C＃画像認識性能 - 画像リストと画像辞書を比較する

Question

画像から文字を認識することができました。この理由のために：

私はリスト

 Bitmap bpt1 = new Bitmap(@"C:\2\torec1.png", true); 
     Bitmap bpt2 = new Bitmap(@"C:\2\torec2.png", true); 
     List<Bitmap> toRecognize = new List<Bitmap>(); 
     toRecognize.Add(bpt1); 
     toRecognize.Add(bpt2); 

内のすべての認識の塊（画像）を保存私は辞書で知られている文字のライブラリーを保ちます。

var target = dict.ToList(); 

や画像の比較を行う：（ターゲット[インデックス] .KEY、ターゲット[インデックス] .Valueの）

をライブラリから - その後

  Bitmap le = new Bitmap(@"C:\2\e.png", true); 
      Bitmap lg = new Bitmap(@"C:\2\g.png", true); 
      Bitmap ln = new Bitmap(@"C:\2\n.png", true); 
      Bitmap li = new Bitmap(@"C:\2\i.png", true); 
      Bitmap ls = new Bitmap(@"C:\2\s.png", true); 
      Bitmap lt = new Bitmap(@"C:\2\t.png", true); 
      var dict = new Dictionary<string, Bitmap>(); 
      dict.Add("e", le); 
      dict.Add("g", lg); 
      dict.Add("n", ln); 
      dict.Add("i", li); 
      dict.Add("s", ls); 
      dict.Add("t", lt); 

私がイメージして新しいリストを作成します

for (int i = 0; i < x; i++) 
{ 
    for (int j = 0; j < y; j++) 
    { 
     if (CompareMemCmp(toRecognize[i], target[j].Value) == true) 
     { 
     textBox3.AppendText("Found!" + Environment.NewLine); 
     textBox2.AppendText(target[j].Key); //Letter is found - save it! 
     } 
     else {textBox3.AppendText("Don't match!" + Environment.NewLine); } 
    } 
} 

1. [削除]

2です。私はパフォーマンスの観点から耐えられる方法を使用しましたか？私は同時に10-20の画像の修復を計画しています（それぞれの平均文字数は8です）。文字のライブラリは英語のアルファベット（26大文字+26小文字）、特殊文字（〜 10）と数字（10）。

私は認識されなければならない80以上の文字と~70 +文字で構成されるパターンライブラリを持っています。パフォーマンスは良いレベルになるのでしょうか？

喜んで受け入れられています。 ;）

Answer 1

質問1：

[削除]

質問2：

それが依存しています。
まず、パフォーマンスが十分でない場合、ボトルネックは何ですか？
私はそれがCompareMemCmp()の機能だと思うので...スピードアップできますか？

ループの各反復が前の反復とは独立しているようであれば、並列実行することができます。
これを行うには、フレームワーク4.0のタスク並列ライブラリメソッド、特にParallel.Forを参照してください。

EDIT：

我々はおよそ完璧な画像間ののマッチングを話している場合、あなたは物事をスピードアップするために辞書ルックアップを使用しようとすることができます。

まず、あなたはこのように、効率的にDictionary<>キーとして使用することができますビットマップのためのラッパークラスを構築することができます。

class BitmapWrapper 
{ 
    private readonly int hash; 
    public Bitmap Image { get; private set; } 
    public BitmapWrapper(Bitmap img) 
    { 
     this.Image = img; 
     this.hash = this.ComputeHash(); 
    } 

    private int ComputeHash() 
    { 
     // you could turn this code into something unsafe to speed-up GetPixel 
     // e.g. using lockbits etc... 
     unchecked // Overflow is fine, just wrap 
     { 
      int h = 17; 
      for (int x = 0; x < this.Image.Size.Width; x++) 
       for (int y = 0; y < this.Image.Size.Height; y++) 
        h = h * 23 + this.Image.GetPixel(x, y).GetHashCode(); 
      return h; 
     } 
    } 

    public override int GetHashCode() 
    { 
     return this.hash; 
    } 
    public override bool Equals(object obj) 
    { 
     var objBitmap = obj as Bitmap; 
     if (obj == null) 
      return false; 
     // use CompareMemCmp in case of hash collisions 
     return Utils.CompareMemCmp(this.Image, objBitmap); 
    } 
} 

このクラスはthis answerに触発されComputeHash方法でhascodeを計算（ただし、あなたができますちょうど元またはすべてのピクセル）。安全ではないコード（CompareMemCmpメソッドのようなもの）を含めることで確実に改善できます。その後、検索が簡単になります

Bitmap le = new Bitmap(@"C:\2\e.png", true); 
Bitmap lg = new Bitmap(@"C:\2\g.png", true); 
... 
var lookup = new Dictionary<string, Bitmap>(); 
lookup.Add(new BitmapWrapper(le), "e"); 
lookup.Add(new BitmapWrapper(lg), "g"); 
... 

：あなたはこのクラスを持っていたら、あなたはこのようなルックアップ辞書を構築することができます

この方法の

foreach(var imgToRecognize in toRecognize) 
{ 
    string letterFound; 
    if(lookup.TryGetValue(new BitmapWrapper(imgToRecognize), out letterFound)) 
    { 
     textBox3.AppendText("Found!" + Environment.NewLine); 
     textBox2.AppendText(letterFound); //Letter is found - save it! 
    } 
    else 
     textBox3.AppendText("Don't match!" + Environment.NewLine); 
} 

性能は間違いなく依存しますハッシュ計算、しかし確かに彼らは多くのCompareMemCmp()呼び出しを保存することができます。

Answer 2

C＃がジョブの適切なツールである場合、画像の大きさによって異なります。ハッシュテーブルは素晴らしいアプローチですが、一致するかどうかを確認する前に、イメージ全体を比較する必要があります。画像をXoringするのは非常に高速ですが、非常に非効率なものを見つけるまですべての画像をXORする必要があります。

より良いアプローチは、最小限のデータだけを読み取るように設計された指紋を選択することです。例えば。画像のそれぞれに異なる値を生成する画像の場合は、中央に縦線のハッシュコードを生成することができます。そうでない場合は、画像を右のバケットに割り当てるまで、画像全体を読む必要はなく、数バイトしか読み込まないアルゴリズムに到達するまでアプローチを調整します。これは、入力データに辞書の画像のみが含まれている場合にのみ機能します。さもなければ、それは確率的方法でしかない。