Лекции по курсу Периферийные устройства компьютеров (LecPu18)

Посмотреть архив целиком

Лекция 18

Устройства ввода-вывода текстовой информации

с промежуточного носителя


План

1. Читающие автоматы.

2. Сканеры.

3. Алгоритмы контрастирования.

4. Алгоритм сканирования информации.

4.1. Метод идентификации контуров.

4.2. Распознавание символов аппаратными структурами с помощью нейронных сетей.

5. Интерфейсы читающих устройств.


На всех специальных носителях текстовая информация храниться в двоичной форме, понятной ЭВМ. Однако существуют устройства автоматического ввода, так называемые читающие автоматы (ЧА), предназначенные для ввода текстовой информации с первичного документа.


1. Читающие автоматы

При проектировании читающего автомата большое значение имеет выбор типов распознаваемых шрифтов. Кроме обычных шрифтов (рукописных или машинописных) существуют специальные шрифты:

 кодированные - на основе комбинации точек и штрихов различного тона и ширины (для идентификации изделий);

 стилизованные - изображение символа специально искажено с целью придания каждому символу уникального интегрального свойства. Примером ЧА, использующих стилизованные шрифты, могут служить магнитные ЧА 1259 и 1419 фирмы IBM, обеспечивающих считывание информации при обработке банковских документов со скоростью до 1600 документов в минуту (объём алфавита 14 символов в коде EI3B);

 нормализованные для заполнения от руки символов по выделенным позициями, как шрифты индексов на конвертах.

Все ЧА разделяют на оптические (ОЧА) и магнитные (МЧА). Магнитные читающие автоматы ориентированы на чтение стилизованных шрифтов, нанесённых на носитель при помощи специальных магнитных чернил, которые имеют добавки, придающие чернилам ферромагнитные свойства. Для таких ЧА существует таблица стилизованных шрифтов для различных типов считывания. Считывающая магнитная головка (МГ) по ширине превышает высоту символа и с постоянной скоростью перемещается вдоль строки (рис. 18.1).

Амплитуда А сигнала на выходе МГ пропорциональна площади магнитных чернил, находящихся под головкой в каждый момент, т.е. суммарной ширине всех горизонтальных отрезков в изображении символа для текущего положения Х головки относительно изображения. Полученный сигнал преобразуется в цифровую форму и каждому изображению символа ставится в соответствие фиксированное количество чисел.

Оптические ЧА разделяются на специализированные и общего назначения. Специализированные ОЧА предназначены для ввода только текстовой информации с бумажного носителя. Они позволяют считывать информацию с формата А4, написанного шрифтом РОСА с вероятностью ошибки 0,5% при скорости 300знак/сек. Читающий автомат EC 6037 позволяет считывать с формата А3 и А4 с шрифтом пишущих машинок с вероятностью ошибки 0,1%. ОЧА общего назначения строятся на базе сканеров, для которых используется специальное математическое обеспечение для распознавания изображений AI-READER.


2. Сканеры

И ручные и автоматические сканеры строятся по принципу сканирования бумажного носителя отрезком аппаратуры. Обязательными компонентами сканеров являются рабочий элемент считывания, система закрепления или перемещения вводимого документа, контроллер и программные средства.

Принцип работы сканеров подобен принципу работы печатающих устройств (рис. 18.2).

В большинстве случаев источник света (светодиоды или лазер) освещает рабочее поле вводимого документа. Чувствительный к свету рабочий элемент двигается вдоль изображения или изображение двигается относительного него. Этот элемент за счёт отражённого света считывает фрагменты изображения, которые затем распознаются ПЭВМ и преобразуются в файл. Датчики на приборах с зарядной связью (ПЗС) преобразуют оптическое изображение в электрический сигнал с разрешающей способностью 10 … 30 точек/мм и выше.

Р
азделяют три основных
этапа автоматического чтения ОЧА:

1. Осмотр и восприятие изображения, в процессе которых вырабатывается электрический сигнал, соответствующий графическому начертанию вводимого символа.

1.1. Захват документа, отделение от других.

1.2. Перемещение документа в позицию осмотра.

1.3. Выравнивание.

1.4. Дискретизация изображения - разбиение на пикселы и присвоение им кодов.

2. Выделение существенных признаков и составление описания воспринимаемого изображения символа.

2.1. Контрастирование.

2.2. Отделение строк.

2.3. Подвод к строке.

3. Распознавание символов.

Качество выполнения двух последних этапов во многом зависит от программного обеспечения ЧА. Ниже подробнее рассмотрим способы реализации выделенных функций этих этапов.


