zaak is. Meer succes heeft men daarentegen bij het herkennen van gedrukte
schrift. Door het zoeken van donkere vlekken in het beeld zijn de letters een
voudig te vinden, zodat de positiebepaling hier geen probleem is. Ook de
oriëntatie van de gedigitaliseerde tekst is meestal al op voorhand bekend. Alleen
de vraag welke letters er staan moet nog worden gegenereerd. Deze modellen
heten maskers. Het herkennen van een letter bestaat nu daarin het masker te
vinden, dat het beste past. Als maatstaf hiervoor kan de kruiscorrelatiecoëfficiënt
of de gemiddelde kwadratische afwijking tussen de grijswaarden van de
gedigitaliseerde letter en de maskers worden gebruikt (figuur 1, tabel 1). Een
andere methode is de lijnen van de letter uit het digitale beeld af te leiden (door
skeletering van het gebinairiseerde beeld) en door een analyse van de typische
knikken en richtingen van de lijnen de letter te herkennen. Met deze methode
werkt een Frans systeem, dat in staat is gedrukte tekst met een snelheid van 2000
letters per seconde te herkennen.
- Kwaliteitscontrole
Een ander gebied, waar de digitale beeldverwerking al wordt ingezet, is de
kwaliteitscontrole. In het voorbeeld van figuur 2 moet de vorm van een uitsparing
in een dashboard worden gecontroleerd. Na onderdrukking van de textuur,
worden de pixels gezocht, die sterke grijswaarde gradiënten hebben en in de
buurt van de rand van de uitsparing liggen. Eenvoudig is hierna vast te stellen,
365
Figuur 1: Maskers en vermiste beelden van letters
Krui scorre Latecoëff ic i ënt
model
A E F H
b
e A
0.89 0.24 0.31 0.36
e E
0.27 0.91 0.74 0.42
l F
0.35 0.73 0.91 0.48
d H
0.38 0.42 0.46 0.92
Gem. grijswaardeafwijkirig
A
model
E
F
H
b
e
A
41
105
97
96
e
E
106
40
68
96
l
F
94
65
38
88
d
H
99
96
93
38
Tabel 1: Herkenning van letters