王凱
摘要:針對(duì)雙向切割的破碎紙片的自動(dòng)復(fù)原問題,本文首先對(duì)圖片進(jìn)行數(shù)字化處理,讀取圖片的灰度信息,構(gòu)建灰度矩陣,并將灰度矩陣轉(zhuǎn)化為0-1矩陣,從而將二維圖片數(shù)值化。然后采用2次篩選的方法,通過讀取圖片前180個(gè)像素行,根據(jù)同行字的圖片中心高度差相同或相近似原則,建立圖片中心高度差模型進(jìn)行行篩選,確定出中文分為11類;然后,針對(duì)同行內(nèi)圖片的排列,建立左右邊界匹配模型,同時(shí)進(jìn)行人工干預(yù),剔除各類中多余元素,對(duì)于缺失元素類別進(jìn)行填補(bǔ);最后,對(duì)于行與行間的拼接,建立上下邊界匹配模型,得出在各行的上下位置序列,完成第2次篩選,得出原文件圖片序列。結(jié)果顯示,拼接復(fù)原率為100%。
關(guān)鍵詞:左右邊界匹配模型 圖片中心高度差 上下邊界匹配模型 碎紙片拼接
1.模型分析
在對(duì)文件既橫切又縱切的情況下,完成破碎紙片的拼接工作。本文分為以下四步來解決:
1、對(duì)每張圖片文件進(jìn)行數(shù)據(jù)讀取,目的在于將附件所給的bmp格式的碎紙片圖以灰度值矩陣的形式存儲(chǔ)。再將灰度值矩陣轉(zhuǎn)化為0-1矩陣,來得到模型的數(shù)據(jù)基礎(chǔ),構(gòu)建反映中文文章行特征矩陣;
2、通過建立特征匹配模型,左右邊界匹配模型,上下邊界匹配模型三個(gè)模型,完成雙向切割破碎紙片匹配模型的構(gòu)建;
3、利用MATLAB對(duì)模型進(jìn)行求解。此外,特征匹配模型后需要人工干預(yù);
4、分析求解結(jié)果。
2模型的準(zhǔn)備
2.1圖片的數(shù)字化處理
2.1.1灰度值矩陣的獲取[1]
2.1.2.0-1矩陣的建立
2.1.3獲取左、右邊界矩陣
2.2圖像的預(yù)處理
3建立橫縱切碎片匹配模型
3.1構(gòu)建左右邊界匹配模型
3.1.1構(gòu)建左邊界匹配模型
3.1.2構(gòu)建右邊界匹配模型
3.1.3構(gòu)建最佳匹配模型
3.2建立上下邊界匹配模型
本模型的建立思路和第一問中右邊界匹配模型建立的思路相似。不同之處在于,問題一是19條縱列的左右匹配模型,而本模型是11行的上下邊界匹配模型。
將第k張圖片的上、下邊界處的元素分別存于矩陣的第一行、第二行中。即上下邊界匹配模型中第k行的上下邊界矩陣為:
3.2.1上邊界匹配構(gòu)建模型
將第k行的上邊界與第行的下邊界進(jìn)行上邊界匹配,即求第k行的邊界矩陣的第一行與第s行的邊界矩陣的第二行對(duì)應(yīng)列元素的差,再求差的絕對(duì)值的和—— 。
對(duì)應(yīng)的匹配方式即為第K行與第S行的最佳上下匹配方式。
4.模型的求解
4.1求解步驟
對(duì)各行高按升序編號(hào)1~11
跟據(jù)左右邊界匹配模型對(duì)各行圖片進(jìn)行排序然后人工剔除多余或者匹配度差的圖片
將其余碎片分別與1,2,3,5,6,8,10匹配,確定其在行集合的列順序如表3所示
5結(jié)論
本文針對(duì)碎紙片的拼接復(fù)原問題,首先,通過對(duì)圖片進(jìn)行數(shù)字化處理,并利用灰度及圖片中心高度來建立碎紙片的拼接配準(zhǔn)算法;其次,根據(jù)圖片邊界的相似相容的方法建立左右匹配模型和上下匹配模型;由于在一些碎紙片邊緣特征信息非常少的復(fù)雜情形下很難對(duì)碎紙片進(jìn)行自動(dòng)化拼接[8],需要采取人工干預(yù)調(diào)整的方法,最后得到了全部碎紙片的復(fù)原圖。總體來說該模型算法較為簡單,自動(dòng)化匹配程度高,具有很好的可操作性和推廣價(jià)值。
參考文獻(xiàn)(References)
[1]王帆,劉慧. 基于Matlab GUI的數(shù)字圖像處理實(shí)驗(yàn)平臺(tái)設(shè)計(jì)[J]. 中國科技信息,2011,(07):124-125.
[2]叢波. 基于MATLAB的數(shù)字圖像處理技術(shù)及應(yīng)用[J]. 中國科技信息,2011,(05):85-86+89.