def recognize_pitch(image, staff, head_center):
pitch_lines = [
staff[4] + fs.weighted(30) - fs.weighted(5) * i for i in range(21)
]
for i in range(len(pitch_lines)):
line = pitch_lines[i]
if line + fs.weighted(2) >= head_center >= line - fs.weighted(2):
return i
def recognize_rest_dot(image, stats):
(x, y, w, h, area) = stats
area_top = y - fs.weighted(10) # 쉼표 점을 탐색할 위치 (상단)
area_bot = y + fs.weighted(10) # 쉼표 점을 탐색할 위치 (하단)
area_left = x + w # 쉼표 점을 탐색할 위치 (좌측)
area_right = x + w + fs.weighted(10) # 쉼표 점을 탐색할 위치 (우측)
dot_rect = (area_left, area_top, area_right - area_left,
area_bot - area_top)
pixels = fs.count_rect_pixels(image, dot_rect)
return pixels >= fs.weighted(10)
def recognize_note_tail(image, index, stem, direction):
(x, y, w, h) = stem
if direction: # 정 방향 음표
area_top = y # 음표 꼬리를 탐색할 위치 (상단)
area_bot = y + h - fs.weighted(15) # 음표 꼬리를 탐색할 위치 (하단)
else: # 역 방향 음표
area_top = y + fs.weighted(15) # 음표 꼬리를 탐색할 위치 (상단)
area_bot = y + h # 음표 꼬리를 탐색할 위치 (하단)
if index:
area_col = x - fs.weighted(4) # 음표 꼬리를 탐색할 위치 (열)
else:
area_col = x + w + fs.weighted(4) # 음표 꼬리를 탐색할 위치 (열)
cnt = fs.count_pixels_part(image, area_top, area_bot, area_col)
return cnt
def recognize_note_head(image, stem, direction):
(x, y, w, h) = stem
if direction: # 정 방향 음표
area_top = y + h - fs.weighted(7) # 음표 머리를 탐색할 위치 (상단)
area_bot = y + h + fs.weighted(7) # 음표 머리를 탐색할 위치 (하단)
area_left = x - fs.weighted(14) # 음표 머리를 탐색할 위치 (좌측)
area_right = x # 음표 머리를 탐색할 위치 (우측)
else: # 역 방향 음표
area_top = y - fs.weighted(7) # 음표 머리를 탐색할 위치 (상단)
area_bot = y + fs.weighted(7) # 음표 머리를 탐색할 위치 (하단)
area_left = x + w # 음표 머리를 탐색할 위치 (좌측)
area_right = x + w + fs.weighted(14) # 음표 머리를 탐색할 위치 (우측)
cnt = 0 # cnt = 끊기지 않고 이어져 있는 선의 개수를 셈
cnt_max = 0 # cnt_max = cnt 중 가장 큰 값
head_center = 0
pixel_cnt = fs.count_rect_pixels(
image,
(area_left, area_top, area_right - area_left, area_bot - area_top))
for row in range(area_top, area_bot):
col, pixels = fs.get_line(image, fs.HORIZONTAL, row, area_left,
area_right, 5)
pixels += 1
if pixels >= fs.weighted(5):
cnt += 1
cnt_max = max(cnt_max, pixels)
head_center += row
head_exist = (cnt >= 3 and pixel_cnt >= 50)
head_fill = (cnt >= 8 and cnt_max >= 9 and pixel_cnt >= 80)
head_center /= cnt
return head_exist, head_fill, head_center
def recognition(image, staves, objects):
key = 0
time_signature = False
beats = [] # 박자 리스트
pitches = [] # 음이름 리스트
for i in range(1, len(objects) - 1):
obj = objects[i]
line = obj[0]
stats = obj[1]
stems = obj[2]
direction = obj[3]
(x, y, w, h, area) = stats
staff = staves[line * 5:(line + 1) * 5]
if not time_signature: # 조표가 완전히 탐색되지 않음 (아직 박자표를 찾지 못함)
ts, temp_key = rs.recognize_key(image, staff, stats)
time_signature = ts
key += temp_key
if time_signature:
fs.put_text(image, key, (x, y + h + fs.weighted(30)))
else: # 조표가 완전히 탐색되었음
notes = rs.recognize_note(image, staff, stats, stems, direction)
if len(notes[0]):
for beat in notes[0]:
beats.append(beat)
for pitch in notes[1]:
pitches.append(pitch)
else:
rest = rs.recognize_rest(image, staff, stats)
if rest:
beats.append(rest)
pitches.append(-1)
else:
whole_note, pitch = rs.recognize_whole_note(
image, staff, stats)
if whole_note:
beats.append(whole_note)
pitches.append(pitch)
