PalmDetector : Приложи ладонь к сканеру
Как то мне в руки попало достаточно интересное тестовое задание. Академический интерес взял верх, и я решил посидеть над этой задачкой. Мое решение не претендует на оптимальность и правильность. Мне просто интересно было ее решить.
Исходные данные
Суть задания заключается в следующем - написать программу, которая по изображению снимков со сканера вен ладоней определяет приложена ли ладонь к сканеру.
Исходные данные - несколько снимков с заранее известным результатом. Нужно скормить их программе, а программа, в свою очередь, должна сказать - приложена ладонь или нет.
Результат
Программа с графическим интерфейсом с возможностью выбора изображения из списка. После выбора изображение анализируется и после анализа выдается результат в виде надписи Good или Bad.
Алгоритм
Алгоритм анализа изображения довольно простой. Для начала создал класс ImageAnalyser со следующим интерфейсом
1
2
3
4
5
6
7
8
9
10
class ImageAnalyser
{
public:
ImageAnalyser();
explicit ImageAnalyser(const QImage&);
bool analyze(const QImage&);
bool analyze();
std::vector<std::vector<int>> data();
virtual ~ImageAnalyser();
};
Внутри этого класса решил условно разделить изображение на 4 части для каждого источника света. И для каждого изображения расчитать среднюю яркость относительно осей Х и У. Наглядно это продемонстрировано на изображении ниже.
В результате получим восемь графиков со средним уровнем яркости.
Далее нужно произвести анализ этих графиков. Я решил использовать функцию корреляции сравнив полученные графики с некоторым “идеальным” графиком. Идеальный график в данном случае это просто прямоугольник, который я получаю следующим способом:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
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, реализацию которого честно украл из GNU Scientific Library.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
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 нужно просто проанализировать значения корреляции. Я решил, что если хоть одно значение корреляции меньше 0,5 то ладонь к сенсору не приложена или приложена плохо.
1
2
3
4
5
6
7
8
9
10
11
12
13
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;
}
Так же из кода видно, что производится анализ уровня яркости - если значение меньше 30, то так же считаем, что ладонь не приложена.
Стек используемых технологий
- C/C++
- Qt Creator
- QtCharts
- GNU Scientific Library