def objectsRecognition(image, draw=False):
config, order, mtx, dist, T, distRatio, thresholdValue, objectHeight = configRead(
'config.json') # Odczytanie parametrów z pliku konfiguracyjnego
cnts, points = contoursDetection(
image,
draw) # Wykrywanie konturów na obrazie przekazanym jako argument
shapes_info = np.empty(shape=(
0, 4
)) # Inicjalizacja tablicy przechowywującej dane o znalezionych obiektach
# Pętla dla każdego wykrytego obiektu
for point, cnt in zip(points, cnts):
color = colorRecognition(image, cnt) # Wykrycie koloru danego konturu
# Zapis informacji do talblicy [[X, Y, theta], kolor, pole powierzchnii]
shapes_info = np.append(shapes_info,
[[[point[0], point[1]], point[2], color,
cv.contourArea(cnt) * (distRatio**2)]],
axis=0)
# Funkcje rysujące do przedstawienia informacji o obiektach
if draw:
return shapes_info, image
else:
return shapes_info
def contoursDetection(image, drawContours=False):
config, order, mtx, dist, T, distRatio, thresholdValue, objectHeight = configRead(
'config.json') # Odczytanie parametrów z pliku konfiguracyjnego
# Preprocessing obrazu
hsv = cv.cvtColor(image,
cv.COLOR_BGR2HSV) # Zmiana przestrzenii barw obrazu
h, s, v = cv.split(hsv) # Rozdzielenie kanałów obrazu na osobne zmienne
blurred = cv.GaussianBlur(v, (5, 5), 0) # Rozmycie obrazu
thresh = cv.threshold(blurred, thresholdValue, 255, cv.THRESH_BINARY)[
1] # Binaryzacja obrazu przy użyciu zmiennej z pliku kalibracyjnego
cv.imshow('thresh', thresh)
# Wykrywanie konturów na obrazie
cnts = cv.findContours(thresh.copy(), cv.RETR_EXTERNAL,
cv.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)
# Inicjalizacja tablicy dla punktów centralnych
center_points = np.empty(shape=(0, 3), dtype=int)
for c in cnts:
m = cv.moments(c) # Obliczenie momentów geometrycznych
if m["m00"] != 0:
x = m["m10"] / m["m00"] # Obliczenie współrzędnej X
y = m["m01"] / m["m00"] # Obliczenie współrzędnej Y
u20 = m['m20'] / m['m00'] - x * x
u02 = m['m02'] / m['m00'] - y * y
u11 = m['m11'] / m['m00'] - x * y
if (u20 - u02) != 0:
theta = 0.5 * math.atan2(2 * u11, (u20 - u02))
else:
theta = 0
else:
x = 0
y = 0
center_points = np.append(
center_points, [[x, y, theta]],
axis=0) # Dodanie nowych współrzędnych do tablicy
if drawContours:
cv.drawContours(image, [c], -1, (0, 0, 255),
2) # Rysowanie konturów na obrazie
return cnts, center_points, image
else:
return cnts, center_points
import cvision as cvis
from picamera.array import PiRGBArray
from picamera import PiCamera
from time import sleep
from matplotlib import pyplot as plt
import numpy as np
import json
def nothing(x):
pass
# Pobranie danych o kamerze, macierzy homografii oraz kolejności podawania elementów
# z pliku konfiguracyjnego, ustawienie wskaźnika element na pierwszą wartość
config, order, mtx, dist, T, distRatio, thresholdValue, objectHeight = cvis.configRead(
'config.json')
# Początkowe ustawienia kamery
camera = PiCamera()
camera.resolution = (640, 480)
camera.framerate = 30
rawCapture = PiRGBArray(camera, size=(640, 480))
# Zatrzymanie programu aby kamera mogła się uruchomić
sleep(0.1)
scale = 40 # Zmiejszenie obrazu do 40% oryginalnego
width = int(camera.resolution[0] * scale / 100)
height = int(camera.resolution[1] * scale / 100)
dim = (width, 3 * height) # Nowe wymiary obrazu
fig = plt.figure() # Inicjalizacja wykresu