"""
    模块作者：
        图像预处理：潘浩宇
        轮廓寻找与切分：戴晓齐
        代码优化/整合/打包：王昱博
    模块用途：
        对车牌图片进行预处理和切分，找出包含车牌号的部分
"""

import cv2

class ImageCutter:
    @staticmethod
    # 图像去噪灰度处理，消除噪点
    def gray_guss(image):
        image = cv2.GaussianBlur(image, (3, 3), 0)
        gray_image = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
        return gray_image

    @classmethod
    def ImagePreProcess(cls, image_path: str) -> tuple:
        # 复制一张图片，在复制图上进行图像操作，保留原图
        origin_image = cv2.imread(image_path)
        # 图像去噪灰度处理
        image = origin_image.copy()
        # x方向上的边缘检测（增强边缘信息）
        gray_image = cls.gray_guss(image)
        Sobel_x = cv2.Sobel(gray_image, cv2.CV_16S, 1, 0)
        absX = cv2.convertScaleAbs(Sobel_x)
        image = absX
        # 图像阈值化操作——获得二值化图，将像素置为0或者255。将灰度转成黑白
        ret, image = cv2.threshold(image, 0, 255, cv2.THRESH_OTSU)
        # 形态学（从图像中提取对表达和描绘区域形状有意义的图像分量）——闭操作
        # 使用形状为（30，10）的矩形kernelX对图像进行偏X方向的闭运算，将图像进行X方向融合找出车牌区域。
        kernelX = cv2.getStructuringElement(cv2.MORPH_RECT, (30, 10))
        image = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernelX, iterations=1)
        return origin_image, image

    @classmethod
    def CutPlateRect(cls, origin_image: cv2.Mat, image: cv2.Mat) -> cv2.Mat:
        # 去除细小的边缘
        # 腐蚀（erode）和膨胀（dilate）
        kernelX = cv2.getStructuringElement(cv2.MORPH_RECT, (50, 1))
        kernelY = cv2.getStructuringElement(cv2.MORPH_RECT, (1, 20))
        # x方向进行闭操作（抑制暗细节）
        image = cv2.dilate(image, kernelX)
        image = cv2.erode(image, kernelX)
        # y方向的开操作
        image = cv2.erode(image, kernelY)
        image = cv2.dilate(image, kernelY)
        # 中值滤波（去噪）将边缘平滑
        image = cv2.medianBlur(image, 21)
        # 获得轮廓 RETR_EXTERNAL矩形的外边缘
        contours, hierarchy = cv2.findContours(image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        # 筛选
        for item in contours:
            rect = cv2.boundingRect(item)
            x = rect[0]
            y = rect[1]
            weight = rect[2]
            height = rect[3]
            # 根据轮廓的形状特点，确定车牌的轮廓位置并截取图像
            if (weight > (height * 3.5)) and (weight < (height * 4)):  # 对长宽比例进行确定
                _image = origin_image[y:y + height, x:x + weight]  # 对图片进行裁剪
                return cv2.Mat(_image)
        return origin_image