Homework solution and links

Class3/README.md

@@ -1,43 +1,57 @@
 # Третий урок
 1. Morphological transformations
     - `Erosion` \- размытие, разрушение
-        - пример: [`image_erosion.py`][image_erosion]
-        - изменить размеры массива `kernel`, проанализировать результат
-        - заменить генерацию массива `np.ones` на `np.zeroes`, проанализировать
-        - написать размытие видеопотока с камеры; [вариант решения][video_erosion]
-        - подробнее о работе алгоритма размытия читать [здесь][how_to_erosion]
+        - Пример: [`image_erosion.py`][image_erosion]
+        - Изменить размеры массива `kernel`, проанализировать результат
+        - Заменить генерацию массива `np.ones` на `np.zeroes`, проанализировать
+        - Написать размытие видеопотока с камеры; [вариант решения][video_erosion]
+        - Подробнее о работе алгоритма размытия читать [здесь][how_to_erosion]
     - `Dilation` \- растяжение
-        - пример: [`video_dilation.py`][video_dilation]
-        - написать версию для обработки изображения
-        - подробнее о работе алгоритма растяжения читать [здесь][how_to_dilation]
+        - Пример: [`video_dilation.py`][video_dilation]
+        - Написать версию для обработки изображения
+        - Подробнее о работе алгоритма растяжения читать [здесь][how_to_dilation]
     - `Opening` & `Closing`
-        - `opening` \- сокращенное название для алгоритма `dilation` который обрабатывает изображение, уже подвергнутое `erosion`
-        - функция полезна для устранения шума
-        - [сравнение][video_opening] отдельной функции и соединения `erosoin & dilation`
-        - `closing` \- алгоритм, обратный `opening`
-        - кусок кода: closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
-        - функция полезна для устранения мелких точек на изображении
-        - написать сравнение результата при обработке двумя функциями и обработке встроенной функцией
+        - `Opening` \- сокращенное название для алгоритма `dilation` который обрабатывает изображение, уже подвергнутое `erosion`
+        - Функция полезна для устранения шума
+        - [Сравнение][video_opening] отдельной функции и соединения `erosoin & dilation`
+        - `Closing` \- алгоритм, обратный `opening`
+        - Кусок кода: closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
+        - Функция полезна для устранения мелких точек на изображении
+        - Написать сравнение результата при обработке двумя функциями и обработке встроенной функцией
 2. Gradients
     - `Sobel & Scharr derivatives` (опрераторы [Собеля и Щарра][sobel_scharr])
-        - [принцип работы алгоритмов][how_to_sobel]
-        - [пример кода][sobel_conturs]
-        - изменить размеры `ksize` (могут варьироваться от 1 до 31, обязательно нечётное число)
-        - сделать оба изображения полупрозрачными и наложить друг на друга
-        - даст ли нам предыдущий шаг нужные нам контуры? обьяснить почему
+        - [Принцип работы алгоритмов][how_to_sobel]
+        - [Пример кода][sobel_conturs]
+        - Изменить размеры `ksize` (могут варьироваться от 1 до 31, обязательно нечётное число)
+        - Сделать оба изображения полупрозрачными и наложить друг на друга
+        - Даст ли нам предыдущий шаг нужные нам контуры? обьяснить почему
     - `Laplacian`
-        - [принцип работы алгоритма][how_to_laplacian]
-        - [пример кода][laplscian_conturs]
-3. Canny edge detector
-    - cтатья на [википедии][canny_edge]
-    - отличный туториал по алгоритму [здесь][how_to_canny]
-    - [реализация][canny_edge_detector] алгоритма
-    - изменить порог обработки (2ой и 3ий аргумент функции `cv2.Canny()`)
-    - скомбирировать с ранее изученными морфологическими трансфорамциями
-4. `Усложненная` домашняя работа
-    - выделить синий канал изображения из видеопотока
-    - применить морфологические трансформации для устранения шумов
-    - сигнализировать о детекции синего объекта, путем рисования прямоугольника вокруг него
+        - [Принцип работы алгоритма][how_to_laplacian]
+        - [Пример кода][laplscian_conturs]
+3. Filtration
+    - `Convolution`
+        - Фильтрация методом свертки
+        - Что такое свертка читать [здесь][what_is_convolution]
+        - Что такое свертка [понятным языком][convolution_easy]
+        - Реализовать программу по алгоритму, данному по ссылке выше
+4. Canny edge detector
+    - Статья на [википедии][canny_edge]
+    - Отличный туториал по алгоритму [здесь][how_to_canny]
+    - [Реализация][canny_edge_detector] алгоритма
+    - Изменить порог обработки (2ой и 3ий аргумент функции `cv2.Canny()`)
+    - Скомбирировать с ранее изученными морфологическими трансформациями
+5. `Усложненная` домашняя работа
+    - Сжать исходное изображение
+    - Выделить синий канал изображения 
+    - Применить морфологические трансформации для устранения шумов
+    - Найти крайние границы редуцированного обьекта
+    - Сигнализировать о детекции синего объекта
+    - [Решение][homework]
+6. Почитать к следующему занятию:
+    - [Fourier transformation](http://docs.opencv.org/3.1.0/de/dbc/tutorial_py_fourier_transform.html#gsc.tab=0)
+    - [Hough Transform](http://docs.opencv.org/3.1.0/d6/d10/tutorial_py_houghlines.html#gsc.tab=0)
+    - [Hough Circle Transform](http://docs.opencv.org/3.1.0/da/d53/tutorial_py_houghcircles.html#gsc.tab=0)
+    - [Теория](https://ru.wikipedia.org/wiki/%D0%9F%D1%80%D0%B5%D0%BE%D0%B1%D1%80%D0%B0%D0%B7%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%A5%D0%B0%D1%84%D0%B0)
 
