temp 自动输出简单的 视差图和深度图
# 遮挡关系因远近引起，
# 生成训练集， 生成10张 图片
# 每张图片里有5个矩形，实心，彩色
# 输出图片深度信息 (label)
# todo 太多数据类型转换 --- .astype( np.uint8 ) --- z_depth = int(z_depth_sort[i] *3 )
# todo z_depth = int(z_depth_sort[i] *3 ) 是否会溢出 ?? 看样子伪色彩已经削峰了
# todo 视差数据,转换深度数据 , 转换公式 =??
import cv2
import numpy as np
for n in range (1,11): # =======================================================生成图片的数量
print(n)
x=[0]*100 # debug <<<<<<<<<<<<<<<< x=x[] invalid syntax , debug <<<<<<<<<<<<<<<< x= [] list assignment index out of range
y=[0]*100
z_depth=[0]*10
# print( z_depth)
imgL =np.zeros(( 480,640,3),np.uint8) # ========准备画布 480,640
imgR =np.zeros(( 480,640,3),np.uint8)
imgLabelR=np.zeros(( 480,640,3),np.uint8)
for i in range(1,11,2): # ==========================================================每张图片中矩形数量 准备2 x n个点,代表n个矩形
x[i], y[i] = np.random.randint(300, size=2 ) # debug x[i], y[i] = np.random.randint(100, size=2 ) <<<<<<<<<<<<<<<< IndexError: list assignment index out of range
x[i+1], y[i+1]= np.random.randint(600, size=2 ) # x(i+1), y(i+1)= np.random.randint(400, size=2 ) SyntaxError: can't assign to function call
# print( x[i], y[i ] )
print("==========",i+1)
z_depth[(i-1)], z_depth[(i)] = np.random.randint(100, size=2) .astype( np.uint8 ) # 对于每个矩形,准备一个深度( 与摄像头的距离 )
# debug 单个数字不能用.astype( np.uint8 ) , 一个数组可以用 . <<<<<<<<<<<<<< AttributeError: 'int' object has no attribute 'astype' --- z_depth[(i)] = np.random.randint(100) .astype( np.uint8 )
print (z_depth)
z_depth_sort=np.sort(z_depth)
print("这是整理以后的深度排序============",z_depth_sort)
for i in range(1,11,2): # ============在画布上画出所有矩形
#R_color,G_color ,B_color = np.random.randint( 255, size=3 ).astype( np.uint8 ) # 随机产生一种颜色 ,也可以写成 np.random.randint( 255, size=3 ,dtype=int )
R_color,G_color ,B_color = np.random.randint( 255, size=3 ).astype(np.uint8)
R_color = int(R_color)
G_color = int(G_color)
B_color = int(B_color)
#print(type (R_color ) ) # debug <<<<<<< 获得整数的类型
#print(type (R_color.astype(np.uint8()) )
print("x[i],-----x[i]-z_depth_sort[i]----------", x[i],x[i]-z_depth_sort[i] )
cv2.rectangle(imgL,( x[i], y[i] ),( x[i+1], y[i+1 ] ), (R_color,G_color ,B_color), -1) # 图片名, 左上顶点和右下顶点，颜色，线宽
cv2.rectangle(imgR,( x[i]-z_depth_sort[i], y[i] ),( x[i+1]-z_depth_sort[i], y[i+1]), (R_color,G_color ,B_color),-1) # 图片名, 左上顶点和右下顶点，颜色，线宽
# debug <<<<<<<<<<<<<<, - Scalar value for argument 'color' is not numeric color值超出 np.uint8 （0，255）, [200, 399]列表形式时，也会引发该错误，转成tuple
print(" type(z_depth_sort[i])----------", type(z_depth_sort[i] ) )
print("type(R_color )----------", type(R_color) )
z_depth = int(z_depth_sort[i] *3 ) # <<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
# 生成训练集， 生成10张 图片
# todo 太多数据类型转换 --- .astype( np.uint8 ) --- z_depth = int(z_depth_sort[i] *3 )
# todo z_depth = int(z_depth_sort[i] *3 ) 是否会溢出 ?? 看样子伪色彩已经削峰了
# todo 视差数据,转换深度数据 , 转换公式 =??
# todo 立体视觉的关键信息：
#1- 遮挡关系，
#2- 左右眼视差 ，
#3-（横x、竖y、深度z）透视引导线（路，墙线，地面线），
#4- 常见物体远小近大的对比关系。
#5 相对运动速度（伪3D卷轴游戏）
# 端到端的方法， 难度逐渐加大
# 从视差图 到垂直边线深度图，到矩形深度图
# 从视差图 到深度图，
# 从视差图 到分割图，到深度图
# 设计一个网络，有多种难度，简单的是对视差堆叠图 的cnn做微调，难的是 用cnn等架构做end to end 架构。 简单的是仅仅判别前后关系， 难的是直接判别与摄像头位置的距离。
# 如何设计网络，除了架构，最关键的是设计误差函数，即如何评价经过网络正向计算后的数据。