module image.detection_segment.detection_segment#

Short summary#

module mlstatpy.image.detection_segment.detection_segment

Détecte les segments dans une image.

source on GitHub

Functions#

function

truncated documentation

_calcule_gradient

Retourne le gradient d’une image sous forme d’une matrice de Point, consideres ici comme des vecteurs.

_load_image

Charge une image en différents formats.

compute_gradient

Retourne le gradient d’une image sous forme d’une matrice de Point, consideres ici comme des vecteurs.

convert_array2PIL

Convertit une image donnée sous la forme d’un array au format numpy.array.

convert_PIL2array

Convertit une image donnée sous la forme d’une image Pillow au format numpy.array.

detect_segments

Détecte les segments dans une image.

plot_gradient

Construit une image a partir de la matrice de gradient afin de pouvoir l’afficher grace au module pygame, cette …

plot_segments

Dessine les segments produits par la fonction detect_segments()

Documentation#

Détecte les segments dans une image.

source on GitHub

mlstatpy.image.detection_segment.detection_segment._calcule_gradient(img, color=None)#

Retourne le gradient d’une image sous forme d’une matrice de Point, consideres ici comme des vecteurs.

Paramètres:
  • imgfichier, array, PIL (image en niveau de gris)

  • method'fast' or not

  • color – calcule le gradient pour cette couleur, None si l’image est en niveau de gris

Renvoie:

array of shape (y, x, 2), first dimension is dx, second one is dy

source on GitHub

mlstatpy.image.detection_segment.detection_segment._load_image(img, format='PIL', mode=None)#

Charge une image en différents formats.

Paramètres:
  • img – image (array, PIL, filename)

  • formatarray ou PIL

  • mode – voir modes, si None, essaye de deviner.

Renvoie:

PIL

source on GitHub

mlstatpy.image.detection_segment.detection_segment.compute_gradient(img, color=None)#

Retourne le gradient d’une image sous forme d’une matrice de Point, consideres ici comme des vecteurs.

source on GitHub

mlstatpy.image.detection_segment.detection_segment.convert_PIL2array(img)#

Convertit une image donnée sous la forme d’une image Pillow au format numpy.array.

Paramètres:

imgPillow

Renvoie:

numpy.array

source on GitHub

mlstatpy.image.detection_segment.detection_segment.convert_array2PIL(img, mode=None)#

Convertit une image donnée sous la forme d’un array au format numpy.array.

Paramètres:
Renvoie:

PIL

Le mode 'binary' convertit une image issue de la fonction random_noise_image.

source on GitHub

mlstatpy.image.detection_segment.detection_segment.detect_segments(image, proba_bin=0.0625, cos_angle=0.9807852804032304, seuil_nfa=1e-05, seuil_norme=2, angle=0.1308996938995747, stop=-1, verbose=False)#

Détecte les segments dans une image.

Paramètres:
  • image – image (fichier, array, PIL)

  • proba_bin – est en fait un secteur angulaire (360 / 16) qui determine la proximite de deux directions

  • cos_angle – est le cosinus de l’angle correspondant à ce secteur angulaire

  • seuil_nfa – au delà de ce seuil, on considere qu’un segment génère trop de fausses alertes pour être sélectionné

  • seuil_norme – norme en deça de laquelle un gradient est trop petit pour etre significatif (c’est du bruit)

  • angle – lorsqu’on balaye l’image pour détecter les segments, on tourne en rond selon les angles 0, angle, 2*angle, 3*angle, …

  • stop – arrête après avoir collecté tant de segments

  • verbose – affiche l’avancement

Renvoie:

les segments

source on GitHub

mlstatpy.image.detection_segment.detection_segment.plot_gradient(image, gradient, more=None, direction=-1)#

Construit une image a partir de la matrice de gradient afin de pouvoir l’afficher grace au module pygame, cette fonction place directement le resultat dans image, si direction > 0, cette fonction affiche egalement le gradient sur l’image tous les 10 pixels si direction vaut 10.

source on GitHub

mlstatpy.image.detection_segment.detection_segment.plot_segments(image, segments, outfile=None, color=(255, 0, 0))#

Dessine les segments produits par la fonction detect_segments

Paramètres:
  • image – image (fichier, array, PIL)

  • segments – résultats de la fonction detect_segments

  • outfile – fichier de sortie

  • color – couleur

Renvoie:

nom de fichier ou image

source on GitHub