import cv2
import numpy as np

img = cv2.imread("hammer.jpg", 0)
cv2.imwrite("canny.jpg", cv2.Canny(img, 200, 300))
cv2.imshow("canny", cv2.imread("canny.jpg"))
cv2.waitKey()
cv2.destroyAllWindows()

cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]]) 

cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]]) 

import cv2
import numpy as np

img = cv2.pyrDown(cv2.imread("hammer.jpg", cv2.IMREAD_UNCHANGED))
# threshold 函數(shù)對(duì)圖像進(jìn)行二化值處理，由于處理后圖像對(duì)原圖像有所變化，因此img.copy()生成新的圖像，cv2.THRESH_BINARY是二化值
ret, thresh = cv2.threshold(cv2.cvtColor(img.copy(), cv2.COLOR_BGR2GRAY), 127, 255, cv2.THRESH_BINARY)
# findContours函數(shù)查找圖像里的圖形輪廓
# 函數(shù)參數(shù)thresh是圖像對(duì)象
# 層次類(lèi)型，參數(shù)cv2.RETR_EXTERNAL是獲取最外層輪廓，cv2.RETR_TREE是獲取輪廓的整體結(jié)構(gòu)
# 輪廓逼近方法
# 輸出的返回值，image是原圖像、contours是圖像的輪廓、hier是層次類(lèi)型
image, contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for c in contours:
  # 輪廓繪制方法一
  # boundingRect函數(shù)計(jì)算邊框值，x，y是坐標(biāo)值，w，h是矩形的寬和高
  x, y, w, h = cv2.boundingRect(c)
  # 在img圖像畫(huà)出矩形，(x, y), (x + w, y + h)是矩形坐標(biāo)，(0, 255, 0)設(shè)置通道顏色，2是設(shè)置線條粗度
  cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

  # 輪廓繪制方法二
  # 查找最小區(qū)域
  rect = cv2.minAreaRect(c)
  # 計(jì)算最小面積矩形的坐標(biāo)
  box = cv2.boxPoints(rect)
  # 將坐標(biāo)規(guī)范化為整數(shù)
  box = np.int0(box)
  # 繪制矩形
  cv2.drawContours(img, [box], 0, (0, 0, 255), 3)

  # 輪廓繪制方法三
  # 圓心坐標(biāo)和半徑的計(jì)算
  (x, y), radius = cv2.minEnclosingCircle(c)
  # 規(guī)范化為整數(shù)
  center = (int(x), int(y))
  radius = int(radius)
  # 勾畫(huà)圓形區(qū)域
  img = cv2.circle(img, center, radius, (0, 255, 0), 2)

# # 輪廓繪制方法四
# 圍繞圖形勾畫(huà)藍(lán)色線條
cv2.drawContours(img, contours, -1, (255, 0, 0), 2)
# 顯示圖像
cv2.imshow("contours", img)
cv2.waitKey()
cv2.destroyAllWindows()

import cv2
import numpy as np

img = cv2.pyrDown(cv2.imread("hammer.jpg", cv2.IMREAD_UNCHANGED))
ret, thresh = cv2.threshold(cv2.cvtColor(img.copy(), cv2.COLOR_BGR2GRAY) , 127, 255, cv2.THRESH_BINARY)
# findContours函數(shù)查找圖像里的圖形輪廓
# 函數(shù)參數(shù)thresh是圖像對(duì)象
# 層次類(lèi)型，參數(shù)cv2.RETR_EXTERNAL是獲取最外層輪廓，cv2.RETR_TREE是獲取輪廓的整體結(jié)構(gòu)
# 輪廓逼近方法
# 輸出的返回值，image是原圖像、contours是圖像的輪廓、hier是層次類(lèi)型
image, contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 創(chuàng)建新的圖像black
black = cv2.cvtColor(np.zeros((img.shape[1], img.shape[0]), dtype=np.uint8), cv2.COLOR_GRAY2BGR)


for cnt in contours:
  # 輪廓周長(zhǎng)也被稱(chēng)為弧長(zhǎng)?？梢允褂煤瘮?shù) cv2.arcLength() 計(jì)算得到。這個(gè)函數(shù)的第二參數(shù)可以用來(lái)指定對(duì)象的形狀是閉合的（True） ，還是打開(kāi)的（一條曲線）
  epsilon = 0.01 * cv2.arcLength(cnt, True)
  # 函數(shù)approxPolyDP來(lái)對(duì)指定的點(diǎn)集進(jìn)行逼近，cnt是圖像輪廓，epsilon表示的是精度，越小精度越高，因?yàn)楸硎镜囊馑际鞘窃记€與近似曲線之間的最大距離。
  # 第三個(gè)函數(shù)參數(shù)若為true,則說(shuō)明近似曲線是閉合的，它的首位都是相連，反之，若為false，則斷開(kāi)。
  approx = cv2.approxPolyDP(cnt, epsilon, True)
  # convexHull檢查一個(gè)曲線的凸性缺陷并進(jìn)行修正，參數(shù)cnt是圖像輪廓。
  hull = cv2.convexHull(cnt)
  # 勾畫(huà)圖像原始的輪廓
  cv2.drawContours(black, [cnt], -1, (0, 255, 0), 2)
  # 用多邊形勾畫(huà)輪廓區(qū)域
  cv2.drawContours(black, [approx], -1, (255, 255, 0), 2)
  # 修正凸性缺陷的輪廓區(qū)域
  cv2.drawContours(black, [hull], -1, (0, 0, 255), 2)
# 顯示圖像
cv2.imshow("hull", black)
cv2.waitKey()
cv2.destroyAllWindows()