Ответ на пост «5000 листиков»⁠⁠5

Восхищаюсь Вами, наркоман Вы упоротый!

поправил
https://drive.google.com/file/d/1QloNOdvRHlb8eqNaRLtgskQutOG...

Пиздеть не мешки ворочить, наркоман ебаный Простите, я проверил, все не так, 4999шт зеленых +1шт желый (его нет в файле, наркоман не засчитал)
файл дхф можете скачать по ссылке:
https://drive.google.com/file/d/1QloNOdvRHlb8eqNaRLtgskQutOG...

Алгоритм некорректно сработает для данного дерева: некоторые листы пересекаются и будут засчитаны за один. Правильный ответ: 5909

код на питоне для подсчета:

import numpy as np

from PIL import Image

import cv2

from collections import deque

image_path = "yfordlrt.webp"

leaf_color = np.array([90, 170, 90]) # примерный цвет листа (в RGB)

color_tolerance = 40 # допуск на отклонение цвета

image = Image.open(image_path).convert("RGB")

image_np = np.array(image)

height, width, _ = image_np.shape

visited = np.zeros((height, width), dtype=bool)

def is_leaf_color(pixel):

return np.linalg.norm(pixel - leaf_color) < color_tolerance

def bfs(x, y):

queue = deque()

queue.append((x, y))

visited[y, x] = True

while queue:

cx, cy = queue.popleft()

for dx in [-1, 0, 1]:

for dy in [-1, 0, 1]:

nx, ny = cx + dx, cy + dy

if 0 <= nx < width and 0 <= ny < height and not visited[ny, nx]:

if is_leaf_color(image_np[ny, nx]):

visited[ny, nx] = True

queue.append((nx, ny))

leaf_count = 0

for y in range(height):

for x in range(width):

if not visited[y, x] and is_leaf_color(image_np[y, x]):

leaf_count += 1

bfs(x, y)

print(f"Количество листиков: {leaf_count}")

извините.

Раскидать жидеднько и считать - приложение врало, неприемлемо. Задача: высыпать их коробки и отсчитывать, напр, по 28 ед. Или отсчитать 2120 ед. Или 560. Вроде просто: высыпал из хранилища, распределил кучку по бумаге, направил камеру и имеешь количество. Добавил (убавил) также, частями. Не получилось.

Объемы не большие. Скажем, нужно так посчитать (отобрать) 200-500 раз за сезон.

Так где баг и где правильно? Я как - то скачал приложение, которое считало объекты на фотографии. К примеру, зерна кофе (на самом деле коконы мегахил осмия бикорнис, но они похожи). Смартфон жутко грелся. В итоге ошибка (при неоднократном повторении) была больше 15 проц., неприемлимой. А ваша штука может любое изображение анализировать?