src/intrsc.py

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