deteccion_haar.py

# /usr/bin/python3

import cv2
import time
import os
import numpy as np
from deteccion_orb import carga_imagenes_carpeta

CARPETA_TEST = 'img/test'
CLASIFICADOR = 'assets/haar/coches.xml'

# Se crea el cascade classifier
cascade = cv2.CascadeClassifier(CLASIFICADOR)


def procesamiento_img_haar(imagen, contador):
    # Se convierte la imagen a escala de grises
    gray = cv2.cvtColor(imagen, cv2.COLOR_BGR2GRAY)

    # El código se basa en los ejemplos que se encuentran en la web: https://www.programcreek.com/python/example/79435/cv2.CascadeClassifier
    imagen_eq = cv2.equalizeHist(gray)

    imagen_gris = cascade.detectMultiScale(imagen_eq, scaleFactor=1.05, minNeighbors=5, minSize=(50, 50))

    if imagen_gris is ():
        print('Error')
    for (x, y, w, h) in imagen_gris:
        cv2.rectangle(imagen, (x, y), (x + w, y + h), (0, 255, 0), 2)
        cv2.imshow('Detector de coches', imagen)

        cv2.waitKey(1)
        # time.sleep(1)

    # cv2.imwrite(os.path.join('img', 'output', 'output_haar'+str(contador)+'.png'), imagen)

    # cv2.destroyAllWindows()


def detector_coches(imagenes):
    tiempos = []
    for i, img in enumerate(imagenes):
        inicio = time.time()
        print("PROCESANDO IMAGEN", i)
        procesamiento_img_haar(img, i)
        fin = time.time()
        tiempos.append(fin-inicio)

    print('TIEMPO MEDIO POR IMAGEN', sum(tiempos)/len(imagenes))


def main():
    test_imgs = np.array(carga_imagenes_carpeta(CARPETA_TEST)) # se cargan las imagenes de test
    detector_coches(test_imgs)


if __name__ == '__main__':
    main()