def main():
args = sys.argv[1:]
sujeto1 = args[0]
sujeto2 = args[1]
im = Imagen("image-" + sujeto1 + ".jpg")
im1 = Imagen("image-" + sujeto2 + ".jpg")
gray = cv2.cvtColor(im.imagen, cv2.COLOR_BGR2GRAY)
gray1 = cv2.cvtColor(im1.imagen, cv2.COLOR_BGR2GRAY)
orb = cv2.ORB()
vis = im.imagen.copy()
vis1 = im1.imagen.copy()
#
rects = f.detectCara(gray)
x1c, y1c, x2c, y2c = rects[0]
subrects, vis_roi = f.detectMouth(x1c, (y1c - y2c) * 2 / 3, x2c, y2c, gray,
vis)
x1, y1, x2, y2 = subrects[0]
keypoints = orb.detect(im.imagen)
zona = (x1c + x1, y1c + y1, x2c + x2, y2c + y2)
#
rects = f.detectCara(gray)
x1, y1, x2, y2 = rects[0]
subrects, vis_roi = f.detectMouth(x1, (y1 - y2) * 2 / 3, x2, y2, gray1,
vis1)
x1, y1, x2, y2 = subrects[0]
keypoints1 = orb.detect(im1.imagen)
zona2 = (x1c + x1, y1c + y1, x2c + x2, y2c + y2)
cv2.drawKeypoints(im.imagen, keypoints, im.imagen)
cv2.drawKeypoints(im1.imagen, keypoints1, im1.imagen)
c = coincidencias(keypoints1, keypoints, zona, zona2)
if c > 10:
print True
else:
print False
def __init__(self, pilas, ruta, columnas=1, filas=1):
Imagen.__init__(self, pilas, ruta)
self.cantidad_de_cuadros = columnas * filas
self.columnas = columnas
self.filas = filas
self.cuadro_ancho = Imagen.ancho(self) / columnas
self.cuadro_alto = Imagen.alto(self) / filas
self.definir_cuadro(0)
def __init__(self, pilas, ruta, columnas=1, filas=1):
Imagen.__init__(self, pilas, ruta)
self.cantidad_de_cuadros = columnas * filas
self.columnas = columnas
self.filas = filas
self.cuadro_ancho = Imagen.ancho(self) / columnas
self.cuadro_alto = Imagen.alto(self) / filas
self.definir_cuadro(0)
def loadFolder(self,folderName,totalImages,label): testImages = int(totalImages * self.testPercentage) trainImages = int(totalImages * self.trainPercentage) imgList = range(0, totalImages ) for i in range(testImages) : randomIndex = random.randint(0, len(imgList)-1) imgNum = imgList[randomIndex] del imgList[randomIndex] image = Imagen(os.path.join(folderName, str(imgNum) + '.png')) vec = image.get_vector() if( vec is not None): objectLabel = list() for i in range(self.numClasses): if( i == label): objectLabel.append(1) else : objectLabel.append(0) self.trainLabels.append(objectLabel) self.trainVector.append(vec) else : print os.path.join(folderName, str(imgNum) + '.png') for i in range(trainImages) : randomIndex = random.randint(0, len(imgList)-1) imgNum = imgList[randomIndex] image = Imagen(os.path.join(folderName, str(imgNum) + '.png')) vec = image.get_vector() if( vec is not None): objectLabel = list() for i in range(self.numClasses): if( i == label): objectLabel.append(1) else : objectLabel.append(0) self.testingImages.append(image) self.testLabels.append(objectLabel) self.testVector.append(vec) else : print os.path.join(folderName, str(imgNum) + '.png')
def main():
args = sys.argv[1:]
sujeto1=args[0]
sujeto2=args[1]
umbral=args[2]
im=Imagen("image-"+sujeto1+".jpg")
im1=Imagen("image-"+sujeto2+".jpg")
vis = im.imagen.copy()
vis1 = im1.imagen.copy()
gray = cv2.cvtColor(im.imagen, cv2.COLOR_BGR2GRAY)
gray1 = cv2.cvtColor(im1.imagen, cv2.COLOR_BGR2GRAY)
boca,nariz,ojo1,ojo2=distancias(gray,vis)
sujeto1Area1,sujeto1Area2=areas(boca,nariz,ojo1,ojo2)
