/
softwarePDI.py
653 lines (475 loc) · 18.4 KB
/
softwarePDI.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
from __future__ import division
import wx
import cv2
import numpy as np
from matplotlib import pyplot as plt
import math
##
# VERIFICA SE A IMAGEM E COLORIDA
#
# param: @img: Imagem
# Retorna: TRUE PARA COLORIDA.
##
def imgColorida(img):
# Soma os elementos de cada canal
img = cv2.sumElems(img)
# Se a soma dos canais BGR forem iguais, entao a imgagem nao e colorida
if (img[0] != img[1] != img[2]):
return True
else:
return False
##
# HISTOGRAMA DE BARRAS
#
# param: @img: Imagem
##
def HistBarra(img):
# Ajustes do Figure
fig = plt.figure(2, figsize=(15, 8))
tit = fig.suptitle("PDI: Histogramas", fontsize="x-large")
tit.set_y(0.95)
fig.subplots_adjust(top=0.85)
ax1 = fig.add_subplot(121)
ax3 = fig.add_subplot(122)
ax1.set_title("Imagem Original")
ax3.set_title("Histograma de Barras ")
ax1.axis('off')
ax3.autoscale_view(True, True, True)
plt.ylabel("Frequencia")
plt.xlabel("Pixels")
# Cria um vetor com os dados da imagem
imgArray = img.ravel()
if imgColorida(img) is True:
# Precisa converter img em RGB para usar no pyplot
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
ax1.imshow(img)
else:
ax1.imshow(img, 'gray')
ax3.hist(imgArray, 256, [0, 256])
# plt.show()
##
# HISTOGRAMA DE LINHAS
#
# param: @img: Imagem
##
def HistLinha(img):
# Ajustes do Figure
fig = plt.figure(3, figsize=(15, 8))
tit = fig.suptitle("PDI: Histogramas", fontsize="x-large")
tit.set_y(0.95)
fig.subplots_adjust(top=0.85)
ax1 = fig.add_subplot(121)
ax2 = fig.add_subplot(122)
ax1.set_title("Imagem Original")
ax2.set_title("Histograma de Linhas ")
ax1.axis('off')
ax2.autoscale_view(True, True, True)
plt.ylabel("Frequencia")
plt.xlabel("Pixels")
if imgColorida(img) is True:
# vetor de cores para linhas do histogram
color = ('b', 'g', 'r')
# Precisa converter img em RGB para usar no pylpot
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
ax1.imshow(img)
else:
# img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
color = ('b')
ax1.imshow(img, 'gray')
# For com a qtde de indices do vetor
for i, cor in enumerate(color):
hist = cv2.calcHist([img], [i], None, [256], [0, 256])
ax2.plot(hist, color=cor)
plt.xlim([0, 256])
# plt.show()
##
# HISROGRAMA DE BARRAS + LINHA (COMPARATIVO)
#
# param: @img: Imagem
##
def HistLinhaBarra(img):
# Ajustes do Figure
fig = plt.figure(1, figsize=(15, 8))
tit = fig.suptitle("PDI: Histogramas", fontsize="x-large")
tit.set_y(0.95)
fig.subplots_adjust(top=0.85)
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(224)
ax1.set_title("Imagem Original")
ax2.set_title("Histograma de Linhas ")
ax3.set_title("Histograma de Barras ")
ax1.axis('off')
ax2.autoscale_view(True, True, True)
ax3.autoscale_view(True, True, True)
plt.ylabel("Frequencia")
plt.xlabel("Pixels")
if imgColorida(img) is True:
# vetor de cores para linhas do histogram
color = ('b', 'g', 'r')
# Precisa converter img em RGB para usar no pyplot
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
ax1.imshow(img)
else:
color = ('b');
ax1.imshow(img, 'gray')
# For com a qtde de indices do vetor
for i, cor in enumerate(color):
hist = cv2.calcHist([img], [i], None, [256], [0, 256])
ax2.plot(hist, color=cor)
