Aguardando finailzação da matéria para submissão do código!
____ _____ _ ____ __ __ _____
| _ \| ____| / \ | _ \| \/ | ____|
| |_) | _| / _ \ | | | | |\/| | _|
| _ <| |___ / ___ \| |_| | | | | |___
|_| \_\_____/_/ \_\____/|_| |_|_____|
_ _ _ _ _
___ ___ _ ____ _____ | |_ _| |_(_) ___ _ __ | |_ ___ ___ | |
/ __/ _ \| '_ \ \ / / _ \| | | | | __| |/ _ \| '_ \ _____| __/ _ \ / _ \| |
| (_| (_) | | | \ V / (_) | | |_| | |_| | (_) | | | |_____| || (_) | (_) | |
\___\___/|_| |_|\_/ \___/|_|\__,_|\__|_|\___/|_| |_| \__\___/ \___/|_|
The software comes an educational tool written in python to demonstrate a convolution operation in an image.
(Ps. Description in PT-BR)
Atividade - Visão Computacional - Universidade Católica Dom Bosco
Implementar software para convolução 2D (https://github.com/gabrielkirsten/convolution-tool-python)
Autor: Gabriel Kirsten Menezes
Desenvolvido em Python v2.7.12 utilizando como base a biblioteca OpenCV v3.0.0 Sistema Operacional: Ubuntu 16.04 LTS
BIBLIOTECAS ADICIONAIS:
- numpy
- argparse
- sys
- math
- skimage
Software desenvolvido para disciplina de Visão Computacional, foram dedicadas em um intervalo de três semanas, cerca de 35 horas de desenvolvimento. O sofware contou com a ajuda dos acadêmicos: Adair Oliveira (nas partes relacionadas a matriz de convolução e operação de convolução) e Pedro Lucas (na parte relacionada a biblioteca openCV e como ela se comporta com seus tipos de dados). O material utilizado para estudo da convolução foi:
- http://www.pyimagesearch.com/2016/07/25/convolutions-with-opencv-and-python/
- http://docs.gimp.org/2.9/pt_BR/plug-in-convmatrix.html
A implementação deste software foi a mais complexa até o momento, foram encontrados muitos problemas em sua implementação.
A interface foi gerada dinamicamente, de acordo com os valores de tamanho da matriz informados no inicio do programa, o que possibilitou trabalhar com matrizes de diferentes tamanhos.
A parte relacionada com a apresentação dos dados passo a passo foi inicialmente implementada com um interface no terminal utilizando a biblioteca curses do python, ela se mostrou uma solução fácil, pois já era conhecida, e boa para apresentação dos dados, pois conta com uma ótima estrutura de textos e cores, posteriormente foi implementada uma outra utilizando o tkinter.
Para a parte de apresentação dos dados no passo a passo, foi utilizada uma biblioteca para normalização da imagem (skimagem) e sua documentação foi obtida através do link: http://nullege.com/codes/search/skimage.exposure.rescale_intensity.
Na convolução, o maior problema encontrado, foi na normalização, mesmo após a utilização do skimage, os dados que a matriz recebia, só eram recebidos na faixa de 0 a 255, todos os valores fora desta faixa eram salvos com outros valores, e sua normalização se mostrou sem sucesso. a solução foi transformar a imagem que estava no formato da biblioteca openCV para uma matriz de float com a operação:
img_conv = 1.0 * img_conv
Após aplicar esta operação, a convolução é realizada e os valores são normalizados e transformados para o tipo unsigned int de 8 bits (0 a 255):
img_conv = rescale_intensity(img_conv, in_range=(0,255))
img_conv = (img_conv * 255).astype("uint8")
Na implementação da convolução também optou-se por aplicar um fator de divisão nas matrizes de convolução que soma os valores da matriz e divide o valor do acumulador por esta soma, exemplo:
MATRIZ DE CONVOLUÇÃO:
|1 1 1|
|1 1 1|
|1 1 1|
Soma dos valores = 9
NOVA MATRIZ DE CONVOLUÇÃO:
|1 1 1|
(1/9) * |1 1 1|
|1 1 1|
(para somatórias = 0, a operação acima não é aplicada)
A convolução implementada encara a matriz de imagem como uma matriz espelhada, exemplo: no final da matriz de pixels, o pixel ultimaposicaolinha+1 é o mesmo pixel de inicio da mesma linha.
