70 lines
2.4 KiB
Python
70 lines
2.4 KiB
Python
|
import cv2
|
||
|
|
import numpy as np
|
||
|
|
import matplotlib.pyplot as plt
|
||
|
|
|
||
|
|
# Carregar a imagem
|
||
|
|
image_path = "mapa_calor.jpg"
|
||
|
|
image = cv2.imread(image_path)
|
||
|
|
|
||
|
|
# Converter a imagem de BGR para RGB
|
||
|
|
image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
|
||
|
|
|
||
|
|
# Definir intervalos de cores em HSV para segmentação
|
||
|
|
lower_blue = np.array([100, 150, 0])
|
||
|
|
upper_blue = np.array([140, 255, 255])
|
||
|
|
lower_green = np.array([40, 52, 72])
|
||
|
|
upper_green = np.array([80, 255, 255])
|
||
|
|
lower_red1 = np.array([0, 70, 50])
|
||
|
|
upper_red1 = np.array([10, 255, 255])
|
||
|
|
lower_red2 = np.array([170, 70, 50])
|
||
|
|
upper_red2 = np.array([180, 255, 255])
|
||
|
|
|
||
|
|
# Converter a imagem para HSV
|
||
|
|
image_hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
|
||
|
|
|
||
|
|
# Criar máscaras para cada cor
|
||
|
|
mask_blue = cv2.inRange(image_hsv, lower_blue, upper_blue)
|
||
|
|
mask_green = cv2.inRange(image_hsv, lower_green, upper_green)
|
||
|
|
mask_red1 = cv2.inRange(image_hsv, lower_red1, upper_red1)
|
||
|
|
mask_red2 = cv2.inRange(image_hsv, lower_red2, upper_red2)
|
||
|
|
mask_red = cv2.bitwise_or(mask_red1, mask_red2)
|
||
|
|
|
||
|
|
# Função para calcular a distância com base na cor
|
||
|
|
def get_distance_from_color(color):
|
||
|
|
blue_dist = 500
|
||
|
|
red_dist = 4000
|
||
|
|
dist = blue_dist + (red_dist - blue_dist) * (color[0] / 255)
|
||
|
|
return dist
|
||
|
|
|
||
|
|
# Função para processar a máscara e encontrar o maior contorno
|
||
|
|
def get_largest_contour(mask):
|
||
|
|
contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
|
||
|
|
if contours:
|
||
|
|
largest_contour = max(contours, key=cv2.contourArea)
|
||
|
|
return largest_contour
|
||
|
|
return None
|
||
|
|
|
||
|
|
# Encontrar o maior contorno em cada máscara
|
||
|
|
contour_blue = get_largest_contour(mask_blue)
|
||
|
|
contour_green = get_largest_contour(mask_green)
|
||
|
|
contour_red = get_largest_contour(mask_red)
|
||
|
|
|
||
|
|
# Desenhar caixas delimitadoras e calcular distâncias
|
||
|
|
output_image = image_rgb.copy()
|
||
|
|
object_details = []
|
||
|
|
|
||
|
|
for contour, color in zip([contour_blue, contour_green, contour_red], [(0, 0, 255), (0, 255, 0), (255, 0, 0)]):
|
||
|
|
if contour is not None:
|
||
|
|
x, y, w, h = cv2.boundingRect(contour)
|
||
|
|
color_center = image_rgb[y + h // 2, x + w // 2]
|
||
|
|
distance = get_distance_from_color(color_center)
|
||
|
|
object_details.append((x, y, w, h, distance))
|
||
|
|
cv2.rectangle(output_image, (x, y), (x + w, y + h), (255, 255, 255), 2)
|
||
|
|
cv2.putText(output_image, f'D: {distance:.0f}mm', (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2)
|
||
|
|
|
||
|
|
# Mostrar a imagem processada
|
||
|
|
plt.figure(figsize=(10, 10))
|
||
|
|
plt.imshow(output_image)
|
||
|
|
plt.axis('off')
|
||
|
|
plt.show()
|