-
Notifications
You must be signed in to change notification settings - Fork 0
/
Consola_Usuario.py
235 lines (168 loc) · 8.88 KB
/
Consola_Usuario.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
from cmd import Cmd
import os
from timeit import default_timer
from Clasificacion_kmeans import Reconocer_Fruta_kmneas, kmeans
import os
import cv2
import Fruta
import numpy as np
from base_datos import Base_Datos
from Clasificacion_knn import Knn
import imutils
class Interfaz_Usuario(Cmd):
BASE_DATOS = None
CENTROIDES = None
def do_ENTRENAR(self, args):
"""Lee las imagenes de entremiento y las almacena en una base de datos, realizando el proceso de vision artificial """
print('Leyendo imagenes de entrenamiento....\n\n')
list_frutas = list()
os.chdir('./img_entrenamiento/')
actual = os.getcwd()
imagenes = os.listdir()
for img in imagenes:
fruit = Fruta.Fruta()
fruit.Leer_img(actual, img)
fruit.Calcular_Caracteristicas()
list_frutas.append(fruit)
del(fruit)
os.chdir('../')
print('Lectura completa\n')
self.BASE_DATOS = Base_Datos(list_frutas)
self.BASE_DATOS.Armar_Matriz_Caracterristicas()
self.BASE_DATOS.Normalizar_Datos()
print('\nIniciando CLASIFICACION KMEANs....\n\n')
kmeans_aciertos = int()
#repara centroides y desplegarlos
self.CENTROIDES = kmeans(self.BASE_DATOS)
for fruta in list_frutas:
print(f"La fruta es <-- {fruta.NOMBRE} -->, y kmeans dice : ---- {fruta.KMEANS_CLASIFICACION} ---- ")
if fruta.KMEANS_CLASIFICACION == fruta.NOMBRE:
kmeans_aciertos += 1
del(fruta)
kmeans_eficiencia = float(kmeans_aciertos / len(list_frutas))
print(f'La eficiencia del K_MEANS es de: {kmeans_eficiencia}')
def do_TESTING(self, args):
"""Comienza el proceso de testeo sobre imagenes de prueba, verificando la eficiencia de los metodos k_means y knn"""
if self.BASE_DATOS is not None:
print('\nIniciando CLASIFICACION KNN....\n\n')
frutas_entrenemiento = list()
knn_aciertos = int()
os.chdir('./testing_img/')
actual = os.getcwd()
imagenes = os.listdir()
# --- PROCESO KNN sobre TEST_IMG
inicio_knn = default_timer()
for img in imagenes:
fruit = Fruta.Fruta()
fruit.Leer_img(actual, img)
fruit.Calcular_Caracteristicas()
frutas_entrenemiento.append(fruit)
resultado = Knn( 5 , self.BASE_DATOS, fruit)
fruit.KNN_CLASIFICACION = resultado
print(f"{fruit.Nombre_Archivo}: La fruta es <- {fruit.NOMBRE.upper()} ->, y knn dice : <- {fruit.KNN_CLASIFICACION.upper()} -> ")
if fruit.KNN_CLASIFICACION == fruit.NOMBRE:
knn_aciertos += 1
fin_knn = default_timer()
knn_eficiencia = round(float(knn_aciertos / len(frutas_entrenemiento)) *100,2)
os.chdir('../')
print(f'\n\n---La eficiencia del KNN es de: {knn_eficiencia}%---')
print(f'El tiempo de clasificacion KNN tomo: {fin_knn- inicio_knn}\n')
# --- PROCESO KMEANS sobre TEST_IMG
inicio_kmean = default_timer()
kmeans_aciertos = 0
for img in frutas_entrenemiento:
#Generar distancias a los distintos centrodes
Reconocer_Fruta_kmneas(img, self.CENTROIDES)
print(f"{img.Nombre_Archivo}: La fruta es <- {img.NOMBRE.upper()} ->, y KMEANS dice : <- {img.KMEANS_CLASIFICACION.upper()} -> ")
if img.KMEANS_CLASIFICACION == img.NOMBRE:
kmeans_aciertos += 1
del(img)
