Cálculo de ángulos de una altimetría

 Teniendo el gráfico, por ejemplo este:

 

 

Eliminar todo el ruido mediante tu herramienta favorita, gimp, photoshop, lo que sea. Usé gimp con el lazy select, el baldecito, el clonador...

 

Cambiar las proporciones a la realidad. si la altura es de 1600 metros y el ancho de 33000, hay que estirar hasta que la relación sea la natural, regla de tres simple, 1 es a X como 1600 a 33000, la imagen debe medir 1 de alto por 20 de ancho.

1600         1

33000       X=20

Eso se hace en gimp seleccionando el bounding box que te dice:

527 x 159 (3.31:1)

como quiero llevarlo a (20:1), entonces

3.31   20

100     X=605

Hay que hacer un resize de la imagen no proporcionado de %605 del ancho, nos queda la forma real de la altimetría.

 

Es mejor pasarla a puro blanco y negro para que chatgpt (en realidad cv2) entienda bien.

 

Gimp tiene una herramienta de medición de ángulos pero es muy tedioso ir haciendo cada pedacito, mejor pidámosle a chatgpt.

Esta imagen la salvamos como png y se la pasamos junto a una frase tipo

"calculate angles, 50 points"

Ojo que te deja hacer dos o tres análisis por día y perdí mi cupo diario varias veces por hacer pruebas con la imagen sucia.... (*)

Un día más tarde, los resultados son... no vale la pena. Es interesante este análisis pero la resolución de la altimetría provista es muy baja. Hay tramos cortos terribles que no se aprecian en la imagen.

 

 

Apretando en los iconotos podemos ver parte del código e inferir el resto, es algo que quizás haga en otra oportunidad. 

Conclusión

Por ahora no vale la pena hacer un análisis tan minucioso. hay que mirar la forma y recordarla para saber, del tal km a tal km, voy tranqui, en este me apuro, en este recupero.

 

Código parcial Python de chatgpt

 

import matplotlib.pyplot as plt
import cv2
import numpy as np

# Load the image
img_path = 'altimetria.png'
img = cv2.imread(img_path)

# Convert to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Use edge detection to find contours
edges = cv2.Canny(gray, 50, 150)

# Find contours in the edged image
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# Extract the largest contour which corresponds to the graph line
largest_contour = max(contours, key=cv2.contourArea)

# Get the bounding rectangle of the contour
x, y, w, h = cv2.boundingRect(largest_contour)

# Crop the region containing the graph line
graph_line = gray[y:y+h, x:x+w]

# Plot the image of the graph line to visualize the crop
plt.imshow(graph_line, cmap='gray')
plt.show()

# Function to calculate slope angles between key points
def calculate_slope_angles(contour):
    angles = []
    for i in range(1, len(contour)):
        # Get the coordinates of two consecutive points
        x1, y1 = contour[i-1][0]
        x2, y2 = contour[i][0]
        
        # Calculate the rise and run (differences in x and y)
        rise = y2 - y1
        run = x2 - x1
        
        # Calculate the angle of the slope in degrees
        angle = np.degrees(np.arctan2(rise, run))
        angles.append(angle)
    
    return angles

# Identify the key points on the contour (peaks and valleys)
simplified_contour = largest_contour[::50]  # Simplify contour for fewer points (step of 50)

# Calculate the slope angles between the key points
slope_angles = calculate_slope_angles(simplified_contour)

slope_angles[:10]  # Display the first 10 angles as a sample