MangoIA / src /generar_mapa_espectral.py
juanvilla's picture
Upload folder using huggingface_hub
04b5e38 verified
Raw History Blame Contribute Delete
3.31 kB
import cv2
import numpy as np
import os
import matplotlib.pyplot as plt
def generar_mapa_espectral(imagen_path, output_dir):
"""
Lee una imagen, aísla las capas RGB y calcula el índice NGRDI
para generar un mapa de calor (heatmap) que resalta visualmente
las áreas afectadas por la enfermedad (antracnosis).
"""
if not os.path.exists(output_dir):
os.makedirs(output_dir)
img = cv2.imread(imagen_path)
if img is None:
print(f"Error: No se pudo leer la imagen {imagen_path}")
return
# Convertir a RGB para matplotlib
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# Aislar las capas
R = img_rgb[:, :, 0].astype(float)
G = img_rgb[:, :, 1].astype(float)
B = img_rgb[:, :, 2].astype(float)
# Calcular NGRDI (Normalized Green Red Difference Index)
# NGRDI < -0.075 es típicamente tejido necrótico (enfermedad)
ngrdi = (G - R) / (G + R + 1e-6)
# Normalizar NGRDI entre 0 y 255 para visualización de mapa de calor
ngrdi_norm = cv2.normalize(ngrdi, None, alpha=0, beta=255, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_8U)
# Aplicar un mapa de calor falso (JET: Rojo indica valores altos/diferentes, Azul valores bajos)
# Para necrosis (valores bajos de NGRDI), invertiremos el NGRDI para que la necrosis brille en rojo
ngrdi_invertido = 255 - ngrdi_norm
heatmap = cv2.applyColorMap(ngrdi_invertido, cv2.COLORMAP_JET)
# Crear una figura con subplots para visualizar las capas de la enfermedad
plt.figure(figsize=(15, 10))
# Imagen original
plt.subplot(2, 3, 1)
plt.imshow(img_rgb)
plt.title("Imagen Original")
plt.axis("off")
# Capa Roja (Suele absorber más en tejido sano y reflejar en tejido muerto)
plt.subplot(2, 3, 2)
plt.imshow(R, cmap="Reds")
plt.title("Capa Roja (R)")
plt.axis("off")
# Capa Verde (Asociada a clorofila y tejido sano)
plt.subplot(2, 3, 3)
plt.imshow(G, cmap="Greens")
plt.title("Capa Verde (G)")
plt.axis("off")
# Capa NGRDI Cruda (Blanco y negro)
plt.subplot(2, 3, 4)
plt.imshow(ngrdi, cmap="gray")
plt.title("Índice NGRDI (Blanco = Sano, Negro = Necrosis)")
plt.axis("off")
# Heatmap de Severidad
plt.subplot(2, 3, 5)
plt.imshow(cv2.cvtColor(heatmap, cv2.COLOR_BGR2RGB))
plt.title("Mapa de Calor de la Enfermedad")
plt.axis("off")
# Máscara estricta de enfermedad
mask_necrosis = (ngrdi < -0.075).astype(np.uint8) * 255
plt.subplot(2, 3, 6)
plt.imshow(mask_necrosis, cmap="hot")
plt.title("Área Estricta de Infección")
plt.axis("off")
# Guardar visualización
nombre_base = os.path.basename(imagen_path)
output_path = os.path.join(output_dir, f"ESPECTRAL_{nombre_base}")
plt.tight_layout()
plt.savefig(output_path, dpi=300)
plt.close()
print(f"[+] Mapa espectral generado en: {output_path}")
if __name__ == "__main__":
# Puedes cambiar esta ruta para probar con cualquier foto de tu dataset
IMAGEN_PRUEBA = r"C:\Users\juanv\Desktop\Analisis mango\fruto\fruto\PROTERRA\CON PODA Y SIN PODA\Con poda\Jul\r1.png"
CARPETA_SALIDA = r"C:\Users\juanv\Desktop\Analisis mango\VISUALIZACION_ESPECTRAL"
generar_mapa_espectral(IMAGEN_PRUEBA, CARPETA_SALIDA)