Discussion :

[thance]

Bon je vais recommencer et poser les problèmes 1 à 1...

En fait après mon seuillage, les matrices sont faites grâce a numpy, et lorsque je dois les réinporter dans une autre fonction, en scipy ça pose problème, il me dit : tupple index out of range...

Vous savez quel pourrait être le problème?

Merci

[parp1]

Mets ton code avec un exemple de la console sVP, ca permet a tout le monde de gagner du temps.

[thance]

Mouais, mais j'ai un peu honte, il est tout brouillon... Fin bon, voilà je ferme les yeux :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

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
# -*- coding: cp1252 -*-
import Image
import numpy
import scipy
 
 
def imgtoseuil():
 
    im = Image.open('/Users/thomashance/Desktop/tfe/prog/P52505912+vert2.jpg').split()
 
    larg, haut = im[0].size ## long et largeur de l'image
    im[0].save('/Users/thomashance/Desktop/tfe/prog/r.png')  ## juste pour voir ce que ca donne visuellement
    im[1].save('/Users/thomashance/Desktop/tfe/prog/g.png')  ## juste pour voir ce que ca donne visuellement
    im[2].save('/Users/thomashance/Desktop/tfe/prog/b.png')  ## juste pour voir ce que ca donne visuellement
    r = numpy.array(list(im[0].getdata()))  ## creation d'un tableau avec R
    g = numpy.array(list(im[1].getdata()))  ## creation d'un tableau avec G
    b = numpy.array(list(im[2].getdata()))  ## creation d'un tableau avec B
    n = numpy.where(g<70, 255, 0)   ## seuillage sur G, on conserve les pixels en dessous de 70 => il ne reste que les noires
    matrix = numpy.reshape(n, (larg,haut))## mettre la matrice en forme, sinon bugs
    noire = Image.new('L', (larg, haut))## crŽation d'une instance d'image
    noire.putdata(list(matrix.flat))## "transformation de la matric en image
    noire.save('/Users/thomashance/Desktop/tfe/prog/noir.tiff')## on la sauve
    noire.show() ## prévisualise.
    v = numpy.where(b<70, 255, 0) ## seuillage sur B, on conserve les pixels  en dessous de 70 => on obtient les noires et les vertes
    n = 255-n ## on inverse l'image des taches noires
    v &= n ## et binaire avec l'image sans les taches noires, permet de r?cup?rer que les taches vertes
    matrix2 = numpy.reshape(v, (larg,haut))
    vert = Image.new('L', (larg, haut))
    vert.putdata(list(matrix2.flat))
    vert.save('/Users/thomashance/Desktop/tfe/prog/vert.tiff')
    vert.show()
    return matrix, matrix2
 
def fromdatatodata_colors(datamatrice):
    # Cette fonction prend en argument une matrice n*m de données et retourne une matrice image RGB de ces données.
    img_shape = scipy.shape(datamatrice[0])
    img_nb_ligne = img_shape[0] 
    img_nb_collonne = img_shape[1] 
    img_ligne = scipy.arange(0, img_nb_ligne, 1) 
    img_collonne = scipy.arange(0, img_nb_collonne, 1)
    rgb = scipy.arange(0, 3, 1)
    niveaux = scipy.arange(0, 255, 1)
    zones = scipy.arange(0, 16581376, 1)
    CO = 16581376 / (datamatrice[1]*1000) # Color offset, permet de répartir  les zones le long des 16000000 de couleurs.
    img = datamatrice[0] * CO
    index = 0
    colormap = scipy.ones([1, len(zones), len(rgb)]) # Index des couleurs RGB en fonction des numéros de zones.
    for r in niveaux:
        for g in niveaux:
            for b in niveaux:
                colormap[0, index, 0] = r
                colormap[0, index, 1] = g
                colormap[0, index, 2] = b
                index = index + 1
    data_colors = scipy.ones([img_shape[0] + 2, img_shape[1] + 2, len(rgb)])
    for l in img_ligne: # Parcours des image rgb et data.
        for c in img_collonne:
            for n in rgb:
                if img[l, c] != 0: 
                    data_colors[l, c, n] = colormap[0, img[l, c], n]
    return data_colors
 
