# coding:utf8

import cv2

import numpy as np

# 读入图像

img = cv2.imread("../data/mm1.jpg", cv2.IMREAD_UNCHANGED)

# 转化为分别率更低的图像

img = cv2.pyrDown(img)

# 二值化，  黑白二值化

ret, thresh = cv2.threshold(

    cv2.cvtColor(img.copy(), cv2.COLOR_BGR2GRAY),  # 转换为灰度图像,

    127, 255,   # 大于127的改为255  否则改为0

    cv2.THRESH_BINARY)  # 黑白二值化

"""

ret, dst = cv2.threshold(src, thresh, value, type)

参数:

    src: 原图像

    thresh: 阈值

    value: 新值 大于或小于阈值的值将赋新值

    type: 方法类型，有如下取值：

        cv2.THRESH_BINARY 黑白二值

        cv2.THRESH_BINARY_INV 黑白二值翻转

        cv2.THRESH_TRUNC 得到多像素值

        cv2.THRESH_TOZERO

        cv2.THRESH_TOZERO_INV

返回值：

    ret: 得到的阈值值

    dst: 阈值化后的图像

"""

# 搜索轮廓

image, contours, hierarchy = cv2.findContours(

    thresh,

    cv2.RETR_EXTERNAL,

    cv2.CHAIN_APPROX_SIMPLE)

"""

cv.findContours()

    参数：

        1 要寻找轮廓的图像 只能传入二值图像，不是灰度图像

        2 轮廓的检索模式，有四种：

            cv2.RETR_EXTERNAL表示只检测外轮廓

            cv2.RETR_LIST检测的轮廓不建立等级关系

            cv2.RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，

                里面的一层为内孔的边界信息。

                如果内孔内还有一个连通物体，这个物体的边界也在顶层

            cv2.RETR_TREE建立一个等级树结构的轮廓

        3 轮廓的近似办法

            cv2.CHAIN_APPROX_NONE存储所有的轮廓点，

                相邻的两个点的像素位置差不超过1，

                即max（abs（x1-x2），abs（y2-y1））==1

            cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，

                只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息

    返回值:

        contours:一个列表，每一项都是一个轮廓， 不会存储轮廓所有的点，只存储能描述轮廓的点

        hierarchy:一个ndarray, 元素数量和轮廓数量一样，

            每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3]，

            分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数

"""

for c in contours:

    x, y, w, h = cv2.boundingRect(c)

    """

    传入一个轮廓图像，返回 x y 是左上角的点， w和h是矩形边框的宽度和高度

    """

    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)

    """

    画出矩形

        img 是要画出轮廓的原图

        (x, y) 是左上角点的坐标

        (x+w, y+h) 是右下角的坐标

        0,255,0）是画线对应的rgb颜色

        2 是画出线的宽度

    """

    # 获得最小的矩形轮廓 可能带旋转角度

    rect = cv2.minAreaRect(c)

    # 计算最小区域的坐标

    box = cv2.boxPoints(rect)

    # 坐标规范化为整数

    box = np.int0(box)

    # 画出轮廓

    cv2.drawContours(img, [box], 0, (0, 0, 255), 3)

    # 计算最小封闭圆形的中心和半径

    (x, y), radius = cv2.minEnclosingCircle(c)

    # 转换成整数

    center = (int(x), int(y))

    radius = int(radius)

    # 画出圆形

    img = cv2.circle(img, center, radius, (0, 255, 0), 2)

# 画出轮廓

cv2.drawContours(img, contours, -1, (255, 0, 0), 1)

cv2.imshow("contours", img)

cv2.waitKey()

cv2.destroyAllWindows()