Lab#8. Detección de Poligonos

Para esta semana se nos pidio realizar un programa que pudiera detectar poligonos para esto se llevo a cabo el siguiente proceso:

• Utilice la imagen original 

 

• pase a escala de grises para despues binarizarla 

• Aplicamos lo que es convolución que genera la imagen con los bordes encontrados y los gradientes. 

 

 

Implementación:

Aquí estan algunas funciones representativas y lo que pude implementar de codigo de convolución hasta ahorita. 

• Esta es la función encargada de calcular las pendientes de cada pixel, recibe el listado de puntos correspondiente a la forma detectada, y los gradientes de X y Y.

  	def toma_lineas(pendiente,img):
  	segmento=list()
  	imagen=img.load()
  	ancho,alto=img.size
  	for a in range(ancho):
  	for b in range(alto):
  	if imagen[a,b]!=(0,0,0):
  	pendiente_2=pendiente[a,b]
  	if pendiente[a,b]==0:
  	imagen[a,b]=(0,0,255)
  	if pendiente[a,b]==1:
  	imagen[a,b]=(55,0,0)
  	if pendiente[a,b]==2:
  	imagen[a,b]=(255,67,34)
  	if pendiente[a,b]==3:
  	imagen[a,b]=(2,45,0)
  	if pendiente[a,b]==4:
  	imagen[a,b]=(9,67,23)
  	if pendiente[a,b]==5:
  	imagen[a,b]=(34,6,67)
  	img.save('linea1.png')

  view raw pendiente1.py hosted with ❤ by GitHub
• Para cada punto de la lista, obtiene el valor en los gradientes, y calcula la pendiente en el punto.
• Lo que alcance a tener  es en base a las pendientes encontradas pinta lo que son las rectas dentro de los poligonos detectados por convolución. 

	def toma_pendiente(imagen): # obtenemos la pendiente
	Gx=gx
	Gy=gy
	print Gx
	print Gy
	imagen=imagen.load()
	ancho,alto=imagen.size
	pendiente=numpy.empty((ancho, alto))
	for i in range(ancho):
	for j in range(alto):
	if Gx[i,j]!=0 and Gy[i,j]!=0:
	m=0
	elif Gx[i,j]==0 and Gy[i,j]==0:
	m=1
	elif Gy[i,j]<=0 and Gx[i,j]==0:
	m=2
	elif Gy[i,j]>=0 and Gx[i,j]==0:
	m=3
	elif Gx[i,j]<=0 and Gy[i,j]==0:
	m=4
	elif Gx[i,j]>=0 and Gy[i,j]==0:
	m=5
	pendiente[i,j]=m
	print 'termino'
	return pendiente

view raw tpendiente.py hosted with ❤ by GitHub