File size: 3,110 Bytes
0e83290 |
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 |
import cv2
def threshold(img, thresh=127, mode='inverse'):
im = img.copy()
if mode == 'direct':
thresh_mode = cv2.THRESH_BINARY
else:
thresh_mode = cv2.THRESH_BINARY_INV
ret, thresh = cv2.threshold(im, thresh, 255, thresh_mode)
return thresh
def draw_annotations(img, bboxes, thickness=2, color=(0, 255, 0)):
annotations = img.copy()
for box in bboxes:
tlc = (box[0], box[1])
brc = (box[2], box[3])
cv2.rectangle(annotations, tlc, brc, color, thickness, cv2.LINE_AA)
return annotations
def morph_op(img, mode='open', ksize=5, iterations=1):
im = img.copy()
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (ksize, ksize))
if mode == 'open':
morphed = cv2.morphologyEx(im, cv2.MORPH_OPEN, kernel)
elif mode == 'close':
morphed = cv2.morphologyEx(im, cv2.MORPH_CLOSE, kernel)
elif mode == 'erode':
morphed = cv2.erode(im, kernel)
else:
morphed = cv2.dilate(im, kernel)
return morphed
def get_filtered_bboxes(img, min_area_ratio):
contours, hierarchy = cv2.findContours(img, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
# Отсортируем контуры по площади, от большего к меньшему.
sorted_cnt = sorted(contours, key=cv2.contourArea, reverse=True)
# Удаляем максимальную площадь, самый внешний контур.
# sorted_cnt.remove(sorted_cnt[0])
# Container to store filtered bboxes.
bboxes = []
# Область изображения.
im_area = img.shape[0] * img.shape[1]
for cnt in sorted_cnt:
x, y, w, h = cv2.boundingRect(cnt)
cnt_area = w * h
# Удалите очень мелкие дефекты.
if cnt_area > min_area_ratio * im_area:
bboxes.append((x, y, x + w, y + h))
return bboxes
def get_filtered_bboxes_xywh(img, min_area_ratio):
contours, hierarchy = cv2.findContours(img, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
# Отсортируем контуры по площади, от большего к меньшему.
sorted_cnt = sorted(contours, key=cv2.contourArea, reverse=True)
# Удаляем максимальную площадь, самый внешний контур.
# sorted_cnt.remove(sorted_cnt[0])
# Container to store filtered bboxes.
bboxes = []
# Область изображения.
im_area = img.shape[0] * img.shape[1]
for cnt in sorted_cnt:
x, y, w, h = cv2.boundingRect(cnt)
cnt_area = w * h
# Удалите очень мелкие дефекты.
if cnt_area > min_area_ratio * im_area:
bboxes.append((x, y, w, h))
return bboxes
def getting_coordinates(image_mask):
gray_img = cv2.cvtColor(image_mask, cv2.COLOR_BGR2GRAY)
thresh_stags = threshold(gray_img, thresh=110, mode='direct')
bboxes = get_filtered_bboxes_xywh(thresh_stags, min_area_ratio=0.005)
return bboxes
|