plt.xlim([0, 256])
ax3.hist(img.ravel(), 256, [0, 256])
# plt.show()
##
# CONVERSAO DE CORES DO PADRAO RGB PARA O HSI
#
# param: @img: Imagem
#
# Site para comparacao da conversao: http://www.had2know.com/technology/hsi-rgb-color-converter-equations.html
# https://en.wikipedia.org/wiki/HSL_and_HSV#Color-making_attributes
# Obs: Utilizando valores sem arredondamento em S. Para arredondar entre 0 e 1 melhor passar o array para int
##
def cvtColorRGB2HSI(img):
imprimir = False
RGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# Pelo colorspace HSI trabalhar com a saturacao entre 0 e 1 definimoa o vetor com o tipo float
# diferindo da imagem orifinal unicamente neste item. Original = uint8 (0 a 255)
HSI = np.ndarray(shape=RGB.shape, dtype='f', order='F')
linhas, colunas, ch = RGB.shape
# Propriedades dos arrays de imagem
if imprimir: print type(RGB), RGB.shape, RGB.size, RGB.dtype, RGB.ndim
if imprimir: print type(HSI), HSI.shape, HSI.size, HSI.dtype, HSI.ndim
for l in range(linhas):
for c in range(colunas):
if imprimir: print l, c
# Valores do pxl R, G e B
R = RGB.item(l, c, 0)
G = RGB.item(l, c, 1)
B = RGB.item(l, c, 2)
if imprimir: print "RGB: ", R, G, B
# intensidade
I = (R + G + B) / 3
# Valor minimo entre as cores RGB
menor = min(R, G, B)
# saturacao
if (I>0):
S = 1 - menor / I
else:
S = 0
I = 0
# equacao para encontra hue
num = ( 2 * R - G - B )
den = ( 2 * math.sqrt( math.pow((R-G),2) + (R-B)*(G-B)) )
# Como o arco cosseno vai apenas de 0 a 180 graus, para valores de B > G devemos subtrair de 360
# pois H varia de 0-360 no HSI.
# Importante: math.acos retorna o valor em rad entao e necessario converter para graus
if ( G >= B ):
H = math.degrees( math.acos( num / (den+0.000001)) )
else:
H = 360 - math.degrees( math.acos( num / (den+0.000001)) )
H = round(H)
S = S
I = round(I)
if imprimir: print "HSI: ", H, S, I, "\n"
# Adicionamos os valores de HSI no array da imagem
HSI.itemset((l, c, 0), H)
HSI.itemset((l, c, 1), S)
HSI.itemset((l, c, 2), I)
return HSI
##
# HISTOGRAMAS HSV (HSB), HSL, HSI
#
# param: @img: Imagem
# param: @colorSpace histograma desejado: "HSV", "HSB", "HSL", "HSI"
# Retorna: Imagem convertida
##
def HistHSx(img, colorSpace):
# Modelos de cores
# HSV or HSB = Hue, Saturation and Brightness/Values
# HSL = Hue, Saturation and Lightness
# HSI = Hue, Saturation and Intensity
# HSV frequentemente e chamado de HSB, ambos representam o mesmo espaco de cores
arr_colorSpace = ["HSV", "HSB", "HSL", "HSI"]
# Verifico se foi passado o parametro correto, senao retorna false
if not arr_colorSpace.__contains__(colorSpace):
return False
# Ajustes do Figure
fig = plt.figure(4, figsize=(15, 8))
tit = fig.suptitle("PDI: Histograma " + colorSpace, fontsize="x-large")
tit.set_y(0.95)
fig.subplots_adjust(top=0.85)
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(223)
if colorSpace.__eq__(arr_colorSpace[3]):
ax3 = fig.add_subplot(322)
ax4 = fig.add_subplot(324)
ax5 = fig.add_subplot(326)
ax3.set_title("Histograma " + colorSpace)
ax3.autoscale_view(True, True, True)
ax4.autoscale_view(True, True, True)
ax5.autoscale_view(True, True, True)
else:
ax3 = fig.add_subplot(122)
ax1.set_title("Imagem Original")
ax2.set_title("Imagem " + colorSpace)
ax1.axis('off')
ax2.axis('off')
# Converte imagem para padrao de cores e monta o histograma
# channels = [0, 1] # Porque e necessario processar ambos os planos H e S.
# bins = [180, 256] # 180 para o plano H e 256 para o plano S
# range = [0, 180, 0, 256] # Os valores do Hue estao entre 0 e 180 e da Saturation entre 0 and 256
if colorSpace.__eq__(arr_colorSpace[0]) or colorSpace.__eq__(arr_colorSpace[1]):
clr = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
elif colorSpace.__eq__(arr_colorSpace[2]):
clr = cv2.cvtColor(img, cv2.COLOR_BGR2HLS)
elif colorSpace.__eq__(arr_colorSpace[3]):
clr = cvtColorRGB2HSI(img)
if colorSpace.__eq__("HSI"):
# Divido as cores da imagem para sua respectiva letra
h, s, i = cv2.split(clr)
# converto em um array continuo
hArr = h.ravel()
sArr = s.ravel()
iArr = i.ravel()
#print hmax, smax, imax
# Configuracao do histograma de cada array
ax3.hist(hArr, 361, [0, 361]) # H range de 0 a 360 graus
ax4.hist(sArr, 100, [0, 1]) # Como a saturacao no HSI tem um range de 0 a 1, criou-se 100 bins neste range
ax5.hist(iArr, 256, [0, 256]) # I range de 255
# Se nao for HSI
else:
hist = cv2.calcHist([clr], [0, 1], None, [180, 256], [0, 180, 0, 256])
ax3.imshow(hist)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
ax1.imshow(img)
ax2.imshow(clr)
##
# LIMIARIZACAO RGB
#
# param: @img: Imagem
# param: @ri: Regiao de interesse. Uma imagem com a regiao de interesse para fazer a mascara
##
def limearizacaoRGB(img, ri, l):
# Ajustes do Figure
fig = plt.figure(1, figsize=(15, 8))
tit = fig.suptitle("PDI: Limiarizacao RGB", fontsize="x-large")
tit.set_y(0.95)
fig.subplots_adjust(top=0.85)
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(223)
ax3 = fig.add_subplot(122)
ax1.set_title("Imagem Original")
ax2.set_title("Mascara")
ax3.set_title("Limiarizacao RGB")
ax1.axis('off')
ax2.axis('off')
ax3.axis('off')
# Converte a Regiao de Interesse (ri) da imagem e a imagem para HSV
ri_hsv = cv2.cvtColor(ri, cv2.COLOR_BGR2HSV)
img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# Calcula o histograma da regiao de interesse
# channels = [0, 1] # Porque e necessario processar ambos os planos H e S.
# bins = [180, 256] # 180 para o plano H e 256 para o plano S
# range = [0, 180, 0, 256] # Os valores do Hue estao entre 0 e 180 e da Saturation entre 0 and 256
ri_hist = cv2.calcHist([ri_hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])
# E necessario normalizar o histograma da Reg de interesse para aplicar o backProection
cv2.normalize(ri_hist, ri_hist, 0, 255, cv2.NORM_MINMAX)
# cria uma nova imagem com cada pixel como seu correspondente provavel da imagem(img) atraves da
# razao(R = M/I) entre o histograma da regiao de intere (ri) e da imagem (img).
#
# Obs: B(x, y) = R[h(x, y), s(x, y)]. Depois disso aplica a condicao B(x, y) = min[B(x, y), 1].
#
# M = cv2.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])
# I = cv2.calcHist([hsvt], [0, 1], None, [180, 256], [0, 180, 0, 256])
#
# h, s, v = cv2.split(hsv_img)
# B = R[h.ravel(), s.ravel()]
# B = np.minimum(B, 1)
# B = B.reshape(hsv_img.shape[:2])
B = cv2.calcBackProject([img_hsv], [0, 1], ri_hist, [0, 180, 0, 256], 1)
#ax1.imshow(B)
# Agora e necessario convoluir com um disco circular B=D*B (D=disk kernel)
disco = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))
