2 Постановка задачи

В ходе выполнения курсового проекта необходимо реализовать приложение, которое должно распознавать ноты на сканированном изображении, воспроизводить распознанные ноты, а также определять длину звучания ноты.

Исходными данными для программы является сканированное изображение нотного стана.

Ограничения:

• Формат изображения - *bmp;

• Ноты должны относиться к первой октаве;

• Распознаются только 7 основных нот;

• Длительность ноты может составлять целую, одну вторую, одну четвертую либо одну восьмую;

• Размер изображения не должен превышать 1000 х 1000 пикселей;

• На вход Персептрону изображения должны подаваться одного размера и не превышать 70 х70 пикселей.

Требуется реализовать следующие этапы:

• поворот изображения;

• бинаризация изображения;

• сегментация изображения, т.е выделение нотного стана;

• выделение скрипичного ключа;

• распознавание нот и их воспроизведение;

• вырезание ноты;

• масштабирование;

• определение длины ноты с помощью нейросети Персептрон.

Среда разработки приложения – Microsoft Visual Studio 2010.

Тип приложения – Windows Form Application.

Операционная система – Windows 7.

Функциональные схемы приложения в формате IDEF приведены на рисунках 2.1 , 2.2 и 2.3).

Рисунок 2.1 - Схема IDEF (первый уровень)

Рисунок 2.2 - Схема IDEF (второй уровень)

Рисунок 2.3 - Схема IDEF (третий уровень)

3 Описание используемых алгоритмов и подходов

3.1 Алгоритмы бинаризации изображения

3.1.1. Бинаризация по порогу

Так как бинарное изображение легче поддается обработки, то требуется реализовать метод бинаризации загруженного изображения по порогу. Блок – схема данного метода представлена на рисунке 3.1.1.1

Рисунок 3.1.1.1 – Блок-схема алгоритма бинаризации изображения пороговым методом

Цвет пикселя на итоговом изображении рассчитывается согласно формуле:

где - цвет пикселя на исходном изображении,

- цвет пикселя на новом изображении,

- пороговое значение.

Рисунок 3.1.1.2 – Результат бинаризации

3.1.2 Бинаризация по площади

Для каждого элемента изображения, который является центром некоторой окрестности,

Вычисляется среднее и дисперсия по этой окрестности. Присвоение значения выходному

Элементу выполняется по правилу:

Q(i,j) = 1 , если A(i,j) < (S(i,j) + 0,3 D(i,j));

Q(i,j) = 0 , если A(i,j) >= (S(i,j) + 0,3 D(i,j)) ,

Где A(i,j) – значение яркости элемента исходного изображения;

Q(i,j) – значение бинарного изображения;

S(i,j) – значение среднего в зоне анализа исходного изображения;

D(i,j) – значение дисперсии в зоне анализа исходного изображения.

Результат бинаризации представлен на рисунке 3.1.2.1.

Рисунок 3.1.2.1 - Результат бинаризации по площади

Если сравнить результаты бинаризации по порогу и по площади, то можно заметить, что бинаризация по порогу выполнена качественнее. Также бинаризация по порогу более удобна для пользователя, так как имеется самостоятельная возможность настроить изображение.