Zaktualizuj 'Find_animal.py'
This commit is contained in:
parent
f0cfadd5dd
commit
a8d65e8965
232
Find_animal.py
232
Find_animal.py
@ -1,160 +1,104 @@
|
|||||||
import cv2 as cv
|
#include <iostream>
|
||||||
import argparse
|
#include "OpenCV/cv.h"
|
||||||
import numpy as np
|
#include "OpenCV/highgui.h"
|
||||||
import os.path
|
#include "Opencv2/opencv.hpp"
|
||||||
import sys
|
|
||||||
import random
|
|
||||||
|
|
||||||
# Inicjalizacja parametrów
|
using namespace std;
|
||||||
confThreshold = 0.5
|
using namespace cv;
|
||||||
maskThreshold = 0.3
|
|
||||||
|
|
||||||
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
|
CvSeq * kontur;
|
||||||
def drawBox(frame, classId, conf, left, top, right, bottom, classMask):
|
// pamiec na obliczenia
|
||||||
# obramowanie.
|
CvMemStorage * mem = cvCreateMemStorage(0);
|
||||||
cv.rectangle(frame, (left, top), (right, bottom), (255, 178, 50), 3)
|
// operacja progrowania
|
||||||
|
cvThreshold(obraz, obraz, 100, 255, CV_THRESH_BINARY_INV);
|
||||||
# etykieta obiektu
|
// szukanie konturow
|
||||||
label = '%.2f' % conf
|
cvFindContours(obraz, mem, &kontur);
|
||||||
if classes:
|
// nakladanie konturow
|
||||||
assert(classId < len(classes))
|
kontur = cvApproxPoly(kontur, sizeof(CvContour), mem, CV_POLY_APPROX_DP, cvContourPerimeter(kontur) * 0.035);
|
||||||
label = '%s:%s' % (classes[classId], label)
|
// sprzatanie
|
||||||
|
cvReleaseImage(&obraz);
|
||||||
# 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)
|
|
||||||
|
|
||||||
# zmiana rozmiaru maski i nałożenie na obiekt
|
return kontur;
|
||||||
classMask = cv.resize(classMask, (right - left + 1, bottom - top + 1))
|
}
|
||||||
mask = (classMask > maskThreshold)
|
|
||||||
roi = frame[top:bottom+1, left:right+1][mask]
|
|
||||||
|
|
||||||
colorIndex = random.randint(0, len(colors)-1)
|
void okresl_kontury2(IplImage* kolorowyObraz, CvSeq * kontur1, CvSeq * kontur2,
|
||||||
color = colors[colorIndex]
|
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
|
// nasz kontur
|
||||||
mask = mask.astype(np.uint8)
|
CvSeq * kontur;
|
||||||
im2, contours, hierarchy = cv.findContours(mask,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE)
|
// pamiec na obliczenia
|
||||||
cv.drawContours(frame[top:bottom+1, left:right+1], contours, -1, color, 3, cv.LINE_8, hierarchy, 100)
|
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
|
// tworzymy histogramy
|
||||||
def postprocess(boxes, masks):
|
int rozmiary[2] = { 2,2 };
|
||||||
# N - liczba znalezionych obramowań
|
CvHistogram * hist_analiz = cvCreateHist(2, rozmiary, CV_HIST_ARRAY, NULL);
|
||||||
# C - liczba klas
|
CvHistogram * hist_kontur1 = cvCreateHist(2, rozmiary, CV_HIST_ARRAY, NULL);
|
||||||
# H,W- wysokość i szerokość
|
CvHistogram * hist_kontur2 = cvCreateHist(2, rozmiary, CV_HIST_ARRAY, NULL);
|
||||||
numClasses = masks.shape[1]
|
// obliczamy histogramy geometryczne
|
||||||
numDetections = boxes.shape[2]
|
cvCalcPGH(kontur1, hist_kontur1);
|
||||||
|
cvCalcPGH(kontur2, hist_kontur2);
|
||||||
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)
|
|
||||||
|
|
||||||
|
|
||||||
# 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
|
for (; kontur != NULL; kontur = kontur->h_next)
|
||||||
textGraph = "./mask.pbtxt";
|
{
|
||||||
modelWeights = "./mask/frozen_inference_graph.pb";
|
CvSeq* temp_kontur = cvApproxPoly(kontur, sizeof(CvContour), mem, CV_POLY_APPROX_DP,
|
||||||
|
cvContourPerimeter(kontur));
|
||||||
|
cvCalcPGH(temp_kontur, hist_analiz);
|
||||||
|
|
||||||
# Załadowanie z sieci
|
cvCompareHist(hist_analiz, hist_kontur1, CV_COMP_CORREL);
|
||||||
#net = cv.dnn.readNetFromTensorflow(modelWeights, textGraph);
|
// badanie podobieństwa konturow
|
||||||
#net.setPreferableBackend(cv.dnn.DNN_BACKEND_OPENCV)
|
double match1 = cvCompareHist(hist_analiz, hist_kontur1, CV_COMP_CORREL);
|
||||||
#net.setPreferableTarget(cv.dnn.DNN_TARGET_CPU)
|
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
|
cvNamedWindow("kontury", CV_WINDOW_AUTOSIZE);
|
||||||
colorsFile = "colors.txt";
|
cvShowImage("kontury", obraz);
|
||||||
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)
|
|
||||||
|
|
||||||
winName = 'Animal finding program'
|
while (1)
|
||||||
cv.namedWindow(winName, cv.WINDOW_NORMAL)
|
{
|
||||||
|
int l = cvWaitKey(100);
|
||||||
outputFile = "found_animal.avi"
|
if (l == 27)
|
||||||
if (args.image):
|
break;
|
||||||
# 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)
|
|
||||||
|
|
||||||
|
}
|
||||||
|
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;
|
||||||
|
}
|
||||||
|
|||||||
Loading…
Reference in New Issue
Block a user