-
Notifications
You must be signed in to change notification settings - Fork 0
/
utils.py
182 lines (140 loc) · 5.95 KB
/
utils.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
import cv2
import math
import numpy as np
## Constants
# Preprocessing
BLUR_KERNEL = (7,7)
# Thresholding
BLOCO = 25 # bloco define o tamanho da vizinhança usada para calcular o threshold adaptativo
C = 13 # constante subtraída da média ou ponderação na média.
# Postprocessing
CLOSING_KERNEL = (3, 3)
# Centroid finding
MAX_AREA = 800
MIN_AREA = 20
def preprocessing(img):
# Converte imagem em cinza e aplica filtro gaussiano
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, BLUR_KERNEL, 0)
return blurred
def postprocessing(img):
eroded = cv2.erode(img, None, iterations=1)
dilated = cv2.dilate(eroded, None, iterations=1)
#closing para evitar partes quebradas
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, CLOSING_KERNEL)
closing = cv2.morphologyEx(dilated, cv2.MORPH_CLOSE, kernel)
return closing
def distancia_entre_pontos(ponto1, ponto2):
return math.sqrt((ponto2[0] - ponto1[0])**2 + (ponto2[1] - ponto1[1])**2)
def find_centroid(img, line):
debug = {}
debug['contours'] = []
debug['areas'] = []
debug['centers'] = []
debug['planarian'] = None
debug['pit'] = (0,0)
# find contours in the binary image
contours, _ = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# rgb_img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
# https://docs.opencv.org/4.x/dd/d49/tutorial_py_contour_features.html
# print(len(contours))
# cv2.drawContours(rgb_img, contours, -1, (0, 255, 0), 1)
detected_centroids = []
planarian_centroid = (0,0)
for c in contours:
# calculate moments for each contour
M = cv2.moments(c)
area = M["m00"]
# print('area:', area)
if MIN_AREA < area < MAX_AREA:
# calculate x,y coordinate of center
cX = int(M["m10"] / (M["m00"] + 1e-4))
cY = int(M["m01"] / (M["m00"] + 1e-4))
detected_centroids.append((cX, cY))
# cv2.circle(rgb_img, (cX, cY), 1, (0, 0, 255), 1)
# cv2.putText(rgb_img, str(area),
# (cX - TEXT_POS, cY - TEXT_POS),
# cv2.FONT_HERSHEY_SIMPLEX,
# 0.5, (0, 0, 255), 1)
debug['contours'].append(c)
debug['centers'].append((cX, cY))
debug['areas'].append(area)
# TODO:
# Encontrar maior centroide que está próximo ao centro do poço. Retornar (cx,cy) único
# Usar variável line
# Desenhar o circulo estimado do poço em rgb_img
if len(detected_centroids) > 0:
pit_center = (int((line[0][0]+line[1][0])/2),
int((line[0][1]+line[1][1])/2))
# print(line_center)
pit_radio = int(np.linalg.norm(np.array(line[0]) -
np.array(pit_center)))
planarian_centroid = min(detected_centroids,
key=lambda ponto: distancia_entre_pontos(pit_center, ponto))
# cv2.circle(rgb_img, planarian_centroid, 1, (0, 0, 255), 1)
# cv2.circle(rgb_img, pit_center, pit_radio, (255, 0, 0), 1)
debug['planarian'] = planarian_centroid
debug['pit'] = (pit_center, pit_radio)
return planarian_centroid, debug
def detection(frame, line):
img_preproc = preprocessing(frame)
thresh = cv2.adaptiveThreshold(img_preproc, 255,
cv2.ADAPTIVE_THRESH_MEAN_C,
cv2.THRESH_BINARY_INV, BLOCO, C)
img_postproc = postprocessing(thresh)
centroid, debug = find_centroid(img_postproc, line)
return centroid, debug, img_postproc
def draw_debug(img, debug, centroid_positions):
rgb_img = cv2.cvtColor(img.copy(), cv2.COLOR_GRAY2BGR)
TEXT_POS = -10
# print(debug)
cv2.drawContours(rgb_img, debug['contours'], -1, (0, 255, 0), 1)
for i in range(len(debug['areas'])):
cv2.putText(rgb_img, str(debug['areas'][i]),
(debug['centers'][i][0] - TEXT_POS,
debug['centers'][i][1] - TEXT_POS),
cv2.FONT_HERSHEY_SIMPLEX,
0.5, (0, 0, 255), 1)
cv2.circle(rgb_img, debug['planarian'], 1, (0, 0, 255), 1)
cv2.circle(rgb_img,
debug['pit'][0],
debug['pit'][1],
(255, 0, 0), 1)
for i in range(len(centroid_positions)-1):
cv2.line(rgb_img, centroid_positions[i+1],
centroid_positions[i], (0, 155, 155),
1)
return rgb_img
def get_pit_linepoints(img):
ponto1 = (-1, -1)
ponto2 = (-1, -1)
# Função de callback do mouse
def draw_line(event, x, y, flags, param):
nonlocal ponto1, ponto2
if event == cv2.EVENT_LBUTTONDOWN:
ponto1 = (x, y)
param['drawing'] = True
# Limpar a imagem para desenhar uma nova linha
param['imagem'] = param['imagem_original'].copy()
elif event == cv2.EVENT_MOUSEMOVE:
if param['drawing']:
ponto2 = (x, y)
img_copy = param['imagem'].copy()
cv2.line(img_copy, ponto1, ponto2, (255, 0, 0), 1)
cv2.imshow('Desenhar Linha', img_copy)
elif event == cv2.EVENT_LBUTTONUP:
param['drawing'] = False
ponto2 = (x, y)
cv2.line(param['imagem'], ponto1, ponto2, (255, 0, 0), 2)
cv2.imshow('Desenhar Linha', param['imagem'])
# Carregar a imagem
cv2.imshow('Desenhar Linha', img)
# Dicionário para armazenar informações dos pontos e do estado do desenho
info_desenho = {'drawing': False, 'imagem': img.copy(), 'imagem_original': img}
cv2.setMouseCallback('Desenhar Linha', draw_line, info_desenho)
while True:
key = cv2.waitKey(1) & 0xFF
if key == 27: # Pressione 'Esc' para sair
break
cv2.destroyAllWindows()
return ponto1, ponto2