-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathValida_SVCF.py
318 lines (193 loc) · 11.1 KB
/
Valida_SVCF.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
"""
Nome do Módulo: PC_SVCF
Descrição:
Este módulo contém funções para validar as imagens marcadas no contexto do Projeto SVCF.
Autor:
Hairon Gonçalves
André Albuquerque
Data de Criação:
Criação: 19/02/2024
Última Modificação: 25/03/2024
Requisitos:
Bibliotecas:
- Opencv
- Numpy
- Json
- Lidar
- PC_SVCF
Licença:
Licença MIT
Notas:
Essa biblioteca faz parte do Projeto SVCF
"""
import json
import numpy as np
import cv2
import Lidar as lidar
import PC_SVCF as pc
#####################################################################################################
# #
# FUNÇÕES PARA VALIDAR ÁREA DA MANGA #
# #
#####################################################################################################
def ler_coordenadas_conhecidas(id_imagem, id_manga_localizada, ARQUIVO_JSON, TIPO_BASE):
with open(ARQUIVO_JSON) as file:
coordenadas = json.load(file)
informacao_imagem = coordenadas.get('InformationImage')
if informacao_imagem is None:
print(f"{id_imagem}: não existe informações de posição das caixas")
print("<-------------------------------------->")
return
REDUCAO_IMAGEM = coordenadas['InformationImage']['reduction_value']
MANGA_INCLINADA = False
inclinado = 0
if(TIPO_BASE == "2D"):
MANGA_INCLINADA = coordenadas['InformationImage']['mango_inclined']
REDUCAO_IMAGEM = 1
coordenadas_manga = [ ]
coordenadas_pedunculo = [ ]
coordenadas_ponto = [ ]
#Coordenadas da manga
xt, yt = coordenadas['MangoCoordinates_' + str(id_manga_localizada)]['xt'], coordenadas['MangoCoordinates_' + str(id_manga_localizada)]['yt']
xb, yb = coordenadas['MangoCoordinates_' + str(id_manga_localizada)]['xb'], coordenadas['MangoCoordinates_' + str(id_manga_localizada)]['yb']
coordenadas_manga.append((xt, yt, xb, yb))
#Coordenadas do pedúnculo
if(MANGA_INCLINADA):
inclinado = coordenadas['PeduncleInclined_' + str(id_manga_localizada)]['value']
inclinado = inclinado + 1
for inclinacao in range(1, inclinado):
xt, yt = coordenadas['PeduncleCoordinates_' + str(id_manga_localizada) + "_" + str(inclinacao)]['xt'] / REDUCAO_IMAGEM, coordenadas['PeduncleCoordinates_' + str(id_manga_localizada) + "_" + str(inclinacao)]['yt'] / REDUCAO_IMAGEM
xb, yb = coordenadas['PeduncleCoordinates_' + str(id_manga_localizada) + "_" + str(inclinacao)]['xb'] / REDUCAO_IMAGEM, coordenadas['PeduncleCoordinates_' + str(id_manga_localizada) + "_" + str(inclinacao)]['yb'] / REDUCAO_IMAGEM
coordenadas_pedunculo.append((int(xt), int(yt), int(xb), int(yb)))
else:
xt, yt = coordenadas['PeduncleCoordinates_' + str(id_manga_localizada)]['xt'], coordenadas['PeduncleCoordinates_' + str(id_manga_localizada)]['yt']
xb, yb = coordenadas['PeduncleCoordinates_' + str(id_manga_localizada)]['xb'], coordenadas['PeduncleCoordinates_' + str(id_manga_localizada)]['yb']
coordenadas_pedunculo.append((xt, yt, xb, yb))
#Coordenadas do ponto
if(TIPO_BASE == "3D"):
xt, yt = coordenadas['PointCoordinates_' + str(id_manga_localizada)]['xt'], coordenadas['PointCoordinates_' + str(id_manga_localizada)]['yt']
coordenadas_ponto.append((xt, yt))
return coordenadas_manga, coordenadas_pedunculo, coordenadas_ponto, inclinado
#####################################################################################################
