Как создать алгоритм грубой силы для расчета оптимального пространственного расстояния между эллипсом и двоичным изображением - PullRequest
Новая
       30

Как создать алгоритм грубой силы для расчета оптимального пространственного расстояния между эллипсом и двоичным изображением

0 голосов
/ 28 июня 2019

enter image description here

Первый шаг: создать изображение эллипса относительно угла, который должен быть зафиксирован (тета), и местоположения (x, y)

найти как можно больше местоположений (x, y)

Второе: Вычислить пространственное расстояние между пикселями эллипса и абстрактным двоичным изображением для обоих изображений с одинаковыми размерами, поскольку они должны рассматриваться как массивы

Третье: вернуть местоположение, которое дает наибольшее пространственное расстояние (может быть Jaccard, игральные кости, Chebyshev и т. д.) 

import matplotlib.pyplot as plt
from PIL import Image
from scipy.spatial import distance
import scipy.misc
im = scipy.misc.imread(r'C:\Users\mbore\Pictures\irregular1.png', flatten=False, mode='L')


def ellipse(x, y):
    value = (x*x) + (y*y)/3
    if (value >= 600):
        return 0
    else:
        return 1

coordinates = []

def combinations (x,y):
    dx = 5
    dy = 5
    return x + dx, y + dy

for x in range(0, 10):  #seeting lower range
    for y in range(0, 10):
        coordinates.append(combinations(x,y))

for each in coordinates:
        coordinates [i] = dx,dy
        def translate(x, y):
            return (x- dx, y - dy)

def rotate(x, y):
    theta = np.radians(45)
    matrix = np.array([[np.cos(theta), -np.sin(theta)], [np.sin(theta), np.cos(theta)]])
    return np.dot(matrix, (x,y))

data = np.zeros((100,100))

for i in range(0, 100):
    for j in range(0, 100):
        (x, y) = translate(i,j)
        (x, y) = rotate(x, y)
        data[i,j] = ellipse(x, y)
        #np.append(data,ellipse(x,y))


plt.imshow(data, cmap="gray")
plt.show()


plt.imshow(im)
plt.show()

counter = 0 #tracking white
counter1 = 0 #tracking black 

#getting the dimensions of the image -> y
yDim = im.shape[0]

#getting the dimensions of the image -> x
xDim = im.shape[1]

for i in range(yDim):
    for j in range (xDim): 
        if np.any(im[i,j]) == 0:
            counter += 1
        else: 
            counter1 += 1

#initialize empty array this array will receive all the white pixels 
a = np.empty([100,100])

for i in range(yDim):
    for j in range (xDim): 
        if np.any(im[i,j]) == 0:
            np.append(a,im[i,j],axis=None)

#spatial distance 
a = a.flatten()
data = data.flatten()


distances = []
distances.append(distance.hamming(data,a))

combinations = []

def points (x,y):
    dx = 5
    dy = 5
    return x + dx, y + dy

for x in range(0, 10):
    for y in range(0, 10):
        combinations.append(points(x,y))

print(combinations)
...