Задача Определения Наличия Ладони На Сканере Вен

Как-то ко мне в руки попало тестовое задание.

Академический интерес взял верх и я решил заняться этой проблемой.

Мое решение не претендует на оптимальность или правильность.

Мне просто было интересно решить эту проблему.

Исходные данные

Исходные данные — это несколько изображений с заранее известным результатом.

Результат

После выбора изображение анализируется и после анализа результат отображается в виде надписи.

Хороший или Плохой .

Алгоритм

   

 class ImageAnalyser
 {
 public:
     ImageAnalyser();
     explicit ImageAnalyser(const QImage&);
     bool analyze(const QImage&);
     bool analyze();
     std::vector<std::vector<int>> data();
     virtual ~ImageAnalyser();
 };

   

И для каждого изображения посчитайте среднюю яркость относительно осей Икс И ты .

Это наглядно продемонстрировано на изображении ниже.

В результате мы получаем восемь графиков со средним уровнем яркости.

Далее вам необходимо проанализировать эти графики.

Я решил использовать корреляционную функцию, сравнив полученные графики с каким-то «идеальным» графиком.

Идеальный график в данном случае — это просто прямоугольник, который я получаю следующим образом:

std::vector<int> ImageAnalyser::prepare_ideal_array(const std::vector<int>& array) { unsigned long min = static_cast<unsigned long>(array.size() * 0); unsigned long max = static_cast<unsigned long>(array.size() * 0.45); int ideal_value = 100; std::vector<int> ideal; ideal.resize(array.size()); for(unsigned long i = min; i < max; ++i) { ideal[i] = ideal_value; } return ideal; }

Для сравнения графиков и, соответственно, получения значения корреляции я использовал функцию gsl_stats_correlation , реализация которого была честно украдена у Научная библиотека ГНУ .

double ImageAnalyser::gsl_stats_correlation(const std::vector<int>& data) { std::vector<int> ideal = prepare_ideal_array(data); const int stride1 = 1; const int stride2 = 1; double sum_xsq = 0.0; double sum_ysq = 0.0; double sum_cross = 0.0; double mean_x = data[0]; double mean_y = ideal[0]; for (unsigned int i = 1; i < data.size(); ++i) { double ratio = i / (i + 1.0); double delta_x = data[i * stride1] - mean_x; double delta_y = ideal[i * stride2] - mean_y; sum_xsq += delta_x * delta_x * ratio; sum_ysq += delta_y * delta_y * ratio; sum_cross += delta_x * delta_y * ratio; mean_x += delta_x / (i + 1.0); mean_y += delta_y / (i + 1.0); } double r = sum_cross / (sqrt(sum_xsq) * sqrt(sum_ysq)); return r; }

Далее вам просто нужно проанализировать значения корреляции.

Я решил, что если хотя бы одно значение корреляции меньше 0,5, то ладонь не приложена к датчику или приложена плохо.

bool ImageAnalyser::is_good(const vector<double>& correlation, const vector<int>& maximums) { bool result = true; double min_corr = *std::min_element(correlation.begin(), correlation.end()); if (min_corr < 0.5) { result = false; } double min_val = *std::min_element(maximums.begin(), maximums.end()); if (min_val < 30) { result = false; } return result; }

Из кода также понятно, что анализируется уровень яркости — если значение меньше 30, то мы также предполагаем, что ладонь не применяется.

Стек используемых технологий

• С/С++
• Создатель Qt
• QtCharts
• Научная библиотека ГНУ

Источники

• Norton Antivirus – Необходимость Для Каждого Пользователя Пк

  19 Oct, 24

• Утилизация Компьютеров — Мудрая Идея По Трем Причинам

  19 Oct, 24

• Дизайнеры Из Google, Huge И Spotify Проведут Бесплатные Лекции На Московской «Стрелке»

  19 Oct, 24

• Конференция Black Hat Usa. Как Голливудский Хакер Использует Камеры Наблюдения. Часть 1

  19 Oct, 24

• Получение Докторской Степени В Австралии. Продолжение

  19 Oct, 24

• Парень Занимается Разработкой Игры С 1997 Года И Регулярно Отчитывается О Прогрессе.

  19 Oct, 24

• Я Mac: Половина Youtube

  19 Oct, 24

• Автоматически Переключать Встроенную И Дискретную Графику В Macbook Pro

  19 Oct, 24

• Пять Инноваций Crm, Которые Вы Увидите В 2018 Году

  19 Oct, 24

• Почему I2Istudy Не Сотрудничал С Фрии

  19 Oct, 24