Detección de Hoyos

Se creó un programa para hacer la detección de agujeros en Python lo que se realizó fue hacer sumatorias del arreglo de la imagen en las filas y las columnas, y se crea un vector para la sumatoría de los mismos. Una vez hecho eso se busca el mínimo peso en el vector donde ese será tomado como el agujero,a partir del valor mínimo podemos estar iterando los vectores para buscar los indices en el cual se encuentra el mismo valor anteriormente mencionado. A continuación presento el código el cual se hace todo el proceso mencionado dentro de la función llamada "deteccionHoyos".

	from PIL import ImageDraw
	from sys import argv
	import numpy as np
	from Tkinter import *
	import Image
	import ImageTk
	DEBUG = True
	def grayScale(image):
	global DEBUG
	width, height = image.size
	if DEBUG:
	print "Prueba de impresion de proporciones w: %s h: %s"%(width, height)
	img = image.load()
	for y in xrange(height):
	for x in xrange(width):
	r, g, b = img[ x, y ]
	escala = int(r+g+b/3)
	img[ x, y] = escala, escala, escala
	return Image.fromarray(np.array(image))
	def detectHole(image):
	xIndex, yIndex = indicesDondeHayObjetos(image)
	width, height = image.size
	image = image.convert('RGB')
	img = image.load()
	#print xIndex
	#print yIndex
	for y in xrange(height):
	for x in xrange(width):
	r, g, b = img[ x, y ]
	if x in xIndex:
	#print "Encontre uno : ",x
	img[x, y] = 255, 0, 0
	if y in yIndex:
	#print "Encontre uno : ",y
	img[x, y] = 0, 0, 255
	return Image.fromarray(np.array(image))
	def indicesDondeHayObjetos(image):
	global DEBUG
	width, height = image.size
	if DEBUG:
	print "Prueba de impresion de proporciones w: %s h: %s"%(width, height)
	image = image.convert('L')
	img = image.load()
	img_array = np.array(image)
	xSum = histogramAxisX(img_array)
	ySum = histogramAxisY(img_array)
	#print xSum, ySum
	return indices(xSum, np.amin(xSum)), indices(ySum, np.amin(ySum))
	def indices(array, min):
	#print "Valor min: ",min
	return np.where(array == min)[0]
	def histogramAxisX(array):
	return np.sum( array, axis=0 )
	def histogramAxisY(array):
	return np.sum( array, axis=1 )
	def printValues(x, y):
	print "Tamanio de x: %s y: %s "%(len(x), len(y))
	for j in xrange(len(y)):
	for i in xrange(len(x)):
	print "%s %s"%(x[i], y[j])
	return
	def tk(imagen):
	root = Tk()
	width, height = imagen.size
	canvas = Canvas(root, width=width, height=height)
	canvas.pack(expand=YES, fill=BOTH)
	imagen_canvas = ImageTk.PhotoImage(imagen)
	imagen_canvas_setting = canvas.create_image((2, 2), image=imagen_canvas, anchor=NW)
	root.mainloop()
	return
	def main():
	global DEBUG
	imagen = Image.open(argv[1])
	try:
	DEBUG = argv[2]
	except:
	DEBUG = False
	grayScale(imagen)
	imagen = detectHole(imagen)
	return tk(imagen)
	main()

view raw deteccionHoyos.py hosted with ❤ by GitHub

Ahora probamos el código y podemos ver las siguientes pruebas.

Como vemos solamente hace la detección de solamente un agujero en algunos caso, esto se hace porque se tiene un filtro a escalas de grises y no filtro binario, además de que nomina como posible agujero el valor mínimo existente en el vector, aunque de todos modos hice una pequeña modificación que toma el promedio de los valores del vector y lo toma como umbral para hacer la selección de posibles agujeros.

	def detectHole(image):
	xIndex, yIndex = indicesDondeHayObjetos(image)
	width, height = image.size
	image = image.convert('RGB')
	img = image.load()
	#print xIndex
	#print yIndex
	for y in xrange(height):
	for x in xrange(width):
	r, g, b = img[ x, y ]
	if x in xIndex:
	#print "Encontre uno : ",x
	img[x, y] = 255, 0, 0
	if y in yIndex:
	#print "Encontre uno : ",y
	img[x, y] = 0, 0, 255
	return Image.fromarray(np.array(image))
	def indicesDondeHayObjetos(image):
	global DEBUG
	width, height = image.size
	if DEBUG:
	print "Prueba de impresion de proporciones w: %s h: %s"%(width, height)
	image = image.convert('L')
	img = image.load()
	img_array = np.array(image)
	xSum = histogramAxisX(img_array)
	ySum = histogramAxisY(img_array)
	#print xSum, ySum
	return indices(xSum), indices(ySum)
	def indices(array):
	prom = sum(array)/len(array)
	return np.where(array > prom)[0]

view raw modificacionDeteccionDeHoyos.py hosted with ❤ by GitHub