diff --git a/Find_animal.py b/Find_animal.py index e303316..b187120 100644 --- a/Find_animal.py +++ b/Find_animal.py @@ -1,160 +1,104 @@ -import cv2 as cv -import argparse -import numpy as np -import os.path -import sys -import random +#include +#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; +}