def search_stones(img, corners, dp=1.7):
"""Devuelve las circunferencias encontradas en una imagen.
:Param img: imagen donde buscaremos las circunferencias
:Type img: IplImage
:Param corners: lista de esquinas
:Type corners: list
:Param dp: profundidad de búsqueda de círculos
:Type dp: int
:Keyword dp: 1.7 era el valor que mejor funcionaba. Prueba y error """
gray = CreateMat(img.width, img.height,CV_8UC1)
CvtColor(img, gray, CV_BGR2GRAY)
gray_aux = CloneMat(gray)
gray_aux_2 = CloneMat(gray)
Canny(gray, gray_aux_2, 50,55,3)
Smooth(gray_aux_2, gray_aux, CV_GAUSSIAN, 3, 5)
# creo una matriz de para guardar los circulos encontrados
circles = CreateMat(1, gray_aux.height*gray_aux.width, CV_32FC3)
# r es el la mitad del tamaño de un cuadrado, el radio deseado
r = img.width/(GOBAN_SIZE*2)
# HoughCircles(image, storage, method, dp, min_dist, param1, param2,
# min_radius, max_radius)
HoughCircles(gray_aux, circles, CV_HOUGH_GRADIENT, dp, int(r*0.5), 50, 55,\
int(r*0.7), int(r*1.2))
return circles
def resize(src, w, h, dst=None):
if isinstance(dst, tuple):
dst = CreateMat(*dst)
if isinstance(src, ndarray):
src = asMat(src)
if dst is None:
dst = CreateMat(int(h), int(w), src.type)
Resize(src, dst)
return dst
def filter_image(img):
"""Aplicamos unos filtros a las imágenes para facilitar su tratamiento. Buscamos contornos y suavizamos.
:Param img: imagen sin filtrar
:Type img: CvMat
:Return: imagen filtrada
:Rtype: CvMat """
aux_1 = CreateMat(img.rows, img.cols, img.type)
aux_2 = CreateMat(img.rows, img.cols, img.type)
Canny(img, aux_2, 50, 200, 3)
Smooth(aux_2, aux_1, CV_GAUSSIAN, 3, 3)
return aux_1
def grayspace(src):
if isinstance(src, ndarray):
from skimage.color.colorconv import rgb2gray
dst = rgb2gray(src)
else:
if src.channels > 1:
dst = CreateMat(src.height, src.width, CV_8UC1)
CvtColor(src, dst, CV_BGR2GRAY)
else:
dst = src
return dst
def perspective(img, corners):
"""Crea una imagen en modelo ideal del tablero dado en perspectiva.
:Param img: imagen con el tablero en perspectiva
:Todo: comprobar de que tipo es la imagen TODO
:Type img: IplImage or CvMat
:Param corners: lista de las esquinas del tablero
:Type corners: list
:Return: imagen en modelo ideal
:Rtype: IplImage
"""
max_edge = get_max_edge(corners)
corners = get_external_corners(corners)
# The goban have a relation 15/14 height/width
relation = 14 / 15.0
# In the sequence, the orden of corners are ul, dl, dr, ur
corners_transf = ((0, 0), (0, max_edge), (max_edge, 0), (max_edge,
max_edge))
mat = CreateMat(3, 3, CV_32FC1)
GetPerspectiveTransform(corners, corners_transf, mat)
src = CreateImage((max_edge, max_edge), img.depth, img.nChannels)
WarpPerspective(img, src, mat)
return src
print """usage:
cilpsum.py image [show|show_all] <path-to-image1> <path-to-image2>
cilpsum.py video [show|show_all] <path-to-video> [M<pos-in-msec1>|F<framnumber1>] [M<pos-in-msec2>|F<framnumber2>]
"""
if sys.argv[1]=='video':
capture = cv.CaptureFromFile(sys.argv[3])
if sys.argv[4][0]=='M':
cv.SetCaptureProperty(capture, MSEC_POS, int(sys.argv[4][1:]))
elif sys.argv[4][0]=='F':
cv.SetCaptureProperty(capture, FRAME_POS, int(sys.argv[4][1:]))
img = cv.QueryFrame(capture)
im_grayscale1 = CreateMat(img.height, img.width, CV_8U)
CvtColor(img,im_grayscale1,BGR2GRAY);
if sys.argv[5][0]=='M':
cv.SetCaptureProperty(capture, MSEC_POS, int(sys.argv[5][1:]))
elif sys.argv[5][0]=='F':
cv.SetCaptureProperty(capture, FRAME_POS, int(sys.argv[5][1:]))
img = cv.QueryFrame(capture)
im_grayscale2 = CreateMat(img.height, img.width, CV_8U)
CvtColor(img,im_grayscale2,BGR2GRAY);
elif sys.argv[1]=='image':
im_grayscale1 = LoadImageM(sys.argv[3], GREYSCALE)
im_grayscale2 = LoadImageM(sys.argv[4], GREYSCALE)
else: