检测图像中的形状（3h学opencv）

“”“检测图像中的形状（目标识别）”“”
所用到的函数说明：

contours,hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)

# 返回值contours表示图像中的所有轮廓的list，np.array类型，返回值hierarchy可选项，表示轮廓关系的内在索引编号，没对应项的为负值。
# cv2.findContours()函数
#
# cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])
# 第一个参数是寻找轮廓的图像
# 第二个参数表示轮廓的检索模式，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。
# 第三个参数method为轮廓的近似办法
#     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
#     cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法

 # cv2.drawContours(image, contours, contourIdx,
            # color[, thickness[, lineType[, hierarchy[, maxLevel[,offset]]]]])

        # 第一个参数是指明在哪幅图像上绘制轮廓；
        # 第二个参数是轮廓本身，在Python中是一个list。
        # 第三个参数指定绘制轮廓list中的哪条轮廓，如果是 - 1，则绘制其中的所有轮廓。
        # 后面的参数很简单。其中thickness表明轮廓线的宽度，如果是 - 1（cv2.FILLED），则为填充模式。

peri = cv2.arcLength(cnt, True) # 轮廓长度

        # 可以使用函数cv2.arcLenngth()计算得到。
        # 这个函数的第二参数可以用来指定对象的形状是闭合（True），还是打开的（一条曲线）。

approx = cv2.approxPolyDP(cnt, 0.02*peri, True)

        # 由于图像的种种原因，我们不能得到一个完美的矩形，而是一个不规则形状，
        # 现在就可以使用这个函数来近似这个形状了。这个函数的第二个参数叫epsilon。在本次使用0.02*peri来近似图像

x, y, w, h = cv2.boundingRect(approx) # 计算轮廓的垂直边界最小矩形 左上点宽高, w,h:宽高

        # opencv中利用函数boundingRect来对指定的点集进行包含，使得形成一个最合适的正向矩形框把当前指定的点集都框住

def getContours(img):
    contours, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
    for cnt in contours:
        area = cv2.contourArea(cnt)
        print(area)
        if area > 500:
            cv2.drawContours(imgcontours,cnt,-1,(255,0,0),3)
            peri = cv2.arcLength(cnt,True)
            approx = cv2.approxPolyDP(cnt,0.02*peri,True)
            x,y,w,h = cv2.boundingRect(approx)
            cv2.rectangle(imgcontours,(x,y),(x+w,y+h),2)
            approx = len(approx)
            if approx == 3:
                objectType = "Tri"
            elif approx == 4:
                asp = w//float(h)
                if asp > 0.98 and asp < 1.02:
                    objectType = "rectangle"
                else:
                    objectType = "square"
            else:
                objectType = "circular"
            cv2.rectangle(imgcontours,(x,y),(x+w,y+h),2)
            cv2.putText(imgcontours, objectType, (x + (w // 2) - 10, y + (h // 2) - 10), cv2.FONT_HERSHEY_COMPLEX, 0.7,
                                                (0,0,255),2)

def stackImages(scale,imgArray):
    rows = len(imgArray)
    cols = len(imgArray[0])
    # & 输出一个 rows * cols 的矩阵（imgArray）
    print(rows,cols)
    # & 判断imgArray[0] 是不是一个list
    rowsAvailable = isinstance(imgArray[0], list)
    # & imgArray[][] 是什么意思呢？
    # & imgArray[0][0]就是指[0,0]的那个图片（我们把图片集分为二维矩阵，第一行、第一列的那个就是第一个图片）
    # & 而shape[1]就是width，shape[0]是height，shape[2]是
    width = imgArray[0][0].shape[1]
    height = imgArray[0][0].shape[0]

    # & 例如，我们可以展示一下是什么含义
    if rowsAvailable:
        for x in range (0, rows):
            for y in range(0, cols):
                # & 判断图像与后面那个图像的形状是否一致，若一致则进行等比例放缩；否则，先resize为一致，后进行放缩
                if imgArray[x][y].shape[:2] == imgArray[0][0].shape [:2]:
                    imgArray[x][y] = cv2.resize(imgArray[x][y], (0, 0), None, scale, scale)
                else:
                    imgArray[x][y] = cv2.resize(imgArray[x][y], (imgArray[0][0].shape[1], imgArray[0][0].shape[0]), None, scale, scale)
                # & 如果是灰度图，则变成RGB图像（为了弄成一样的图像）
                if len(imgArray[x][y].shape) == 2: imgArray[x][y]= cv2.cvtColor( imgArray[x][y], cv2.COLOR_GRAY2BGR)
        # & 设置零矩阵
        imageBlank = np.zeros((height, width, 3), np.uint8)
        hor = [imageBlank]*rows
        hor_con = [imageBlank]*rows
        for x in range(0, rows):
            hor[x] = np.hstack(imgArray[x])
        ver = np.vstack(hor)
    # & 如果不是一组照片，则仅仅进行放缩 or 灰度转化为RGB
    else:
        for x in range(0, rows):
            if imgArray[x].shape[:2] == imgArray[0].shape[:2]:
                imgArray[x] = cv2.resize(imgArray[x], (0, 0), None, scale, scale)
            else:
                imgArray[x] = cv2.resize(imgArray[x], (imgArray[0].shape[1], imgArray[0].shape[0]), None,scale, scale)
            if len(imgArray[x].shape) == 2: imgArray[x] = cv2.cvtColor(imgArray[x], cv2.COLOR_GRAY2BGR)
        hor = np.hstack(imgArray)
        ver = hor
    return ver

path = 'Resources/shapes.png'
img = cv2.imread(path)
imgcontours = img.copy()
imggary = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
imgblur = cv2.GaussianBlur(imggary,(7,7),1)
imgcanny = cv2.Canny(imgblur,50,50)
getContours(imgcanny)
imgBlank = np.zeros_like(img)
imgstack = stackImages(0.6,([img,imggary,imgblur],[imgcanny,imgcontours,imgBlank]))
# cv2.imshow("canny",imgcanny)
cv2.imshow("分类",imgstack)

cv2.waitKey(0)