 По возникшим вопросам, писать в телеграме: @piaxar , @Somal1996
 
@@ -48,10 +62,13 @@
 [sobel_conturs]:./src/sobel_conturs.py
 [laplscian_conturs]:./src/laplscian_conturs.py
 [canny_edge_detector]:./src/canny_edge_detector.py
+[homework]:./src/homework.py
 [how_to_erosion]:http://homepages.inf.ed.ac.uk/rbf/HIPR2/erode.htm
 [how_to_dilation]:http://homepages.inf.ed.ac.uk/rbf/HIPR2/dilate.htm
 [how_to_sobel]:https://habrahabr.ru/post/128753/
 [how_to_laplacian]:http://robocraft.ru/blog/computervision/460.html
 [how_to_canny]:http://dasl.mem.drexel.edu/alumni/bGreen/www.pages.drexel.edu/_weg22/can_tut.html
 [canny_edge]:https://en.wikipedia.org/wiki/Canny_edge_detector
 [sobel_scharr]:https://ru.wikipedia.org/wiki/%D0%9E%D0%BF%D0%B5%D1%80%D0%B0%D1%82%D0%BE%D1%80_%D0%A1%D0%BE%D0%B1%D0%B5%D0%BB%D1%8F
+[what_is_convolution]:https://ru.wikipedia.org/wiki/%D0%A1%D0%B2%D1%91%D1%80%D1%82%D0%BA%D0%B0_(%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7)
+[convolution_easy]:https://habrahabr.ru/post/62738/

Class3/src/homework.py

@@ -0,0 +1,87 @@
+import cv2
+import numpy as np
+
+
+def find_edges(array):
+    numrows = len(array)
+    numcols = len(array[0])
+
+    # find first white element starting from the top
+    # main loop is rows from 0 to the last
+    # inner loop is columns from 0 to the last
+    top, _ = find_first(array, 0, numrows, 1, 0, numcols, 1, True)
+
+    # find first white element starting from the bottom
+    # main loop is rows from last to the first
+    # inner loop is columns from 0 to the last
+    bottom, _ = find_first(array, numrows-1, -1, -1, 0, numcols, 1, True)
+
+    # find first white element starting from the left side
+    # main loop is columns from 0 to the most right
+    # inner loop is rows from 0 to the last
+    _, left = find_first(array, 0, numcols, 1, 0, numrows, 1, False)
+
+    # find first white element starting from the left side
+    # main loop is columns from the last to thefirst
+    # inner loop is rows from 0 to the last
+    _, right = find_first(array, numcols-1, -1, -1, 0, numrows, 1, False)
+    return top, bottom, left, right
+
+
+def find_first(array, first_row, second_row, dest1,
+               first_column, second_column, dest2, order):
+    # look through array until finding first nonzero element
+    for row in range(first_row, second_row, dest1):
+        for column in range(first_column, second_column, dest2):
+            if order and array[row, column] != 0:
+                return (row, column)
+                break
+            elif (not order) and array[column, row] != 0:
+                return (column, row)
+                break
+    # if find nothing, return zeros
+    return (0, 0)
+
+if __name__ == '__main__':
+    cap = cv2.VideoCapture(0)
+    while(1):
+        # get frame
+        ret, initial_frame = cap.read()
+        # reduce size of image
+        reduced_image = cv2.resize(initial_frame, None, fx=0.1, fy=0.1,
+                                   interpolation=cv2.INTER_LINEAR)
+        # convert from BGR to HSV
+        hsv_image = cv2.cvtColor(reduced_image, cv2.COLOR_BGR2HSV)
+        # boundaries of color to find
+        lower_blue = np.array([110, 100, 100])
+        upper_blue = np.array([150, 255, 255])
+        # select only pixels with color in boundaries
+        hsv_mask = cv2.inRange(hsv_image, lower_blue, upper_blue)
+        # kernel for morphological transformations
+        kernel = np.ones((3, 3), np.uint8)
+        # erode mask, to reduce noise
+        erosion = cv2.erode(hsv_mask, kernel, iterations=1)
+        # if necessary, we can apply laplacian,
+        # but in this example it works witout it
+        # laplacian = cv2.Laplacian(erosion, cv2.CV_64F)
+
+        # get boundary pixels and multiply them by 10
+        # because we reduce original image in 10 times
+        top, bottom, left, right = find_edges(erosion)
+        top = top*10
+        bottom = bottom*10
+        left = left*10
+        right = right*10
+
+        # variable to check, if cropped image is nonzero
+        required_piece_exists = True
+
+        if (bottom == 0) or (right == 0):
+            required_piece_exists = False
+        if required_piece_exists:
+            crop_image = initial_frame[top:bottom, left:right]
+            cv2.imshow('Blue_object', crop_image)
+        cv2.imshow('Original image', initial_frame)
+        if cv2.waitKey(20) & 0xFF == 27:
+            break
+    cv2.destroyAllWindows()