kmeans_eficiencia =round( float(kmeans_aciertos / len(frutas_entrenemiento))*100,2)
fin_kmean = default_timer()
print(f'\n\n ---La eficiencia del K_MEANS es de: {kmeans_eficiencia}% ---')
print(f'El tiempo de clasificacion KMEANS tomo: {round(fin_kmean- inicio_kmean,2)} segundos\n')
else:
print('NO puede realizarse ningun pruaba de clasificacion ya que no se ha leido la Base de Entrenamiento')
def do_STREAMING(self, args):
"""Inicia una ventana de video para realizar una clasificacion en streaming"""
MODO = args
if self.BASE_DATOS is not None:
kernel_close = np.ones((9,9), np.uint8)
cap = cv2.VideoCapture(2)
hay_contorno = bool()
fruit = Fruta.Fruta()
i = 0
while True:
ret, frame = cap.read()
if ret == False: break
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
if i == 20:
bgGray = gray
if i > 20:
hay_contorno = False
dif = cv2.absdiff(gray, bgGray)
# cv2.imshow('dif',dif)
_, th = cv2.threshold(dif, 20, 255, cv2.THRESH_BINARY)
th = cv2.morphologyEx(th, cv2.MORPH_CLOSE,kernel_close)
cv2.imshow('th',th)
cnts, _ = cv2.findContours(th, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
if cnts:
cnt = max(cnts, key=cv2.contourArea)
area = cv2.contourArea(cnt)
area_frame = gray.shape[1] * gray.shape[0]
if area_frame *0.01 < area and area < area_frame *0.8:
hay_contorno = True
img_aux = frame.copy()
x,y,w,h = cv2.boundingRect(cnt)
cv2.drawContours(frame, [cnt], -1, (0,0,255),2)
cv2.rectangle(frame, (x-10,y-10), (x+w+10,y+h+10),(0,255,0),2)
i = i+1
if hay_contorno :
"""
1 - recortar la imagen que me sirva
2 - imagen guardarla o leer en una variable fruta
3 - extraer sus caracteristicas
4 - aplicar K_means y K_nn y ver resultados
5 escribir en imagen frame el resutado
"""
# img_fruta = cv2.resize(frame[y:y + h, x:x + w], (100, 50))
try:
img_fruta = imutils.resize(img_aux[y-10:y+ 8 + h , x-10 :x + 8 + w ],width=300)
nombre = f'Imagen-Streamging_1.jpg'
fruit.GUardar_Img_Procesada(img_fruta, nombre)
try:
fruit.Calcular_Caracteristicas()
fruit.Mostrar_Img_Enmascarada()
fruit.KNN_CLASIFICACION = Knn( 5 , self.BASE_DATOS, fruit)
Reconocer_Fruta_kmneas(fruit, self.CENTROIDES)
cv2.putText(frame,f'KMEANS: {fruit.KMEANS_CLASIFICACION.upper()}',(x,y-40),2,0.7,(0,0,255),2,cv2.LINE_AA)
cv2.putText(frame,f'KNN: {fruit.KNN_CLASIFICACION.upper()}',(x,y-20),2,0.7,(0,0,255),2,cv2.LINE_AA)
# print(f"{fruit.Nombre_Archivo}: La fruta es <- {fruit.NOMBRE.upper()} ->, y knn dice : <- {fruit.KNN_CLASIFICACION.upper()} -> ")
except:
cv2.putText(frame,'NO SE RECONOCE LA FRUTA',(x,y-10),2,0.7,(0,255,0),2,cv2.LINE_AA)
pass
except:
pass
cv2.imshow('Frame',frame)
if cv2.waitKey(30) & 0xFF == 27:
break
cap.release()
cv2.destroyAllWindows()
else:
print('NO PUEDE realizarse VIDEO STREAMING de clasificacion ya que no se ha Entrenado el Sistema')
print('straeming')
def default(self,args):
print("Error. El comando \'" + args + "\' no existe")
def precmd(self,args):
if args.lower() == 'help':
return args.lower()
else:
return args.upper()
def do_EXIT(self,args):
"""quit sale del interprete"""
print("Sistema Cerrado")
raise SystemExit
if __name__ == '__main__':
interfaz = Interfaz_Usuario()
interfaz.prompt = '>> '
interfaz.cmdloop("Iniciando ventana de comandos...")