Tarea 3: Detección de líneas

Para realizar la detección de línea se tomo como base la tarea para la detección de bordes, en donde se obtenía los gradientes en el eje x y y. Usando la función  obtenemos theta y teniendo theta podemos resolver ,  dichos valores obtenidos por cada punto(x, y) se guardan en un diccionario y por cada vez que ocurre theta y rho se le agrega un contador para determinar cuales tienen lineas continuas, cuando tienen un gran voto significa que existe una línea continua. Para demostrarlo primero mostraré algunas imagenes en donde se detectan las líneas con su muestra original.

Imagen original.

Imagen con filtro de detección de líneas.

Imagen original

En este ejemplo tengo algunos errores pero puede detectar algunas líneas horizontales. Imagen filtrada.

Imagen original

En este ejemplo tuve problemas ya que el fondo lo tomaba como dominante y cambiaba el color a rojo, claro esta que esto puede ser alterado manualmente pero la solución que se busca es tratar de evitar eso. Imagen filtrada.

Imagen original.

Imagen filtrada.

Código:

	import operator
	import numpy as np
	import random
	from math import atan2, sin, cos, pi
	import Tkinter
	from PIL import ImageDraw
	import Image
	import ImageTk
	from sys import argv
	import time
	def convolucion(imagen, h):
	iwidth, iheight = imagen.size
	imagen = imagen.convert('L')
	im = imagen.load()
	mheight, mwidth = h.shape
	print "Imagen size: ",imagen.size
	print "H: ",h.shape
	g = np.zeros(shape=(iheight, iwidth))
	for x in xrange(iheight):
	for y in xrange(iwidth):
	sum = 0.0
	for j in xrange(mheight):
	zj = ( j - ( mheight / 2 ) )
	for i in xrange(mwidth):
	zi = ( i - ( mwidth / 2 ) )
	try:
	sum += im[y + zi, x + zj] * h[i,j]
	except:
	pass
	print x, y
	g[x,y] = sum
	print "Convolucion"
	print g
	return g
	def filtro(original):
	width, height = original.size
	print width, height
	original = original.convert('L')
	modificado = Image.new(mode='L', size =(width,height))
	org = original.load()
	mod = modificado.load()
	contador = 0
	min = 0
	max = 0
	for y in xrange(height):
	for x in xrange(width):
	pixel = org[x,y]
	if min >= pixel:
	min = pixel
	if max <= pixel:
	max = pixel
	print "MAX:",max," MIN:",min
	for y in xrange(height):
	for x in xrange(width):
	pixel = org[x,y]
	try:
	pixel += org[x-1,y]
	contador+=1
	except:
	None
	try:
	pixel += org[x+1,y]
	contador+=1
	except:
	None
	try:
	pixel += org[x,y+1]
	contador+=1
	except:
	None
	try:
	pixel += org[x,y-1]
	contador+=1
	except:
	None
	promedio = (pixel) / (contador)
	r = max - min
	prop = 256.0 / r
	p = int((promedio -min) * prop)
	if p <= 90:
	mod[x,y] = 0
	else:
	mod[x,y] = 255
	print mod[x,y]
	print x,y
	contador = 1
	pixel = 0
	data = np.array(modificado)
	print data
	print data.shape
	im = Image.fromarray(data)
	return im
	def filtroPorNumeros(im,n):
	for x in xrange(n):
	im = filtro(im)
	return im
	def escalaDeGrises(im):
	width, height = im.size
	print width, height
	im = im.convert('RGB')
	pix = im.load()
	promedio = 0.0
	for y in xrange(height):
	for x in xrange(width):
	r, g, b = pix[x, y]
	promedio = (r+g+b)/3.0
