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