hm .. imho musst du hier die fragestellung bisserl konkretisieren,
aber ich geb mal trotzdem meinen senf dazu ..
a) ganz bestimme vorher festgelegte bitmuster _wiedererkennen_
einfach irgendwas mit nem hash ueber das gesamte bitmuster und dann mit ner liste
von hash-summen vergleichen, fertig ... funkt halt nur fuer "exakte" formen ..
oder b) "brute force" ...
eine moeglichkeit um nen kreis zu erkennen waer wohl irgendwas in der art von ...
such dir einen "1"er als anker .. und folge den "1"ern in der nachbarschaft ...
bis entweder keine "1"er mehr da sind oder du wieder bei der ausgangsposition (x,y)
angelangt bist (hm .. klingt irgendwie nach "problem des handlungsreisenden")
merk dir am weg die winkelsummen ..
wennst dann 360 grad hast und die x,y-position des aktuellen bits gleich der ausgangspostition ist, dann wirds wohl was kreisaehnliches gewesen sein ..
wenns jedoch "1"er maessig nicht mehr weitergeht, und du nicht bei der ausgangs-
position bist, is es wohl eher keine geschlossene form ..
oder aber auch nicht ... ausnahmefaelle gaebs da ja auch zuhauf .. ganz zu schweigen von "rauschen" im bild und so.. oije .. na ich weiss nicht ob die idee
so gut war .. .. is schon zu spaet fuer sowas ..
am besten funkt imho c)
sprich vorher festgelegte formen aus beliebigen bitmustern wiedererkennen
(mit abweichungen von der idealform) .. also klassische image-recognition
mit bisserl fuzzi-logic.
is nicht ganz trivial .. aber schreit halt foermlich nach "neuronale netze" ..
im speziellen zb selbstorganisierende karten (maps) bzw. kohonen-netze.
such mal in google danach bzw. wirf mal einen blick in die
comp.ai.neural-nets FAQ, da wirst diesbezueglich recht schnell fuendig
(was theorie, literatur und bsp.-code angeht) ..
und nach ein bisserl "training" funken die dann auch ganz gut ..
zumindest was einfache formen angeht (schwarz/weiss/line-art)
hth,
mad.