3. Алгоритмы контрастирования

Как при повышенной, так и при пониженной контрастности восприятие изображения осложняется. Поэтому при повышенной контрастности используется новая оцифровка, т.е. изображение вводится повторно, а при пониженной контрастности её повышают, используя различные методы.

Метод точечных преобразований основан на “растягивании” уровня яркости по всему диапазону, используя функцию преобразования (рис. 18.3).

Функция преобразования может иметь более сложный вид. Такой метод не всегда даёт положительный эффект, т.к. использует информацию только об одной точке.

Методы локальных операторов. При использовании данного метода новое значение яркости вычисляется не только на основе старого значения, но и с использованием значений яркости рядом лежащих точек. Самый простейший метод из этой группы - это фильтр Гаусса. Он использует маску типа квадратной матрицы степени 3 (рис. 18.4, а) с весами пикселей (рис. 18.4, б), сумма которых равна 16. Новое значение яркости пикселя Р определяется по формуле

(18.1)

Такая маска удобна при программной и аппаратной реализации (рис. 18.5).

Для непосредственной реализации этого метода используется двойной объём памяти для хранения исходного поля и поля с результатом обработки. Это является неудобным. Поэтому новое значение яркости пикселей сдвигается в направлении, откуда начата обработка на половину окна в пикселях. После завершения обработки выполняется сдвиг обратно. При этом информация теряется только по границам окна.

Ф
ильтр Гаусса используется для “размазывания” изображения с целью снижения дифракционных и прочих краевых шумов и с целью снижения зернистости изображения.

Многие алгоритмы распознавания символов работают на основе распознавания контуров, поэтому контура выделяют фильтром Собеля. Этот фильтр реализуется посредством использования масок 2-х типов (рис. 18.6). Яркость пикселя определяется по следующей формуле

X=(F+2G+H)-(A+2B+C)

Y=(C+2E+H)-(A+2D+F); (18.2)

.

Кроме рассмотренных выше фильтров используется ещё и вскрывающий фильтр (рис. 18.7). Он реализуется в виде двух локальных операторов. Первый из них вызывает эрозию - снятие одного слоя пиксела с объекта, а второй вызывает наращивание слоя пикселей:

ЭН-1 - вскрывающий оператор уровня 1;

ЭЭНН-2 - вскрывающий оператор уровня 2.

- эррозия (Э);

- наращивание (Н) (18.3)

Чем глубже уровень вскрытия, тем чище изображение, но если глубина вскрытия соизмерима с шириной символа, то символ может потеряться.


4. Алгоритм сканирования информации

Определение строк реализуется программой распознавания информации AI-READER совместно с аппаратурой ScanJet.

Исходными данными для процедуры отделения строк являются: исходный читаемый текст, размер букв и средний размер в пикселях интервалов межбуквенных и межстрочных. Алгоритм этой процедуры состоит из 4-х основных этапов:

1. Подвод к первой строке текста.

1.1. Сканирование документа, начиная с верхней границы горизонтальной апертурой (линией) параллельно верхней границе листа до встречи первого засвеченного пикселя.

1.2. Сканирование строки вертикальной апертурой, размер которой определяется как средний размер буквы плюс половина размера интервала между строками. Сканирование начинается с правой границы документа до первого засвеченного пикселя.

1.3. Сканирование буквы линейно вертикальной апертурой той же высоты, в результате которого формируется матрица образа буквы в пикселях [pij].

2. Проверка истинности выражения

, (18.4)

где [pij] - матрица изображения просканированного символа; - матрица изображения эталонного к-го символа; - функция, которая определяется как - функция совпадения; Р - порог принятия решения (80% от количества пикселей в эталоне).

Чем больше совпадений тем ближе символ к этому эталону, если порог Р превышен, то это означает, что символ распознан. Если символ не находит своего эталона, то возможно два варианта:

а) в режиме обучения программа запрашивает, что это за символ и запоминает его как эталонный для данного кода;

б) в рабочем режиме программа выдаёт отказ распознавания и символ заменяется на символ а .

3. Переход к следующему символу к п. 1.2.

4. Переход к следующей строке к п. 1.1.

Недостатком данного алгоритма является то, что формируется код для перехода на следующую страницу.

Для распознавания символов существуют специальные методы:

 метод сравнения;

 корреляционный метод. Он похож на рассмотренный выше метод, но вычисляется не функция сравнения, а коэффициент корреляции, который сравнивается с порогом Р;

 метод распознавания по вторичным признакам для стилизованных шрифтов;

 методы распознавания, основанные на нейросетях.

