def split_digit(imag):
"""
Reotrna una tupla amb la imatge del primer nombre retallat seguida de la resta de la imatge
>>> split_digit(("1", [[255,255,0,255,255,0,0,0,255],[255,0,0,255,255,255,255,255,255],[255,255,0,255,255,0,0,0,255],[255,255,0,255,255,0,0,0,255]]))
(('1', [[255, 0], [0, 0], [255, 0], [255, 0]]), ('1', [[255, 255, 0, 0, 0, 255], [255, 255, 255, 255, 255, 255], [255, 255, 0, 0, 0, 255], [255, 255, 0, 0, 0, 255]]))
"""
matrix = img.matrix(imag)
if (img.format(img.img(matrix)) != "1"): #Nomes pot ser blanci negre
raise Exception("The format must be black and white")
start = findBlack(
matrix) #Troba on comenca el nombre (columna de pixels negres)
if (
start == None
): #Si no es troba pixels negres es retornara una imatge nula, ja que no hi ha cap mes nombre per retallar
return img.null()
finish = findWhite(
matrix, start
) #Troba on acaba el nombre, es a dir a la columna abans d'on nomes hi ha una columna blanca
croppedNumber = img.subimg(
imag, start, 0, finish - start, len(matrix)
) #Retalla el nombre --> Des don comenca el nombre, amb l'amplada que te = Final - comencament
endCropped = img.subimg(imag, finish + 1, 0,
len(matrix[0]) - finish + 1,
len(matrix)) #La resta del nombre
return (croppedNumber, endCropped
) #Retorna la tupla amb el nombre retallat i la resta
def save(i, nomf):
"""
Donada una imatge i un nom de fitxer, crea el fitxer imatge a
partir de la matriu.
"""
image = Image.new(img.format(i), (img.get_w(i), img.get_h(i)))
image.putdata([pixel for F in img.matrix(i) for pixel in F])
image.save(nomf)
def show(i):
"""
Donada una imatge, la mostra en un visualitzador a la terminal.
Principalment serveix per a depurar el projecte.
"""
image = Image.new(img.format(i), (img.get_w(i), img.get_h(i)))
image.putdata([pixel for F in img.matrix(i) for pixel in F])
image.show()
def sim(smallImag, bigImag, start=0):
"""
Retorna la similitud entre 2 imatges
>>> sim(('1', [[255, 255], [255, 255], [255, 255]]),('1', [[255, 255], [255, 255], [255, 255]]))
6
>>> sim(('1', [[255, 0], [255, 255], [255, 255]]),('1', [[255, 0], [255, 0], [255, 255]]))
5
>>> sim(('1', [[255, 0], [255, 255], [255, 255]]),('RGB', [[(255,255,255), (0,0,0)], [(255,255,255), (0,0,0)], [(255,255,255), (255,255,255)]]))
5
>>> sim(('1', [[255, 0], [255, 255], [255, 255]]),('1', [[255, 0, 255], [255, 0, 255], [255, 255, 255]]),1)
3
>>> sim(('1', [[255, 0, 255], [255, 255, 255], [255, 255, 255]]),('1', [[255, 0, 255], [255, 0, 255], [255, 255, 255]]),0)
8
"""
compareWhitem1 = 255 #El pixel blanc
if (
img.format(smallImag) == "RGB"
): #Si el format es RGB s'haura de comparar amb el pixel blanc en format RGB
compareWhitem1 = (255, 255, 255)
compareWhitem2 = 255 #S'aplica de la mateixa manera per la imatge 2
if (img.format(bigImag) == "RGB"):
compareWhitem2 = (255, 255, 255)
m1 = img.matrix(smallImag) # Agafa les matrius de les imatges
m2 = img.matrix(bigImag)
samePixels = 0 #Pixels iguals
for row in range(len(m1)):
for col in range(len(m1[0])):
if (
m1[row][col] == compareWhitem1
and m2[row][col + start] == compareWhitem2
): #Si el pixel es blanc a les dues imatges la similitud es suma 1 als pixels en comu
samePixels += 1
elif (
m1[row][col] != compareWhitem1
and m2[row][col + start] != compareWhitem2
): #Si el pixel no es blanc en les dues (es a dir que es negre) tambe se suma 1
samePixels += 1
return samePixels