/*
* 輪廓發(fā)現(xiàn)
* 1：輸入圖像轉(zhuǎn)為灰度圖像
* 2使用Canny進行邊緣提取，得到二值圖像
* 3使用findContours尋找輪廓
* 4使用drawContours繪制輪廓
* 
*/
#include <opencv.hpp>
#include<iostream>
#include <string>
#include<conio.h>
#include<time.h>
using namespace std;
using namespace cv;
Mat src, dst;
const char* output_win = "findcontours demo";
int threshold_value = 100;
int threshold_max = 255;
RNG rng;
void Demo_Contours(int, void*);
int main()
{
	src = imread("E:\\Users\\opencvCoder\\image\\niu.jpg");
	if (src.empty())
	{
		printf("could not load image...\n");
		return -1;
	}
	imshow("input_image", src);
	namedWindow("input_image", 0);
	namedWindow(output_win, 1);
	cvtColor(src, src, COLOR_BGR2GRAY);
	imshow("gray_image", src);
	const char* trackbar_title = "Threshold Value";
	createTrackbar(trackbar_title, output_win, &threshold_value, threshold_max, Demo_Contours);
	Demo_Contours(0, 0);
	waitKey(0);
	return 0;
}
void Demo_Contours(int, void*)
{
	Mat canny_output;
	vector<vector<Point>>contours;
	vector<Vec4i>hierachy;
	/*
	*Canny邊緣檢測的步驟：
	*1、去噪。噪聲會影響邊緣檢測的準確性，因此首先要將噪聲過濾掉。
	*2、計算梯度大小和方向。
	*3、非極大值抑制。就是適當?shù)淖屵吘?變瘦'。
	*4、確定邊緣。使用雙閾值法確定最終的邊緣信息。
	*/
	Canny(src, canny_output, threshold_value, threshold_value * 2, 3, false);
	findContours(canny_output, contours, hierachy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));
	dst = Mat::zeros(src.size(), CV_8UC3);
	RNG rng(12345);
	for (size_t i = 0; i < contours.size(); i++)
	{
		Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
		drawContours(dst, contours, i, color,2, 8, hierachy, 0, Point(0, 0));
	}
	imshow(output_win, dst);
	//canny_output 為圖像掩碼，將非零值復制給dst
	src.copyTo(dst, canny_output);
	//圖像取反輸出
	//imshow(output_win, ~dst);
	//正常輸出
	imshow("mask image", dst);
}