def fromimgtoimg_edge(img, img_ligne, img_collonne, nblc, offset):
    # Cette fonction retourne une matrice qui gère les effets de bords en fonction de la matrice binaire d'origine.
    img_edge = scipy.zeros([nblc, nblc])
    for l in img_ligne:
        for c in img_collonne:
            img_edge[l + offset, c + offset] = img[l, c]
    return img_edge
 
def fromdata_edgetodata(data_edge, img_shape, img_ligne, img_collonne, offset):
    # Cette fonction retourne une matrice emputé des bords qui servaient à gérer les effets de bords. 
    data = scipy.zeros([img_shape[0], img_shape[1]])
    for l in img_ligne:
        for c in img_collonne:
            data[l, c] = data_edge[l + offset, c + offset]
    return data
 
def neighbors(img_edge, data_edge, l, c, x, next_region):
    # cette fonction parcours l'image de façon concentrique à partir d'un point à la recherche d'éléments consécutifs.
    empty = 0
    neighbors_row = scipy.arange(- x, x + 1, 1)
    for n in neighbors_row:
        for m in neighbors_row:
            if abs(n) == x or abs(m) == x:
                if img_edge[l + n, c + m] == 255:
                    if data_edge[l + n - 1, c + m - 1] == next_region or data_edge[l + n - 1, c + m] == next_region or data_edge[l + n - 1, c + m + 1] == next_region or data_edge[l + n, c + m - 1] == next_region or data_edge[l + n, c + m + 1] == next_region or data_edge[l + n + 1, c + m - 1] == next_region or data_edge[l + n + 1, c + m] == next_region or data_edge[l + n +1, c + m + 1] == next_region:
                        empty = 1
                        img_edge[l + n, c + m] = 0
                        data_edge[l + n, c + m] = next_region
    return empty
 
def fromimgtodata(img):
    # Cette fonction prend en argument la matrice binaire d'origine et renvoie une matrice de données.
    img_shape = scipy.shape(img)
    img_nb_ligne = img_shape[0] 
    img_nb_collonne = img_shape[1] 
    img_ligne = scipy.arange(0, img_nb_ligne, 1) 
    img_collonne = scipy.arange(0, img_nb_collonne, 1) 
    nbmaxlc = max([img_shape[0], img_shape[1]]) # donne la dimention de la matrice la plus grande (largeur ou hauteur).
    offset = nbmaxlc - 1 # grandeur de la zone de gestion de bords.
    nblc = nbmaxlc * 3 -2 # Longueur et grandeur de la matrice.
    neighbors_row_max = scipy.arange(1, nbmaxlc, 1)
    data_edge = scipy.zeros([nblc, nblc]) # Matrice de data avec gestion de bords.
    img_edge = fromimgtoimg_edge(img, img_ligne, img_collonne, nblc, offset)
    data_edge_shape = scipy.shape(data_edge) 
    data_edge_nb_ligne = data_edge_shape[0] 
    data_edge_nb_collonne = data_edge_shape[1] 
    next_region = 1 
    for l in img_ligne:
        for c in img_collonne:
            if img_edge[l + offset, c + offset] == 255:
                img_edge[l + offset, c + offset] = 0
                data_edge[l + offset, c + offset] = next_region
                for x in neighbors_row_max:
                    if neighbors(img_edge, data_edge, l + offset, c + offset, x, next_region) == 0:
                        break # Si tous les voisins sont = 0 rien ne sert de regarder les adjacents suivant.
                next_region = next_region + 1
    data = fromdata_edgetodata(data_edge, img_shape, img_ligne, img_collonne, offset)
    nbregion = next_region - 1
    return data, nbregion
 
