# -*- coding: utf-8 -*-
"""
Created on Wed Jul 18 09:31:23 2018

@author: lenovo
"""

import cv2
import numpy as np
from scipy import ndimage


'''
1.轮廓检测
'''

#加载图像img
img = cv2.imread('./image/img6.jpg',cv2.IMREAD_COLOR)
#cv2.imshow('img',img)


#转换为灰色gray_img
gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#cv2.imshow('gray_img',gray_img)


#对图像二值化处理 输入图像必须为单通道8位或32位浮点型
ret,thresh = cv2.threshold(gray_img,127,255,0)
#cv2.imshow('thresh',thresh)


#寻找图像轮廓 返回修改后的图像 图像的轮廓  以及它们的层次
image,contours,hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
#cv2.imshow('image',image)
print('contours[0]:',contours[0])
print('len(contours):',len(contours))
print('hierarchy.shape:',hierarchy.shape)
print('hierarchy[0]:',hierarchy[0])


#在原图img上绘制轮廓contours中的所有轮廓(-1)  
img = cv2.drawContours(img,contours,0,(0,255,0),2)
#cv2.imshow('contours',img)



'''
2.根据轮廓计算最小边界框  最小矩形区域和最小闭圆的轮廓
'''
img = cv2.pyrDown(cv2.imread('./image/img16.jpg',cv2.IMREAD_UNCHANGED))

#转换为灰色gray_img
gray_img = cv2.cvtColor(img.copy(),cv2.COLOR_BGR2GRAY)

#对图像二值化处理 输入图像必须为单通道8位或32位浮点型
ret,thresh = cv2.threshold(gray_img,127,255,cv2.THRESH_BINARY)

#寻找最外面的图像轮廓 返回修改后的图像 图像的轮廓  以及它们的层次
image,contours,hierarchy = cv2.findContours(thresh,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

print(type(contours))
print(type(contours[0]))
print(len(contours))

#遍历每一个轮廓，根据每一个轮廓，计算各种边界框
for c in contours:
    print('开始')
    
    #找到边界框的坐标
    x,y,w,h = cv2.boundingRect(c)
    #在img图像上，绘制矩形  线条颜色为green 线宽为2
    cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
    
    #找到最小区域   返回结果是一个元祖 矩形中点坐标，宽度和高度，旋转角度(旋转角度是水平轴x轴
    #逆时针旋转，与碰到的巨响的第一条边的夹角，并且这个边的边长是width，另一条边的边长是height，逆时针旋转角度范围为(-90,0])
    rect = cv2.minAreaRect(c)
    print('rect',type(rect),rect)
    
    #计算最小矩形的坐标   返回一个numpy.array 形状4x4 对应矩形四个点 
    box = cv2.boxPoints(rect)
    print('box',type(box),box)
    
    #坐标转换为整数
    box = np.int0(box)
    
    #在img图像上绘制轮廓最小矩形 blue
    cv2.drawContours(img,[box],0,(255,0,0),3)
    
    #计算闭圆中心店和和半径
    (x,y),radius = cv2.minEnclosingCircle(c)
    
    #转换为整型
    center = (int(x),int(y))
    radius = int(radius)
    
    #在原图上绘制闭圆
    img = cv2.circle(img,center,radius,(0,255,0),2)
    
#在源图像中绘制所有轮廓
cv2.drawContours(img,contours,-1,(0,0,255),2)
#显示绘制边界框和轮廓之后的图像
#cv2.imshow('contours',img)


'''
3、凸轮廓和Douglas Peucker算法
'''
img = cv2.imread('./image/img18.jpg',cv2.IMREAD_COLOR)
img = cv2.resize(img,None,fx=0.6,fy=0.6,interpolation=cv2.INTER_CUBIC)
#创建一个空白图像，用来绘制轮廓
canvas = np.zeros(img.shape,np.uint8)
#转换为灰色gray_img
gray_img = cv2.cvtColor(img.copy(),cv2.COLOR_BGR2GRAY)
#进行均值滤波，去除一些噪声
kernel = np.ones((3,3),np.float32)/9
gray_img = cv2.filter2D(gray_img,-1,kernel)
#cv2.imshow('gray_img',gray_img)