# #
# FUNÇÕES PARA VALIDAR ÁREA DA MANGA #
# #
#####################################################################################################
def calcula_area_retangulo(coordenadas_area):
return (coordenadas_area[2] - coordenadas_area[0]) * (coordenadas_area[3] - coordenadas_area[1])
def calcula_intersecao(coord1, coord2):
x1 = max(coord1[0], coord2[0])
y1 = max(coord1[1], coord2[1])
x2 = min(coord1[2], coord2[2])
y2 = min(coord1[3], coord2[3])
if x1 < x2 and y1 < y2:
return (x1, y1, x2, y2)
else:
return None
def porcentagem_intersecao_area_manga(coord1, coord2):
calcula_intersecao_areas = calcula_intersecao(coord1, coord2)
intersecao_areas = calcula_area_retangulo(calcula_intersecao_areas) if calcula_intersecao_areas else 0
area_total = calcula_area_retangulo(coord1)
porcentagem = (intersecao_areas / area_total) * 100
return porcentagem
#####################################################################################################
# #
# FUNÇÕES PARA VALIDAR ÁREA DO PEDÚNCULO #
# #
#####################################################################################################
def area_pedunculo(imagem, pontoX, pontoY, coordenadas_pedunculo, inclinacao, cm_px_2D):
encontrou = False
for coordenadas_atual in coordenadas_pedunculo:
xtP, ytP, xbP, ybP = coordenadas_atual
cv2.rectangle(imagem, (int(xtP - cm_px_2D), int(ytP)), (int(xbP + cm_px_2D), int(ybP)), (0, 255, 255,), 1)
if((pontoX >= xtP - cm_px_2D) and (pontoX <= xbP + cm_px_2D) and (pontoY >= ytP - cm_px_2D) and (pontoY <= ybP + cm_px_2D)):
encontrou = True
break
return encontrou
def calcular_intersecao_porcentagem(coord1, coord2):
tamanho_caixa_ia = coord1[2] - coord1[0]
inicio_x = max(coord1[0], coord2[0])
fim_x = min(coord1[2], coord2[2])
if fim_x >= inicio_x:
intersecao_x = fim_x - inicio_x
if coord2[0] >= coord1[0] and coord2[2] <= coord1[2]:
porcentagem_intersecao_area_pedunculo = (intersecao_x / (coord2[2] - coord2[0])) * 100
else:
porcentagem_intersecao_area_pedunculo = (intersecao_x / tamanho_caixa_ia) * 100
return porcentagem_intersecao_area_pedunculo
else:
return 0
#####################################################################################################
# #
# FUNÇÕES PARA VALIDAR PONTO DE CORTE #
# #
#####################################################################################################
def encontra_area_px_ponto_corte(coord, cm_px, fator_imgs):
raio = np.sqrt(coord / np.pi)
area_px = raio / cm_px * fator_imgs
return round(area_px)
#####################################################################################################
# #
# FUNCAO PRINCIPAL #
# #
#####################################################################################################
def valida_svcf(imagem, caminhoSalva, id_imagem, id_manga_localizada, tipo_base, coordenada_manga_ia, coordenada_pedunculo, arquivo_json, fator_cm_px, coordenadas_ponto, distancia_minima, distancia_ponto, cm_px_2D, fator_ponto_area):
fator_imgs = 7.5
distancia_horizontal = 0
distanciaPontoConhecido = 0
distancia_vertical = 0
distanciaCaixasManga = 0
porcentagem_pedunculo = -1
#Coordenadas da área do pedúnculo
pedunculoX, pedunculoY = coordenada_pedunculo[0], coordenada_pedunculo[2]
#Coordenadas do ponto de corte final
pontoX, pontoY = coordenadas_ponto[0], coordenadas_ponto[1]
#Função para ler o Json com as coordenadas conhecidas