boca,nariz,ojo1,ojo2=distancias(gray1,vis1)
sujeto2Area1,sujeto2Area2=areas(boca,nariz,ojo1,ojo2)
print comparaAreas(sujeto1Area1,sujeto1Area2,sujeto2Area1,sujeto2Area2,int(umbral))
def find_squares(imgOrig):
img = cv2.inRange(cv2.GaussianBlur(imgOrig, (3, 3), 0.5), (0, 0, 150),
(100, 100, 200))
squares = []
#bin = cv2.Canny(img, 25, 350, apertureSize=3)
kernel = np.ones((3, 3), np.uint8)
kernel1 = np.ones((5, 5), np.uint8)
#bin = cv2.closing(bin, kernel)
bin = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
bin = cv2.morphologyEx(bin, cv2.MORPH_DILATE, kernel1)
bin = cv2.Canny(bin, 25, 350, apertureSize=3)
bin = cv2.morphologyEx(bin, cv2.MORPH_DILATE, kernel1)
Imagen(bin).show()
contours, hierarchy = cv2.findContours(bin, cv2.RETR_LIST,
cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
#contornos cerrados
cnt_len = cv2.arcLength(cnt, True)
epsilon = 0.030 * cv2.arcLength(cnt, True)
cnt = cv2.approxPolyDP(cnt, epsilon, True)
if len(cnt) == 4 and cv2.contourArea(cnt) > 200 and cv2.contourArea(
cnt) < 1700 and cv2.isContourConvex(
cnt) and proporcionesCorrectas(cv2.minAreaRect(cnt)):
cnt = cnt.reshape(-1, 2)
max_cos = np.max([
angle_cos(cnt[i], cnt[(i + 1) % 4], cnt[(i + 2) % 4])
for i in xrange(4)
])
if max_cos < 0.7:
squares.append(cnt)
return squares
def find_badSquare(imgOrig):
squares = []
img = cv2.inRange(imgOrig, (52, 40, 190), (255, 140, 255))
kernel = np.ones((3, 3), np.uint8)
kernel1 = np.ones((2, 2), np.uint8)
kernel2 = np.ones((5, 5), np.uint8)
#bin = cv2.closing(bin, kernel)
bin = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel2)
#bin = cv2.morphologyEx(bin, cv2.MORPH_ERODE,kernel1)
bin = cv2.morphologyEx(bin, cv2.MORPH_OPEN, kernel2)
bin = cv2.morphologyEx(bin, cv2.MORPH_DILATE, kernel2)
#bin = cv2.morphologyEx(bin, cv2.MORPH_CLOSE,kernel2)
Imagen(bin).show()
bin = cv2.Canny(bin, 25, 350, apertureSize=3)
#bin = cv2.morphologyEx(bin, cv2.MORPH_DILATE, kernel1)
contours, hierarchy = cv2.findContours(bin, cv2.RETR_LIST,
cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
#contornos cerrados
cnt_len = cv2.arcLength(cnt, True)
epsilon = 0.020 * cv2.arcLength(cnt, True)
cnt = cv2.approxPolyDP(cnt, epsilon, True)
if len(cnt) >= 6 and cv2.contourArea(cnt) > 300:
cnt = cnt.reshape(-1, 2)
max_cos = np.max([
angle_cos(cnt[i], cnt[(i + 1) % 4], cnt[(i + 2) % 4])
for i in xrange(4)
])
#if max_cos < 0.7:
squares.append(cnt)
return squares
def main():
imgSrc=os.listdir(c.test)
imagenes=[]
total=0
detectadas=0
for e in imgSrc:
total+=1
im,todo=f.detectFace(Imagen(e).imagen,e)
if todo:
detectadas+=1
tmp=Imagen(im,name=e)
imagenes.append(tmp)
plt=Plot()
tmp=[]
print "total caras = "+str(total)+" todo detectado = "+str(detectadas)
for e in imagenes:
tmp.append((e.imagen,e.name))
plt.show(tmp,5)
def main():
imgSrc = os.listdir(c.test)
imagenes = []
total = 0
detectadas = 0
for e in imgSrc:
total += 1
im, todo = f.detectFace(Imagen(e).imagen, e)
if todo:
detectadas += 1
tmp = Imagen(im, name=e)
imagenes.append(tmp)
plt = Plot()
tmp = []
print "total caras = " + str(total) + " todo detectado = " + str(
detectadas)
for e in imagenes:
tmp.append((e.imagen, e.name))
