-
Notifications
You must be signed in to change notification settings - Fork 0
/
main.py
115 lines (96 loc) · 4.39 KB
/
main.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
import numpy as np
import cv2
from matplotlib import pyplot as plt
cap = cv2.VideoCapture(0)
# https://www.youtube.com/watch?v=vkWdzWeRfC4
# Jak znajdujemy naroznik w obrazach?
# Jesli suma gradientu dla danego pixela w wertykalnym jak i horyzontalnym kierunku dla danego prostokatnego okna jest
# zdecydowanie duza w porowaniu do jego otoczenia, chodzi tu tak na prawde o lokalne max funkcji gradientu dla danego pixela
# Co jesli polozenie danego pixela, nie pozwala nam dokladnie okreslic, w jakim kierunku suma gradientu jest najwieksza?
# Np. mamy obraz obrocony, szukamy eigen values, to nic innego jak pierwiastki rownania det|A-(lambda-I)|= 0
# gdzie A to macierz odzwierciedlajaca obraz pixeli dla danego okna postaci n x n
# lambda to szukane pierwiastki rownania, tj. eigen values
# I to postac macierzy jednostkowej, takiego wymiaru jak macierz A
def getImageFromCameraCornerHarris():
while(True):
ret, frame = cap.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
dst = cv2.cornerHarris(gray,2,3,0.04)
dst = cv2.dilate(dst,None)
frame[dst>0.01*dst.max()]=[0,0,255]
cv2.imshow('frame',frame)
if cv2.waitKey(1) & 0xff == 27:
break
cap.release()
cv2.destroyAllWindows()
def getImageFromLocalFileCornerHarris(filepath):
img = cv2.imread(filepath)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
gray = np.float32(gray)
dst = cv2.cornerHarris(gray,2,3,0.04)
#result is dilated for marking the corners, not important
dst = cv2.dilate(dst,None)
# Threshold for an optimal value, it may vary depending on the image.
img[dst>0.01*dst.max()]=[0,0,255]
cv2.imshow('dst',img)
if cv2.waitKey(0) & 0xff == 27:
cv2.destroyAllWindows()
# http://docs.opencv.org/trunk/doc/py_tutorials/py_feature2d/py_fast/py_fast.html
# SLAM (Simultaneous Localization and Mapping)
# Features from Accelerated Segment Test)
# Wybierz piksel ip w obrazie, ktory ma byc zidentyfikowany jako naroznik, czy tez nie.
# Niech jego intensywnosc bedzie Ip
# Wybierz odpowiednia wartosc progowa t
# Teraz, naroznik istnieje jesli istnieje zbior n ciaglych pixeli w okregu 16 pixeli,
# ktore to wszystki sa albo jasniejsze od Ip + t, albo ciemniejsze Ip - t
# Jesli p jest naroznikiem, wowczas conajmniej 3 inne pixele z bliskiego jego otoczenia
# musza byc albo jasniejsze albo ciemniejsze
def getImageFromLocalFileFAST(filepath):
img = cv2.imread(filepath,0)
fast = cv2.FastFeatureDetector()
kp = fast.detect(img,None)
img2 = cv2.drawKeypoints(img, kp, color=(255,0,0))
print "Threshold: ", fast.getInt('threshold')
print "NonmaxSuppression: ", fast.getBool('nonmaxSuppression')
print "Total Keypoints with nonmaxSuppression: ", len(kp)
fast.setBool('nonmaxSuppression',0)
cv2.imshow('dst',img2)
if cv2.waitKey(0) & 0xff == 27:
cv2.destroyAllWindows()
fast.setBool('nonmaxSuppression',0)
kp = fast.detect(img,None)
print "Total Keypoints without nonmaxSuppression: ", len(kp)
img3 = cv2.drawKeypoints(img, kp, color=(255,0,0))
cv2.imshow('dst',img3)
if cv2.waitKey(0) & 0xff == 27:
cv2.destroyAllWindows()
def getImageFromCameraFAST():
while(True):
ret, frame = cap.read()
fast = cv2.FastFeatureDetector()
fast.setBool('nonmaxSuppression',1)
kp = fast.detect(frame,None)
img2 = cv2.drawKeypoints(frame, kp, color=(255,0,0))
print "Threshold: ", fast.getInt('threshold')
print "NonmaxSuppression: ", fast.getBool('nonmaxSuppression')
print "Total Keypoints with nonmaxSuppression: ", len(kp)
cv2.imshow('frame',img2)
if cv2.waitKey(1) & 0xff == 27:
break
while(True):
ret, frame = cap.read()
fast = cv2.FastFeatureDetector()
fast.setBool('nonmaxSuppression',0)
kp = fast.detect(frame,None)
print "Total Keypoints without nonmaxSuppression: ", len(kp)
img2 = cv2.drawKeypoints(frame, kp, color=(255,0,0))
print "Threshold: ", fast.getInt('threshold')
print "nonmaxSuppression: ", fast.getBool('nonmaxSuppression')
print "Total Keypoints with nonmaxSuppression: ", len(kp)
cv2.imshow('frame',img2)
if cv2.waitKey(1) & 0xff == 27:
break
#getImageFromLocalFileCornerHarris('./python2/photo.jpg')
#getImageFromCameraCornerHarris()
#getImageFromLocalFileFAST('./python2/photo.jpg')
#getImageFromCameraFAST()