#!/usr/bin/env python
# coding: utf-8

# # Popis objektů

# * Vstup: binární obraz 
# * Výstup: binární obraz, vektor příznaků
# * Cíl: popsat objekty čísly

# ## Identifikace oblastí

# In[2]:


get_ipython().run_line_magic('pylab', 'inline --no-import-all')
import skimage
import skimage.io
# skimage.morphology.label => skimage.measure.label
import skimage.morphology
import skimage.measure
import matplotlib.pyplot as plt
import numpy as np


# In[3]:


imrgb = skimage.io.imread('http://www.kky.zcu.cz/uploads/courses/zdo/lesson7/1.jpg')
imrgb = skimage.io.imread('objekty/label.jpg')
im = skimage.color.rgb2gray(imrgb) > 0.5
# v tomto případě má pozadí label 0
imlabel0 = skimage.measure.label(im)
# v tomto případě má pozadí label -1
imlabel1 = skimage.measure.label(im, background=0)

plt.subplot(131)
plt.title('orig')
plt.imshow(im, cmap='gray')
plt.subplot(132)
plt.title('label')
plt.imshow(imlabel0, cmap='gray')
plt.subplot(133)
plt.title('label\ndefined backgr.')
plt.imshow(imlabel1, cmap='gray')


# ## Práce s oblastí

# Následující příklad ukazuje vybrání zvolené oblasti

# In[5]:


print("labels ", np.unique(imlabel1))

plt.subplot(121)
plt.title('Object 0')
plt.imshow(imlabel1==0, cmap='gray')
plt.subplot(122)
plt.title('Object 1')
plt.imshow(imlabel1==1, cmap='gray')


# ## Jednoduché popisy oblastí

# * Velikost
# * Eulerovo číslo 
#     $$E = S - N$$
#     kde $S$ je počet souvislých oblastí a $N$ je počet děr
# * Výška, šířka
# * Projekce
# ![projekce0](http://www.kky.zcu.cz/uploads/courses/zdo/lesson7/projekce.jpg)
# ![projekce1](http://www.kky.zcu.cz/uploads/courses/zdo/lesson7/projekce2.jpg)
# 
# * Výstřednost - poměr délek nejdelší tětivy a nejdelší tětivy k ní kolmé
# * Podlouhlost
# * Pravoúhlost
# * Směr
# * Nekompaktnost 
#     $$\textrm{nekompaktnost}=\frac{(\textrm{délka hranice})^2}{\textrm{velikost}}$$
# 
# 
# Využijeme funkce [regionprops](http://scikit-image.org/docs/dev/api/skimage.measure.html#skimage.measure.regionprops). 
# 

# In[8]:


print(np.unique(imlabel1))
props = skimage.measure.regionprops(imlabel1+1)

print("Centroid: ", props[1].centroid)
print("Area: ", props[1].area)
print("Euler: ", props[1].euler_number)
print("Perimeter: ", props[1].perimeter)
ci = props[1].convex_image
plt.imshow(ci)
plt.show()


# In[10]:


for i in range(len(props)):
    print("Id: ", i)
    print("Centroid: ", props[i].centroid)
    print("Area: ", props[i].area)
    print("Euler: ", props[i].euler_number)
    print("")


# ## Regionprops s intenzitami

# In[22]:


props = skimage.measure.regionprops(imlabel1 + 1, im)
props[1].mean_intensity


# In[14]:


## stara implementace

# props0 = skimage.measure.regionprops(imlabel1==0)
# props = props0
# print "Centroid ", props[0].centroid
# print "Area ", props[0].area
# print "Euler ", props[0].euler_number


# #print "Centroid 1 ", props[1].centroid

# props1 = skimage.measure.regionprops(imlabel1==1)
# props = props1
# print "Centroid ", props[0].centroid
# print "Area ", props[0].area
# print "Euler ", props[0].euler_number




# ## Freemanův řetězový kód

# ![freeman](https://www.mathworks.com/matlabcentral/mlc-downloads/downloads/submissions/29518/versions/1/screenshot.gif)

# ![freeman](https://image.slidesharecdn.com/simplyshape-121204125644-phpapp02/95/simply-shape-4-638.jpg?cb=1354625962)

# ## Obecný momentový popis

# Obecné momenty
# 
# $$ M_{ij} = \sum_x \sum_y x^i, y^j I (x,y) $$
# 
# [skimage.measure.moments()](http://scikit-image.org/docs/dev/api/skimage.measure.html#moments)

# ## Centrální moment

# Souřadnice centroidu 
# $ \bar{x} = \frac{M_{10}}{M_{00}}$
# $ \bar{y} = \frac{M_{01}}{M_{00}}$
# 
# $$
# \mu_{pq} = \sum_x \sum_y (x-\bar{x})^p (y-\bar{y})^q f(x,y)
# $$
# kde $f(x,y)$ je digitální obraz
# 
# 
# [skimage.measure.moments_central()](http://scikit-image.org/docs/dev/api/skimage.measure.html#moments-central)

# ## Huovy momenty

# Sedm momentů nezávislých na posunutí, změnu měřítka a rotaci. Prvních šest je nezávislých na zrcadlení. Poslední při zrcadlení mění znaménko.
# $$ I_1 = \eta_{20} + \eta_{02}$$
# $$ I_2 = (\eta_{20} - \eta_{02})^2 + 4\eta_{11}^2$$
# $$ I_3 = (\eta_{30} - 3\eta_{12})^2 + (3\eta_{21} - \eta_{03})^2$$
# $$ I_4 = (\eta_{30} + \eta_{12})^2 + (\eta_{21} + \eta_{03})^2 $$
# $$ I_5 = (\eta_{30} - 3\eta_{12}) (\eta_{30} + \eta_{12})\left[ (\eta_{30} + \eta_{12})^2 - 3 (\eta_{21} + \eta_{03})^2\right] + (3 \eta_{21} - \eta_{03}) (\eta_{21} + \eta_{03})\left[ 3(\eta_{30} + \eta_{12})^2 -  (\eta_{21} + \eta_{03})^2\right]$$
# $$ I_6 =  (\eta_{20} - \eta_{02})[(\eta_{30} + \eta_{12})^2 - (\eta_{21} + \eta_{03})^2] + 4\eta_{11}(\eta_{30} + \eta_{12})(\eta_{21} + \eta_{03})$$
# $$ I_7 = (3 \eta_{21} - \eta_{03})(\eta_{30} + \eta_{12})\left[(\eta_{30} + \eta_{12})^2 - 3(\eta_{21} + \eta_{03})^2\right] - (\eta_{30} - 3\eta_{12})(\eta_{21} + \eta_{03})\left[3(\eta_{30} + \eta_{12})^2 - (\eta_{21} + \eta_{03})^2\right]$$
# $$ $$
# [Huovy momenty na wiky](http://en.wikipedia.org/wiki/Image_moment#Rotation_invariant_moments)
# 
# [skimage.measure.moments_hu()](http://scikit-image.org/docs/dev/api/skimage.measure.html#moments-hu)
# 

# In[ ]: