import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt#读取图像cv.imread()#读取图像cv.imshow()#绘制直线 cv.line(img,start,end,color,thickness)#绘制圆形 cv.circle(img,centerpoint, r, color, thickness)#绘制矩形 cv.rectangle(img,leftupper,rightdown,color,thickness)#向图像中添加文字 cv.putText(img,text,station, font, fontsize,color,thickness,cv.LINE_AA)# 1 创建一个空白的图像
# img = np.zeros((512,512,3), np.uint8)
# # 2 绘制图形
# cv.line(img,(0,0),(511,511),(255,0,0),5)
# cv.rectangle(img,(384,0),(510,128),(0,255,0),3)
# cv.circle(img,(447,63), 63, (0,0,255), -1)
# font = cv.FONT_HERSHEY_SIMPLEX
# cv.putText(img,'赵慕溪',(10,500), font, 4,(255,255,255),2,cv.LINE_AA)
# # 3 图像展示
# plt.imshow(img[:,:,::-1])
# plt.title('匹配结果'), plt.xticks([]), plt.yticks([])
# plt.show()# 1 读取图像
# img1 = cv.imread("view.jpg")
# img2 = cv.imread("rain.jpg")# # 2 加法操作
# img3 = cv.add(img1, img2)  # cv中的加法
# img4 = img1 + img2  # 直接相加
#
# # 3 图像显示
# fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(10, 8), dpi=100)
# axes[0].imshow(img3[:, :, ::-1])
# axes[0].set_title("cv中的加法")
# axes[1].imshow(img4[:, :, ::-1])
# axes[1].set_title("直接相加")
# plt.show()# 2 图像混合
# img3 = cv.addWeighted(img1, 0.5, img2, 0.5, 0)
#
# # 3 图像显示
# plt.figure(figsize=(8, 8))
# plt.imshow(img3[:, :, ::-1])
# plt.show()# img = cv.imread("sheep3.png")
# #水平方向堆叠5张
# imgHor = np.hstack((img, img, img, img, img, img, img, img, img, img, img, img, img))
# # 垂直方向堆叠3张
# imgVer = np.vstack((img, img, img, img, img, img, img, img))
#
# cv.imshow("Horizontal", imgHor)
# cv.imshow("Vertical", imgVer)
# cv.waitKey(0)# # # 原始图像
# img = cv.imread(".#1113.jpg")
# # # HSV图像， 把BGR通道转变成HSV
# imgHSV = cv.cvtColor(img, cv.COLOR_BGR2HSV)
#
# cv.imshow("Original", img)
# cv.imshow("HSV", imgHSV)
# cv.waitKey(0)## 图片尺寸减小函数(计算机屏幕看着太大，所以减小，你可以不减小)def getContours(img):# findContours()接收的是二值黑白图， 所以整个代码最下面调用getContours函数时传入的图片是imgCanny, imgCanny是二值黑白图(忘记的点击目录看第6个)# 返回两个：轮廓本身，轮廓属性# 参数：寻找轮廓的图像，检索外轮廓(轮廓检索模式)，存储所有的轮廓点(轮廓的近似办法)contours, hierarchy = cv.findContours(img, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE)for cnt in contours:# 计算轮廓面积area = cv.contourArea(cnt)# 画出轮廓面积大于2000的轮廓(筛选一下)if area > 2000:# 参数：待画轮廓图像，待画轮廓，轮廓索引(-1#表示都画)，轮廓颜色， 轮廓线条粗细cv.drawContours(imgContour, cnt, -1, (255, 0, 0), 3)# 计算轮廓的周长peri = cv.arcLength(cnt, closed=True)# 判断点到相对应的line segment 的距离的阈值。# 距离大于此阈值则舍弃，小于此阈值则保留，epsilon越小，折线的形状越“接近”曲线。approx = cv.approxPolyDP(cnt, 0.02 * peri, closed=True)# 每个图形，角的个数objCor = len(approx)# 获得每个图形角外套的框的左上角坐标，以及w，hx, y, w, h = cv.boundingRect(approx)# 如果顶角数为3，判定为三角形if objCor == 3:objectType = "Tri"# 如果顶角数为4elif objCor == 4:aspRatio = w / h# 如果0#.95 < 宽高比 < 1.05，就是正方形(因为实际图片长宽不一定完全相等)if aspRatio > 0.95 and aspRatio < 1.05:objectType = "Square"# 不在这个范围，基本判定为长方形else:objectType = "Rectangle"# 如果大于4， 就是圆形elif objCor > 4:objectType = "Circle"# 如果有其它情况，标注为Noneelse:objectType = "None"# 画框，参数：待画框的图，框左上角，右下角的坐标，框的颜色，框的粗细cv.rectangle(imgContour, (x, y), (x + w, y + h), (0, 255, 0), 2)# 添加文字，参数：待画框的图，文本信息，文本左下角的坐标(w, h)，字体，字体大小，字体颜色，字体粗细cv.putText(imgContour, objectType, int((x + (w / 2) - 10), int(y + (h / 2) - 10)), cv.FONT_HERSHEY_COMPLEX, 0.8,(0, 0, 0), 2)img = cv.imread("shapes3.png")
# 拷贝一份彩图，轮廓，检测框，文字都要添加再这张图上
imgCanny = cv.Canny(img, 200, 250)
imgContour = img.copy()
getContours(imgCanny)def image_process(img, size):imgResize = cv.resize(img, (int(img.shape[1] * size), int(img.shape[0] * size)))return imgResize# 原图尺寸缩小为原来的0.6倍
cv.imshow("Original", image_process(img, 0.6))
cv.waitKey(0)