# -*- coding:utf-8 -*-
# @Author len
# @Create 2023/10/28 9:28


import cv2
import numpy as np

def detect_shape(contour):
    epsilon = 0.04 * cv2.arcLength(contour, True)
    approx = cv2.approxPolyDP(contour, epsilon, True)

    # 根据角点数量判断形状
    if len(approx) == 3:
        return "三角形"
    elif len(approx) == 4:
        return "四边形"
    elif len(approx) == 10:
        return "五角星"
    else:
        # 使用周长与面积的比值来判断圆形
        area = cv2.contourArea(contour)
        perimeter = cv2.arcLength(contour, True)
        radius = perimeter / (2 * np.pi)
        circle_area = np.pi * (radius ** 2)

        # 这里0.2只是一个近似值，可能需要根据你的需求进行调整
        if abs(circle_area - area) < area * 0.2:
            return "圆形"
        else:
            return "未知形状"



# 读取图像并获取其大小
img = cv2.imread('./data/img.png')
h, w, _ = img.shape

# 获取图像的中心点颜色
center_color = img[h // 2, w // 2]

# 将中心点的颜色转换为HSV格式
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
center_color_hsv = cv2.cvtColor(np.uint8([[center_color]]), cv2.COLOR_BGR2HSV)[0][0]
# print(center_color_hsv[0])
# 根据中心点的颜色创建一个颜色掩码
lower_bound = np.array([(center_color_hsv[0] - 10) % 180, 50, 50])
upper_bound = np.array([(center_color_hsv[0] + 10) % 180, 255, 255])
mask = cv2.inRange(hsv, lower_bound, upper_bound)

# 寻找掩码中的轮廓
contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 我们假设最大的轮廓是我们想要的
largest_contour = max(contours, key=cv2.contourArea)

shape = detect_shape(largest_contour)
print(f"识别到的形状是：{shape}")

# 显示结果
cv2.drawContours(img, [largest_contour], -1, (0, 255, 0), 2)
cv2.imshow('Detected Shape', img)
cv2.waitKey(0)
cv2.destroyAllWindows()