影院票务辅助系统中座位信息的自动提取

在电影院的票务系统中,一般分为线上售票和线下售票两种方式。目前线上售票有成熟的软件工具,用户可以通过手机或电脑在线上自动选择各种类型的座位信息。但在线下售票中,操作人员只能通过人工观察票务系统软件的屏幕界面,人工获取某个场次的不同类型的空余座位信息,然后再手工输入空余的座位信息到出票系统,打印纸质电影票后,然后进行售票。针对线下售票需要人工操作这种不方便不快捷的情况,作者利用C++语言,基于OpenCV图像处理库,首先快速读取票务系统软件的界面图片的彩色图像,将三通道的彩色图像转化为单通道的灰度图像。利用findContours()函数获取图像的轮廓集,处理掉缺失和过小的轮廓后,通过外接矩形来获取轮廓的位置,将轮廓和外接矩形作为属性初始化对应的每个座位的实例化对象。通过读取各个对象的矩形内的像素点信息,可以确定对象的颜色以及位置。实现了对屏幕中各种不同类型的座位信息的自动识别与定位,准确率为100%;然后,自动输入到出票系统,自动打印出纸质电影票,达到了自动线下售票的目的。开发此系统使用的技术方法,对于需要识别第三方软件界面的屏幕信息及其变化的场景,如:监控系统屏幕的变化,有一定的借鉴意义。

一种新的高光谱遥感图像超像素分割方法

为了解决简单线性迭代聚类算法在高光谱遥感图像超像素分割任务中分割精度较低的问题,提出一种基于多级线性迭代聚类结合改进标签传播算法(LPA)的新的无监督高光谱遥感图像超像素分割方法。首先,扩充简单线性迭代聚类(SLIC)的适用范围至多通道对高光谱图像进行超像素初分割;然后,对色彩标准差较大的超像素进行多级迭代细致分割,引入基于局部二进制模式的高光谱遥感图像纹理特征提取方法计算高光谱图像纹理特征并融合多段光谱特征计算超像素间相似度以构建带权图网络;最后,改进LPA社区发现方法进行超像素合并,将改进的标签传播算法运用于超像素合并可以得到更加稳定准确的超像素合并效果,提高超像素分割精度。将该方法与多种方法进行比较,结果表明,该方法对高光谱遥感图像的超像素分割结果更准确,超像素边缘更贴合真实地物边界,能有效改善高光谱遥感图像超像素分割中精度较低的问题。