/
ZDOcv8.py
169 lines (121 loc) · 4.46 KB
/
ZDOcv8.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
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
# -*- coding: utf-8 -*-
# <nbformat>3.0</nbformat>
# <headingcell level=1>
# Popis objektů
# <markdowncell>
# * Vstup: binární obraz
# * Výstup: binární obraz, vektor příznaků
# * Cíl: popsat objekty čísly
# <headingcell level=2>
# Identifikace oblastí
# <codecell>
%pylab inline --no-import-all
import skimage
import skimage.io
import skimage.morphology
import skimage.measure
import matplotlib.pyplot as plt
import numpy as np
# <codecell>
imrgb = skimage.io.imread('http://www.kky.zcu.cz/uploads/courses/zdo/lesson7/1.jpg')
im = skimage.color.rgb2gray(imrgb) > 0.5
imlabel0 = skimage.morphology.label(im)
imlabel1 = skimage.morphology.label(im, background=0)
plt.subplot(131)
plt.title('orig')
plt.imshow(im, cmap='gray')
plt.subplot(132)
plt.title('label')
plt.imshow(imlabel0, cmap='gray')
plt.subplot(133)
plt.title('label\ndefined backgr.')
plt.imshow(imlabel, cmap='gray')
# <headingcell level=2>
# Práce s oblastí
# <markdowncell>
# Následující příklad ukazuje vybrání zvolené oblasti
# <codecell>
print "labels ", np.unique(imlabel)
plt.subplot(121)
plt.title('Object 0')
plt.imshow(imlabel==0, cmap='gray')
plt.subplot(122)
plt.title('Object 1')
plt.imshow(imlabel==1, cmap='gray')
# <headingcell level=2>
# Jednoduché popisy oblastí
# <markdowncell>
# * Velikost
# * Eulerovo číslo
# $$E = S - N$$
# kde $S$ je počet souvislých oblastí a $N$ je počet děr
# * Výška, šířka
# * Projekce
# 
# 
#
# * Výstřednost - poměr délek nejdelší tětivy a nejdelší tětivy k ní kolmé
# * Podlouhlost
# * Pravoúhlost
# * Směr
# * Nekompaktnost
# $$\textrm{nekompaktnost}=\frac{(\textrm{délka hranice})^2}{\textrm{velikost}}$$
#
#
# Využijeme funkce [regionprops](http://scikit-image.org/docs/dev/api/skimage.measure.html#skimage.measure.regionprops).
# <codecell>
props0 = skimage.measure.regionprops(imlabel==0)
props = props0
print "Centroid ", props[0].centroid
print "Area ", props[0].area
print "Euler ", props[0].euler_number
#print "Centroid 1 ", props[1].centroid
props1 = skimage.measure.regionprops(imlabel==1)
props = props1
print "Centroid ", props[0].centroid
print "Area ", props[0].area
print "Euler ", props[0].euler_number
ci = props0[0].convex_image
plt.imshow(ci)
# <headingcell level=2>
# Freemanův řetězový kód
# <markdowncell>
# 
# <headingcell level=2>
# Obecný momentový popis
# <markdowncell>
# Obecné momenty
#
# $$ M_{ij} = \sum_x \sum_y x_i, y_j I (x,y) $$
#
# [skimage.measure.moments()](http://scikit-image.org/docs/dev/api/skimage.measure.html#moments)
# <headingcell level=2>
# Centrální moment
# <markdowncell>
# Souřadnice centroidu
# $ \bar{x} = \frac{M_{10}}{M_{00}}$
# $ \bar{y} = \frac{M_{01}}{M_{00}}$
#
# $$
# \mu_{pq} = \sum_x \sum_y (x-\bar{x})^p (y-\bar{y})^q f(x,y)
# $$
# kde $f(x,y)$ je digitální obraz
#
#
# [skimage.measure.moments_central()](http://scikit-image.org/docs/dev/api/skimage.measure.html#moments-central)
# <headingcell level=2>
# Huovy momenty
# <markdowncell>
# Sedm momentů nezávislých na posunutí, změnu měřítka a rotaci. Prvních šest je nezávislých na zrcadlení. Poslední při zrcadlení mění znaménko.
# $$ I_1 = \eta_{20} + \eta_{02}$$
# $$ I_2 = (\eta_{20} - \eta_{02})^2 + 4\eta_{11}^2$$
# $$ I_3 = (\eta_{30} - 3\eta_{12})^2 + (3\eta_{21} - \eta_{03})^2$$
# $$ I_4 = (\eta_{30} + \eta_{12})^2 + (\eta_{21} + \eta_{03})^2 $$
# $$ I_5 = (\eta_{30} - 3\eta_{12}) (\eta_{30} + \eta_{12})\left[ (\eta_{30} + \eta_{12})^2 - 3 (\eta_{21} + \eta_{03})^2\right] + (3 \eta_{21} - \eta_{03}) (\eta_{21} + \eta_{03})\left[ 3(\eta_{30} + \eta_{12})^2 - (\eta_{21} + \eta_{03})^2\right]$$
# $$ I_6 = (\eta_{20} - \eta_{02})[(\eta_{30} + \eta_{12})^2 - (\eta_{21} + \eta_{03})^2] + 4\eta_{11}(\eta_{30} + \eta_{12})(\eta_{21} + \eta_{03})$$
# $$ I_7 = (3 \eta_{21} - \eta_{03})(\eta_{30} + \eta_{12})\left[(\eta_{30} + \eta_{12})^2 - 3(\eta_{21} + \eta_{03})^2\right] - (\eta_{30} - 3\eta_{12})(\eta_{21} + \eta_{03})\left[3(\eta_{30} + \eta_{12})^2 - (\eta_{21} + \eta_{03})^2\right]$$
# $$ $$
# [Huovy momenty na wiky](http://en.wikipedia.org/wiki/Image_moment#Rotation_invariant_moments)
#
# [skimage.measure.moments_hu()](http://scikit-image.org/docs/dev/api/skimage.measure.html#moments-hu)
# <codecell>