Sol atividade3

Objetivos da aula:

• Histograma e equalização de histograma
• Seguimentação com auxilio do histograma
• Webcam opencv

Histograma¶

Na ultima aula, tentamos fazer a segmentação de um objeto da imagem pelo metodo força bruta #GoHorse, pode ser que funcione mas não é a forma mais intessnte de ser feita. Um histograma pode nos ajudar, ele plota em um gráfico de frequência as componentes de cores (r,g,b ou gray) da imagem.

In [1]:

%matplotlib inline
import cv2
from matplotlib import pyplot as plt
import numpy as np

print ("OpenCV Version : %s " % cv2.__version__)

%matplotlib inline import cv2 from matplotlib import pyplot as plt import numpy as np print ("OpenCV Version : %s " % cv2.__version__)

OpenCV Version : 4.9.0 

In [ ]:

!wget "https://raw.githubusercontent.com/arnaldojr/cognitivecomputing/master/material/aulas/PDI/lab03/bola.png" /content
!wget "https://raw.githubusercontent.com/arnaldojr/cognitivecomputing/master/material/aulas/PDI/lab03/bolinha.png" /content
!wget "https://raw.githubusercontent.com/arnaldojr/cognitivecomputing/master/material/aulas/PDI/lab03/fuca.png" /content

!wget "https://raw.githubusercontent.com/arnaldojr/cognitivecomputing/master/material/aulas/PDI/lab03/bola.png" /content !wget "https://raw.githubusercontent.com/arnaldojr/cognitivecomputing/master/material/aulas/PDI/lab03/bolinha.png" /content !wget "https://raw.githubusercontent.com/arnaldojr/cognitivecomputing/master/material/aulas/PDI/lab03/fuca.png" /content

In [2]:

img = cv2.imread("fuca.png", cv2.IMREAD_GRAYSCALE)
plt.imshow(img, cmap="Greys_r", vmin=0, vmax=255)

img = cv2.imread("fuca.png", cv2.IMREAD_GRAYSCALE) plt.imshow(img, cmap="Greys_r", vmin=0, vmax=255)

Out[2]:

<matplotlib.image.AxesImage at 0x15eff6460>

In [3]:

plt.hist(img.ravel(),256,[0,256]); plt.show()

plt.hist(img.ravel(),256,[0,256]); plt.show()

In [4]:

# normalização de histograma

img_eq = cv2.equalizeHist(img)
plt.imshow(3*img_eq, cmap="Greys_r", vmin=0, vmax=255)

# normalização de histograma img_eq = cv2.equalizeHist(img) plt.imshow(3*img_eq, cmap="Greys_r", vmin=0, vmax=255)

Out[4]:

<matplotlib.image.AxesImage at 0x15f9cf370>

In [5]:

plt.hist(3*img_eq.ravel(),256,[0,256]); plt.show()

plt.hist(3*img_eq.ravel(),256,[0,256]); plt.show()

Podemos fazer o mesmo para uma imgem colorida

In [6]:

imagem = cv2.imread("bola.png")
image = cv2.cvtColor(imagem, cv2.COLOR_BGR2RGB)
plt.imshow(image, vmin=0, vmax=255); plt.show()
plt.hist(image.ravel(),256,[0,256]); plt.show()

imagem = cv2.imread("bola.png") image = cv2.cvtColor(imagem, cv2.COLOR_BGR2RGB) plt.imshow(image, vmin=0, vmax=255); plt.show() plt.hist(image.ravel(),256,[0,256]); plt.show()

In [7]:

#histograma Vermelho
plt.imshow(image[:,:,0], cmap="gray", vmin=0, vmax=255); plt.show()
plt.hist(image[:,:,0].ravel(),256,[0,256]); plt.show()

#histograma Vermelho plt.imshow(image[:,:,0], cmap="gray", vmin=0, vmax=255); plt.show() plt.hist(image[:,:,0].ravel(),256,[0,256]); plt.show()

In [8]:

# Histogrma Verde
plt.imshow(image[:,:,1], cmap="Greys_r", vmin=0, vmax=255); plt.show()
plt.hist(image[:,:,1].ravel(),256,[0,256]); plt.show()

