gridf.py

   1 """Imago grid-fitting module"""
   2
   3 import multiprocessing
   4
   5 import Image, ImageDraw, ImageFilter
   6
   7 from geometry import V, projection
   8 from manual import lines as g_grid, l2ad
   9 from intrsc import intersections_from_angl_dist
  10 from linef import line_from_angl_dist
  11 import pcf
  12
  13 class GridFittingFailedError(Exception):
  14     pass
  15
  16 class MyGaussianBlur(ImageFilter.Filter):
  17     name = "GaussianBlur"
  18
  19     def __init__(self, radius=2):
  20         self.radius = radius
  21     def filter(self, image):
  22         return image.gaussian_blur(self.radius)
  23
  24 def job_br1(args):
  25     im_l, v1, v2, h1, h2, x, y, dv, dh, size = args
  26     v1 = (v1[0] + x * dv, v1[1] + x)
  27     v2 = (v2[0] + y * dv, v2[1] + y)
  28     return (distance(im_l,
  29                     get_grid([v1, v2], [h1, h2], size),
  30                     size), x, y)
  31
  32 def job_br2(args):
  33     im_l, v1, v2, h1, h2, x, y, dv, dh, size = args
  34     h1 = (h1[0] + x * dh, h1[1] + x)
  35     h2 = (h2[0] + y * dh, h2[1] + y)
  36     return (distance(im_l,
  37                     get_grid([v1, v2], [h1, h2], size),
  38                     size), x, y)
  39
  40 def job_4(args):
  41     im_l, v1, v2, h1, h2, x, y, w, z, dv, dh, size = args
  42     v1 = (v1[0] + x * dv, v1[1] + x)
  43     v2 = (v2[0] + y * dv, v2[1] + y)
  44     h1 = (h1[0] + w * dh, h1[1] + w)
  45     h2 = (h2[0] + z * dh, h2[1] + z)
  46     return (distance(im_l,
  47                     get_grid([v1, v2], [h1, h2], size),
  48                     size), x, y, w, z)
  49
  50 def find(lines, size, l1, l2, bounds, hough, do_something, im_h):
  51     l1 = line_from_angl_dist(l1, size)
  52     l2 = line_from_angl_dist(l2, size)
  53     v1 = V(*l1[0]) - V(*l1[1])
  54     v2 = V(*l2[0]) - V(*l2[1])
  55     a, b, c, d = [V(*a) for a in bounds]
  56     a = projection(a, l1, v1)
  57     b = projection(b, l1, v1)
  58     c = projection(c, l2, v2)
  59     d = projection(d, l2, v2)
  60
  61     v1, v2 = hough.lines_from_list([a, b])
  62     h1, h2 = hough.lines_from_list([c, d])
  63
  64     delta_v = ((l1[1][1] - l1[0][1]) * hough.dt) / l1[1][0]
  65     delta_h = ((l2[1][1] - l2[0][1]) * hough.dt) / l2[1][0]
  66
  67     im_l = Image.new('L', size)
  68     dr_l = ImageDraw.Draw(im_l)
  69     for line in sum(lines, []):
  70         dr_l.line(line_from_angl_dist(line, size), width=1, fill=255)
  71
  72     im_l = im_l.filter(MyGaussianBlur(radius=5))
  73     #GaussianBlur is undocumented class, may not work in future versions of PIL
  74     im_l_s = im_l.tostring()
  75
  76     #let's try the ULTRA bruteforce aproach:
  77     pool = multiprocessing.Pool(None)
  78
  79     #import time
  80     #start = time.time()
  81
  82     k = 30
  83     tasks = [(im_l_s, v1, v2, h1, h2, x, y, w, z, delta_v, delta_h, size)
  84              for x in xrange(-k, k, 2)
  85              for y in xrange(-k, k, 2)
  86              for z in xrange(-k, k, 2)
  87              for w in xrange(-k, k, 2)]
  88
  89     opt = pool.map(job_4, tasks)
  90     _, x_v, y_v, x_h, y_h = max(opt)
  91
  92     v1 = (v1[0] + x_v * delta_v, v1[1] + x_v)
  93     v2 = (v2[0] + y_v * delta_v, v2[1] + y_v)
  94     h1 = (h1[0] + x_h * delta_h, h1[1] + x_h)
  95     h2 = (h2[0] + y_h * delta_h, h2[1] + y_h)
  96
  97     k = 5
  98     tasks = [(im_l_s, v1, v2, h1, h2, x, y, w, z, delta_v, delta_h, size)
  99              for x in xrange(-k, k)
 100              for y in xrange(-k, k)
 101              for z in xrange(-k, k)
 102              for w in xrange(-k, k)]
 103
 104     opt = pool.map(job_4, tasks)
 105     _, x_v, y_v, x_h, y_h = max(opt)
 106
 107     v1 = (v1[0] + x_v * delta_v, v1[1] + x_v)
 108     v2 = (v2[0] + y_v * delta_v, v2[1] + y_v)
 109     h1 = (h1[0] + x_h * delta_h, h1[1] + x_h)
 110     h2 = (h2[0] + y_h * delta_h, h2[1] + y_h)
 111
 112     grid = get_grid([v1, v2], [h1, h2], size)
 113     grid_lines = [[l2ad(l, size) for l in grid[0]],
 114                   [l2ad(l, size) for l in grid[1]]]
 115
 116     pool.terminate()
 117     pool.join()
 118
 119     #print time.time() - start
 120
 121 ### Show error surface
 122 #
 123 #    from gridf_analyzer import error_surface
 124 #    error_surface(k, im_l_s, v1_i, v2_i, h1_i, h2_i,
 125 #                  delta_v, delta_h, x_v, y_v, x_h, y_h, size)
 126 ###
 127
 128 ### Show grid over lines
 129 #
 130 #    im_t = Image.new('RGB', im_l.size, None)
 131 #    im_t_l = im_t.load()
 132 #    im_l_l = im_l.load()
 133 #    for x in xrange(im_t.size[0]):
 134 #        for y in xrange(im_t.size[1]):
 135 #            im_t_l[x, y] = (im_l_l[x, y], 0, 0)
 136 #
 137 #    im_t_d = ImageDraw.Draw(im_t)
 138 #    for l in grid[0] + grid[1]:
 139 #        im_t_d.line(l, width=1, fill=(0, 255, 0))
 140 #
 141 #    do_something(im_t, "lines and grid")
 142 ###
 143
 144     return grid, grid_lines
 145
 146 def get_grid(l1, l2, size):
 147     c = intersections_from_angl_dist([l1, l2], size, get_all=True)
 148     #TODO do something when a corner is outside the image
 149     corners = (c[0] + c[1])
 150     if len(corners) < 4:
 151         print l1, l2, c
 152         raise GridFittingFailedError
 153     grid = g_grid(corners)
 154     return grid
 155
 156 def line_out(line, size):
 157     for p in line:
 158         if p[0] < 0 or p[0] > size[0] or p[1] < 0 or p[1] > size[1]:
 159             return True
 160     else:
 161         return False
 162
 163 def distance(im_l, grid, size):
 164     im_g = Image.new('L', size)
 165     dr_g = ImageDraw.Draw(im_g)
 166     for line in grid[0] + grid[1]:
 167         dr_g.line(line, width=1, fill=255)
 168 #        if line_out(line, size):
 169 #            return 0
 170     #im_g = im_g.filter(MyGaussianBlur(radius=3))
 171     #GaussianBlur is undocumented class, may not work in future versions of PIL
 172     #im_d, distance = combine(im_l, im_g)
 173     distance_d = pcf.combine(im_l, im_g.tostring())
 174     return distance_d