Detección de esquinas

Para esta entrega se pidió detectar esquinas, esto mediante el método de diferencia de filtro mediano.

• Primero se realiza la escala de grises
• Después se utiliza un filtro medio
• Ya con el filtro, se realiza es sacar la diferencia entre la imagen de escala de grises y la imagen que se genero con el filtro medio

Código:

	def normalizar(image, maxv):
	mat = image.load()
	ratio = 255.0/maxv
	for x in range(image.size[0]):
	for y in range(image.size[1]):
	mat[x, y] = int(mat[x, y]*ratio)
	return image
	def diferencia(izq, der):
	output = izq.copy()
	matO = output.load()
	matI = izq.load()
	matD = der.load()
	maxv = 0
	for x in range(output.size[0]):
	for y in range(output.size[1]):
	cord = (x, y)
	matO[cord] = fabs(matI[cord]-matD[cord])
	if matO[cord] > maxv:
	maxv = matO[cord]
	return normalizar(output, maxv)
	def nuevo_visitados(size):
	visitados = dict()
	for i in range(size[0]):
	for j in range(size[1]):
	visitados[i,j] = False
	return visitados
	def promediar_esquinas(image):
	esquinas = list()
	mat = image.load()
	for x in range(image.size[0]):
	for y in range(image.size[1]):
	if mat[x, y] == 255:
	points = dfs_promedio(mat, (x, y), image.size)
	promedio = [0.0, 0.0]
	for p in points:
	promedio[0] += p[0]
	promedio[1] += p[1]
	promedio = (int(promedio[0]/len(points)), int(promedio[1]/len(points)))
	esquinas.append(promedio)
	for cord in esquinas:
	mat[cord] = 255
	return esquinas

view raw esquinas.py hosted with ❤ by GitHub

Imágenes/resultado: