Zaktualizuj 'Find_animal.py'

This commit is contained in:
Norbert Węgrzyn 2020-02-01 10:58:37 +00:00
parent f0cfadd5dd
commit a8d65e8965

View File

@ -1,160 +1,104 @@
import cv2 as cv
import argparse
import numpy as np
import os.path
import sys
import random
#include <iostream>
#include "OpenCV/cv.h"
#include "OpenCV/highgui.h"
#include "Opencv2/opencv.hpp"
# Inicjalizacja parametrów
confThreshold = 0.5
maskThreshold = 0.3
using namespace std;
using namespace cv;
args = parser.parse_args()
CvSeq * znajdz_kontury(IplImage* obrazek)
{
// czytamy obraz
IplImage* obraz;
cvCvtColor(obrazek, obraz, CV_RGB2GRAY);
if (obraz == NULL)
return NULL;
# Rysuje obrawmowanie zwierzęcia, koloruje i zaznacza maską
def drawBox(frame, classId, conf, left, top, right, bottom, classMask):
# obramowanie.
cv.rectangle(frame, (left, top), (right, bottom), (255, 178, 50), 3)
# etykieta obiektu
label = '%.2f' % conf
if classes:
assert(classId < len(classes))
label = '%s:%s' % (classes[classId], label)
# wyświetla etykietę
labelSize, baseLine = cv.getTextSize(label, cv.FONT_HERSHEY_SIMPLEX, 0.5, 1)
top = max(top, labelSize[1])
cv.rectangle(frame, (left, top - round(1.5*labelSize[1])), (left + round(1.5*labelSize[0]), top + baseLine), (255, 255, 255), cv.FILLED)
cv.putText(frame, label, (left, top), cv.FONT_HERSHEY_SIMPLEX, 0.75, (0,0,0), 1)
CvSeq * kontur;
// pamiec na obliczenia
CvMemStorage * mem = cvCreateMemStorage(0);
// operacja progrowania
cvThreshold(obraz, obraz, 100, 255, CV_THRESH_BINARY_INV);
// szukanie konturow
cvFindContours(obraz, mem, &kontur);
// nakladanie konturow
kontur = cvApproxPoly(kontur, sizeof(CvContour), mem, CV_POLY_APPROX_DP, cvContourPerimeter(kontur) * 0.035);
// sprzatanie
cvReleaseImage(&obraz);
# zmiana rozmiaru maski i nałożenie na obiekt
classMask = cv.resize(classMask, (right - left + 1, bottom - top + 1))
mask = (classMask > maskThreshold)
roi = frame[top:bottom+1, left:right+1][mask]
return kontur;
}
colorIndex = random.randint(0, len(colors)-1)
color = colors[colorIndex]
void okresl_kontury2(IplImage* kolorowyObraz, CvSeq * kontur1, CvSeq * kontur2,
CvScalar kolor1 = cvScalar(0.0, 255.0, 255.0, 0.0), CvScalar kolor2 = cvScalar(255.0, 0.0, 255.0, 0.0))
{
// czytamy obraz
IplImage * obraz = kolorowyObraz;
if (obraz == NULL)
return;
frame[top:bottom+1, left:right+1][mask] = ([0.3*color[0], 0.3*color[1], 0.3*color[2]] + 0.7 * roi).astype(np.uint8)
// przystowowywanie obrazu
IplImage * do_analizy = cvCreateImage(cvSize(obraz->width, obraz->height), 8, 1);
cvCvtColor(obraz, do_analizy, CV_BGR2GRAY);
# rysuje kontury na obrazie
mask = mask.astype(np.uint8)
im2, contours, hierarchy = cv.findContours(mask,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE)
cv.drawContours(frame[top:bottom+1, left:right+1], contours, -1, color, 3, cv.LINE_8, hierarchy, 100)
// nasz kontur
CvSeq * kontur;
// pamiec na obliczenia
CvMemStorage * mem = cvCreateMemStorage(0);
// operacja progrowania
cvThreshold(do_analizy, do_analizy, 100, 255, CV_THRESH_BINARY_INV);
// szukanie konturow
cvFindContours(do_analizy, mem, &kontur);
# dla każdej ramki maskuje obraz
def postprocess(boxes, masks):
# N - liczba znalezionych obramowań
# C - liczba klas
# H,W- wysokość i szerokość
numClasses = masks.shape[1]
numDetections = boxes.shape[2]
frameH = frame.shape[0]
frameW = frame.shape[1]
for i in range(numDetections):
box = boxes[0, 0, i]
mask = masks[i]
score = box[2]
if score > confThreshold:
classId = int(box[1])
# zaznacza ramkę
left = int(frameW * box[3])
top = int(frameH * box[4])
right = int(frameW * box[5])
bottom = int(frameH * box[6])
left = max(0, min(left, frameW - 1))
top = max(0, min(top, frameH - 1))
right = max(0, min(right, frameW - 1))
bottom = max(0, min(bottom, frameH - 1))
# aktywacja maski
classMask = mask[classId]
# rysuje wszystko na obrazie
drawBox(frame, classId, score, left, top, right, bottom, classMask)
// tworzymy histogramy
