Initial commit with project files

5_Bildanalyse/ü10/README.md

@@ -0,0 +1,32 @@
+# Übung 10: Objekt Detektion
+
+Sie haben folgendes Bild gegeben, in dem Sie eine Flasche detektieren wollen:
+![](../../data/flasche_rechteckig.png)
+
+Weiterhin haben Sie bereits ein Kantenbild und ein Template erhalten:
+
+| Kantenbild | Template |
+| ---------- | -------- |
+| ![](data/edges.png) | ![](data/template.png) |
+
+
+## a) Template Matching
+
+Sie sollen ein Template Matching durchführen, um die Position zu finden, 
+an welcher eine Flasche mit der größten Wahrscheinlichkeit steht. Nutzen Sie dafür das gegebene Template einer Flasche. 
+Um die Aufgabe zu lösen, implementieren Sie die folgenden Schritte:
+
+ 1. Laden Sie das Template und das Kantenbild
+ 2. Legen Sie das Template auf jeden möglichen Bildausschnitts des Kantenbildes und erstellen Sie einen Matching-Score.
+    1. Schneiden Sie einen Bildausschnitt in der Größe des Templates aus
+    2. Berechnen Sie Fläche des Querschnitt des Templates und des Bildausschnitts. Dies ist der Matching-Score dieser Position.
+    3. Speichern Sie den Matching Score für die Position
+ 3. Finden Sie die Position mit dem größten Matching-Score und visualisieren Sie ihn in dem originalen Bild.
+ 
+**Hinweise:**
+ - In dieser Übung sollen nur Bildausschnitte betrachtet werden, auf die das gesamte Template passt
+ - Das Template soll **NICHT** skaliert werden (Größen-Variant)
+
+
+Bitte führen Sie für die Bearbeitung der Aufgabe das Skript [a.py](a.py) fort. 
+Die Lösung befindet sich in Datei [l_a.py](l_a.py).

5_Bildanalyse/ü10/a.py

@@ -0,0 +1,31 @@
+import numpy as np
+import cv2
+
+# Load images and template
+original_img = cv2.imread("../../data/flasche_rechteckig.png")
+original_img = cv2.resize(original_img, (int(original_img.shape[1]/ 2), int(original_img.shape[0] / 2)))
+cv2.imshow("original_img", original_img)
+
+# The original canny edge code wascode was:
+# img = cv2.cvtColor(original_img, cv2.COLOR_BGR2GRAY)
+# edges = cv2.Canny(img, 10, 100)
+
+edges = cv2.imread("data/edges.png")[:, :, 0] / 255
+cv2.imshow("canny-edges", edges.astype(np.float32) * 255)
+template = cv2.imread("data/template.png")[:, :, 0] / 255
+cv2.imshow("template", template.astype(np.float32) * 255)
+
+# Sliding window over the edge image
+h_edge, w_edge = edges.shape
+h_template, w_template = template.shape
+offset_h, offset_w = int(h_template / 2), int(w_template / 2)
+print("Shape of edge image:", edges.shape)
+print("Shape of template:", template.shape)
+print("Offset of template:", offset_h, offset_w)
+
+
+# YOUR CODE
+# ...
+
+
+cv2.waitKey(0)

5_Bildanalyse/ü10/l_a.py

@@ -0,0 +1,44 @@
+import numpy as np
+import cv2
+
+# Load images and template
+original_img = cv2.imread("../../data/flasche_rechteckig.png")
+original_img = cv2.resize(original_img, (int(original_img.shape[1]/ 2), int(original_img.shape[0] / 2)))
+cv2.imshow("original_img", original_img)
+
+# The original canny edge code wascode was:
+# img = cv2.cvtColor(original_img, cv2.COLOR_BGR2GRAY)
+# edges = cv2.Canny(img, 10, 100)
+
+edges = cv2.imread("data/edges.png")[:, :, 0] / 255
+cv2.imshow("canny-edges", edges.astype(np.float32) * 255)
+template = cv2.imread("data/template.png")[:, :, 0] / 255
+cv2.imshow("template", template.astype(np.float32) * 255)
+
+# Sliding window over the edge image
+h_edge, w_edge = edges.shape
+h_template, w_template = template.shape
+offset_h, offset_w = int(h_template / 2), int(w_template / 2)
+print("Shape of edge image:", edges.shape)
+print("Shape of template:", template.shape)
+print("Offset of template:", offset_h, offset_w)
+
+heatmap = np.zeros_like(edges).astype(np.float32)
+for x in range(0, w_edge - w_template):
+    for y in range(0, h_edge - h_template):
+        overlapping_pixel = edges[y:y+h_template, x:x+w_template] * template
+        num_overlapping_pixel = np.sum(overlapping_pixel)
+        heatmap[y + offset_h, x + offset_w] = num_overlapping_pixel
+
+heatmap = heatmap / np.max(heatmap)
+cv2.imshow("heatmap", heatmap)
+
+# Find maximum and print it so the original image
+max_pos = np.unravel_index(heatmap.argmax(), heatmap.shape)
+print("The maximal position is:", max_pos)
+red = [0, 0, 255]
+original_img[max_pos[0]-5:max_pos[0]+5, max_pos[1]-5:max_pos[1]+5] = red
+cv2.imshow("best_match", original_img)
+
+
+cv2.waitKey(0)