	pix[x, y] = int(promedio), int(promedio), int(promedio)
	data = np.array(im)
	im2 = Image.fromarray(data)
	return im2
	def nuevaImagen(matriz):
	height, width = matriz.shape
	print matriz.shape
	imagen = Image.new(mode='L', size =(width,height))
	im = imagen.load()
	print imagen.size
	for x in xrange(height):
	for y in xrange(width):
	im[y, x] = matriz[x, y]
	data = np.array(imagen)
	print data
	im = Image.fromarray(data)
	return im
	def binarizacion(imagen):
	width, height = imagen.size
	imagen = imagen.convert('L')
	im = imagen.load()
	for x in xrange(height):
	for y in xrange(width):
	pixel = im[y, x]
	if pixel < 3:
	im[y, x] = 0
	else:
	im[y, x] = 255
	data = np.array(imagen)
	im = Image.fromarray(data)
	return im
	def deteccionLinea(gx, gy, imagen, prop):
	width, height = imagen.size
	imagen = imagen.convert('RGB')
	im = imagen.load()
	freq = dict()
	for x in xrange(height):
	for y in xrange(width):
	print "Este es x: ",x," este es y: ",y
	theta = atan2(gx[x,y],gy[x,y])
	print "Valor gx[%s,%s] : %s"%( x, y, gx[x,y])
	print "Valor gy[%s,%s] : %s"%( x, y, gy[x,y])
	p = ( x * cos( theta ) ) + ( y * sin( theta ) )
	key = "%.2f %.0f"%(theta, p)
	print "theta: ",theta," p: ",p
	if key in freq:
	freq["%.2f %.0f"%(theta, p)] += 1
	else:
	freq["%.2f %.0f"%(theta, p)] = 1
	freq_f = dict()
	freq = sorted(freq.iteritems(), key=operator.itemgetter(1))
	print freq
	print freq[0][0]
	print freq[0][1]
	k = int(len(freq) * prop)
	for f in freq:
	if len(freq_f) <= k:
	freq_f[f[0]] = f[1]
	for x in xrange(height):
	for y in xrange(width):
	theta = atan2(gy[x,y],gx[x,y])
	p = ( x * cos( theta ) ) + ( y * sin( theta ) )
	key = "%.2f %.0f"%(theta, p)
	if key in freq_f:
	im[y, x] = 255,0,0
	print "gx: ",gx.shape
	print "gx matriz: ",gx
	print "gy: ",gy.shape
	print "gy matriz: ",gy
	print "Frecuencias: ",sorted(freq_f.iteritems(), key=operator.itemgetter(1))
	data = np.array(imagen)
	im = Image.fromarray(data)
	return im
	def main():
	imagen = Image.open(argv[1])
	original = imagen
	escalaGrises = escalaDeGrises(imagen)
	px = np.array([[-1,0,1], [-1,0,1], [-1,0,1]])
	py = np.array([[1,1,1], [0,0,0], [-1,-1,-1]])
	t1 = time.time()
	gx = convolucion(escalaGrises, px)
	gy = convolucion(escalaGrises, py)
	gx_2 = gx ** 2
	gy_2 = gy ** 2
	g = (gx_2 + gy_2 ) ** 1.0/2.0
	print g
	min = np.min(g)
	max = np.max(g)
	h, w = g.shape
	minimos = np.ones(shape=(h, w))
	minimos *= min
	g = g - min
	print "Restando el minimo", g
	g = g / (max - min)
	print "Dividiendo el max-min",g
	print "Max: ",np.max(g)," Min: ",np.min(g)
	bn = np.ones(shape=(h, w))
	bn *= 255
	g = g * bn
	print "Max: ",np.max(g)," Min: ",np.min(g)
	imagen_nueva = nuevaImagen(g)
	imagen_binaria = binarizacion(imagen_nueva)
	imagen_lineas = deteccionLinea(gx, gy, imagen_binaria, float(argv[2]))
	root = Tkinter.Tk()
	tkimageLineas = ImageTk.PhotoImage(imagen_lineas)
	Tkinter.Label(root, image = tkimageLineas).pack(side="left")
	#Tkinter.Label(root, image = tkimageConvexHull).pack(side="top")
	t2 =time.time()
	print "Tiempo total: ",t2-t1
	root.mainloop()
	main()

view raw deteccionLineas.py hosted with ❤ by GitHub