# cv2.filter2D(src, ddepth, kernel, dst) -> when ddepth=-1, the output image will have the same depth as the src
cv2.filter2D(B, -1, disco, B)
#ax2.imshow(B)
# Aplica o threshold da limiarizacao e faz um AND Binario
# como ja foi feito o recorte da ri, agora o thrsold ajuda a ajustar o resultado da imagem
#l = limiar(passado por parametro)
ret, thresh = cv2.threshold(B, l, 255, 0)
thresh = cv2.merge((thresh, thresh, thresh))
res = cv2.bitwise_and(img, thresh)
linhas, colunas, ch = res.shape
# Converto as cores do threshold da imagem do preto para vermelho
for l in range(linhas):
for c in range(colunas):
if ( (res.item(l, c, 0) == 0) and (res.item(l, c, 1) == 0) and (res.item(l, c, 2) == 0) ):
res.itemset((l, c, 0), 0)
res.itemset((l, c, 1), 0)
res.itemset((l, c, 2), 255)
# converte padaro de cores para impressao no matplot
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
thresh = cv2.cvtColor(thresh, cv2.COLOR_BGR2RGB)
res = cv2.cvtColor(res, cv2.COLOR_BGR2RGB)
ax1.imshow(img)
ax2.imshow(thresh)
ax3.imshow(res)
# Salva apenas a janela desejada
saveAx2 = ax2.get_window_extent().transformed(fig.dpi_scale_trans.inverted())
saveAx3 = ax3.get_window_extent().transformed(fig.dpi_scale_trans.inverted())
fig.savefig('LimiarizacaoRGB_Thr.jpg', bbox_inches=saveAx2)
fig.savefig('LimiarizacaoRGB_Res.jpg', bbox_inches=saveAx3)
# Salva o plot como imagem
#plt.savefig('teste.jpg')
fig.clear()
return img, thresh, res
##
# LIMIARIZACAO MANUAL HSI
#
# param: @img: Imagem
##
def limearizacaoHSI(img, th_h, th_s, th_i):
# Ajustes do Figure
fig = plt.figure(6, figsize=(15, 8))
tit = fig.suptitle("PDI: Limiarizacao RGB", fontsize="x-large")
tit.set_y(0.95)
fig.subplots_adjust(top=0.85)
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(223)
#ax3 = fig.add_subplot(122)
ax1.set_title("Imagem Original")
ax2.set_title("Limiarizacao HSI")
# ax3.set_title("Limiarizacao RGB")
ax1.axis('off')
ax2.axis('off')
# ax3.axis('off')
hsi = cvtColorRGB2HSI(img)
h,s,i = cv2.split(hsi)
hArr = h.ravel()
sArr = s.ravel()
iArr = i.ravel()
# Calcula o histograma
# channels = [0, 1] # Porque e necessario processar ambos os planos H e S.
# bins = [180, 256] # 180 para o plano H e 256 para o plano S
# range = [0, 180, 0, 256] # Os valores do Hue estao entre 0 e 180 e da Saturation entre 0 and 256
hist = cv2.calcHist([img], [0, 1], None, [360, 2], [0, 360, 0, 1])
# E necessario normalizar o histograma da Reg de interesse para aplicar o backProection
#cv2.normalize(hist, ri_hist, 0, 255, cv2.NORM_MINMAX)
# Aplica o threshold da limiarizacao e faz um AND Binario
ret, imgTh = cv2.threshold(img, th_h, 360, 0)
print imgTh
ax1.imshow(hist)
ax2.imshow(imgTh)
def scale_bitmap(bitmap, width, height):
image = wx.ImageFromBitmap(bitmap)
image = image.Scale(width, height, wx.IMAGE_QUALITY_HIGH)
result = wx.BitmapFromImage(image)
return result
IMAGEM = 'LimiarizacaoRGB_Res.jpg'
class MainWindow(wx.Frame):
def __init__(self):
self.frame = wx.Frame.__init__(self, None, -1, "PDI: Software Histrogramas / Limiarizacao", size=(1024, 768))
self.panel = wx.Panel(self, -1)
self.bmp = wx.Image('color.jpg', wx.BITMAP_TYPE_JPEG).ConvertToBitmap()
self.bmp = scale_bitmap(self.bmp, 513, 383)
self.sbitmap = wx.StaticBitmap(self.panel, -1, self.bmp, (400, 10))
self.label1 = wx.StaticText(self.panel, label="Limiarizacao RGB:", pos=(10, 10))