4.1. Метод идентификации контуров

Этот метод основан на выделении контура по алгоритму Фримена с последующей идентификацией контура. Цепной код Фримена позволяет представить контур произвольной формы в виде последовательности коротких векторов (рис. 18.8).

А
лгоритм Фримена
.

  1. Поиск начальной точки. Сканирование вертикальной линейной апертурой и развёртка горизонтальной апертуры до первого засвеченного пиксела.

  2. Проверка всех примыкающих пикселей по направлению, начиная с вектора 0, до тех пор, пока не встретится засвеченный пиксель. Поворот от исходной точки осуществляется по возрастанию номеров векторов. Если примыкающих пикселей не найдено, то считается, что обнаружен отдельный пиксель и его не рассматривают.

  3. Направление последнего вектора отмечается как текущее, а его конец считается текущим пикселем.

  4. Повторяют сканирование примыкающих пикселей до обнаружения засветки, начиная от пикселя, расположенного слева от текущего вектора по часовой стрелке.

  5. Алгоритм повторяют с п. 3 до тех пор, пока положение текущего пикселя не совпадёт с начальным.

Недостатком этого метода является то, что распознавание символа зависит от его поворота.

Если вектор кодировать комплексным числом: 0 - (1); 1 - (-1+i) …, то на вращение контура можно не обращать внимание.

Условие распознавания:

, (18.5)

где - кодированный контур; - эталонный контур; р - порог (0,8-0,9).


4.2. Распознавание символов аппаратными

структурами с помощью нейросетей

Нейросеть (НС) - это большой, сильно взаимосвязанный ансамбль простых элементов. Элементы обычно представляют собой двухуровневые приборы, которые переключаются из одного состояния в другое когда сигнал на входе превышает пороговое значение. Такое направление развивается с 1943 года. Слой принятия решения (рис. 18.9) состоит из нейронов. В нейросетях используются две структуры (рис. 18.10). во второй структуре введены обратные связи. Цепочка 2-3-5-6-2 реализует возвратную активность.

Динамика поведения сети. В каждый момент времени i-й узел может находится в одном из двух состояний . Переход из состояния +1 в -1 определяется пороговым потенциалом

, (18.6)

где N -количество нейронов, с которыми связан i-й элемент; Jij - вес связи (сила связи); i - порог срабатывания i-го нейрона. На осях откладывается активность нейронов (у нас 3 нейрона) (рис. 18.11).

В первой структуре распознавание заключается в точке 2. У каждой буквы имеется своя точка. Во второй структуре распознавание заканчивается в жгуте (аттракторе). У каждой буквы имеется свой аттрактор. Вторая структура позволяет запоминать большее количество информации с меньшими аппаратными затратами за счёт существования возрастной активности в сети.

В процессе распознавания символов в систему поступает частичная информация - искажённый образ символа. Это приводит систему в начальное состояние. Наличие “достаточной” информации для данного распознавания означает, что начальное состояние находится в области притяжения, соответствующего искомому результату распознавания. Притягивающий аттрактор, соответствующий символу, опознаётся группой нейронов, образовавшейся в процессе обучения. Множество аттракторов, соответствующее множеству распознаваемых символов образует семантическое пространство.


5. Интерфейсы читающих устройств

Для связи с ЭВМ сканеры могут использовать один из трёх типов интерфейса: последовательный порт, параллельный порт или шина расширения SCSI. Интерфейс SCSI работает быстрее стандартных портов и не занимает порты. Для управления работой сканера необходима соответствующая программа - драйвер, что привязывает к конкретной модели сканера своё программное обеспечение. Однако существует стандарт TWAIN, который разработан для ввода изображения от любого источника растровых данных: ручного сканера, слайдового сканера, цифровой видеокамеры и др. Этот стандарт поддерживают ЭВМ типа Macintosh и такие операционные системы, как Windows, UNIX и OS/2.


Вопросы к лекции

1. Нарисуйте подробную функциональную схему, реализующую контрастирование изображения фильтром Собеля.


________________________________________________________________________________________________

Курс «Периферийные устройства»

(лекции)

-12-


Случайные файлы

Файл
69582.rtf
90285.rtf
ref-21412.doc
48055.rtf
135800.rtf




Чтобы не видеть здесь видео-рекламу достаточно стать зарегистрированным пользователем.
Чтобы не видеть никакую рекламу на сайте, нужно стать VIP-пользователем.
Это можно сделать совершенно бесплатно. Читайте подробности тут.