# Histogrma Verde plt.imshow(image[:,:,1], cmap="Greys_r", vmin=0, vmax=255); plt.show() plt.hist(image[:,:,1].ravel(),256,[0,256]); plt.show()

In [9]:

# Histograma Azul
plt.imshow(image[:,:,2], cmap="Greys_r", vmin=0, vmax=255); plt.show()
plt.hist(image[:,:,2].ravel(),256,[0,256]); plt.show()

# Histograma Azul plt.imshow(image[:,:,2], cmap="Greys_r", vmin=0, vmax=255); plt.show() plt.hist(image[:,:,2].ravel(),256,[0,256]); plt.show()

In [10]:

image2 = image.copy()
gray_r = image2[:,:,0]
gray_g = image2[:,:,1]
gray_b = image2[:,:,2]

img_bola = image2.copy()

for y in range(0, image2.shape[0]):
    for x in range(0, image2.shape[1]):
        
        if gray_g[y][x] <= 230:
            img_bola[y][x]= 0
        if gray_b[y][x] >= 240:
            img_bola[y][x]= 0    

    

plt.imshow(img_bola, interpolation="none")
plt.show()

image2 = image.copy() gray_r = image2[:,:,0] gray_g = image2[:,:,1] gray_b = image2[:,:,2] img_bola = image2.copy() for y in range(0, image2.shape[0]): for x in range(0, image2.shape[1]): if gray_g[y][x] <= 230: img_bola[y][x]= 0 if gray_b[y][x] >= 240: img_bola[y][x]= 0 plt.imshow(img_bola, interpolation="none") plt.show()

Desafio 1¶

Faça a seguimentação da bolinha de cor laranja. Dica use 2 canais de cores para conseguir seguimentar.

In [13]:

# Implemente seu código

# para encontrar a bolinha laranja na imagem, é necessário encontrar a cor laranja, que é uma mistura de vermelho e verde
# para isso, é necessário encontrar os valores de vermelho e verde que compõem a cor laranja

# não existe um valor exato para a cor laranja, então é necessário testar valores para encontrar a cor laranja
# no caso, o vermelho é menor que 240 e o verde é maior que 240 para a cor laranja da bolinha na imagem


img_bola_laranja = image.copy()

gray_r = image[:,:,0]
gray_g = image[:,:,1]


for y in range(0, image.shape[0]):
    for x in range(0, image.shape[1]):
        
        if gray_r[y][x] <= 240:
            img_bola_laranja[y][x]= 0
        if gray_g[y][x] >= 240:
            img_bola_laranja[y][x]= 0    


plt.imshow(img_bola_laranja)
plt.show()

# Implemente seu código # para encontrar a bolinha laranja na imagem, é necessário encontrar a cor laranja, que é uma mistura de vermelho e verde # para isso, é necessário encontrar os valores de vermelho e verde que compõem a cor laranja # não existe um valor exato para a cor laranja, então é necessário testar valores para encontrar a cor laranja # no caso, o vermelho é menor que 240 e o verde é maior que 240 para a cor laranja da bolinha na imagem img_bola_laranja = image.copy() gray_r = image[:,:,0] gray_g = image[:,:,1] for y in range(0, image.shape[0]): for x in range(0, image.shape[1]): if gray_r[y][x] <= 240: img_bola_laranja[y][x]= 0 if gray_g[y][x] >= 240: img_bola_laranja[y][x]= 0 plt.imshow(img_bola_laranja) plt.show()

Desafio 2¶

Faça a seguimentação da bolinha para a imagem "bolinha.png".

