[PYTHON] Ich habe versucht, ein Programm zu erstellen, um die Fehlersuche von Saiseriya zu lösen (Hinweis)

Hallo. Dies ist der erste Beitrag. Ich habe ungefähr 20 Minuten gewartet, als ich neulich nach Saiseriya ging. Ein paar Leute haben nach Saiseriyas Fehlern gesucht und konnten sie nicht finden ... (zu viel ...) Also dachte ich, dass es durch Bildverarbeitung gelöst werden könnte, also habe ich es versucht. Es war auch eine gute Studie für OpenCV.

Was du machen willst

Von Saiseriya offiziell veröffentlichte Bilddaten unter Verwendung der OpenCV-Bibliothek (https://www.saizeriya.co.jp/entertainment/) Ich möchte die Suche nach Fehlern verarbeiten und automatisieren! !! !! Was Sie tatsächlich tun, ist

• Verarbeiten Sie das Bild (entfernen Sie die Ränder, teilen Sie es in zwei Hälften)
• Bildunterschiede berechnen
• Zeigen Sie Differenzinformationen zum Originalbild an

Es ist wie es ist. Ich habe den Code an [GitHub] weitergegeben (https://github.com/kurikinton105/SaizeriyaDifference).

Ausführungsumgebung

macOS Mojave 10.14.4 Python 3.6.7 OpenCV 3.4.1

Verarbeiten Sie das Bild

Wenn Sie es herunterladen, werden Sie feststellen, dass "die zu vergleichenden Bilder zusammenkleben" + "es gibt einen mysteriösen Rand".

• (Es ist schwer zu verstehen, weil die Umgebung auch weiß ist ...) Zitiert aus der Site von Saiseriya *

Zunächst möchte ich die Ränder löschen. Der Fluss des Löschens von Leerzeichen ist

• Machen Sie ein Graustufenbild ―― Binarisieren
• Extrahieren Sie die Kontur
• Holen und schneiden Sie x und y aus den Konturen mit den kleinsten und größten Koordinaten.

[https://qiita.com/trami/items/e25eb70a59a51ae4f7ba# Entfernen von Rändern](https://qiita.com/trami/items/e25eb70a59a51ae4f7ba#%E3%81%A9%E3%81 % AE% E3% 82% 88% E3% 81% 86% E3% 81% AB% E3% 81% 97% E3% 81% A6% E4% BD% 99% E7% 99% BD% E5% 89% 8A Wir verweisen auf den Artikel% E9% 99% A4% E3% 82% 92% E8% A1% 8C% E3% 81% 86% E3% 81% AE% E3% 81% 8B).

Die Graustufenfunktion in OpenCV

gray.py

gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #Graustufen

Die Binärisierungsfunktion

binary.py

r, binary = cv2.threshold(gray, 0, 255,cv2.THRESH_OTSU)  #Binarisierung

Die Funktion zum Zuschneiden von Bildern

cut_img.py

img = img[y1:y2,x1:x2] #(x1,y1)Von(x2,y2)Ausgeschnitten

Es ist wie es ist. Wenn Sie diese kombinieren, lautet der bisherige Code

saizeriya.py

import cv2
import numpy as np

img = cv2.imread('diff.png') #Bilder laden
height, width, d = img.shape #Höhe Breite Tiefe
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #Graustufen
r, binary = cv2.threshold(gray, 0, 255,cv2.THRESH_OTSU)  #Binar bei Schwelle 200
contours = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)[0]

#Konturen extrahieren, Ränder entfernen
x1 = [] #Minimalwert der x-Koordinate
y1 = [] #Minimalwert der y-Koordinate
x2 = [] #Maximalwert der x-Koordinate
y2 = [] #Maximalwert der y-Koordinate
for i in range(1, len(contours)):
    ret = cv2.boundingRect(contours[i])
    x1.append(ret[0])
    y1.append(ret[1])
    x2.append(ret[0] + ret[2])
    y2.append(ret[1] + ret[3])
x1_min = min(x1)
y1_min = min(y1)
x2_max = max(x2)
y2_max = max(y2)
img = img[0:600, x1_min:x2_max] #Schneiden Sie den Rand ab

Das Ausführungsergebnis ist wie folgt. Sie können sehen, dass es gut geschnitten ist.

Dann schneiden Sie das Bild in zwei Hälften.

saizeriya.py

height, width,d= img.shape #Höhe Breite Tiefe(Die Größe des Ausschnitts)
midle = int(width/2)

img1 = img[0:height,0:midle-3]
img2 = img[0:height,midle-8:width-11] #Eigentlich ist die Breite etwas anders... 

Was hier lächerlich war, war, dass die scharfen Kanten der beiden Bilder tatsächlich leicht unterschiedlich waren. Die Einstellung endete damit, dass das zu schneidende Teil manuell angepasst wurde.

Bildunterschiede berechnen

Berechnen Sie als nächstes die Differenz zwischen den Bildern. Der Unterschied zwischen den Bildern kann durch Subtrahieren der Numpy-Arrays berechnet werden. Wenn Sie ihn jedoch tatsächlich ausführen, ist der Unterschied schwer zu verstehen (ein geringfügiger Unterschied in der Farbe und eine geringfügige Abweichung in der Position werden als Unterschied angezeigt). Diesmal also OpenCV Ich habe die ** absdiff ** Funktion von verwendet.

Die Funktion ** absdiff ** kann den absoluten Wert der Differenz zwischen zwei Bildern ermitteln.

saizeriya.py

#Unterschied zeigen
result = np.copy(img1) #Array zum Speichern des resultierenden Bildes
add = np.copy(img1) #Array zum Speichern des resultierenden Bildes
#result = img1-img2 #Berechnung der Differenz
result = cv2.absdiff(img1, img2) #Berechnung der Differenz(absdiff)

Ausführungsergebnis

Als Referenz ist es das Ergebnis, wenn es durch Subtrahieren der Arrays ausgeführt wird.

• Ich weiß nicht, was daran anders ist ... *

Zeigen Sie Differenzinformationen zum Originalbild an

Daher weiß ich nicht, wo der Unterschied liegt, deshalb möchte ich ihn mit dem Originalbild kombinieren. Kombiniert das ursprüngliche graue Bild + Differenzbild (Farbe).

Die zu verwendende Funktion ist die Funktion ** add **. Verwenden Sie auch die Funktion ** cvtCOLOR **, um das ursprüngliche Farbbild zu konvertieren.

Farb-3D-Array → Graues 2D-Array → Graues 3D-Array

Prozess mit.

saizeriya.py

img3 = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY) #Graustufen
img3 = cv2.cvtColor(img3,cv2.COLOR_GRAY2BGR) #Machen Sie ein Farbbild mit Graustufen
print(img3.shape)
print(result.shape)
add = cv2.add(img3,result) #Bilder kombinieren

#Bildschirm
cv2.imshow('all',img)
cv2.imshow('image',add)
cv2.imshow('result',result)
cv2.waitKey(0) #Warten Sie, bis eine Taste gedrückt wird
cv2.destroyAllWindows() #Zerstöre alle Fenster

Ausführungsergebnis

Jetzt können Sie sehen, was anders ist.

Ich kann nur 8 finden! !! !! !!

Bitte sag mir noch zwei ...

Es war nur ein Hilfsmittel.

Ich habe im Dezember 9 Fehler gefunden