def define_roi_still(image_input, folder_path):
roi_num = roi_input()
image = np.array(image_input, copy=True)
# rr = np.arange(4 * roi_num).reshape(roi_num, 4)
scalingF = 1
dict_file = {"cam_ID": "na"}
height, width = image.shape
if roi_num == 0:
dict_file["roi_0"] = tuple([0, 0, width, height])
else:
for roi in range(roi_num):
frameRS = cv2.resize(
image, (int(width / scalingF), int(height / scalingF)))
rr = cv2.selectROI(("Select ROI" + str(roi)), frameRS)
# output: (x,y,w,h)
dict_file["roi_" + str(roi)] = tuple(i * scalingF for i in rr)
# add in ROIs
start_point = (rr[0], rr[1])
end_point = (rr[0] + rr[2], rr[1] + rr[3])
cv2.rectangle(image, start_point, end_point, 220, 2)
cv2.destroyAllWindows()
print(dict_file)
with open(os.path.join(folder_path, "roi_file.yaml"), "w") as file:
documents = yaml.dump(dict_file, file)
print("File has now been saved in specified folder as roi_file.yaml")
def select_roi(self):
"""
Select ROI, close window after press 'Enter'.
self.bbox stores the ROI.
"""
select_roi_window_name = "SelectROI, User Mouse To Drag, Press Enter to Analyze"
cv2.namedWindow(select_roi_window_name, cv2.WINDOW_NORMAL)
self.bbox = cv2.selectROI(select_roi_window_name, self.frame, False)
cv2.destroyAllWindows()
def initial_manuel(frame):
initBB = []
while True:
initBB.append(
cv2.selectROI("Frame", frame, fromCenter=False,
showCrosshair=True))
cv2.rectangle(
frame, (initBB[-1][0], initBB[-1][1]),
(initBB[-1][0] + initBB[-1][2], initBB[-1][1] + initBB[-1][3]),
(0, 255, 0), 2)
initBB[-1] = xywh2cxywh(initBB[-1])
key = cv2.waitKey(0) & 0xFF
if key == ord("n"):
initBB[-1] = np.append(initBB[-1], 0)
elif key == ord("q"):
initBB = initBB[:-1]
break
else:
initBB[-1] = np.append(initBB[-1], 1)
return initBB
hue.append(h)
sat.append(s)
val.append(v)
hMaxValue = max(hue, key=hue.count)
sMaxValue = max(sat, key=sat.count)
vMaxValue = max(val, key=val.count)
upperBound = (hMaxValue + RANGE, sMaxValue + RANGE, vMaxValue + RANGE)
lowerBound = (hMaxValue - RANGE, sMaxValue - RANGE, vMaxValue - RANGE)
print(lowerBound, " ", upperBound)
frame = cv2.rectangle(frame, initialBoundingBox, (255, 0, 0), 2)
cv2.imshow("Frame", frame)
key = cv2.waitKey(1) & 0xFF
if key == ord("s"):
initialBoundingBox = cv2.selectROI("Frame",
frame,
fromCenter=False,
showCrosshair=True)
tracker.init(frame, initialBoundingBox)
elif key == 27:
break
vs.stop()
cv2.destroyAllWindows()
cap = cv2.VideoCapture(video_source)
# MOSSE: mais rápido, menos preciso
#tracker = cv2.TrackerMOSSE_create()
# CSRT: mais lento, maior precisão
# tracker = cv2.TrackerCSRT_create()
# KCF: mais rápido que CSRT, mais preciso que MOSSE
tracker = cv2.TrackerKCF_create()
# Lê o primeiro quadro
success, img = cap.read()
# Cria uma caixa limitante com o input do mouse
bounding_box = cv2.selectROI("Tracking", img, False)
# Inicia um Rastreador
tracker.init(img, bounding_box)
# Função para desenhar a caixa limitante
def drawBox(img, bounding_box):
x, y, w, h = (int(i) for i in bounding_box)
cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
while True:
# Lê o frame
success, img = cap.read()
def Varredura():
#realiza a varredura e chama a função de analise de contornos
img = Camera()
#caso queira desabilitar a camera, é so comentar a linha de cima e usar as de baixo
#img = cv2.imread("<endereço da imagem>")
#img = cv2.resize(img, (639,479), interpolation = cv2.INTER_AREA)
#chama a função de enquadramento
img = Enquadramento(img)
#a função da janela declarada é impedir q a imagem apareça gigantesca e ñ perca qualidade
cv2.namedWindow('Deseja Recortar a imagem?', cv2.WINDOW_NORMAL)
cv2.resizeWindow('Deseja Recortar a imagem?', (int(479 * proporcao), 479))
##### rotacionar 180º para melhor compreenção
altura, largura = img.shape[:2]
ponto = (largura / 2, altura / 2
) #ponto no centro da figura, ponto de giro
rotacao = cv2.getRotationMatrix2D(ponto, 180, 1.0)
img = cv2.warpAffine(img, rotacao, (largura, altura))
###primeira janela pra corte
print("\n\n\n")
print("--Deseja recortar a imagem?--")
print(
"-Sim:\n Selecione clicando e arrastando.\n Confirma com a tecla Enter"
)
print("-Não:\n Aperte a tecla Esc\n\n\n")
xs, ys, w, h = cv2.selectROI(
'Deseja Recortar a imagem?',
img) #permite o usuario cortar a imagem com o mouse
cv2.destroyAllWindows()
crop_img_true = crop_img_contour = img[ys:ys + h, xs:xs +
w] #salvandoos dados do corte
cortada = True
if crop_img_true.shape[0] < 1:
cortada = False
crop_img_true = crop_img_contour = img
print("\n\n\n")
print(
"--Utilize as barras para evidenciar, da melhor forma possível, os objetos desejados--"
)
print(
"--O filtro dinâmico possui limitações, logo, talvez não seja possível evidenciar todos os objetos desejados de um só vez--"
)
#filtro dinamico
desejo = "b"
while 1:
x, y, z, a, b, c = (
tr.tracker(crop_img_true)
) #biblioteca que gera filtro de cores de modo iterativo
crop_img_true = cv2.cvtColor(
crop_img_true, cv2.COLOR_BGR2HSV
) #é necessario converter para hsv para passar o filtro
#criando imagem base pra varredura com o contorno do filtro de cores
mask_inRange = cv2.inRange(crop_img_true, (x, y, z), (a, b, c))
#lógica para sobreposição de filtros, necessário caso o usuário queira evidencia cores distantes no espectro HSVe com intervalos
if desejo == "a":
mask_inRange = cv2.resize(mask_inRange,
(int(479 * proporcao), 479),
interpolation=cv2.INTER_AREA)
mask_inRange_temp = cv2.resize(mask_inRange_temp,
(int(479 * proporcao), 479),
interpolation=cv2.INTER_AREA)
for y in range(0, mask_inRange.shape[0]): #percorre linhas
for x in range(0, mask_inRange.shape[1]): #percorre colunas
#mask eh uma imagem composta apenas de 0 e 255
if (mask_inRange_temp[y][x] == (255)):
mask_inRange[y][x] = (255)
mask_inRange = cv2.resize(mask_inRange,
(int(2500 * proporcao), 2500),
interpolation=cv2.INTER_AREA)
print("--Deseja avidenciar mais objetos?--")
print(" a - Sim \n b - Não")
desejo = input()
if desejo == "a":
mask_inRange_temp = mask_inRange
crop_img_true = cv2.cvtColor(crop_img_true, cv2.COLOR_HSV2BGR)
#caso o usuário envio qualquer coisa diferente de a, será considerado b
else:
break
#caso o usuário opte por recoertar a imagem, é necessario corrigir as medidas
if cortada == True:
blank_space_black = np.zeros((img.shape[0], img.shape[1]), np.uint8)
blank_space_black[:] = (0)
blank_space_black[ys:ys + h, xs:xs + w] = mask_inRange
mask_inRange = blank_space_black
crop_img_true = crop_img_contour = img
#etapa importante para que a função findContours funcione sem problemas
_, threshold = cv2.threshold(mask_inRange, 250, 255, cv2.THRESH_BINARY)
#varredura de contornos
contours = []
contours, _ = cv2.findContours(threshold, cv2.RETR_TREE,
cv2.CHAIN_APPROX_NONE)
#listas de bordas
contornos_reais = []
total_objetos = 0
# tirando objetos menores que o minimo... retira ruido
for cnt in contours:
if cv2.contourArea(cnt) >= maxi:
contornos_reais.append(cnt)
total_objetos += 1
print("\n\n")
print("-- Total de objetos encontrados", total_objetos, " --")
