خواندن خودکار نقشه چاپی فرش به دو مرحله تقسیم میشود: آشکارسازی خطوط نقشه، شامل خطوط باريک و خطوط ضخيم؛ کاهش رنگ پيکسلهای تصوير به رنگهای پالت. برای شناسایی خطوط نقشه الگوریتمی پیشنهاد شده است. در این الگوریتم ابتدا فاصله خطوط باریک محاسبه میشود. پس از شناسایی اولین چکیده کامل
خواندن خودکار نقشه چاپی فرش به دو مرحله تقسیم میشود: آشکارسازی خطوط نقشه، شامل خطوط باريک و خطوط ضخيم؛ کاهش رنگ پيکسلهای تصوير به رنگهای پالت. برای شناسایی خطوط نقشه الگوریتمی پیشنهاد شده است. در این الگوریتم ابتدا فاصله خطوط باریک محاسبه میشود. پس از شناسایی اولین خط باریک، خطوط باریک بعدی بهترتیب رسم میشوند. برای شناسایی اولین خط ضخیم از الگوریتم شانهگذاری استفاده شده است. مشکل عمده در شناسایی خطوط، خطای نمونهبرداری ناشی از اسکنر است. این خطا غیر قابل اجتناب است. برای اصلاح این خطا در مراحل مختلف شناسایی و ترسیم خطوط راه حلهایی پیشنهاد شده است. پس از شناسایی خطوط، کاهش رنگ انجام میشود. هدف اين است که رنگ پيکسلهای درون چهارخانههای نقشه - که از تلاقی خطوط باريک حاصل میشوند - به رنگهاي پالت، نگاشت شوند. سه روش برای کاهش رنگ ارائه شده است. در روش اول کاربر برای هر رنگ نقشه، دو پيکسل انتخاب میکند. پالت رنگ، با پردازش مناسب بر روی رنگهای انتخابی کاربر بهدست میآيد. برای تعيين رنگ يک چهارخانه، رنگ پيکسلهای ميانی آن بر اساس اين پالت نگاشت میشود و فراوانترين رنگ بهدست میآيد. سپس چهارخانه مربوطه با اين رنگ پر میشود. اين الگوريتم کاهش رنگ به همراه يک مرحله پسپردازش روی چند تصوير نمونه اعمال شد. ميزان خطا برای تصاوير پایگاه داده از 07/0 درصد تا 5/0 درصد بود. بهمنظور بررسی امکان کاهش دخالت کاربر از روش C - میانگین به دو صورت استفاده شده است. مراکز خوشههای اولیه یک بار با دخالت کاربر و بار دیگر بهطور تصادفی تعیین میشوند. نتایج این سه روش مورد مقایسه و بحث قرار میگیرد.
پرونده مقاله
خواندن خودکار نقشههای فرش به معنی تعیین نقشه با تعداد رنگ مشخص از روی نقشه اسکنشده است. خواندن خودکار شامل دو مرحله تشخیص خطوط نقشه و کاهش تعداد رنگ پیکسلهای تصویر است. کاهش رنگ نیز از دو مرحله طراحی پالت و نگاشت رنگ پیکسلهای تصویر به رنگهای پالت تشکیل میشود. برا چکیده کامل
خواندن خودکار نقشههای فرش به معنی تعیین نقشه با تعداد رنگ مشخص از روی نقشه اسکنشده است. خواندن خودکار شامل دو مرحله تشخیص خطوط نقشه و کاهش تعداد رنگ پیکسلهای تصویر است. کاهش رنگ نیز از دو مرحله طراحی پالت و نگاشت رنگ پیکسلهای تصویر به رنگهای پالت تشکیل میشود. برای کاهش رنگ، روشهای متنوعی وجود دارد که دقت آنها از اهمیت بالایی برخوردار است و حتی در برخی از روشها برای افزایش دقت برای طراحی پالت از کاربر کمک گرفته میشود. هدف از این تحقیق ارائه روش کاهش رنگ کاملاً خودکار با دقت بالا است. برای این منظور از روش یادگیری تقویتشده استفاده شده است که دقتی بالغ بر 98% دارد. تاکنون از این روش برای کاهش رنگ استفاده نشده است. روش پیشنهادی با توجه به کاربرد، تعریف شده است و میزان کاهش رنگ بهنحوی است که دقت الگوریتم کاهش پیدا نکند. از این رو پالت نهایی، از تعداد رنگ بیشتری در مقایسه با پالت اصلی برخوردار است. در کار ارائهشده در این مقاله، ابتدا خطوط نقشه آشکار میشوند و رنگ پیکسلهای درون هر خانه نقشه به یک پیکسل نگاشت میشود و سپس با استفاده از روش یادگیری تقویتشده کاهش رنگ انجام میشود. نتایج حاصل از آزمایش روش پیشنهادی بر روی چند تصویر نمونه ارائه و بررسی میشود.
پرونده مقاله
نقشههای فرش شامل دو دسته چاپی و دستی هستند و نقشههای دستی نیز به دو گروه پیش و پس از نقطهگذاری تقسیم میشوند. هدف این تحقیق، کاهش رنگ در نقشههای دستی پیش از نقطهگذاری است. مقالات گوناگونی درباره کاهش رنگ در نقشههای فرش پس از نقطهگذاری وجود دارد اما تا کنون مقاله چکیده کامل
نقشههای فرش شامل دو دسته چاپی و دستی هستند و نقشههای دستی نیز به دو گروه پیش و پس از نقطهگذاری تقسیم میشوند. هدف این تحقیق، کاهش رنگ در نقشههای دستی پیش از نقطهگذاری است. مقالات گوناگونی درباره کاهش رنگ در نقشههای فرش پس از نقطهگذاری وجود دارد اما تا کنون مقالهای در باب کاهش رنگ در نقشههای دستی پیش از نقطهگذاری ارائه نشده است. الگوریتم پیشنهادی از 4 مرحله اصلی تشکیل شده است: تعیین نواحی تصویر، مشخصکردن رنگ هر ناحیه، کاهش رنگ در حوالی مرزهای تصویر و کاهش رنگ نهایی با روش C- میانگین. برای 80 قسمت از 20 نقشه مختلف، دقت الگوریتم حدود 96 درصد است، به عبارت دیگر رنگ 96 درصد از پیکسلهای تصویر به درستی تعیین شده و دقت بالای این روش به دلیل متناسببودن روش پیشنهادی با کاربرد آن است. روش ارائهشده در این مقاله کاملاً خودکار نیست و تعداد رنگهای نقشه باید توسط کاربر به عنوان ورودی به الگوریتم داده شود.
پرونده مقاله
در الگوریتمهای کاهش رنگ، نتیجه کار به صورت دیداری یا بر اساس معیارهای کیفی بررسی میشوند. ارزیابی بدون در نظر گرفتن معیارهای کمی، ارزیابی جامع و دقیقی نیست و سلیقه بیننده در ارزیابی بسیار تأثیرگذار است. در برخی از مقالات، نتیجه کار با معیار MSE ارزیابی میشود. در این م چکیده کامل
در الگوریتمهای کاهش رنگ، نتیجه کار به صورت دیداری یا بر اساس معیارهای کیفی بررسی میشوند. ارزیابی بدون در نظر گرفتن معیارهای کمی، ارزیابی جامع و دقیقی نیست و سلیقه بیننده در ارزیابی بسیار تأثیرگذار است. در برخی از مقالات، نتیجه کار با معیار MSE ارزیابی میشود. در این معیار تفاوت میان رنگ پیکسلهای تصویر نتیجه با تصویر اولیه به عنوان خطا در نظر گرفته میشود که روش مناسبی برای ارزیابی روشهای کاهش رنگ نیست. در کاهش رنگ تصاویر، اگر یک رنگ به طور کامل با رنگی نزدیک به رنگ اصلی جایگزین شود، خطا محسوب نمیشود. اگر این جایگزینیها برای تمام پیکسلهای آن رنگ رخ ندهد خطایی در کاهش رنگ اتفاق افتاده است. یکینبودن رنگهای حاصل از اعمال الگوریتم کاهش رنگ با رنگهای مطلوب باید در ارائه معیار ارزیابی لحاظ شود که در معیار MSE لحاظ نمیشود. در برخی از کاربردهای کاهش رنگ مانند کاهش رنگ در نقشههای فرش، رنگ مطلوب پیکسل نهایی مشخص است و ارائه رنگ نادرست خطا محسوب میشود. از این رو در این گونه از کاربردها، امکان ارزیابی کمی بر اساس رنگ نهایی هر پیکسل وجود دارد. با ارائه معیاری برای ارزیابی کمی، سلیقه بیننده در ارزیابی لحاظ نمیشود و امکان مقایسه دقیق الگوریتمهای کاهش رنگ فراهم میشود. در این مقاله به ارائه معیاری کمی برای ارزیابی الگوریتمهای کاهش رنگ پرداخته شده و در صورت مشخصبودن رنگ مطلوب پیکسلهای نهایی، این معیار کارا است. برای نشاندادن کارایی معیار ارزیابی کمی، یکی از کاربردهای کاهش رنگ یعنی کاهش رنگ در نقشههای فرش بررسی شده است. چندین روش کاهش رنگ با معیار ارزیابی پیشنهادی سنجیده شدهاند و الگوریتم [42] به دلیل تناسب با کاربرد، کمترین خطای کمی را داشته است.
پرونده مقاله