# -*- 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
# 图像转灰度图
img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
#cv2.imwrite('G:/110w2/mask_tif4/02.png', img)
# 图像转二值图
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:
    # 找到边界坐标
    x, y, w, h = cv2.boundingRect(c)  # 计算点集最外面的矩形边界
    print(x, y, w, h)
    # 因为这里面包含了，图像本身那个最大的框，所以用了if，来剔除那个图像本身的值。
    if x != 0 and y != 0 and w != image.shape[1] and h != image.shape[0]:
        # 左上角坐标和右下角坐标
        # 如果执行里面的这个画框，就是分别来画的，
        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)
 
# 这个是画出所有目标，都可以包含在内的，一个外接矩形框。
#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()函数来查找检测物体的轮廓。
#参数:
# 参数1：寻找轮廓的图像，接收的参数为二值图，即黑白的（不是灰度图），所以读取的图像要先转成灰度的，再转成二值图
# 参数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。
#
# 参数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
#       cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS 使用teh-Chinl chain 近似算法
# 注：opencv2返回两个值：contours：hierarchy。opencv3会返回三个值,分别是img, countours, hierarchy
#
#返回值
#cv2.findContours()函数返回两个值，一个是轮廓本身，还有一个是每条轮廓对应的属性。