# How to use fromimgtodata
 
#erosion
def Erosion(img):##ok
 
    Erode=[0]*(img.shape[1]-2)*(img.shape[0]-2)
    h=0
    for i in range(1,img.shape[0]-1):
        for j in range(1,img.shape[1]-1):
           Erode[h]=min([img[i-1][j-1],img[i][j-1],img[i+1][j-1],img[i-1][j],img[i][j],img[i+1][j],img[i-1][j+1],img[i][j+1],img[i+1][j+1]]) 
		   #Mise de la valeur max du voisinage 3x3 au point(x,y)
           h+=1
 
    Erode=numpy.array(Erode)
    Erode=numpy.reshape(Erode,(img.shape[0]-2,img.shape[1]-2))
    RebuildImg(Erode,'/Users/thomashance/Desktop/tfe/prog/erode.tiff')
 
def RebuildImg(data,path): #data de limage a reconstruire, plus chemin de sortie.
    Copie = Image.new("L",(data.shape[1],data.shape[0]))
    Copie.putdata(list(data.flat))
    Copie.save(fp=str(path))
 
img = imgtoseuil()
 
img = scipy.misc.pilutil.imread('/Users/thomashance/Desktop/tfe/prog/noir.tiff')
img2 = scipy.misc.pilutil.imread('/Users/thomashance/Desktop/tfe/prog/vert.tiff')
 
img2 = Erosion(img2)
img2 = scipy.misc.pilutil.imread('/Users/thomashance/Desktop/tfe/prog/erode.tiff')
 
 
datamatrice = fromimgtodata(img)
print "Nombre de zones noires: " + str(datamatrice[1])
datamatrice2 = fromimgtodata(img2)
print "Nombre de zones vertes: " + str(datamatrice2[1])
 
# Colors
#datacolors = fromdatatodata_colors(datamatrice)
#scipy.misc.pilutil.imshow(datacolors)
 
#datacolors2 = fromdatatodata_colors(datamatrice2)
#scipy.misc.pilutil.imshow(datacolors2)
#RebuildImg(datacolors2,'/Users/thomashance/Desktop/tfe/prog/datacolors2.tiff')

Donc imgto seuil envoie deux matrice, et quand j'essaye

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
img = imgtoseuil()
img = img[0]
img = img[1]

Voilà ce que j'ai

Traceback (most recent call last):
File "/Users/thomashance/Desktop/tfe/prog/seuil_count_color_comments.py", line 155, in ?
datamatrice = fromimgtodata(img)
File "/Users/thomashance/Desktop/tfe/prog/seuil_count_color_comments.py", line 97, in fromimgtodata
img_nb_collonne = img_shape[1]
IndexError: tuple index out of range

Je viens d'essayer en faisant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

datamatrice = fromimgtodata(img[0])

Ca à juste l'air de fonctionner, il me donne des résultats farfelus...

Et parp1, merci pour l'érosion, ça fait exactement ce que je veux! cool

++

[parp1]

Est ce que tu as essayé de faire :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
return [matrix, matrix2]

Au lieu de faire ca :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

return matrix, matrix2

Autre chose!

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
img = imgtoseuil()
img = img[0]
img = img[1]

Essaie de faire ca plutôt.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
img = imgtoseuil()
imgR = img[0]
imgG= img[1]

Tu mettais img une partie d'img dans lui meme, donc il changeait de valeur, et tu voulais accedé ensuite a un partie d'img a la sortie de ta fonction... Tien nous au courant.

[thance]

Merci de ta réponse rapide, mais je savais pas qu'il fallait mettre des crochets... Ca change quoi en fait?

Pour la deuxième erreur, j'ai fait une erreur de frappe en le mettant, j'avais bien prévu de les mettre dans des variables différentes...

En fait c'est bizarre cette histoire, je pense que c'est plus profond qu'une bête erreur d'indentation, même si je peux en avoir fait une...

++

[Matthieu Brucher]

Quelle version de scipy et de numpy ?
scipy utilise les matrices de numpy, donc pas de différence à ce niveau, il y a autre chose...

[thance]

Nympy 1.0.1,
Scipy 0.5.1,

Par hazard, quelqu'un aurait déjà essayé avec réussite le matplotlib?

