الدرس الثالث عشر - خصائص الاطارات

خصائص الاطارات¶

الاستدارة

القطر المكافئ

القناع ونقاط البكسلات

القيم العظمى والصغرى واماكنها

اللون الوسطي او الشدة الوسطية

النقاط القصوى

: الاطارات : توابع اخرى¶

:الهدف¶

تعلم عيوب التحدب وكيفية ايجادهم

ايجاد المسافة الاقصر من نقطة لمضلع

مقارنة الاشكال المختلفة

: النظرية والكود¶

عيوب التحدب هي اي فروقات لسطح الجسم الحقيقي عن السطح المحدب الاصغر المحيط

وهناك تابع جاهز يقوم بايجادها وتتم مناداته كالاتي

hull = cv2.convexHull(cnt,returnPoints = False)

defects = cv2.convexityDefects(cnt,hull)

ملاحظة : عليك تمرير المتغير الثاني للتابع الاول

False

وهذا يعيد مصفوفة حيث كل سطر يتضمن هذه القيم

نقطة البداية - نقطة النهاية - النقطة الابعد - المسافة المقربة للنقطة الابعد

وسنكتب برنامج توضيحي يقوم برسم مستقيم حول اول نقطتين ودائرة حول النقطة الثالثة

ولكن تذكر تكون تلك النقاط بشكل دلائل للاحداثيات بمصفوفة الاطار

In [3]:

%matplotlib inline
import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('star.png')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(img_gray, 127, 255,0)
contours,hierarchy = cv2.findContours(thresh,2,1)
cnt = contours[0]

hull = cv2.convexHull(cnt,returnPoints = False)
defects = cv2.convexityDefects(cnt,hull)

for i in range(defects.shape[0]):
    s,e,f,d = defects[i,0]
    start = tuple(cnt[s][0])
    end = tuple(cnt[e][0])
    far = tuple(cnt[f][0])
    cv2.line(img,start,end,[0,255,0],2)
    cv2.circle(img,far,5,[0,0,255],-1)
    
plt.imshow(img , cmap = 'gray')
plt.show()

اختبار النقطة - المضلع وهذا التابع يفيد في معرفة هل النقطة داخل ام خارج ام على المحيط

بالاضافة لمعرفة المسافة عنه , مثلاً للبكسل 50 ,50 التالي

dist = cv2.pointPolygonTest(cnt,(50,50),True)

والمتغير البولاني الاخير , يحسب المسافة ام يعرف المنطقة فقط , الخيار الابسط يوفر بالسرعة حوالي ضعف ل 3 اضعاف

مقارنة الاشكال

تاتي المكتبة مع نابع جاهز وهو

cv2.matchShapes()

يقوم بمقارنة تشابه محيطين ويعطي قيمة بارامترية , لمدى التشابه , كلما كانت اقل كان التشابه اكبر , وهذا يتم انطلاقاً من حسابات العزوم. كما ان هناك طرقاً مختلفة للحساب تم شرحها في التوثيق

مثلاً بمقارنة الصورة بنفسها ينبغي ان نحصل على 0.0

In [4]:

img1 = cv2.imread('star.png',0)
img2 = cv2.imread('star.png',0)

ret, thresh = cv2.threshold(img1, 127, 255,0)
ret, thresh2 = cv2.threshold(img2, 127, 255,0)
contours,hierarchy = cv2.findContours(thresh,2,1)
cnt1 = contours[0]
contours,hierarchy = cv2.findContours(thresh2,2,1)
cnt2 = contours[0]

ret = cv2.matchShapes(cnt1,cnt2,1,0.0)
print ret

0.0

كما نلاحظ التشابه كامل , وتجدر الملاحظة ان التدوير لايؤثر على المطابقة بسبب ان القيم المحسوبة هي عزوم

تلك العزوم تدعى

Hu-Moments

وهي لا تتأثر بالتدوير او الازاحة وعددها سبع عزوم , ويمكن ايجاد هذه القيم عبر التابع التالي

In [11]:

a = cv2.HuMoments(contours)
print a ,'\n', len(a)

[[ 0.]
 [ 0.]
 [ 0.]
 [ 0.]
 [ 0.]
 [ 0.]
 [ 0.]] 
7

: تمارين¶

اولا - بالتوثيق الاصلي , يوجد صورة تمثل تأثيرالتابع

cv2.pointPolygonTest()

حيث تزداد قيمة شدة اللون حسب القيمة الناتجة عنه , والحواف صفرية , السؤال , هل يمكنك كتابة برنامج لتوليد هكذا تمثيل لاي اطار ..

ثانياً - قارن صورا لارقام او احرف باستخدام التابع

cv2.matchShapes()

OCRوهذا سيكون خطوة بسيطة باتجاه ال

سلاسل الاطارات¶

كيفية معرفة وتحوير ترتيب الاطارات بمصفوفة الخرج والعلاقات بينها.

يمكن الرجوع لها بالاصل