05 Blob detector

Il termine blob è l'acronimo di binary large object e nel caso di un'immagine binaria non è nient'altro che un insieme di punti connessi (adiacenti) tra loro. Per chi stava pensando a qualche ammasso gelatinoso traslucido spero non sia rimasto deluso ed accetti il fatto che ha dei problemi di attenzione. Dove eravamo rimasti? Ah sì! Nel nostro caso specifico i blob che cerchiamo sono i numeri all'interno delle caselline dello schema sudoku, che sono il gruppo di pixel connessi con numerosità maggiore all'interno della casellina in esame.

Per individuarli si crea una matrice di supporto (inizializzata a zero) della stessa dimensione della matrice immagine (che è un sottoinsieme dell'immagine di partenza ovvero la casellina che sappiamo contenere al più un numero), si scandisce punto per punto l'immagine e mano a mano che si individua un punto:

• se fa parte di un nuovo blob, ovvero non ha vicini già appartenenti a blob, si inserisce nella matrice supporto un intero identificativo per il nuovo blob;
• se c'è uno o più punti adiacenti appartenenti tutti ad uno stesso blob, anche il punto in esame entrerà a far parte di tale blob;
• se ci sono più punti adiacenti appartenenti a blob diversi si andrà ad indicare, mediante una lista di liste di corrispondenza, che i blob adiacenti a questo punto sono in effetti uno stesso blob, si etichetterà questo punto con l'identificativo di uno dei blob adiacenti.

Si veda nella figura seguente un esempio esplicativo.

La lista di liste di corrispondenza, alla fine della scansione dell'immagine, ci indicherà che un blob è formato dai gruppi dei punti etichettati 1,2 e 4 ed un altro blob dai punti etichettati 3 e 5.

A questo punto mediante una scansione della matrice di supporto riesco ad individuare i due blob.

In una casella diremo che è presente una cifra numerica se la numerosità dei punti che formano il blob più vasto è superiore di una certa soglia percentuale (ho scelto arbitrariamente il 5%) ed andremo a cancellare tutti i punti che non fanno parte del blob più grande. Ho scelto anche di cancellare i punti adiacenti ai bordi della casellina che certamente appartengono alla linea di contorno della stessa.

Nella stesse scansioni utilizzate per rilevare i blob che individuano le cifre numeriche possiamo anche decidere se una casella è vuota oppure, nel caso non lo sia, rileviamo i limiti dei blob (ovvero il contorno esterno della cifra numerica). Il risultato è riportato in figura.