2021-1-capstone-design2 / 2016104095

Go to a project
Toggle navigation Toggle navigation pinning
강세희
7bb4a39a 1 parent cc4bd88b

[UPDATE] 이미지 크롭 구현

Inline Side-by-side
Showing 16 changed files with 72 additions and 20 deletions
No preview for this file type
No preview for this file type
No preview for this file type

585 KB | W: | H:

591 KB | W: | H:

  • 2-up
  • Swipe
  • Onion skin

649 KB | W: | H:

621 KB | W: | H:

  • 2-up
  • Swipe
  • Onion skin
......@@ -76,14 +76,19 @@ if __name__ == '__main__':
# 객체 정보 및 계산 값 저장
detectionInfo.append([i, name, size, coordinatevalue, top, left, right, bottom])
# 검출 리스트 txt파일로 내보내기
f = open("detectionInfo.txt", 'w')
for i in range(len(detectionInfo)):
data = str(detectionInfo[i][0]) +", " + detectionInfo[i][1] + ", " + str(detectionInfo[i][2]) + ", " + str(detectionInfo[i][3]) + ", " + str(detectionInfo[i][4]) + ", " + str(detectionInfo[i][5]) + ", " + str(detectionInfo[i][6]) + ", " + str(detectionInfo[i][7]) + "\n"
f.write(data)
f.close()
# 크롭할 이미지의 이름을 저장하는 딕셔너리
cropDict = {}
# 검출된 물체 리스트(중복 없이)
namelist = {}
for i in range(len(detectionInfo)):
if not detectionInfo[i][1] in namelist:
namelist[detectionInfo[i][1]] = []
......@@ -99,10 +104,13 @@ if __name__ == '__main__':
maxindex = detectionInfo[j][0]
namelist[objectName].append(maxindex)
cropDict[1] = []
for objectname, framelist in namelist.items():
image = cv2.imread("mid/frame%d.png" % framelist[0])
output1 = cv2.GaussianBlur(image, (5,5), 0)
cv2.imwrite("output1/%s.png"% (objectname), output1)
cropDict[1].append((objectname, detectionInfo[framelist[0]][4],detectionInfo[framelist[0]][5],
detectionInfo[framelist[0]][6], detectionInfo[framelist[0]][7]))
# 가운데 위치
for objectName in namelist.keys():
......@@ -118,11 +126,13 @@ if __name__ == '__main__':
minindex = detectionInfo[j][0]
namelist[objectName].append(minindex)
cropDict[2] = []
for objectname, framelist in namelist.items():
image = cv2.imread("mid/frame%d.png" % framelist[0])
output2 = cv2.GaussianBlur(image, (5,5), 0)
cv2.imwrite("output2/%s.png"% (objectname), output2)
cropDict[2].append((objectname, detectionInfo[framelist[0]][4], detectionInfo[framelist[0]][5],
detectionInfo[framelist[0]][6], detectionInfo[framelist[0]][7]))
# 계획2 : 프레임별로 나온 객체 겹치는 부분 제외하고 넓이 구해 큰거 Indexlist에 넣기
# 모든 프레임에 적용하지 않고 여러 객체가 나온 프레임 선정, 프레임 인덱스 저장하는 best 딕셔너리
......@@ -131,7 +141,7 @@ if __name__ == '__main__':
for i in range(len(detectionInfo)):
if best.count(detectionInfo[i][0]) == 2:
if detectionInfo[i][0] in bestList:
bestList[detectionInfo[i][0]].append(detectionInfo[i][1:])
bestList[detectionInfo[i][0]].append(detectionInfo[i][1:]) # 이름, 사이즈, 중심과의 거리, x, y, w, h 저장
else:
bestList[detectionInfo[i][0]] = [detectionInfo[i][1:]]
elif best.count(best[i]) > 2:
......@@ -140,6 +150,7 @@ if __name__ == '__main__':
else:
bestList[best[i]] = [[i, detectionInfo[i][3]]]
# 프레임에 등장하는 객체가 2개 이상인 경우, 가장 적합한 객체 두 개 선정
for key, value in bestList.items():
if len(value[0]) == 2:
tmpValue = deepcopy(value)
......@@ -153,13 +164,15 @@ if __name__ == '__main__':
second = indexList[minCordi]
bestList[key] = [detectionInfo[first][1:], detectionInfo[second][1:]]
# beOverlap 에서 선정된 두 객체의 top, left, right, bottom 값 비교하여 두 객체의 합산 size 계산, 이를 overlapped에 저장
# 이 때, value는 항상 두 가지 값만을 가짐
# beOverlap 에 선정된 두 객체의 top, left, right, bottom 값 비교하여 두 객체의 합산 size 계산, 이를 overlapped에 저장
# 이 후로, value는 항상 두 가지 값만을 가짐
deleteList = []
for key, value in bestList.items():
a_top, a_left, a_right, a_bottom = value[0][3:]
b_top, b_left, b_right, b_bottom = value[1][3:]
o_top, o_left, o_right, o_bottom = 0, 0, 0, 0
# 두 객체가 겹쳤는지 좌표 비교를 통해 확인, 겹쳤다면 겹친 부분의 좌표 값 o_xxx 에 저장
isOverlapped = False
if a_top < b_top < a_bottom or b_top < a_top < b_bottom or a_left < b_left < a_right or b_left < a_left < b_right:
isOverlapped = True
......@@ -168,7 +181,9 @@ if __name__ == '__main__':