#对图像二值化处理 输入图像必须为单通道8位或32位浮点型  像素>125 设置为0(黑)  否则设置为255(白)
ret,thresh = cv2.threshold(gray_img,125,255,cv2.THRESH_BINARY_INV)
#cv2.imshow('thresh',thresh)

#寻找图像轮廓 返回修改后的图像 图像的轮廓  以及它们的层次
image,contours,hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

#获取最大的一个轮廓
cnt = contours[0]
max_area = cv2.contourArea(cnt)

#对每一个轮廓进行遍历
for cont in contours:
    if cv2.contourArea(cont) > max_area:
        cnt = cont
        max_area = cv2.contourArea(cont)
    
print('max_area',max_area)
'''计算最大轮廓的多边形框'''
#arcLength获取轮廓的周长
epsilon = 0.01*cv2.arcLength(cnt,True)
#计算矩形的多边形框
approx = cv2.approxPolyDP(cnt,epsilon,True)
#从轮廓信息中计算得到凸形状
hull = cv2.convexHull(cnt)

print('contours',len(contours),type(contours))
print('cnt.shape',cnt.shape,type(cnt))
print('approx.shape',approx.shape,type(approx))
print('hull.shape',hull.shape,type(hull))

#在源图像中绘制所有轮廓  传入的死一个list
cv2.drawContours(img,contours,-1,(0,255,0),2)      #GREEN  绘制所有的轮廓
cv2.drawContours(canvas,[cnt],-1,(0,255,0),2)      #GREEN  绘制最大的轮廓
cv2.drawContours(canvas,[approx],-1,(0,0,255),2)   #RED    绘制最大轮廓对应的多边形框
cv2.drawContours(canvas,[hull],-1,(255,0,0),2)     #RED    绘制最大轮廓对应的凸包
cv2.imshow('img',img)
cv2.imshow('ALL',canvas)

        
'''
4.直线检测
'''

img = cv2.imread('./image/img19.jpg')
#转换为灰度图片
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#中值滤波
gray = cv2.medianBlur(gray,ksize=3)
#边缘检测
edges = cv2.Canny(gray,50,100)
minLineLength = 200
maxLineGap = 5
#直线检测
lines = cv2.HoughLinesP(edges,1,np.pi/180,100, minLineLength,maxLineGap)
print('len(lines)',len(lines),type(lines))
print('lines[0].shape',lines[0].shape)
for i in range(len(lines)):
    for x1,y1,x2,y2 in lines[i]:
        cv2.line(img, (x1,y1), (x2,y2),(i*20,100+i*20,255),2)
cv2. imshow("edges", edges)
cv2. imshow("lines", img)
    

'''
5、圆检测
'''
img = cv2.imread('./image/img20.jpg')
#缩小
img = cv2.resize(img,None,fx=0.5,fy=0.5,interpolation=cv2.INTER_CUBIC)
#转换为灰度图片
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#中值滤波
gray = cv2.medianBlur(gray,ksize=3)
#圆检测
circles = cv2.HoughCircles(gray,cv2.HOUGH_GRADIENT,1,120,param1=100,param2=30,minRadius=0,maxRadius=0)
print('circles',type(circles),circles.shape)  #circles <class 'numpy.ndarray'> (1, 3, 3)
circles = np.uint16(np.around(circles))
for i in circles[0,:]:
    #绘制圆 (i[0],i[1])为圆心，i[2]为半径
    cv2.circle(img,(i[0],i[1]),i[2],(0,255,0),2)
    #绘制圆心
    cv2.circle(img,(i[0],i[1]),2,(255,0,0),3)
cv2.imshow('circles',img)

cv2.waitKey()
cv2.destroyAllWindows()