plt.show(tmp, 5)
def main():
imgSrc = os.listdir(c.test)
imagenes = []
tmp = []
for e in imgSrc:
img = Imagen(e).imagen
rects = f.detectCara(img)
im, key = opc.dibujarPuntos(img)
tmp.append((im, e))
plt = Plot()
plt.show(tmp, 5)
##!/usr/bin/python3
# -*- coding: utf-8 -*-
from archivo import Archivo
from pelicula import Pelicula
from imagen import Imagen
pelicula = Pelicula()
imagen = Imagen()
archivo = Archivo(pelicula)
archivo2 = Archivo(imagen)
descarados = []
encontrados2 = []
encontrados = archivo.buscar('Duro de matar')
descargados2 = archivo2.buscar('hola')
print(archivo.descargar(encontrados), archivo2.descargar(encontrados2))
info_defectos = []
#Leer imagenes
ruta = 'C:/Users/DavidAngel/Desktop/tfg/fotosPiezas';
for pieza in os.listdir(ruta):
rutaPieza = ruta+'/'+pieza
if os.path.isdir(rutaPieza):
for tipo in os.listdir(rutaPieza):
if tipo=="Ok" or tipo=="Defectos":
rutaTipo = rutaPieza +'/'+tipo
if os.path.isdir(rutaTipo):
for imagen in os.listdir(rutaTipo):
rutaImagen = rutaTipo + '/'+imagen
if imagen.endswith('.tif'):
if tipo=="Ok":
img = Imagen(rutaImagen, blancoNegro=True, pieza=pieza, tipo = tipo)
procesarImagen(img, info_ok)
else:
img = Imagen(rutaImagen, blancoNegro=True, pieza=pieza, tipo = tipo)
procesarImagen(img, info_defectos)
print("Se han encontrado "+str(len(info_ok))+" imágenes del tipo Ok")
print("Se han encontrado "+str(len(info_defectos))+" imágenes del tipo Defectos")
#Guardar los datos
print("Guardando datos Ok")
okFile = CsvFile(info_ok,"Ok")
print("Los datos Ok han sido guardados")
print("Guardando datos Defectos")
okFile = CsvFile(info_defectos,"Df")
print("Los datos Defectos han sido guardados")
print("[Min,max]: ["+str(min)+", "+str(max)+"] -> "+str(diferencia))
plt.text(max, 102, 'Max: '+str(max))
plt.text(min, 2, 'Min: '+str(min))
plt.text(medio, medio_y, 'Medio: '+str(medio))
plt.plot([max, min, medio], [100,0, medio_y],marker='o', color='r', ls='')
"""
plt.subplot(2, 3, 1)
#3array = [0,1,3,6,7]
array = [40, 41, 28, 29, 34]
for x in array:
data = ok_data[x]
lista = [float(i) for i in data[3:103]]
texto = data[0]
plt.plot(lista, label=texto[texto.rindex('/') + 1:])
plt.legend()
plt.title("Umbral")
count = 2
for x in array:
plt.subplot(2, 3, count)
count = count + 1
img = Imagen(ok_data[x][0], blancoNegro=True)
img = img.ecualizar()
#img = img.segmentacionOtsu()
plt.imshow(img.img, cmap='gray')
plt.title(ok_data[x][0])
plt.show()
def cara(imagen): gray=imagen.gray().imagen rects=f.detectCara(gray) a,b,c,d=rects[0] img=gray[b:d,a:c] return Imagen(img.copy())
retval, bin = cv2.threshold(gray, thrs, 255, cv2.THRESH_BINARY)
#Imagen(bin).show()
contours, hierarchy = cv2.findContours(bin, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
#contornos cerrados
cnt_len = cv2.arcLength(cnt, True)
epsilon = 0.025*cv2.arcLength(cnt,True)
cnt = cv2.approxPolyDP(cnt, epsilon, True)
if len(cnt) == 4 and cv2.contourArea(cnt) > 50 and cv2.contourArea(cnt) <1700 and cv2.isContourConvex(cnt) :
cnt = cnt.reshape(-1, 2)
max_cos = np.max([angle_cos( cnt[i], cnt[(i+1) % 4], cnt[(i+2) % 4] ) for i in xrange(4)])
if (max_cos < 0.5 and colorCorrecto(imgOrig,cnt) and proporcionesCorrectas(cv2.minAreaRect(cnt))):