In [14]:

imagem = cv2.imread("bolinha.png")
image = cv2.cvtColor(imagem, cv2.COLOR_BGR2RGB)
plt.imshow(image, vmin=0, vmax=255); plt.show()

imagem = cv2.imread("bolinha.png") image = cv2.cvtColor(imagem, cv2.COLOR_BGR2RGB) plt.imshow(image, vmin=0, vmax=255); plt.show()

In [30]:

# Implemente seu código

# para encontrar a bolinha magenta na imagem, é necessário encontrar a cor magenta, 
# que é uma mistura de vermelho e azul

img_entrada = cv2.imread("bolinha.png")
img_entrada = cv2.cvtColor(img_entrada, cv2.COLOR_BGR2RGB)

# Criando uma figura com subplots para exibir a imagem e o histograma
fig, axs = plt.subplots(2, 3, figsize=(10, 8))
nomes_canais = ["Vermelho", "Verde", "Azul"]

# Iterando sobre os canais de cores
for i, (canal, nome) in enumerate(zip([0, 1, 2], nomes_canais)):
    # Exibindo o canal de cor
    axs[0, i].imshow(img_entrada[:, :, canal], cmap="Greys_r", vmin=0, vmax=255)
    axs[0, i].set_title(f"Canal {nome}")
    # Exibindo o histograma do canal de cor
    axs[1, i].hist(img_entrada[:, :, canal].ravel(), 256, [0, 256])
    axs[1, i].set_title(f"Histograma {nome}")

#  Exibindo a figura
plt.tight_layout()
plt.show()

# agora é analisar os valores de vermelho e azul para encontrar a cor magenta da bolinha na imagem 

bolinha_magenta = image.copy()
gray_r = img_entrada[:,:,0]
gray_b = img_entrada[:,:,2]

for y in range(0, img_entrada.shape[0]):
    for x in range(0, img_entrada.shape[1]):
        
        if gray_r[y][x] <= 251:
            bolinha_magenta[y][x]= 0
        if gray_b[y][x] >= 252:
            bolinha_magenta[y][x]= 0    

plt.subplot(1,2,1), plt.imshow(img_entrada)
plt.subplot(1,2,2), plt.imshow(bolinha_magenta)
plt.show()

# Dificilmente encontraremos um valor exato para a cor magenta, mas com um pouco de paciência,
# é possível encontrar a cor magenta da bolinha na imagem

# Implemente seu código # para encontrar a bolinha magenta na imagem, é necessário encontrar a cor magenta, # que é uma mistura de vermelho e azul img_entrada = cv2.imread("bolinha.png") img_entrada = cv2.cvtColor(img_entrada, cv2.COLOR_BGR2RGB) # Criando uma figura com subplots para exibir a imagem e o histograma fig, axs = plt.subplots(2, 3, figsize=(10, 8)) nomes_canais = ["Vermelho", "Verde", "Azul"] # Iterando sobre os canais de cores for i, (canal, nome) in enumerate(zip([0, 1, 2], nomes_canais)): # Exibindo o canal de cor axs[0, i].imshow(img_entrada[:, :, canal], cmap="Greys_r", vmin=0, vmax=255) axs[0, i].set_title(f"Canal {nome}") # Exibindo o histograma do canal de cor axs[1, i].hist(img_entrada[:, :, canal].ravel(), 256, [0, 256]) axs[1, i].set_title(f"Histograma {nome}") # Exibindo a figura plt.tight_layout() plt.show() # agora é analisar os valores de vermelho e azul para encontrar a cor magenta da bolinha na imagem bolinha_magenta = image.copy() gray_r = img_entrada[:,:,0] gray_b = img_entrada[:,:,2] for y in range(0, img_entrada.shape[0]): for x in range(0, img_entrada.shape[1]): if gray_r[y][x] <= 251: bolinha_magenta[y][x]= 0 if gray_b[y][x] >= 252: bolinha_magenta[y][x]= 0 plt.subplot(1,2,1), plt.imshow(img_entrada) plt.subplot(1,2,2), plt.imshow(bolinha_magenta) plt.show() # Dificilmente encontraremos um valor exato para a cor magenta, mas com um pouco de paciência, # é possível encontrar a cor magenta da bolinha na imagem

Webcam e opencv¶

Este recurso não vai funcionar no google colab¶

Podemos usar a nossa webcam para registrar imagens e videos, para isso usamos a função cv2.VideoCapture.