cv2.rectangle(image, (x, y, w, h), (255, 0, 0), 1)
fs.put_text(image, i, (x, y - fs.weighted(20)))
return image, key, beats, pitches
def recognize_whole_note(image, staff, stats):
whole_note = 0
pitch = 0
(x, y, w, h, area) = stats
while_note_condition = (fs.weighted(22) >= w >= fs.weighted(12) >= h >=
fs.weighted(9))
if while_note_condition:
dot_rect = (x + w, y - fs.weighted(10), fs.weighted(10),
fs.weighted(20))
pixels = fs.count_rect_pixels(image, dot_rect)
whole_note = -1 if pixels >= fs.weighted(10) else 1
pitch = recognize_pitch(image, staff, fs.get_center(y, h))
fs.put_text(image, whole_note, (x, y + h + fs.weighted(30)))
fs.put_text(image, pitch, (x, y + h + fs.weighted(60)))
return whole_note, pitch
def recognize_note(image, staff, stats, stems, direction):
(x, y, w, h, area) = stats
notes = []
pitches = []
note_condition = (
len(stems) and w >= fs.weighted(10) and # 넓이 조건
h >= fs.weighted(35) and # 높이 조건
area >= fs.weighted(95) # 픽셀 갯수 조건
)
if note_condition:
for i in range(len(stems)):
stem = stems[i]
head_exist, head_fill, head_center = recognize_note_head(
image, stem, direction)
if head_exist:
tail_cnt = recognize_note_tail(image, i, stem, direction)
dot_exist = recognize_note_dot(image, stem, direction,
len(stems), tail_cnt)
note_classification = (((not head_fill and tail_cnt == 0
and not dot_exist),
2), ((not head_fill and tail_cnt == 0
and dot_exist),
-2), ((head_fill and tail_cnt == 0
and not dot_exist), 4),
((head_fill and tail_cnt == 0
and dot_exist),
-4), ((head_fill and tail_cnt == 1
and not dot_exist),
8), ((head_fill and tail_cnt == 1
and dot_exist), -8),
((head_fill and tail_cnt == 2
and not dot_exist),
16), ((head_fill and tail_cnt == 2
and dot_exist), -16),
((head_fill and tail_cnt == 3
and not dot_exist),
32), ((head_fill and tail_cnt == 3
and dot_exist), -32))
for j in range(len(note_classification)):
if note_classification[j][0]:
note = note_classification[j][1]
pitch = recognize_pitch(image, staff, head_center)
notes.append(note)
pitches.append(pitch)
fs.put_text(image, note,
(stem[0] - fs.weighted(10),
stem[1] + stem[3] + fs.weighted(30)))
fs.put_text(image, pitch,
(stem[0] - fs.weighted(10),
stem[1] + stem[3] + fs.weighted(60)))
break
return notes, pitches
def recognize_note_dot(image, stem, direction, stems_cnt, tail_cnt):
(x, y, w, h) = stem
if direction: # 정 방향 음표
area_top = y + h - fs.weighted(10) # 음표 점을 탐색할 위치 (상단)
area_bot = y + h + fs.weighted(5) # 음표 점을 탐색할 위치 (하단)
area_left = x + w + fs.weighted(2) # 음표 점을 탐색할 위치 (좌측)
area_right = x + w + fs.weighted(12) # 음표 점을 탐색할 위치 (우측)
else: # 역 방향 음표
area_top = y - fs.weighted(10) # 음표 점을 탐색할 위치 (상단)
area_bot = y + fs.weighted(5) # 음표 점을 탐색할 위치 (하단)
area_left = x + w + fs.weighted(14) # 음표 점을 탐색할 위치 (좌측)
area_right = x + w + fs.weighted(24) # 음표 점을 탐색할 위치 (우측)
dot_rect = (area_left, area_top, area_right - area_left,
area_bot - area_top)
pixels = fs.count_rect_pixels(image, dot_rect)
threshold = (10, 15, 20, 30)
if direction and stems_cnt == 1:
return pixels >= fs.weighted(threshold[tail_cnt])
else:
return pixels >= fs.weighted(threshold[0])
def object_analysis(image, objects):
for obj in objects:
stats = obj[1]
stems = fs.stem_detection(image, stats, 30) # 객체 내의 모든 직선들을 검출함
direction = None
if len(stems) > 0: # 직선이 1개 이상 존재함
