import cv2 as cv
import numpy as np
import myutils
def cv_show(name, img):        # 自定義的展示函數(shù)
    cv.imshow(name, img)
    cv.waitKey(0)
# 讀入模板圖
n = 'text'
img = cv.imread("images/ocr_a_reference.png")
# cv_show(n, template)        # 自定義的展示函數(shù)，方便顯示圖片

# 模板轉(zhuǎn)換為灰度圖
ref = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# cv_show(n, ref)

# 轉(zhuǎn)換為二值圖,把數(shù)字部分變?yōu)榘咨?
ref = cv.threshold(ref, 10, 255, cv.THRESH_BINARY_INV)[1]  # 騷寫法，函數(shù)多個返回值為元組，這里取第二個返回值
cv_show(n, ref)

# 對模板進行輪廓檢測，得到輪廓信息
refCnts, hierarchy = cv.findContours(ref.copy(), cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE)
cv.drawContours(img, refCnts, -1, (0, 0, 255), 2)  # 第一個參數(shù)為目標(biāo)圖像
# cv_show(n, img)

# 輪廓排序
refCnts = myutils.sort_contours(refCnts)[0]
digits = {}

# 單個輪廓提取到字典中
for (i, c) in enumerate(refCnts):
    (x, y, w, h) = cv.boundingRect(c)
    roi = ref[y:y + h, x:x + w]  # 在模板中復(fù)制出輪廓
    roi = cv.resize(roi, (57, 88))  # 改成相同大小的輪廓
    digits[i] = roi  # 此時字典鍵對應(yīng)的輪廓即為對應(yīng)數(shù)字。如鍵‘1'對應(yīng)輪廓‘1'

# 初始化卷積核
rectKernel = cv.getStructuringElement(cv.MORPH_RECT, (9, 3))
sqKernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))

# 待分析圖片讀入,預(yù)處理
card_image = cv.imread("images/credit_card_01.png")
# cv_show('a', card_image)
card_image = myutils.resize(card_image, width=300)    # 更改圖片大小
gray = cv.cvtColor(card_image, cv.COLOR_BGR2GRAY)
# cv_show('gray', gray)

tophat = cv.morphologyEx(gray, cv.MORPH_TOPHAT, rectKernel)
# cv_show('tophat', tophat)

# x方向的Sobel算子
gradX = cv.Sobel(tophat, cv.CV_32F, 1, 0, ksize=3) 

gradX = np.absolute(gradX)  # absolute: 計算絕對值
min_Val, max_val = np.min(gradX), np.max(gradX)
gradX = (255 * (gradX - min_Val) / (max_val - min_Val))
gradX = gradX.astype("uint8")

# 通過閉操作（先膨脹，再腐蝕）將數(shù)字連在一起.  將本是4個數(shù)字的4個框膨脹成1個框,就腐蝕不掉了
gradX = cv.morphologyEx(gradX, cv.MORPH_CLOSE, rectKernel)
# cv_show('close1', gradX)

# 二值化
thresh = cv.threshold(gradX, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)[1]

# 閉操作,填補空洞
thresh = cv.morphologyEx(thresh, cv.MORPH_CLOSE, sqKernel)
# cv_show('close2', thresh)

threshCnts = cv.findContours(thresh.copy(), cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)[0]
card_copy = card_image.copy()
cv.drawContours(card_copy, threshCnts, -1, (0, 0, 255), 2)
cv_show('Input_Contours', card_copy)

locs = []  # 存符合條件的輪廓
for i, c in enumerate(threshCnts):
    # 計算矩形
    x, y, w, h = cv.boundingRect(c)

    ar = w / float(h)
    # 選擇合適的區(qū)域，根據(jù)實際任務(wù)來，這里的基本都是四個數(shù)字一組
    if 2.5 < ar < 4.0:
        if (40 < w < 55) and (10 < h < 20):
            # 符合的留下來
            locs.append((x, y, w, h))

# 將符合的輪廓從左到右排序
locs = sorted(locs, key=lambda x: x[0])

output = []  # 存正確的數(shù)字
for (i, (gx, gy, gw, gh)) in enumerate(locs):  # 遍歷每一組大輪廓(包含4個數(shù)字)
    groupOutput = []

    # 根據(jù)坐標(biāo)提取每一個組(4個值)
    group = gray[gy - 5:gy + gh + 5, gx - 5:gx + gw + 5]  # 往外擴一點
    # cv_show('group_' + str(i), group)
    # 預(yù)處理
    group = cv.threshold(group, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)[1]  # 二值化的group
    # cv_show('group_'+str(i),group)
    # 計算每一組的輪廓 這樣就分成4個小輪廓了
    digitCnts = cv.findContours(group.copy(), cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)[0]
    # 排序
    digitCnts = myutils.sort_contours(digitCnts, method="left-to-right")[0]

# 計算并匹配每一組中的每一個數(shù)值
    for c in digitCnts:  # c表示每個小輪廓的終點坐標(biāo)
        z = 0
        # 找到當(dāng)前數(shù)值的輪廓,resize成合適的的大小
        (x, y, w, h) = cv.boundingRect(c)  # 外接矩形
        roi = group[y:y + h, x:x + w]  # 在原圖中取出小輪廓覆蓋區(qū)域,即數(shù)字
        roi = cv.resize(roi, (57, 88))
        # cv_show("roi_"+str(z),roi)

        # 計算匹配得分: 0得分多少,1得分多少...
        scores = []  # 單次循環(huán)中,scores存的是一個數(shù)值 匹配 10個模板數(shù)值的最大得分

        # 在模板中計算每一個得分
        # digits的digit正好是數(shù)值0,1,...,9;digitROI是每個數(shù)值的特征表示
        for (digit, digitROI) in digits.items():
            # 進行模板匹配, res是結(jié)果矩陣
            res = cv.matchTemplate(roi, digitROI, cv.TM_CCOEFF)  # 此時roi是X digitROI是0 依次是1,2.. 匹配10次,看模板最高得分多少
            Max_score = cv.minMaxLoc(res)[1]  # 返回4個,取第二個最大值Maxscore
            scores.append(Max_score)  # 10個最大值
        # print("scores：",scores)
        # 得到最合適的數(shù)字
        groupOutput.append(str(np.argmax(scores)))  # 返回的是輸入列表中最大值的位置
        z = z + 1
# 畫出來
    cv.rectangle(card_image, (gx - 5, gy - 5), (gx + gw + 5, gy + gh + 5), (0, 0, 255), 1)  # 左上角,右下角
# putText參數(shù)：圖片,添加的文字,左上角坐標(biāo),字體,字體大小,顏色,字體粗細(xì)
    cv.putText(card_image, "".join(groupOutput), (gx, gy - 15), cv.FONT_HERSHEY_SIMPLEX, 0.65, (0, 0, 255), 2)

cv.imshow("Output_image_"+str(i), card_image)
cv.waitKey(0)