coordenadas_conhecidas = ler_coordenadas_conhecidas(id_imagem, id_manga_localizada, arquivo_json, tipo_base)
#Porcentagem Manga
xtM, ytM, xbM, ybM = coordenadas_conhecidas[0][0][0], coordenadas_conhecidas[0][0][1], coordenadas_conhecidas[0][0][2], coordenadas_conhecidas[0][0][3]
porcentagem_manga = 0.0
porcentagem_manga = porcentagem_intersecao_area_manga(coordenada_manga_ia, (xtM, ytM, xbM, ybM))
porcentagem_manga = round(porcentagem_manga, 2)
cv2.rectangle(imagem, (int(xtM), int(ytM)), (int(xbM), int(ybM)), (0, 255, 255,), 3)
#Porcentagem Pedúnculo e Ponto de Corte em imagens 2D
if(tipo_base == "3D"):
porcentagem_pedunculo = 0.0
xtP, ytP, xbP, ybP = coordenadas_conhecidas[1][0][0], coordenadas_conhecidas[1][0][1], coordenadas_conhecidas[1][0][2], coordenadas_conhecidas[1][0][3]
cv2.rectangle(imagem, (int(xtP), int(ytP)), (int(xbP), int(ybP)), (0, 255, 255,), 2)
xtP_ia, ytP_ia, xbP_ia, ybP_ia = coordenada_pedunculo[0], coordenada_pedunculo[3], coordenada_pedunculo[2], coordenada_pedunculo[1]
intersecao_pedunculo = calcular_intersecao_porcentagem((xtP_ia, ytP_ia, xbP_ia, ybP_ia), (xtP, ytP, xbP, ybP))
porcentagem_pedunculo = round(intersecao_pedunculo, 2)
elif(tipo_base == "2D"):
porcentagem_ponto = 0
inclinacao = coordenadas_conhecidas[3]
#Verifica se o pedúnculo NAO é inclinado
if(inclinacao == 0):
xtP, ytP, xbP, ybP = coordenadas_conhecidas[1][0][0], coordenadas_conhecidas[1][0][1], coordenadas_conhecidas[1][0][2], coordenadas_conhecidas[1][0][3]
cv2.rectangle(imagem, (int(xtP - cm_px_2D), int(ytP)), (int(xbP + cm_px_2D), int(ybP)), (0, 255, 255,), 1)
if((pontoX >= xtP - cm_px_2D) and (pontoX <= xbP + cm_px_2D)):
porcentagem_ponto = 1
else:
encontrou = area_pedunculo(imagem, pontoX, pontoY, coordenadas_conhecidas[1], inclinacao, cm_px_2D)
if(encontrou):
porcentagem_ponto = 1
#Verifica do ponto quando a imagem é 3D
if(tipo_base == "3D"):
porcentagem_ponto = 0
xtPC, ytPC = coordenadas_conhecidas[2][0][0], coordenadas_conhecidas[2][0][1]
area_px_ponto = encontra_area_px_ponto_corte(fator_ponto_area, fator_cm_px, fator_imgs)
cv2.circle(imagem, (xtPC, ytPC), 2, (0, 255, 255), -2)
cv2.circle(imagem, (xtPC, ytPC), area_px_ponto, (0, 255, 255), 3)
cv2.rectangle(imagem, (int(xtPC - area_px_ponto), int(ytPC - area_px_ponto)), (int(xtPC + area_px_ponto), int(ytPC + area_px_ponto)), (0, 255, 255,), 1)
if((pontoX >= xtPC - area_px_ponto) and (pontoX <= xtPC + area_px_ponto) and (pontoY >= ytPC - area_px_ponto) and (pontoY <= ytPC + area_px_ponto)):
porcentagem_ponto = 1
if(pontoX >= (xtPC - area_px_ponto) and pontoX <= (xtPC + area_px_ponto) and distancia_ponto >= distancia_minima):
porcentagem_ponto = 1
distancia_horizontal = round(abs(pontoX - xtPC) * fator_cm_px / fator_imgs, 2)
distancia_vertical = round(abs(pontoY - ytPC) * fator_cm_px / fator_imgs, 2)
distanciaCaixasManga = pc.calcula_distancias_entre_pontos((int(pontoX / fator_imgs), int(pontoY / fator_imgs)), ((int((xtM + xbM) / 2) / fator_imgs), int(ytM / fator_imgs)), "", fator_cm_px)
cv2.line(imagem, (pontoX, pontoY), (int((xtM + xbM) / 2), int(ytM)), (0, 255, 255), 2)
distanciaCaixasManga = round(distanciaCaixasManga, 2)
if(not (caminhoSalva is None)):
cv2.imwrite(caminhoSalva + str(id_imagem) + "_k_validacao" + ".jpg", imagem)
return porcentagem_manga, porcentagem_pedunculo, porcentagem_ponto, distancia_horizontal, distancia_vertical, distanciaCaixasManga