if stems[0][0] - stats[0] >= fs.weighted(5): # 직선이 나중에 발견되면
direction = True # 정 방향 음표
else: # 직선이 일찍 발견되면
direction = False # 역 방향 음표
obj.append(stems) # 객체 리스트에 직선 리스트를 추가
obj.append(direction) # 객체 리스트에 음표 방향을 추가
return image, objects
def object_detection(image, staves):
lines = int(len(staves) / 5) # 보표의 개수
objects = [] # 구성요소 정보가 저장될 리스트
closing_image = fs.closing(image)
cnt, labels, stats, centroids = cv2.connectedComponentsWithStats(
closing_image) # 모든 객체 검출하기
for i in range(1, cnt):
(x, y, w, h, area) = stats[i]
if w >= fs.weighted(5) and h >= fs.weighted(
5): # 악보의 구성요소가 되기 위한 넓이, 높이 조건
center = fs.get_center(y, h)
for line in range(lines):
area_top = staves[line * 5] - fs.weighted(20) # 위치 조건 (상단)
area_bot = staves[(line + 1) * 5 - 1] + fs.weighted(
20) # 위치 조건 (하단)
if area_top <= center <= area_bot:
objects.append([line, (x, y, w, h, area)
]) # 객체 리스트에 보표 번호와 객체의 정보(위치, 크기)를 추가
objects.sort() # 보표 번호 → x 좌표 순으로 오름차순 정렬
return image, objects
while True:
print("----------------------------")
print("WELCOME TO GRADE MANAGER")
print("----------------------------")
print("\t------")
print("\t MENU")
print("\t------")
print("(1) - Weighted Grade Calculator")
print("(2) - GPA Calculator")
print("(3) - Final Grade Calculator")
print("(4) - Quit")
while True:
try:
choice = int(input("Enter menu option: "))
if choice < 1 or choice > 4:
raise ValueError
break
except ValueError:
print("That menu choice is not an option. Please try again.")
if choice == 1:
functions.weighted()
elif choice == 2:
print("That function doesn't exist yet. Coming soon.")
elif choice == 3:
print("That function doesn't exist yet. Coming soon.")
elif choice == 4:
break
def recognize_rest(image, staff, stats):
(x, y, w, h, area) = stats
rest = 0
center = fs.get_center(y, h)
rest_condition = staff[3] > center > staff[1]
if rest_condition:
cnt = fs.count_pixels_part(image, y, y + h, x + fs.weighted(1))
if fs.weighted(35) >= h >= fs.weighted(25):
if cnt == 3 and fs.weighted(11) >= w >= fs.weighted(7):
rest = 4
elif cnt == 1 and fs.weighted(14) >= w >= fs.weighted(11):
rest = 16
elif fs.weighted(22) >= h >= fs.weighted(16):
if fs.weighted(15) >= w >= fs.weighted(9):
rest = 8
elif fs.weighted(8) >= h:
if staff[1] + fs.weighted(5) >= center >= staff[1]:
rest = 1
elif staff[2] >= center >= staff[1] + fs.weighted(5):
rest = 2
if recognize_rest_dot(image, stats):
rest *= -1
if rest:
fs.put_text(image, rest, (x, y + h + fs.weighted(30)))
fs.put_text(image, -1, (x, y + h + fs.weighted(60)))
return rest
def recognize_key(image, staves, stats):
(x, y, w, h, area) = stats
ts_conditions = (
staves[0] + fs.weighted(5) >= y >= staves[0] - fs.weighted(5)
and # 상단 위치 조건
staves[4] + fs.weighted(5) >= y + h >= staves[4] - fs.weighted(5)
and # 하단 위치 조건
staves[2] + fs.weighted(5) >= fs.get_center(
y, h) >= staves[2] - fs.weighted(5) and # 중단 위치 조건
fs.weighted(18) >= w >= fs.weighted(10) and # 넓이 조건
fs.weighted(45) >= h >= fs.weighted(35) # 높이 조건
)
if ts_conditions:
return True, 0
else: # 조표가 있을 경우 (다장조를 제외한 모든 조)
stems = fs.stem_detection(image, stats, 20)
if stems[0][0] - x >= fs.weighted(3): # 직선이 나중에 발견되면
key = int(10 * len(stems) / 2) # 샾
else: # 직선이 일찍 발견되면
key = 100 * len(stems) # 플랫
return False, key
