DataAnalysis/Jeniffer-ImageAnalysis.py at master · rodolfojbrandao/DataAnalysis · GitHub

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
import os
import numpy as np
import pandas as pd
import math
from matplotlib import pyplot as plt
import cv2
import statistics

path='/home/rodolfo/Desktop/imagens'
#path='/home/rodolfo/Desktop/imagens_processadas'

os.chdir(path)

NF_0 = 541
NF_f =  560   #numero de files
cel = 400
number= NF_f-NF_0
fao = n.zeros(number)
dp4 = n.zeros(number)
media = n.zeros(number)
dados = []

#separacao dos dados
for s in range (NF_0,NF_f):
  img = plt.imread("imagem.{}.jpg".format(s))
  RGB_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
  plt.axis("off")
  imagem = RGB_img[:,:,1]

  #determinando fracao de area ocupada
  cont_pt=0
  cont_bt=0

  for i in range (0,(imagem.shape[0])-1): #linhas
    for j in range (0,(imagem.shape[1])-1):  #colunas
        if imagem[i,j]<50:
            cont_pt=cont_pt+1
        if imagem[i,j]>200:
            cont_bt=cont_bt+1

  cont_b_p=cont_pt+cont_bt
  fao[s]=(cont_pt/(cont_b_p))
  print(s * 100 / NF)

  #determinando concentração de pixel preto por celula
  contador1 = np.zeros((cel))
  contador2 = np.zeros((cel))
  contador = np.zeros((cel))
  rx = math.floor((imagem.shape[0])/cel**0.5)
  ry = math.floor((imagem.shape[1])/cel**0.5)
  k=-1
  for py in range (0,int(cel**0.5*ry),ry):
    for px in range (0,int(cel**0.5*rx),rx):
        k = k+1
        minimoX = px
        maximoX = px + rx
        minimoY = py
        maximoY = py + rx
        for n in range (minimoX, maximoX-3):
            for m in range(minimoY, maximoY-3):
                if imagem[m,n] > 200:
                    contador1[k] = contador1[k]+1
                if imagem[m,n] < 50:
                    contador2[k] = contador2[k]+1

  contador = contador1 + contador2
  #print(contador)
  l = -1
  Contador = []
  Contador2 = []
  C = []
  C3 = []
  for i in range(0,cel): #eliminando celulas na cor cinza
      if contador2[i] < 63:
        if contador[i] != 0:
            l=l+1
            Contador.append(contador[i].copy())
            Contador2.append(contador2[i].copy())
            C.append(Contador2[l]/Contador[l])


  plt.hist(Contador2, bins=20)
  plt.ylabel('Numero de particulas');
  plt.show()
  Contador2_def=pd.DataFrame(Contador2)
  print(Contador2_def.describe())
  #print(Contador2)
  #print(C)
  C_df = pd.DataFrame(C)
  #media = pd.DataFrame(C_df.mean())
  indice = pd.DataFrame(C_df.std())
  print(indice)
  #media.append(statistics.mean(C))
  #media_df = pd.DataFrame(media)
#md=statistics.mean(media)
#print(md)

  #determinando desvio padrao da amostra da população
  #dp4.append(statistics.stdev(C))
  #media.append(statistics.mean(C))
  #print(C)
  #print(dp4,type(dp4),len(dp4))
  #media=statistics.mean(C)
  #media=media .transpose()
  #print(media, type(media), len(media))
  #print(media)
  #C3=C.pop(2)
  #dp3.append(statistics.stdev(C))
  #media = pd.DataFrame(media)
  #dados = [fao,dp3,dp4,media]
  #dados=zip(*dados)
  #dados = pd.DataFrame(dados, columns=['fao','dp3','dp4','media'])

#dados.to_csv('teste.csv')

#C_df=pd.DataFrame(C)

#print(C)
#indice=pd.DataFrame(C_df.std())
#print(indice)

#dados.to_csv('teste2.csv')