import cv2
import imutils
import numpy as np
from imutils import paths


# 獲取目標(biāo)的輪廓信息
def find_marker(image):

? ? gray = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) ?# 顏色空間轉(zhuǎn)換函數(shù)，RGB和BGR顏色空間轉(zhuǎn)換 opencv默認(rèn)的顏色空間是BGR
? ? gray = cv2.GaussianBlur(gray, (5, 5), 0) ?# 高斯濾波，對(duì)圖像進(jìn)行濾波操作 ，（5,5）表示高斯核的大小 ，0 表示標(biāo)準(zhǔn)差取0
? ? edged = cv2.Canny(gray, 35, 125) ?# canny 算子 邊緣檢測(cè) 35是閾值1， 125是閾值2，大的閾值用于檢測(cè)圖像中的明顯邊緣，小的閾值用于將不明顯的邊緣檢測(cè)連接起來(lái)

? ? cnts = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) ?# 找到詳細(xì)的輪廓點(diǎn)， RETR_LIST 以列表的形式輸出輪廓信息
? ? # CHAIN_APPROX_SIMPLE： 壓縮水平方向，垂直方向，對(duì)角線方向的元素，只保留該方向的終點(diǎn)坐標(biāo)

? ? cnts = imutils.grab_contours(cnts) ?# 尋找圖像的輪廓信息，輸入圖像為一個(gè)二值圖像

? ? c = max(cnts, key=cv2.contourArea) ?# 輪廓點(diǎn)的面積計(jì)算
? ? # return edged
? ? return cv2.minAreaRect(c) ?# 求出在 C點(diǎn)集下的像素點(diǎn)的面積


def get_F(W, D):

? ? P = find_marker(image)[1][0] / 118.11 ?# 300dim ?1cm = 118.11像素值

? ? return (P*D) / W ?# F = get_F(2, 126) ?# 輸出的值為cm f=24.003cm 焦距


def distance_to_camera(F, P, W):

? ? return (F*W) / P ?# F 為相機(jī)的焦距，w為物體的寬度，P為物體在照片中的像素寬度，需要轉(zhuǎn)換為cm


W = 2 ?# 需要手動(dòng)測(cè)量目標(biāo)的寬度，單位為cm
F = 24.00304 ?# 根據(jù)get_F求出 ,get_F()函數(shù)是為了求得相機(jī)的焦距，需要通過(guò)測(cè)試圖像中的目標(biāo)距離來(lái)求出

image = cv2.imread('065_5.jpg')
marker = find_marker(image)
P = marker[1][0] / 118.11 ?# 300dim 1cm = 118.11像素值 ，300dim指300分辨率，有1080分辨率，像素值的㎝轉(zhuǎn)換是不同
inches = distance_to_camera(F, P, W) #
print('距離為：%.2f cm' % inches) ?# 單位為cm

# draw a bounding box around the image and display it
box = cv2.cv.BoxPoints(marker) if imutils.is_cv2() else cv2.boxPoints(marker)
box = np.int0(box)
cv2.drawContours(image, [box], -1, (0, 255, 0), 2)
cv2.putText(image, "%.2fft" % inches,
? ? ? ? ? ? (image.shape[1] - 200, image.shape[0] - 20), cv2.FONT_HERSHEY_SIMPLEX,
? ? ? ? ? ? 2.0, (0, 255, 0), 3)
cv2.imshow("image", image)

cv2.waitKey(0)
cv2.destroyAllWindows()