squares.append(cnt)
return squares
if __name__ == '__main__':
from glob import glob
for elem in os.listdir("../Pictogramas"):
img = cv2.imread('../Pictogramas/'+elem)
squares = find_squares(img)
Imagen(img).show()
if len(squares) == 0 :
squares=ls.find_squares(img)
if elem == "picto5.jpg":
squares=squares+ls.find_badSquare(img)
cv2.drawContours( img, squares, -1, (0, 255, 0), 3 )
Imagen(img).show()
from matplotlib import pyplot as plt
from imagen import Imagen
import cv2
import numpy as np
prueba = Imagen("rebabas.tif", blancoNegro=True)
prueba = prueba.ecualizar()
otsu1 = prueba.segmentacionOtsu()
#secciones = otsu1.secciones(ancho=2)
imgErosion = otsu1.erosion(iteraciones=10)
#seccionesO = imgErosion.secciones(ancho=2)
imgErosion2 = imgErosion.erosion(iteraciones=10)
#secciones1 = imgErosion2.secciones(ancho=2)
secciones = imgErosion2.secciones(ancho=100)
"""
plt.subplot("131"),plt.imshow(otsu1.img, cmap = 'gray')
plt.title(str(otsu1.porcentage_pixeles_blancos())+' % blancos'), plt.xticks([]), plt.yticks([])
plt.subplot("132"),plt.imshow(imgErosion.img, cmap = 'gray')
plt.title(str(imgErosion.porcentage_pixeles_blancos())+' % blancos'), plt.xticks([]), plt.yticks([])
plt.subplot("133"),plt.imshow(imgErosion2.img, cmap = 'gray')
plt.title(str(imgErosion2.porcentage_pixeles_blancos())+' % blancos'), plt.xticks([]), plt.yticks([])
plt.show()
"""
blancos = []
for seccion in secciones:
blancos.append(seccion.porcentage_pixeles_blancos())
plt.plot(blancos)
plt.title("Umbral")
plt.xlabel("Ancho de la imagen")
plt.ylabel("% Píxeles blancos")
def main():
# Parser de primer nivel
parser = argparse.ArgumentParser(
prog="esteno.py",
description=
"Herramienta de estenografía, sobre una imagen se oculta un archivo")
# Añadimos lista de subparsers
subparsers = parser.add_subparsers(dest="comando")
# Parser para el comando enmascarar
parserEnmascarar = subparsers.add_parser(
"enmascarar", help="Enmascarar archivo secreto en una imagen vector")
parserEnmascarar.add_argument("-v",
"--vector",
type=lambda x: validarArchivo(parser, x),
required=True,
help="Ruta de la imagen vector")
parserEnmascarar.add_argument("-a",
"--archivo",
type=lambda x: validarArchivo(parser, x),
help="Ruta del archivo secreto")
parserEnmascarar.add_argument(
"-s",
"--semilla",
type=int,
default=10,
help="Semilla de inicialiazción del generador")
parserEnmascarar.add_argument(
"--ruido",
default=False,
action='store_true',
help="Añadir ruido a los píxeles no modificados")
# Parser para el comando extraer
parserExtraer = subparsers.add_parser(
"extraer", help="Extraer archivo secreto de una imagen vector")
parserExtraer.add_argument("-v",
"--vector",
type=lambda x: validarArchivo(parser, x),
required=True,
help="Ruta de la imagen vector")
parserExtraer.add_argument("-s",
"--semilla",
type=int,
default=10,
help="Semilla de inicialiazción del generador")
# Obtener parámetros
args = parser.parse_args()
# Crear imagen estenográfica
imagen = Imagen(args.vector, args.semilla)
if args.comando == "enmascarar":
imagen.establecerRuido(args.ruido)
imagen.enmascarar(args.archivo)
elif args.comando == "extraer":
imagen.extraer()
