Saatavana elektronisessa muodossa - Tietojenkäsittelytieteiden ...

11Kuva 2. Esimerkki vinosta ja suorasta skannauksesta.Skannattu kuva olisi mahdollista suoristaa manuaalisesti käyttämällä apunapiirto-ohjelmaa, mutta se olisi prosessin kannalta liian hidasta. Ihminen voi joskusolla tunnollisuudessaan liiankin tarkka, kun taas kone suorittaa toimenpiteenvalmiiksi ja sillä hyvä. Ihmiselle työ olisi myös varsin monotonista, jos käsiteltäviäkuvia on paljon. Automaattisesti vinouden tunnistavat menetelmätvoidaan jakaa karkeasti kolmeen kategoriaan:• Projektion profilointi• Houghin siirtymä• Lähin naapuri [Kwag et al., 2002].Näistä Houghin siirtymä on ehkä eniten käytetty menetelmä. Se on yksinäänkuitenkin laskennallisesti kallis operaatio suhteessa haluttuun tarkkuuteen,kuten on myös projektion profilointiin perustuvien menetelmien laita. Tuloksetkummankin osalta ovat hyviä ja siksi etenkin Houghin siirtymään pohjautuviamenetelmiä on tutkittu paljon. Lähin naapuri -menetelmä voi ollamyös kallis, jos naapurisuhteita on paljon. Kahden ensimmäisen menetelmänlaskennallisesti järkevän tunnistustarkkuuden raja on +/- 15%, kun taas viimeinenmenetelmä kykenee käsittelemään jopa +/- 45% vinoutumia.Houghin siirtymää nopeuttamaan on esimerkiksi ehdotettu menetelmää,jossa kuva jaetaan tunnistusta varten alueisiin. Jokaisesta alueesta otetaan yksitunnistuspiste, joka on alueen vasenta yläkulmaa lähinnä oleva musta pikseli.Saatujen tunnistuspisteiden avulla lasketaan suuntaa antava vinouma. Kol-