** Etapas de desenvolvimento:
- Estudo sobre o funcionamento da convolução;
- Estudo da manipulação de arquivos em python;
- Implementação das função abrir/salvar matrizes;
- Implementação da interface;
- Implementação da convolução;
- Implementação da parte de apresentação passo-a-passo dos dados;
- Aperfeiçoamento do código.
- Instale (se não estiver instalado) a biblioteca "ImageTk" com o comando:
$ sudo apt-get install python-imaging-tk- Instale (se não estiver instalado) a biblioteca "Skimage" com o comando:
$ sudo apt-get install python-skimage- Altere o diretório no terminal linux com o comando 'cd' até a pasta onde se encontra o arquivo atividadeConvolucao.py;
- Execute o código atividadeConvolucao.py com o comando "python atividadeConvolucao.py";
$ python atividadeConvolucao.py- Selecione o tamanho da matriz de convolução, o tamanho é referente a uma das dimensões de uma matriz quadrada no campo "Size" e pressione o botão "OK";
(a imagem sofrerá uma redução de 10 vezes a quantidade de pixel)
(OPÇÃO FUNCIONA COM IMAGENS PEQUENAS, COMO A DO EXEMPLO "TESTE.JPG")
- Selecione a opção "Enable resize image" no campo "Options"
- No menu superior, selecione "Image Options" -> "Open Image" e selecione um arquivo de imagem que será aplicada a convolução;
- Selecione a opção "Enable resize image" no campo "Options"
- No menu superior, selecione "Image Options" -> "Open Image" e selecione um arquivo de imagem que será aplicada a convolução;
- Informe os valores de cada campo da matriz de convolução no campo identificado por "Convolution Matrix";
- No menu superior, selecione "Matrix Options" -> "Open Matrix" e selecione um arquivo de matriz;
- Digite os valores da matriz no campo "Convolution Matrix"
- No menu superior, selecione "Matrix Options" -> "Save Matrix" e digite um nome e selecione um diretorio para salvar a matriz;
(obs: por definição, salve os nomes da matriz seguidos do seu tamanho, exemplo: "canny3x3.mtx")
- Verifique se a matriz de convolução esta completamente preenchida e há uma imagem selecionada;
- Pressione o botão "Convolution Step";
- Uma nova janela irá se abrir, sobrepondo as outras, pressione "STEP" para visualizar a convolução passo a passo;
(os valores intermediários da convolução irão ser apresentados no terminal)
(se desejar terminar a convolução, pressione o botão "RESUME", que a convolução irá ser aplicada até o final)
- Verifique se a matrix de convolução esta completamente preenchida e há uma imagem selecionada;
- Pressione o botão "Convolution";
.
|-- atividadeConvolucao
| |-- atividadeConvolucao.py (código em python)
| |-- teste.png (imagem de teste)
| |-- soja2.jpg (imagem da folha)
| |-- README.txt (arquivo contendo informações do software)
| |-- mtx (diretorio com matrizes de exemplo)
| | |-- agucar3x3.mtx
| | |-- cannyH3x3.mtx
| | |-- desfoque3x3.mtx
| | |-- desfoque7x7.mtx
| | |-- destacarrelevo3x3.mtx
| | |-- detectarbordas3x3.mtx
| | |-- realcarbordas3x3.mtx
| | |-- sharpen3x3.mtx
| | |-- sobely3x3.mtx
--------------------------------------------------------------------------------
# Comando # | # Descrição #
--------------------------------------------------------------------------------
Menu "Image Options" | Opções relacionadas com a imagem;
Opção "Open Image" | Abrir o seletor de imagem;
--------------------------------------------------------------------------------
Menu "Matrix Options" | Opções relacionadas com a matrizes;
Opção "Open Matrix" | Abrir uma matriz;
Opção "Save Matrix as..." | Salvar uma matriz digitada;
--------------------------------------------------------------------------------
Botão "Convolution Step" | Aplica a convolução mostrando o passo a
| passo;
--------------------------------------------------------------------------------
Botão "Convolution" | Aplica a convolução;
--------------------------------------------------------------------------------
Opção "Enable resize image" | Faz a imagem ser carregada com 10x menos
| pixels e cada pixel aparecerá maior,
| dentro dele é exibido o valor
| correspondente.
--------------------------------------------------------------------------------