In [ ]:

%matplotlib inline
import cv2
from matplotlib import pyplot as plt
import numpy as np
import time as t
print ("OpenCV Version : %s " % cv2.__version__)

%matplotlib inline import cv2 from matplotlib import pyplot as plt import numpy as np import time as t print ("OpenCV Version : %s " % cv2.__version__)

OpenCV Version : 4.5.5 

In [ ]:

webcam = cv2.VideoCapture(0) # pode acontecer do ID da camera não ser 0, ai precisa testar com outros numeros

webcam = cv2.VideoCapture(0) # pode acontecer do ID da camera não ser 0, ai precisa testar com outros numeros

In [ ]:

t.sleep(3) # Espera a webcam ficar pronta

t.sleep(3) # Espera a webcam ficar pronta

In [ ]:

val, image = webcam.read()

val, image = webcam.read()

In [ ]:

val  # Checa se um frame chegou

val # Checa se um frame chegou

Out[ ]:

True

In [ ]:

webcam.release() # fecha a webcam

webcam.release() # fecha a webcam

In [ ]:

plt.imshow(image)

plt.imshow(image)

Out[ ]:

<matplotlib.image.AxesImage at 0x252ed548df0>

Desafio 3¶

Faça uma foto sua.

In [ ]:

%matplotlib inline
import cv2
from matplotlib import pyplot as plt
import time as t

## aqui não tem segredo, é copiar, colar e rodar o código dado no enunciado.

# Iniciando a captura de vídeo
webcam = cv2.VideoCapture(0)

# Aguardando 3 segundos para a câmera se ajustar
t.sleep(3)

# Capturando uma imagem
val, image = webcam.read()

# Liberando a câmera
webcam.release()

# Convertendo a imagem de BGR para RGB
image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

# Exibindo a imagem
plt.imshow(image_rgb)
plt.axis('off')  # Ocultando os eixos
plt.show()

%matplotlib inline import cv2 from matplotlib import pyplot as plt import time as t ## aqui não tem segredo, é copiar, colar e rodar o código dado no enunciado. # Iniciando a captura de vídeo webcam = cv2.VideoCapture(0) # Aguardando 3 segundos para a câmera se ajustar t.sleep(3) # Capturando uma imagem val, image = webcam.read() # Liberando a câmera webcam.release() # Convertendo a imagem de BGR para RGB image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) # Exibindo a imagem plt.imshow(image_rgb) plt.axis('off') # Ocultando os eixos plt.show()

In [ ]:

## para captura um video, é necessário usar um loop para capturar os frames da câmera e exibir os frames capturados 
## em tempo real na tela do computador 

## faça o teste em seu computador, copie e cole o código abaixo e veja o que acontece 

import cv2

# Iniciando a captura de vídeo
webcam = cv2.VideoCapture(0)

# Definindo o tamanho da janela
webcam.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
webcam.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)

# Loop para capturar e exibir os frames
while True:
    # Capturando um frame
    ret, frame = webcam.read()

    # Verificando se o frame foi capturado corretamente
    if not ret:
        print("Falha ao capturar o frame. Saindo...")
        break

    # Exibindo o frame
    cv2.imshow("Video da Webcam", frame)

    # Aguardando por 1 milissegundo e verificando se a tecla 'q' foi pressionada
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# Liberando a câmera e fechando todas as janelas
webcam.release()
cv2.destroyAllWindows()

## para captura um video, é necessário usar um loop para capturar os frames da câmera e exibir os frames capturados ## em tempo real na tela do computador ## faça o teste em seu computador, copie e cole o código abaixo e veja o que acontece import cv2 # Iniciando a captura de vídeo webcam = cv2.VideoCapture(0) # Definindo o tamanho da janela webcam.set(cv2.CAP_PROP_FRAME_WIDTH, 640) webcam.set(cv2.CAP_PROP_FRAME_HEIGHT, 480) # Loop para capturar e exibir os frames while True: # Capturando um frame ret, frame = webcam.read() # Verificando se o frame foi capturado corretamente if not ret: print("Falha ao capturar o frame. Saindo...") break # Exibindo o frame cv2.imshow("Video da Webcam", frame) # Aguardando por 1 milissegundo e verificando se a tecla 'q' foi pressionada if cv2.waitKey(1) & 0xFF == ord('q'): break # Liberando a câmera e fechando todas as janelas webcam.release() cv2.destroyAllWindows()