคือ:

1. ฉันจะปรับปรุงสิ่งนี้เพื่อให้ได้ผลลัพธ์ที่ดีขึ้นได้อย่างไร
2. มีวิธีที่ฉลาดกว่านี้หรือไม่?
3. ฉันควรประมวลผลรูปภาพเพิ่มเติมเพื่อเพิ่มความแม่นยำในระยะ OCR (ในภายหลัง) อย่างไร
4. จะใช้ข้อมูลสีเพื่อปรับปรุงการแบ่งส่วนได้อย่างไร

นี่คือลิงค์ไปยังรายงานการวิจัยที่พยายามทำสิ่งเดียวกันกับที่คุณต้องการ มันอาจช่วยคุณได้ การใช้คุณสมบัติรูปภาพ นอกจากนี้ยังมีวิดีโอดีๆในyoutube

คุณใช้วิธีใดในการตรวจจับเส้น คุณลองทำการทดลองกับLSDหรือไม่?

นี่คือผลลัพธ์ของการทดสอบอย่างรวดเร็วที่ฉันทำโดยใช้ LSD:

ในภาพแรกนี้ฉันได้แสดงเฉพาะส่วนของเส้นแนวตั้งที่มีมุมระหว่าง 75 ถึง 105 องศาและความยาวมากกว่าความสูงของรูปภาพ: $0.1 * height$

ภาพที่สองเป็นผลลัพธ์ที่มีข้อ จำกัด มุมเดียวกัน แต่ไม่คำนึงถึงความยาวของส่วน:

คุณสามารถลองเล่นกับบิตนี้หาวิธีเลือกเซ็กเมนต์บรรทัดที่ดีที่สุดขยายไปยังบรรทัดและอาจได้ผลลัพธ์ที่ดีกว่ากลุ่มที่คุณโพสต์เล็กน้อย

คุณสามารถลองทำการตรวจจับขอบบนแต่ละโดเมนสีแล้วทำการผสานโดยใช้วิธีการที่คุณเลือกสำหรับการตรวจจับขอบ

เมื่อเทียบกับการตรวจจับขอบบนภาพสีโดยตรงมันอาจให้ผลลัพธ์ที่ดีกว่า

กระดาษจากลิงค์ที่ขาดให้โดย isrish อาจพบการรวมคุณสมบัติภาพและข้อความ: วิธีการไฮบริดในการรับรู้กระดูกสันหลังมือถือหนังสือ Proc การประชุมนานาชาติ ACM ครั้งที่ 19 เรื่อง Multimedia, 2011 นอกจากนี้ยังสามารถดูเอกสารอื่น ๆ จาก David Chen และคณะ ตัวอย่างเช่นการติดตามสินทรัพย์ต้นทุนต่ำโดยใช้โทรศัพท์กล้อง Location-Aware , Proc SPIE 2010