self.label2 = wx.StaticText(self.panel, label="Digite o valor do Limiar (0-255):", pos=(10, 53))
self.label3 = wx.StaticText(self.panel, label="Histogramas:", pos=(10, 250), size=(115, -1))
self.label4 = wx.StaticText(self.panel, label="Limiar:", pos=(10, 73))
self.textbox_Limiar = wx.TextCtrl(self.panel, pos=(50, 70), size=(115, -1))
self.button1 = wx.Button(self.panel, label="Atualizar Imagem", pos=(50, 130))
self.button2 = wx.Button(self.panel, label="Imagem Original", pos=(50, 160))
self.button3 = wx.Button(self.panel, label="Mascara", pos=(50, 190))
self.button4 = wx.Button(self.panel, label="Histograma de Barra/Linha", pos=(50, 280))
self.button5 = wx.Button(self.panel, label="Histogramas HSV", pos=(50, 310))
self.button6 = wx.Button(self.panel, label="Histogramas HSL", pos=(50, 340))
self.button7 = wx.Button(self.panel, label="Histogramas HSI", pos=(50, 370))
self.button1.Bind(wx.EVT_BUTTON, self.OnButtonAction1)
self.button2.Bind(wx.EVT_BUTTON, self.OnButtonAction2)
self.button3.Bind(wx.EVT_BUTTON, self.OnButtonAction3)
self.button4.Bind(wx.EVT_BUTTON, self.OnButtonAction4)
self.button5.Bind(wx.EVT_BUTTON, self.OnButtonAction5)
self.button6.Bind(wx.EVT_BUTTON, self.OnButtonAction6)
self.button7.Bind(wx.EVT_BUTTON, self.OnButtonAction7)
self.button3.Enable(False)
self.button1.SetDefault()
self.labelAuxImg = wx.StaticText(self.panel, label=IMAGEM, pos=(9999, 9999))
##
## HISTOGRAMA HSI
##
def OnButtonAction7(self, event):
img = cv2.imread('losroques.jpg')
HistHSx(img, "HSI")
plt.show()
img = cv2.imread('color.png')
HistHSx(img, "HSI")
plt.show()
##
## HISTOGRAMA HSL
##
def OnButtonAction6(self, event):
img = cv2.imread('losroques.jpg')
HistHSx(img, "HSL")
plt.show()
##
## HISTOGRAMA HSV / HSB
##
def OnButtonAction5(self, event):
img = cv2.imread('losroques.jpg')
HistHSx(img, "HSV")
plt.show()
##
## HISTROGRAMAS DE BARRA E LINHA
##
def OnButtonAction4(self, event):
img = cv2.imread('igreja.tif')
HistLinhaBarra(img)
HistBarra(img)
HistLinha(img)
plt.show()
img = cv2.imread('losroques.jpg')
HistLinhaBarra(img)
HistBarra(img)
HistLinha(img)
plt.show()
##
## LIMIARIZACAO RGB - Mascara
##
def OnButtonAction3(self, event):
img = 'LimiarizacaoRGB_Thr.jpg'
self.labelAuxImg.SetLabel(img)
self.bmp = wx.Image(img, wx.BITMAP_TYPE_JPEG).ConvertToBitmap()
self.bmp = scale_bitmap(self.bmp, 513, 383)
self.sbitmap.Destroy()
self.sbitmap = wx.StaticBitmap(self.panel, -1, self.bmp, (400, 10))
##
## LIMIARIZACAO RGB - Imagem Original
##
def OnButtonAction2(self, event):
img = 'color.jpg'
self.labelAuxImg.SetLabel(img)
self.bmp = wx.Image(img, wx.BITMAP_TYPE_JPEG).ConvertToBitmap()
self.bmp = scale_bitmap(self.bmp, 513, 383)
self.sbitmap.Destroy()
self.sbitmap = wx.StaticBitmap(self.panel, -1, self.bmp, (400, 10))
##
## LIMIARIZACAO RGB
##
def OnButtonAction1(self, event):
l = float(self.textbox_Limiar.GetValue())
if (l is not ""):
self.button3.Enable(True)
#print type(l)
img = cv2.imread('color.png')
ri = cv2.imread('color_m1.png')
limearizacaoRGB(img, ri, l)
IMAGEM = 'LimiarizacaoRGB_Res.jpg'
self.labelAuxImg.SetLabel(IMAGEM)
self.bmp = wx.Image(IMAGEM, wx.BITMAP_TYPE_JPEG).ConvertToBitmap()
self.bmp = scale_bitmap(self.bmp, 513, 383)
self.sbitmap.Destroy()
self.sbitmap = wx.StaticBitmap(self.panel, -1, self.bmp, (400, 10))
app = wx.PySimpleApp()
MainWindow().Show()
app.MainLoop()