src/intrsc.py

   1 """Imago intersections module."""
   2
   3 from math import cos, tan, pi
   4 from operator import itemgetter
   5 import colorsys
   6
   7 from PIL import ImageDraw
   8
   9 import filters
  10 import k_means
  11 import output
  12 import linef
  13
  14 def dst(line):
  15     """Return normalized line."""
  16     if line[0] < pi / 2:
  17         line = line[0] + pi, - line[1]
  18     return line
  19
  20 def dst_sort(lines):
  21     """Return lines sorted by distance."""
  22     l_max = max(l[0] for l in lines)
  23     l_min = min(l[0] for l in lines)
  24     if l_max - l_min > (3. / 4) * pi:
  25         lines = [dst(l) for l in lines]
  26     lines.sort(key=itemgetter(1))
  27     return lines
  28
  29 def b_intersects(image, lines, show_all, do_something, logger):
  30     """Compute intersections."""
  31     # TODO refactor show_all, do_something
  32     # TODO refactor this into smaller functions
  33     logger("finding the stones")
  34     lines = [dst_sort(l) for l in lines]
  35     an0 = (sum([l[0] for l in lines[0]]) / len(lines[0]) - pi / 2)
  36     an1 = (sum([l[0] for l in lines[1]]) / len(lines[1]) - pi / 2)
  37     if an0 > an1:
  38         lines = [lines[1], lines[0]]
  39
  40     intersections = intersections_from_angl_dist(lines, image.size)
  41
  42     if show_all:
  43         image_g = image.copy()
  44         draw = ImageDraw.Draw(image_g)
  45         for line in intersections:
  46             for (x, y) in line:
  47                 draw.point((x , y), fill=(120, 255, 120))
  48         do_something(image_g, "intersections")
  49
  50     return intersections
  51
  52 def board(image, intersections, show_all, do_something, logger):
  53     """Find stone colors and return board situation."""
  54
  55 #    image_c = filters.color_enhance(image)
  56 #    if show_all:
  57 #        do_something(image_c, "white balance")
  58     image_c = image
  59
  60     board_raw = []
  61
  62     for line in intersections:
  63         board_raw.append([stone_color_raw(image_c, intersection) for intersection in
  64                       line])
  65     board_raw = sum(board_raw, [])
  66
  67     ### Show color distribution
  68
  69     if show_all:
  70         import matplotlib.pyplot as pyplot
  71         from PIL import Image
  72         fig = pyplot.figure(figsize=(8, 6))
  73         luma = [s[0] for s in board_raw]
  74         saturation = [s[1] for s in board_raw]
  75         pyplot.scatter(luma, saturation,
  76                        color=[s[2] for s in board_raw])
  77         pyplot.xlim(0,1)
  78         pyplot.ylim(0,1)
  79         fig.canvas.draw()
  80         size = fig.canvas.get_width_height()
  81         buff = fig.canvas.tostring_rgb()
  82         image_p = Image.fromstring('RGB', size, buff, 'raw')
  83         do_something(image_p, "color distribution")
  84
  85     #max_s0 = max(s[0] for s in board_raw)
  86     #min_s0 = min(s[0] for s in board_raw)
  87     #norm_s0 = lambda x: (x - min_s0) / (max_s0 - min_s0)
  88     #max_s1 = max(s[1] for s in board_raw)
  89     #min_s1 = min(s[1] for s in board_raw)
  90     #norm_s1 = lambda x: (x - min_s1) / (max_s1 - min_s1)
  91     #max_s1 = max(s[1] for s in board_raw)
  92     #min_s1 = min(s[1] for s in board_raw)
  93     #norm_s1 = lambda x: (x - min_s1) / (max_s1 - min_s1)
  94     #color_data = [(norm_s0(s[0]), norm_s1(s[1])) for s in board_raw]
  95     color_data = [(s[0], s[1]) for s in board_raw]
  96
  97     init_x = sum(c[0] for c in color_data) / float(len(color_data))
  98
  99     clusters, score = k_means.cluster(3, 2,zip(color_data, range(len(color_data))),
 100                                [[0., 0.5], [init_x, 0.5], [1., 0.5]])
 101 #    clusters1, score1 = k_means.cluster(1, 2,zip(color_data, range(len(color_data))),
 102 #                               [[0.5, 0.5]])
 103 #    clusters2, score2 = k_means.cluster(2, 2,zip(color_data, range(len(color_data))),
 104 #                               [[0., 0.5], [0.75, 0.5]])
 105 #    import sys
 106 #    print >> sys.stderr, score1, score2, score
