import cv2
import numpy as np
import matplotlib.pyplot as plt
import time


xs,ys,ws,hs = 0,0,0,0  #selection.x selection.y
xo,yo=0,0 #origin.x origin.y
selectObject = False
trackObject = 0         #追蹤目標，0代表沒有，1代表有，-1代表需要更新目標

#滑鼠移動時會進入這個函式
def onMouse(event, x, y, flags, prams): 
    global xs,ys,ws,
 
hs,selectObject,xo,yo,trackObject
    #實時更新滑鼠捕捉矩形大小，設定左上角為起點座標
    if selectObject == True:
        xs = min(x, xo)
        ys = min(y, yo)
        ws = abs(x-xo)
        hs = abs(y-yo)
    if event == cv2.EVENT_LBUTTONDOWN:  #按下
        xo,yo = x, y                    #按下時的origin座標                     
 

        xs,ys,ws,hs= x, y, 0, 0         #矩形大小初始化
        selectObject = True             #標記開始選中
    elif event == cv2.EVENT_LBUTTONUP:  #鬆開
        selectObject = False
        if((ws>0) and (hs>0)):
            trackObject = -1                #需要追蹤目標

cap = cv2.VideoCapture("C:\\Users\\Shine\\Desktop\\split.mkv"
 
)
#cap = cv2.VideoCapture(0)
ret,frame = cap.read()
cv2.namedWindow('origin')   #新建一個視窗
cv2.setMouseCallback('origin',onMouse)  
# 設定終止條件，滿足誤差、迭代10次或者至少移動1次
term_crit = ( cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 1 )

while(True):
    time_start=time.time()
    #frame = cv2.imread("C:\\Users\\Shine\\Desktop\\4.jpg")
    if trackObject != 0:
        ret,frame = cap.read()
        #hsv的影象顏色/2
        hsv =  cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)   #BGR2HSV
        #cv2.imshow('hsv',hsv)
        #Hue代表顏色（0-180：RGB角度對應顏色），Saturation代表顏色濃度（0-255：白色-彩色），Value代表亮度（0-255：黑色-彩色）
        #CV_BGR2HSV 在轉換影象的時候是將 H / 2  --->  H 
        #影象中色相H的取值範圍為 0-360 ，所以利用opencv轉換之後得到的H的範圍為 0-180
        mask = cv2.inRange(hsv, np.array((0., 30.,10.)), np.array((180.,256.,255.)))    #閾值分割
        #mask = cv2.inRange(hsv, np.array((0., 0.,0.)), np.array((255.,255.,255.)))    #閾值分割
        #cv2.imshow('mask',mask)
        if trackObject == -1:
            track_window=(xs,ys,ws,hs)  #更新捕捉視窗的座標
            maskroi = mask[ys:ys+hs, xs:xs+ws]  #在mask影象中擷取track_window
            hsv_roi = hsv[ys:ys+hs, xs:xs+ws]   #在hsv影象中擷取track_window
            print(hsv_roi)  #輸出selectObject的HSV值
            #cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate ]]) #返回hist
            roi_hist = cv2.calcHist([hsv_roi],
                [0],    #計算直方圖的通道，這裡使用顏色計算直方圖，所以就直接使用第一個通道；
                maskroi,
                [180],  #直方圖分成180份
                [0.,180.])#表示直方圖中需要統計的各個畫素的值，[0.0, 180.0]表示直方圖能表示RGB所有顏色。
            
            #作直方圖原圖（因為沒有歸一化，最後的值會很大）
            # roi_hist_f=roi_hist.flatten()   #value轉成list
            # plt.bar(range(0,len(roi_hist_f)*2,2), roi_hist_f) #顯示方便，這裡x軸*2，間隔也*2
            cv2.normalize(roi_hist,roi_hist,0,255,cv2.NORM_MINMAX) #線性歸一化
            roi_hist_f=roi_hist.flatten()   #value轉成list
            plt.bar(range(0,len(roi_hist_f)*2,2), roi_hist_f) #顯示方便，這裡x軸*2，間隔也*2
            plt.show()
            trackObject = 1
        #計算反向投影，即計算輸入影象中和選中部分直方圖極值相同的區域，並該區域標記
        dst = cv2.calcBackProject([hsv], [0], roi_hist, [0, 180], 1)
        dst &= mask  #過濾掉原圖中色彩不鮮明的部分
        cv2.imshow('dst2',dst)
        #arg：輸入影象；追蹤目標初始矩形區域；演算法結束條件
        ret, track_window = cv2.CamShift(dst, track_window, term_crit)
        pts = cv2.boxPoints(ret)    #生成最小外接矩形
        pts = np.int0(pts)          #座標值變成整數
        #畫線標記 arg：原圖，頂點座標，閉合曲線，BGR畫線顏色，線寬
        cv2.polylines(frame,[pts],True,(255,255,0),2)   
        #如果正在標選區域，需要將之前標記時反色區域再反回來
    if selectObject == True and ws>0 and hs>0:
        cv2.imshow('selectObject',frame[ys:ys+hs,xs:xs+ws])
        cv2.bitwise_not(frame[ys:ys+hs,xs:xs+ws],frame[ys:ys+hs,xs:xs+ws])  
    time_end=time.time()
    needtime=round(time_end-time_start,3)
    imgText = cv2.putText(frame, str(needtime)+'ms', (50, 50),cv2.FONT_HERSHEY_SIMPLEX, 1.2, (255, 255, 255), 2)
    cv2.imshow('origin',frame)
    if  cv2.waitKey(10)==27:
        break
cv2.destroyAllWindows()