J'ai testé ça :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
vert = pylab.imread('/Users/thomashance/Desktop/tfe/prog/vert.png')
pylab.subplot(1, 2, 2)
pylab.imshow(vert)
noire = pylab.imread('/Users/thomashance/Desktop/tfe/prog/noir.png')
pylab.subplot(1, 2, 1)
pylab.imshow(noire)

Mais, il n'y a pas d'erreur, et rien ne se passe , j'ai fait une erreur?

Merci

[Matthieu Brucher]

Ouh là, c'est du vieux. Essaie déjà numpy 1.0.3 avec scipy 0.5.3, idem pour matplotlib 0.90.1 !

[thance]

Ben j'ai pas trop le choix, je suis en 2.4.3, et c'est les paquets précompilés pour mac...

Pour matplotlib, ya vraiment rien qui marche, quelqu'un a déjà essayé sous mac? J'ai la version 0.90 je pense...

En fait, ce qui m'intéresse, c'est simplement d'afficher des images sur la même fenêtre avec des titres et tout ça... Quelque chose d'autre le permet?

Merci

[Matthieu Brucher]

Ben j'ai pas trop le choix, je suis en 2.4.3, et c'est les paquets précompilés pour mac...

C'est quoi 2.4.3 ?
En tout cas, tu as une version datant du début de l'année pour numpy, et une qui doit avoir un an pour scipy, faut pas s'étonner que ça ne marche pas très bien ensemble.

Pour matplotlib, ya vraiment rien qui marche, quelqu'un a déjà essayé sous mac? J'ai la version 0.90 je pense...

Encore plus étonnant, tu as alors un gros problème avec scipy qui est bien trop vieux.

[thance]

Je sais bien j'ai des version pour python 2.4.3 je pense...

Mais j'ose pas passer en 2.5, j'ai peur que ça crée des problèmes...

Sinon au pire tant pis quoi... Je continue a utiliser mon système...

Tient je vais essayer d'installer le 2.5 sur un autre ordinateur, on sait jms...

Merci

[Matthieu Brucher]

Il doit exister aussi des versions plus récentes de scipy pout Python 2.4.3, non ? - pourquoi ne pas prendre la 2.4.4 d'ailleurs ? -

[thance]

Je viens d'essayer toutes les dernières versions sur mon portable et ça ne change rien, ce n'est donc pas ça...

Tu ne connaîtrais pas une lib qui permet d'afficher bien des images?

Sinon mon programme tourne, c'est pas ça, mais ce problème de matrice est quand même bizarre quoi...

Merci

[Matthieu Brucher]

Est-ce que tu utilisais numarray ou numeric par le passé avec ce code ?

[thance]

Matplotlib a besoin de numarray, sinon ça fonctionne pas... Numeric je ne pense pas l'avoir installed...

Tient par hazard tu a essayé mon code? Tu es sur PC? Il fonctionne?

Merci

[Matthieu Brucher]

Matplotlib n'utilise plus numarray depuis la 0.90. Si tu utilises une version avant la 0.90, elle utilisera numarray, d'où problèmes potentiels.
Et je ne sais pas si ton programme marche chez moi, je n'ai pas tes fichiers.

[thance]

Je peux te les donner en hémeuhpé?

Je peux te donner aussi la photo que j'utilise...

Mais tu comprends, je suis pas focalisé sur matplotlib, c'est juste qu'on a vu maltab a l'école, et ça serait cool qu'il marche, mais bon... Je pense que le fait que je sous sous mac OS pose problème...

Sinon il existe autre chose pour afficher sympathiquement des images?

Merci à toi

[Matthieu Brucher]

En même temps, si tu fais

img = imgtoseuil()
img = img[0]
img = img[1]

Ca ne peut pas marcher, t'es au courant ?

Sinon, PIL et numpy peuvent communiquer entre eux sans copies (PIL a un frommatrix() et un asmatrix(), ou un truc du genre dans ses dernières versions)

[thance]

Oui oui, je me suis trompé en recopiant

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
img = imgtoseuil()
img = img[0]
img2 = img[1]

Voilà... , réparé...

Merci

[Matthieu Brucher]

Mais même là, ça ne peut pas marcher...