int rozmiary[2] = { 2,2 };
CvHistogram * hist_analiz = cvCreateHist(2, rozmiary, CV_HIST_ARRAY, NULL);
CvHistogram * hist_kontur1 = cvCreateHist(2, rozmiary, CV_HIST_ARRAY, NULL);
CvHistogram * hist_kontur2 = cvCreateHist(2, rozmiary, CV_HIST_ARRAY, NULL);
// obliczamy histogramy geometryczne
cvCalcPGH(kontur1, hist_kontur1);
cvCalcPGH(kontur2, hist_kontur2);
# załaduj nazwy
classesFile = "labels.names";
classes = None
with open(classesFile, 'rt') as f:
classes = f.read().rstrip('\n').split('\n')
# uruchomienie grafu tekstowego i modelu wagi
textGraph = "./mask.pbtxt";
modelWeights = "./mask/frozen_inference_graph.pb";
for (; kontur != NULL; kontur = kontur->h_next)
{
CvSeq* temp_kontur = cvApproxPoly(kontur, sizeof(CvContour), mem, CV_POLY_APPROX_DP,
cvContourPerimeter(kontur));
cvCalcPGH(temp_kontur, hist_analiz);
# Załadowanie z sieci
#net = cv.dnn.readNetFromTensorflow(modelWeights, textGraph);
#net.setPreferableBackend(cv.dnn.DNN_BACKEND_OPENCV)
#net.setPreferableTarget(cv.dnn.DNN_TARGET_CPU)
cvCompareHist(hist_analiz, hist_kontur1, CV_COMP_CORREL);
// badanie podobieństwa konturow
double match1 = cvCompareHist(hist_analiz, hist_kontur1, CV_COMP_CORREL);
double match2 = cvCompareHist(hist_analiz, hist_kontur2, CV_COMP_CORREL);
// badanie korelacji, jezeli histogramy sa podobne to korelacja jest wieksza (1,0 dla identycznych i -1,0 calkowicie roznych)
if (match1 > match2)
cvDrawContours(obraz, temp_kontur, kolor1, kolor1, 0, 2, CV_AA);
else
cvDrawContours(obraz, temp_kontur, kolor2, kolor2, 0, 2, CV_AA);
}
# załadowanie klas
colorsFile = "colors.txt";
with open(colorsFile, 'rt') as f:
colorsStr = f.read().rstrip('\n').split('\n')
colors = [] #[0,0,0]
for i in range(len(colorsStr)):
rgb = colorsStr[i].split(' ')
color = np.array([float(rgb[0]), float(rgb[1]), float(rgb[2])])
colors.append(color)
cvNamedWindow("kontury", CV_WINDOW_AUTOSIZE);
cvShowImage("kontury", obraz);
winName = 'Animal finding program'
cv.namedWindow(winName, cv.WINDOW_NORMAL)
outputFile = "found_animal.avi"
if (args.image):
# Otrwiera pllik z obrazem
if not os.path.isfile(args.image):
print("Input image file ", args.image, " doesn't exist")
sys.exit(1)
cap = cv.VideoCapture(args.image)
outputFile = args.image[:-4]+'found_animal.jpg'
elif (args.video):
# Otwiera plik video
if not os.path.isfile(args.video):
print("Input video file ", args.video, " doesn't exist")
sys.exit(1)
cap = cv.VideoCapture(args.video)
outputFile = args.video[:-4]+'found_animal.avi'
# inicjalizacja zapisu video
if (not args.image):
vid_writer = cv.VideoWriter(outputFile, cv.VideoWriter_fourcc('M','J','P','G'), 28, (round(cap.get(cv.CAP_PROP_FRAME_WIDTH)),round(cap.get(cv.CAP_PROP_FRAME_HEIGHT))))
while cv.waitKey(1) < 0:
hasFrame, frame = cap.read()
# zamyka program, gdy skończy się film
if not hasFrame:
print("Processing Done.")
print("Output file saved ad: ", outputFile)
cv.waitKey(3000)
break
# Utworzenie boxa
blob = cv.dnn.blobFromImage(frame, swapRB=True, crop=False)
net.setInput(blob)
# Uruchomienie przekazanie, aby uzyskać dane wyjściowe
boxes, masks = net.forward(['detection_out_final', 'detection_masks'])
# Wyrzuca obramowanie i maskę dla każdego wykrytego obiektu
postprocess(boxes, masks)
# Zapisuje obraz z obramowaniami
if (args.image):
cv.imwrite(outputFile, frame.astype(np.uint8));
else:
vid_writer.write(frame.astype(np.uint8))
cv.imshow(winName, frame)
while (1)
{
int l = cvWaitKey(100);
if (l == 27)
break;
}
cvDestroyWindow("kontury");
cvReleaseImage(&do_analizy);
cvReleaseImage(&obraz);
cvReleaseMemStorage(&mem);
}
int main(int argc, char * const argv[])
{
IplImage* obrazDoanalizy = cvLoadImage("animal.jpg", CV_LOAD_IMAGE_COLOR);
IplImage* wzorJeden = cvLoadImage("wzor1.jpg", CV_LOAD_IMAGE_COLOR);
IplImage* wzorDwa = cvLoadImage("wzor2.jpg", CV_LOAD_IMAGE_COLOR);
okresl_kontury2(obrazDoanalizy, znajdz_kontury(wzorJeden), znajdz_kontury(wzorDwa));
return 0;
}