 107 #
 108     if show_all:
 109         fig = pyplot.figure(figsize=(8, 6))
 110         pyplot.scatter([d[0][0] for d in clusters[0]], [d[0][1] for d in clusters[0]],
 111                                                  color=(1,0,0,1))
 112         pyplot.scatter([d[0][0] for d in clusters[1]], [d[0][1] for d in clusters[1]],
 113                                                  color=(0,1,0,1))
 114         pyplot.scatter([d[0][0] for d in clusters[2]], [d[0][1] for d in clusters[2]],
 115                                                  color=(0,0,1,1))
 116         pyplot.xlim(0,1)
 117         pyplot.ylim(0,1)
 118         fig.canvas.draw()
 119         size = fig.canvas.get_width_height()
 120         buff = fig.canvas.tostring_rgb()
 121         image_p = Image.fromstring('RGB', size, buff, 'raw')
 122         do_something(image_p, "color clustering")
 123
 124     clusters[0] = [(p[1], 'B') for p in clusters[0]]
 125     clusters[1] = [(p[1], '.') for p in clusters[1]]
 126     clusters[2] = [(p[1], 'W') for p in clusters[2]]
 127
 128     board_rl = sum(clusters, [])
 129     board_rl.sort()
 130     board_rg = (p[1] for p in board_rl)
 131
 132     board_r = []
 133
 134     #TODO 19 should be a size parameter
 135     try:
 136         for i in xrange(19):
 137             for _ in xrange(19):
 138                 board_r.append(board_rg.next())
 139     except StopIteration:
 140         pass
 141
 142     return output.Board(19, board_r)
 143
 144 def mean_luma(cluster):
 145     """Return mean luminanace of the *cluster* of points."""
 146     return sum(c[0][0] for c in cluster) / float(len(cluster))
 147
 148 def to_general(line, size):
 149     # TODO comment
 150     (x1, y1), (x2, y2) = linef.line_from_angl_dist(line, size)
 151     return (y2 - y1, x1 - x2, x2 * y1 - x1 * y2)
 152
 153 def intersection(l1, l2):
 154     a1, b1, c1 = l1
 155     a2, b2, c2 = l2
 156     delim = float(a1 * b2 - b1 * a2)
 157     x = (b1 * c2 - c1 * b2) / delim
 158     y = (c1 * a2 - a1 * c2) / delim
 159     return x, y
 160
 161 # TODO remove the parameter get_all
 162 def intersections_from_angl_dist(lines, size, get_all=True):
 163     """Take grid-lines and size of the image. Return intersections."""
 164     lines0 = map(lambda l: to_general(l, size), lines[0])
 165     lines1 = map(lambda l: to_general(l, size), lines[1])
 166     intersections = []
 167     for l1 in lines1:
 168         line = []
 169         for l2 in lines0:
 170             line.append(intersection(l1, l2))
 171         intersections.append(line)
 172     return intersections
 173
 174 def rgb2lumsat(color):
 175     """Convert RGB to luminance and HSI model saturation."""
 176     r, g, b = color
 177     luma = (0.30 * r + 0.59 * g + 0.11 * b) / 255.0
 178     max_diff = max(color) - min(color)
 179     if max_diff == 0:
 180         saturation = 0
 181     else:
 182         saturation = 1. - ((3. * min(color)) / sum(color))
 183     return luma, saturation
 184
 185 def median(lst):
 186     #TODO comment (or delete maybe?)
 187     len_lst = len(lst)
 188     if len_lst % 2 == 0:
 189         return (lst[len_lst / 2] + lst[len_lst / 2 + 1]) / 2.0
 190     else:
 191         return lst[len_lst / 2]
 192
 193 def stone_color_raw(image, (x, y)):
 194     """Given image and coordinates, return stone color."""
 195     size = 3
 196     points = []
 197     for i in range(-size, size + 1):
 198         for j in range(-size, size + 1):
 199             try:
 200                 points.append(image.getpixel((x + i, y + j)))
 201             except IndexError:
 202                 pass
 203     norm = float(len(points))
 204     if norm == 0:
 205         return 0, 0, (0, 0, 0) #TODO trow exception here
 206     norm = float(norm*255)
 207     color = (sum(p[0] for p in points) / norm,
 208              sum(p[1] for p in points) / norm,
 209              sum(p[2] for p in points) / norm)
 210     hue, luma, saturation = colorsys.rgb_to_hls(*color)
 211     color = colorsys.hls_to_rgb(hue, 0.5, 1.)
 212     return luma, saturation, color, hue