# todos os dados são obtidos atraves da mascara, uma imagem praticamente binária.
#as edições (contornos, escrever o ID no centro do objeto) são feitas em cima da imagem crop_img_contour que é a mesma imagem justificada, enquadrada lá do inicio
#desenhar contornos
cv2.drawContours(crop_img_contour, contornos_reais, -1, (0, 255, 0), 5)
crop_img_contour, tabela = Identificar_objeto(
contornos_reais, crop_img_contour,
img) #chamar a função Identificar_objetos
img_final = cv2.resize(crop_img_contour, (850, 512),
interpolation=cv2.INTER_AREA)
cv2.imwrite("img_final.jpg",
img_final) #salvando a imagem na pasta do programa
###tabela
tabela_df = pd.DataFrame(data=tabela,
columns=[
'Id',
'Centro_X',
'Centro_Y',
'Ângulo',
])
tabela_df.to_csv("tabela.csv")
return tabela_df, img_final
"Largura mínima para validar uma caixa limitante como pertencente a um carro",
default=80)
args = parser.parse_args()
def get_center(x, y, w, h):
return x + int(w / 2), y + int(h / 2)
cap = cv2.VideoCapture(args.video_source)
# Lê o primeiro quadro
success, img = cap.read()
# Cria uma caixa limitante com o input do mouse
bounding_box = cv2.selectROI("Classica", img, False)
cx, cy, cw, ch = (bounding_box[i] for i in range(4))
subtraction = cv2.bgsegm.createBackgroundSubtractorMOG()
vehicle_counter = 0
result = cv2.VideoWriter('result.avi', cv2.VideoWriter_fourcc(*'XVID'), 30.0,
(1280, 720))
while True:
# Lê um frame
success, img = cap.read()
if success:
# Desenha um retângulo branco na região de interesse
cv2.rectangle(img, (cx, cy), (cx + cw, cy + ch), (255, 255, 255), 2)
from cv2 import cv2
import numpy as np
cap = cv2.VideoCapture(0)
tracker = cv2.TrackerCSRT_create()
for i in range(10):
s, frame = cap.read()
bbox = cv2.selectROI("Video", frame, True)
tracker.init(frame, bbox)
def spiral_cw(A):
out = []
while (A.size):
out.append(A[0]) # take first row
A = A[1:].T[::-1] # cut off first row and rotate counterclockwise
return np.concatenate(out)
while True:
s, frame = cap.read()
success, bbox = tracker.update(frame)
if success:
x, y, w, h = bbox
x, y, w, h = int(x), int(y), int(w), int(h)
frame[y:y + h, x:x + w] = spiral_cw(frame[y:y + h, x:x + w])
# cv2.rectangle(frame, (x,y), (x+w,y+h), (0,255,150), 2)
if not success:
print('Failed to read video')
sys.exit(1)
## Select boxes
bboxes = []
colors = []
# OpenCV's selectROI function doesn't work for selecting multiple objects in Python
# So we will call this function in a loop till we are done selecting all objects
while True:
# draw bounding boxes over objects
# selectROI's default behaviour is to draw box starting from the center
# when fromCenter is set to false, you can draw box starting from top left corner
bbox = cv2.selectROI('MultiTracker', frame)
bboxes.append(bbox)
colors.append((randint(0, 255), randint(0, 255), randint(0, 255)))
print("Press q to quit selecting boxes and start tracking")
print("Press any other key to select next object")
k = cv2.waitKey(0) & 0xFF
if (k == 113): # q is pressed
break
print('Selected bounding boxes {}'.format(bboxes))
# Specify the tracker type
trackerType = "CSRT"
# Create MultiTracker object
(0, 255, 0), 2, 1)
else: # 추적 실패
cv2.putText(img_draw, "Tracking fail.", (100, 80),
cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 0, 255), 2,
cv2.LINE_AA)
trackerName = tracker.__class__.__name__
cv2.putText(img_draw,
str(trackerIdx) + ":" + trackerName, (100, 20),
cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 2, cv2.LINE_AA)
cv2.imshow(win_name, img_draw)
key = cv2.waitKey(delay) & 0xff
# 스페이스 바 또는 비디오 파일 최초 실행 ---④
if key == ord(' ') or (video_src != 0 and isFirst):
isFirst = False
roi = cv2.selectROI(win_name, frame, False) # 초기 객체 위치 설정
print(roi)
if roi[2] and roi[3]: # 위치 설정 값 있는 경우
tracker = trackers[trackerIdx]() # 트랙커 객체 생성 ---⑤
isInit = tracker.init(frame, roi)
elif key in range(48, 56): # 0~7 숫자 입력 ---⑥
trackerIdx = key - 48 # 선택한 숫자로 트랙커 인덱스 수정
if bbox is not None:
tracker = trackers[trackerIdx]() # 선택한 숫자의 트랙커 객체 생성 ---⑦
isInit = tracker.init(frame, bbox) # 이전 추적 위치로 추적 위치 초기화
elif key == 27:
break
else:
print("Could not open video")
cap.release()
cv2.destroyAllWindows()
print("Could not open video")
sys.exit()
# Read first frame.
video.set(1, 600)
ok, frame = video.read()
# video.set(1, 0)
if not ok:
print('Cannot read video file')
sys.exit()
# Define an initial bounding box
bbox = (287, 23, 86, 320)
# Uncomment the line below to select a different bounding box
bbox = cv2.selectROI(frame, False)
# Initialize tracker with first frame and bounding box
ok = tracker.init(frame, bbox)
while True:
# Read a new frame
ok, frame = video.read()
if not ok:
break
# Start timer
timer = cv2.getTickCount()
# Update tracker
ok, bbox = tracker.update(frame)
#
#frame = cv2.resize(frame, (1366,768))
fgmask = fgbg.apply(frame)
fgmask = cv2.erode(fgmask, kernel, iterations=1)
fgmask = cv2.medianBlur(fgmask, 3)
fgmask = cv2.dilate(fgmask, kernel, iterations=2)
fgmask = (fgmask > 200).astype(np.uint8) * 255
colorMask = cv2.bitwise_and(frame, frame, mask=fgmask)
if (crop):
fromCenter = False
img = colorMask
r = cv2.selectROI(img, fromCenter)
imCrop = img[int(r[1]):int(r[1] + r[3]), int(r[0]):int(r[0] + r[2])]
crop = False
camshift = True
imCropMask = cv2.cvtColor(imCrop, cv2.COLOR_BGR2GRAY)
ret, imCropMask = cv2.threshold(imCropMask, 30, 255, cv2.THRESH_BINARY)
his = smooth(1, rgbh([imCrop], imCropMask))
roiBox = (int(r[0]), int(r[1]), int(r[2]), int(r[3]))
cv2.destroyWindow("ROI selector")
if (camshift):
cv2.putText(frame, "Center roiBox", (0, 10), font, 0.5, (0, 255, 0), 2,
cv2.LINE_AA)
cv2.putText(frame, "Estimated Pos", (0, 30), font, 0.5, (255, 255, 0),
