import cv2

import imutils

import numpy as np

from Intersection import Line,intersection

from scipy.spatial import distance

lowThreshold = 5 #init threshold

max_lowThreshold = 127 #max de threshold

ratio = 3 # ratio pour le calcule de li'mage

kernel_size = 3

#img = cv2.imread('tableau_avant.png')

img = cv2.imread('IMG_4779.jpg')

#img = cv2.imread('IMG_4947.jpg')

#img = cv2.imread('IMG_4948.jpg')

#img = cv2.imread('IMG_4961.jpg')

#img = cv2.imread('IMG_4962.jpg')

#declaler deux variable pour la largeur et la longeur de l'image

h, w = img.shape[:2]

#longueur

print(h)

#largeur

print(w)

img = imutils.resize(img,350,700)

print("ETAPE 1: Conversion de l'image en gris")

# convertion de l'image en gris

gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#fonction qui affiche l'image

def affiche(image):

msg = 'Fermez pour afficher la suite'

cv2.namedWindow(msg, cv2.WINDOW_NORMAL)

cv2.imshow(msg, image)

cv2.waitKey(0)

cv2.destroyAllWindows()

#fonction qui propose de choisir le threshold de l'image selon les besoin

#afin de trouver les quatre point d'intersection des lignes

def CannyThreshold(lowThreshold):

#Application du filtre Gaussian

blur = cv2.GaussianBlur(gray,(3,3),0)

# application du filtre canny pour la detection des contours(intersection de quatre lignes

detected_edges = cv2.Canny(blur,lowThreshold,lowThreshold*ratio,apertureSize = kernel_size)

dst = cv2.bitwise_and(img,img,mask = detected_edges) # ajouter de couleurs aux bords de l'image originale.

lines = cv2.HoughLinesP(detected_edges, 1, np.pi / 180, 100, None, w/20, h/20)

a, b, c = lines.shape

for i in range(a):

cv2.line(detected_edges, (lines[i][0][0], lines[i][0][1]), (lines[i][0][2], lines[i][0][3]), (0, 0, 255), 1,

cv2.LINE_AA)

t = cv2.cvtColor(detected_edges, cv2.COLOR_GRAY2BGR)

# classification des lignes hori ou vert

hori, vert = [], []

for i in range(-4,4):

for l in lines[i]:

x1, y1, x2, y2 = l

if abs(x2 - x1) > abs(y1 - y2):

hori.append(Line(l))

else:

vert.append(Line(l))

cv2.line(t, (x1, y1), (x2, y2), (0, 0, 255), 1,cv2.LINE_AA)

# si les point ne sont pas suffisament detectees

# agrandissement des lignes trouver au bord de l'image

# afin de creer une nouvelle ligne

if len(hori) < 2:

if not hori or hori[0].c_y > h / 2:

hori.append(Line((0, 0, w - 1, 0)))

if not hori or hori[0].c_y <= h / 2:

hori.append(Line((0, h - 1, w - 1, h - 1)))

if len(vert) < 2:

if not vert or vert[0].c_x > w / 2:

vert.append(Line((0, 0, 0, h - 1)),)

if not vert or vert[0].c_x <= w / 2:

vert.append(Line((w - 1, 0, w - 1, h - 1)))

# lignes trier selon leur point central

hori.sort(key=lambda l: l.c_y)

vert.sort(key=lambda l: l.c_x)

# chercher les corners

for l in [hori[-1], vert[0], hori[-1], vert[-1]]:

x1, y1, x2, y2 = l.point

cv2.line(t, (x1, y1), (x2, y2), (0, 255, 255), 1)

# echele des petits corners

image_points = [intersection(hori[0], vert[0]), intersection(hori[0], vert[-1]),

intersection(hori[-1], vert[0]), intersection(hori[-1], vert[-1])]

# echel des corners de la taille originale

for x, y in image_points:

cv2.circle(t, (int(x), int(y)), 1, (255, 255, 0), 3)

print(x,'******',y)

affiche(t)

cv2.imwrite('resultat.jpg',t)

cv2.namedWindow('Canny Manuellement')

cv2.createTrackbar('Min threshold','Canny Manuellement',lowThreshold, max_lowThreshold, CannyThreshold)

#appel de la fonction

CannyThreshold(5) # initialisation a '5'

if cv2.waitKey(10) == 27:

cv2.destroyAllWindows()

print('image enregestrer.')

print('Au Revoir')