1 / 15

Optičko prepoznavanje glazbenog crtovlja

Optičko prepoznavanje glazbenog crtovlja. Dragan Lesić Bojan Oblučar. Optičko prepoznavanje glazbenih nota (OMR). Prevođenje notnog zapisa u elektronički oblik i smještanje u korisniku razumljiv kontekst Niz manjih procesa analize i obrade podataka: - prilagodba slike za obradu

yvonne
Download Presentation

Optičko prepoznavanje glazbenog crtovlja

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Optičko prepoznavanje glazbenog crtovlja Dragan Lesić Bojan Oblučar

  2. Optičko prepoznavanje glazbenih nota (OMR) • Prevođenje notnog zapisa u elektronički oblik i smještanje u korisniku razumljiv kontekst • Niz manjih procesa analize i obrade podataka: - prilagodba slike za obradu - otklanjanje šuma - ekstrakcija superponiranih objekata - prepoznavanje elemenata sa slike - usporedba s postojećom bazom podataka - klasifikacije elemenata u razrede

  3. Predprocesiranje ulaznih podataka • Ulaz: slika u RGB formatu koja je skenirana, uslikana fotoaparatom, mobitelom itd. • Problem: nakrenutost slike, svijetla i tamna područja, niska rezolucija, loša preglednost. • Obrada: označiti područje od interesa i otkloniti šum. • Detekcija elemenata: glazbeno crtovlje i note • Na temelju nakrenutosti crtovlja od ravnine možemo saznati nakrivljenost slike • Ekstrakcija superponiranih elemenata

  4. Ekstrakcija glazbenog crtovlja i nota • Odvojiti note i ostale pomoćne oznake od glazbenog crtovlja • Zapis nije savršen: linije su nejednolike debljine (staff line height), međusobno su neravnomjerno udaljene (staff space height), zakrivljene itd. • Potrebno je ekstrahirati crtovlje bez zadiranja u ostale elemente. • Moguće je rasporediti elemente glazbenog zapisa u dvije skupine ovisno o njihovom položaju: • horizontalno posloženi elementi: glazbeno crtovlje • Vertikalno posloženi elementi: note

  5. Ekstrakcija glazbenog crtovlja i nota

  6. Ekstrakcija glazbenog crtovlja i nota • Dvodimenzionalni waveleti • Uklanjanje šuma • Dekompozicija slike na 3 sastavna dijela u više željenih razina: - horizontalno - vertikalno - dijagonalno • Baš ono što nam treba! Sad možemo rastaviti sliku i odovjiti komponente 

  7. Uklanjanje šuma

  8. Računanje parametara

  9. Wavelet analiza Wavelet razlaganje Haar, nivo 1 uklanjanje šuma metodom praga maskiranje

  10. razdvajanje

  11. Logičko “I” spajanje AND

  12. Detekcija linija Druga derivacija (idealni slučaj)

  13. Rezultati detekcije

  14. Utjecaj rezolucije Visoka rezolucija 1110x1440 Niža rezolicija 771x1000

  15. Zaključak • waveletanaliza pomaže pri detekciji glazbenih linija na način da se koristi kao alat za pretprocesiranje. Tako se može smanjiti šum na slici koji često utječe na krive rezultate detekcije • može se koristiti za uklanjanje glazbenih simbola različitih od notnog crtovlja (note, tekst, oznake) • Rezultat pretprocesiranjapomoću waveletamože se koristiti na razne načine kako bi se povećala točnost detekcije • na rezultat detekcije također utječe rezolucija analizirane slike.

More Related