Převod obrazu na zvuk pro nevidomé

Abstract

Cílem této práce je navrhnout, implementovat a zhodnotit metody pro optimální konverzi vizuální informace do zvuku. Tato práce popisuje několik algoritmů, které mohou být použity pro simulaci vidění zvukem. Tohoto je docíleno extrakcí informací ze vstupního videa a pokusem zkonstruovat zvuk, v němž dokáže lidské ucho rozpoznat co největší množství původní obrazové informace. Byl implementován Python projekt, který prozkoumává různé metody konverze, se kterými je možno experimentovat nastavením jejich vlastností, aby byla nalezena nejefektivnější metoda konverze. Tato práce poskytuje experimentální prostředí pro porovnání takovýchto metod.

The goal of this thesis is to propose, implement, and evaluate methods for optimal conversion of visual information to sound. The work represents a selection of algorithms that one might use to simulate sight with hearing. This is done by extracting the most information from the input video stream and then attempting to construct an audio signal in which most of the visual information is distinguishable by human ear. A Python project was implemented that explores the various conversion techniques where one can experiment with individual settings to find the best performing conversion technique. This work provides an experimental framework for comparing such methods.