# -*- coding: utf-8 -*-
 
import cv2
 
image = cv2.imread('G:/110w2/mask_tif4/00.png')
 
print(image.shape)
print(image.shape[0]) # h
print(image.shape[1]) # w
# 圖像轉(zhuǎn)灰度圖
img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
#cv2.imwrite('G:/110w2/mask_tif4/02.png', img)
# 圖像轉(zhuǎn)二值圖
ret, thresh = cv2.threshold(img, 2, 255, cv2.THRESH_BINARY_INV)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
x1 = []
y1 = []
x2 = []
y2 = []
for c in contours:
 # 找到邊界坐標(biāo)
 x, y, w, h = cv2.boundingRect(c)  # 計算點集最外面的矩形邊界
 print(x, y, w, h)
 # 因為這里面包含了，圖像本身那個最大的框，所以用了if，來剔除那個圖像本身的值。
 if x != 0 and y != 0 and w != image.shape[1] and h != image.shape[0]:
  # 左上角坐標(biāo)和右下角坐標(biāo)
  # 如果執(zhí)行里面的這個畫框，就是分別來畫的，
  cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 1)
  x1.append(x)
  y1.append(y)
  x2.append(x + w)
  y2.append(y + h)
x11 = min(x1)
y11 = min(y1)
x22 = max(x2)
y22 = max(y2)
 
# 這個是畫出所有目標(biāo)，都可以包含在內(nèi)的，一個外接矩形框。
#cv2.rectangle(image, (x11, y11), (x22, y22), (0, 0, 255), 1)
 
#cv2.imshow("img", image)
cv2.imwrite('G:/110w2/mask_tif4/0_001.png', image)
cv2.waitKey(0)
 
 
# 功能：cv2.findContours()函數(shù)來查找檢測物體的輪廓。
#參數(shù):
# 參數(shù)1：尋找輪廓的圖像，接收的參數(shù)為二值圖，即黑白的（不是灰度圖），所以讀取的圖像要先轉(zhuǎn)成灰度的，再轉(zhuǎn)成二值圖
# 參數(shù)2: 輪廓的檢索模式，有四種。
# cv2.RETR_EXTERNAL 表示只檢測外輪廓;
# cv2.RETR_LIST 檢測的輪廓不建立等級關(guān)系;
# cv2.RETR_CCOMP 建立兩個等級的輪廓，上面的一層為外邊界，里面的一層為內(nèi)孔的邊界信息。如果內(nèi)孔內(nèi)還有一個連通物體，這個物體的邊界也在頂層。
# cv2.RETR_TREE 建立一個等級樹結(jié)構(gòu)的輪廓。
#
# 參數(shù)3: 輪廓的近似辦法.
# cv2.CHAIN_APPROX_NONE 存儲所有的輪廓點，相鄰的兩個點的像素位置差不超過1，即max（abs（x1-x2），abs（y2-y1））==1
# cv2.CHAIN_APPROX_SIMPLE 壓縮水平方向，垂直方向，對角線方向的元素，只保留該方向的終點坐標(biāo)，例如一個矩形輪廓只需4個點來保存輪廓信息
# cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS 使用teh-Chinl chain 近似算法
# 注：opencv2返回兩個值：contours：hierarchy。opencv3會返回三個值,分別是img, countours, hierarchy
#
#返回值
#cv2.findContours()函數(shù)返回兩個值，一個是輪廓本身，還有一個是每條輪廓對應(yīng)的屬性。