Академический Документы
Профессиональный Документы
Культура Документы
UTN-
FICA
CAPTULO IV
RECONOCIMIENTO DE
IMGENES Y CARACTERES
149
UTN-
FICA
CAPTULO IV
4. RECONOCIMIENTO DE IMGENES Y
CARACTERES
4.1. Reconocimiento de caracteres
El Reconocimiento ptico de Caracteres es un mtodo para
reconocer la parte textual de una imagen digitalizada. El
OCR recibir como entrada la imagen digitalizada y el
resultado de esto es un archivo de texto que puede ser
editado y usado como tal por cualquier programa o
aplicacin que lo necesite.
El Reconocimiento ptico de Caracteres de una imagen
perfecta, es decir, de una imagen de dos niveles de grises,
consistir en reconocer los caracteres de la pgina que
deben crear el fichero de texto. El reconocimiento de estos
caracteres se realizar bsicamente con la comparacin de
cada carcter de la imagen con unos patrones o plantillas
que contendr todos los posibles caracteres. [`LIB 23]
Pero las imgenes reales no son perfectas, cuando estas
imgenes son escaneadas introducen algunas alteraciones.
Por lo que, el Reconocimiento ptico de Caracteres se
encuentra con varios problemas:
150
UTN-
FICA
caracteres
hacen
que
el
sistema
de
151
UTN-
FICA
4.3. Biometra
La biometra es el reconocimiento del cuerpo humano a
travs de ciertas caractersticas fsicas, como el tamao de
los dedos de la mano, las huellas dactilares o los patrones
en las retinas de los ojos.
Los sistemas de computadoras actuales permiten tener
mejores niveles de seguridad utilizando la biometra. Por
ejemplo, una persona puede tener acceso a un rea
restringida,
por
medio
del
reconocimiento
de
las
152
UTN-
FICA
del
cuadro
de
la
imagen
original
con
su
153
UTN-
FICA
para
comparar
imgenes,
la
cantidad
de
154
UTN-
FICA
(R 2 ) ( G 2 ) ( B 2 )
Diferencia_metodo_cuadratico[I1,I2] : entero
{
Diferencia=0
//diferencia mnima
Para x= 1 .. I1.altura
// por cada fila
{
Para y= 1 ..I1.ancho
// por cada columna
{
Distancia = I1(x,y) I2(x,y)
//se compara cada pxel
Diferencia=diferencia + distancia + distancia
}
}
Resultado = diferencia
}
155
UTN-
FICA
(2 * R 2 ) (4 * G 2 ) (3 * B 2 )
Este
mtodo
requiere
mucho
mas
capacidad
de
necesario
clasificar
las
imgenes
segn
sus
caractersticas de color.
4.5.1. Color promedio
156
UTN-
FICA
la
ejecucin
del
proceso
de
creacin
de
Color_promedio(imagen): color
{
Color_total=0
Para y=1 .. imagen.altura
{
Para x = 1.. imagen.ancho
// diferencia minima
// por cada fila
// por cada columna
{
Color_total=color_total + color_pixel(x,y)
}
}
Resultado = color_total/imege.numero_pixeles
}
Informacin Tcnica 4.6 Algoritmo de Color promedio
157
UTN-
FICA
158
UTN-
FICA
FILTRO AUTOAJUSTABLE
Inicio
Margen:=margen
Inicio
Imgene
s>='
No
Margen>= margen x
Factor
Si
Fin
159
UTN-
FICA
{
Imagen(x,y) = imagen (x,y) + modificacion
}
}
Resultado = imagen
}
Informacin Tcnica 4.7Algoritmo: Modificacin del Color
Filter
coleccion
Buscar imagen
con mano
diferente
Modificar
color de mejor
imagen
Reemplazar
cuadro
procesado con
mejor imagen
Fin
160
UTN-
FICA
161
UTN-
FICA
Margen:=margen Inicio
Imgenes>
='
No
Margen>= margen x
Factor
Si
Fin
162
UTN-
FICA
4.5.5. Prioridad
Si se utiliza la tcnica para evitar la repeticin las imgenes
ya utilizadas, la imagen se va deteriorando a medida que se
procesa la imagen original. Al procesar los ltimos cuadros
se tiene una menor disponibilidad de imgenes en la
coleccin de imgenes que en los primeros ya que una
buena parte de la coleccin de imgenes habr sido
marcada como utilizada.
Algunos
cuadros
necesitan
especial
atencin.
Debe
163
UTN-
FICA
164
UTN-
FICA
165
UTN-
FICA
166