o_left = max(a_left, b_left)
o_right = min(a_right, b_right)
# 겹친 부분의 넓이 구하기
o_size = (o_bottom-o_top)*(o_right-o_left)
# 겹친 객체를 하나로 보고, 두 객체의 중심점을 찾아 프레임의 중앙과의 거리 구하기
if isOverlapped == True:
a_object = Point2D(width= (a_top + a_bottom)//2, height=(a_left + a_right)//2)
b_object = Point2D(width= (b_top + b_bottom)//2, height=(b_left + b_right)//2)
......@@ -176,10 +191,11 @@ if __name__ == '__main__':
toTheOrigin_w = image.shape[1] / 2 - o_object.width
toTheOrigin_h = image.shape[0] / 2 - o_object.height
coordiValue_object = int(math.sqrt((toTheOrigin_w ** 2) + (toTheOrigin_h ** 2)))
bestList[key] = [value[0][0] + ", "+ value[1][0], value[0][1]+value[1][1]-o_size, coordiValue_object]
bestList[key] = [value[0][0] + ", "+ value[1][0], value[0][1]+value[1][1]-o_size, coordiValue_object, min(a_top, b_top), min(a_left, b_left), max(a_right, b_right), max(a_bottom, b_bottom)]
else:
# 겹치지 않았다면 목록에서 삭제
deleteList.append(key)
for i in range(len(deleteList)):
for i in range(len(deleteList)-1, -1, -1):
del bestList[deleteList[i]]
namelist.clear()
......@@ -194,25 +210,61 @@ if __name__ == '__main__':
else:
namelist[value[0]] = [key] + value[1:]
# output3에 출력
cropDict[3] = []
for objectname, framelist in namelist.items():
image = cv2.imread("mid/frame%d.png" % framelist[0])
output3 = cv2.GaussianBlur(image, (5, 5), 0)
cv2.imwrite("output3/%s.png" % (objectname), output3)
cropDict[3].append((objectname, detectionInfo[framelist[0]][4],detectionInfo[framelist[0]][5],
detectionInfo[framelist[0]][6], detectionInfo[framelist[0]][7]))
# 계획3 : 객체가 특정 위치에 있는 프레임 뽑기
# output1~3의 결과들을 가지고 특정 위치에 있게 이미지 크롭, 결과를 output1_1, output2_1, output3_1 에 저장
#kernel_sharpen_1 = np.array([[-1,-1,-1],[-1,9,-1],[-1,-1,-1]])
#output2 = cv2.filter2D(output1,-1,kernel_sharpen_1)
for outputNum, frameList in cropDict.items():
for i in range(len(frameList)):
image = cv2.imread("output%d/%s.png" % (outputNum, frameList[i][0]))
crop_top = 0
crop_bottom = image.shape[0]
crop_left = 0
crop_right = image.shape[1]
output = image[crop_top:crop_bottom, crop_left:crop_right].copy()
# 읽어온 이미지의 비가 거의 16:9이면, 입력받은 이미지 그대로 추천
if image.shape[0]//9 * 15 < image.shape[1] <= image.shape[0]//9 * 16:
cropDict[outputNum][i] = (frameList[i][0], 0, image.shape[0], 0, image.shape[1])
else:
# 읽어온 이미지의 비가 16:9가 아니라면, 검출 객체의 높이를 가져와서 이에 맞는 16비의 너비 구함
# frameList = (프레임이름, top, left, right, bottom)
crop_top = int(frameList[i][1] + (frameList[i][4] - frameList[i][1]) * 0.15)
crop_bottom = frameList[i][4]
height = crop_bottom - crop_top
width = height // 9 * 16
crop_left = frameList[i][2]
crop_right = frameList[i][3]
# 원하는 가로길이가 원본프레임의 가로길이보다 큰 경우
if width > image.shape[1]:
padNum = width - image.shape[1]
output = image[crop_top:crop_bottom, 0:image.shape[1]].copy()
ratio = int((image.shape[1]+padNum)/image.shape[1])
output = cv2.resize(output, dsize=(width, height), interpolation=cv2.INTER_LINEAR)
# 물체가 프레임의 중앙에 있을 경우
elif image.shape[1]//2 - image.shape[1]//20 < (crop_left + crop_right)// 2 <= image.shape[1]//2 + image.shape[1]//20:
crop_left = (crop_left + crop_right)//2 - width//2
crop_right = (crop_left + crop_right)//2 + width//2
output = image[crop_top:crop_bottom, crop_left:crop_right].copy()
# 물체가 프레임의 왼쪽에 있을 경우
elif (crop_left + crop_right)//2 < image.shape[1]//2:
crop_left = 0
crop_right = width
output = image[crop_top:crop_bottom, crop_left:crop_right].copy()
elif (crop_left + crop_right)//2 > image.shape[1]//2:
crop_left = image.shape[1]-width
crop_right = image.shape[1]
output = image[crop_top:crop_bottom, crop_left:crop_right].copy()
output = cv2.GaussianBlur(output, (7, 7), 0)
kernel_sharpen = np.array([[-1,-1,-1],[-1,9,-1],[-1,-1,-1]])
output = cv2.filter2D(output,-1, kernel_sharpen)
cv2.imwrite("output%d_crop/%s.png" % (outputNum, frameList[i][0]), output)
\ No newline at end of file
......