#CV 概览与数字图像基础：RGB/HSV 颜色空间、像素矩阵与位深度

"""
数字图像 = 像素矩阵

灰度图像：
  H × W 矩阵，每个元素是 0-255 的灰度值
  
彩色图像：
  H × W × 3 矩阵，三个通道分别代表 R、G、B
  
示例：
  图像 = [[255, 128, 0],
          [64,  192, 32],
          [16,  48,  200]]
  
  这是一个 3×3 的灰度图像
"""

import numpy as np
import cv2

# 创建一个 100×100 的黑色图像
black_img = np.zeros((100, 100), dtype=np.uint8)

# 创建一个 100×100 的彩色图像（RGB）
color_img = np.zeros((100, 100, 3), dtype=np.uint8)

print(f"灰度图像形状: {black_img.shape}")  # (100, 100)
print(f"彩色图像形状: {color_img.shape}")  # (100, 100, 3)

# 实际图像读取示例
# img = cv2.imread('sample.jpg')
# print(f"实际图像形状: {img.shape}")

# 不同位深度的图像示例
import numpy as np

# 8位图像（常用）
img_8bit = np.random.randint(0, 256, (100, 100), dtype=np.uint8)

# 16位图像（高精度）
img_16bit = np.random.randint(0, 65536, (100, 100), dtype=np.uint16)

# 32位浮点图像（深度学习）
img_32float = np.random.rand(100, 100).astype(np.float32)

print(f"8位图像数据类型: {img_8bit.dtype}")
print(f"16位图像数据类型: {img_16bit.dtype}")
print(f"32位浮点图像数据类型: {img_32float.dtype}")

"""
RGB = Red, Green, Blue

每个通道 0-255，共 256^3 ≈ 1678 万种颜色

示例：
  (255, 0, 0) = 红色
  (0, 255, 0) = 绿色
  (0, 0, 255) = 蓝色
  (255, 255, 255) = 白色
  (0, 0, 0) = 黑色
"""

import cv2
import numpy as np

# 创建一个 200×200 的红色图像
red_img = np.zeros((200, 200, 3), dtype=np.uint8)
red_img[:, :] = [0, 0, 255]  # OpenCV 使用 BGR 顺序！

# 创建一个渐变图像
gradient = np.zeros((200, 200, 3), dtype=np.uint8)
for i in range(200):
    gradient[i, :] = [i, i, i]  # 灰度渐变

# 注意：在实际应用中，我们需要正确处理显示
# cv2.imshow("Red Image", red_img)
# cv2.imshow("Gradient", gradient)
# cv2.waitKey(0)
# cv2.destroyAllWindows()

import cv2
import numpy as np

# 读取图像（OpenCV 默认 BGR）
img_bgr = cv2.imread("photo.jpg")

# 转换为 RGB（用于显示或其他库，如matplotlib）
img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)

# 转换为灰度
img_gray = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY)

# 手动转换BGR到RGB
def bgr_to_rgb(image):
    """
    将BGR图像转换为RGB图像
    """
    return image[:, :, ::-1]  # 使用切片反转通道顺序

# 或者使用numpy索引
def bgr_to_rgb_alt(image):
    """
    另一种BGR到RGB的转换方法
    """
    r_channel = image[:, :, 2]
    g_channel = image[:, :, 1] 
    b_channel = image[:, :, 0]
    return np.stack([r_channel, g_channel, b_channel], axis=2)

import cv2
import numpy as np

def detect_red_objects(image_path):
    """
    检测图像中的红色物体
    """
    # 读取图像
    img = cv2.imread(image_path)
    
    # 转换为 HSV
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    
    # 定义红色范围（HSV）
    # 注意：红色跨越0度，需要两个范围
    lower_red1 = np.array([0, 100, 100])      # 红色低值范围1
    upper_red1 = np.array([10, 255, 255])    # 红色高值范围1
    lower_red2 = np.array([170, 100, 100])   # 红色低值范围2（绕过0度）
    upper_red2 = np.array([180, 255, 255])   # 红色高值范围2
    
    # 创建掩码
    mask1 = cv2.inRange(hsv, lower_red1, upper_red1)
    mask2 = cv2.inRange(hsv, lower_red2, upper_red2)
    mask = mask1 + mask2  # 合并两个掩码
    
    # 提取红色区域
    result = cv2.bitwise_and(img, img, mask=mask)
    
    return result, mask

# HSV颜色范围参考
def get_hsv_ranges():
    """
    常见颜色的HSV范围参考
    """
    colors = {
        '红色': {'lower1': [0, 100, 100], 'upper1': [10, 255, 255], 
                'lower2': [170, 100, 100], 'upper2': [180, 255, 255]},
        '黄色': {'lower': [15, 100, 100], 'upper': [35, 255, 255]},
        '绿色': {'lower': [40, 100, 100], 'upper': [80, 255, 255]},
        '蓝色': {'lower': [100, 100, 100], 'upper': [130, 255, 255]},
        '紫色': {'lower': [130, 100, 100], 'upper': [160, 255, 255]}
    }
    return colors

# 实际使用示例
# result, mask = detect_red_objects("photo.jpg")
# cv2.imshow("Red Objects", result)
# cv2.imshow("Mask", mask)
# cv2.waitKey(0)
# cv2.destroyAllWindows()

import cv2
import numpy as np

def analyze_image_info(image_path):
    """
    分析图像的基本信息
    """
    # 读取图像
    img = cv2.imread(image_path)
    
    if img is None:
        print(f"无法读取图像: {image_path}")
        return
    
    # 基本信息
    height, width = img.shape[:2]
    channels = img.shape[2] if len(img.shape) == 3 else 1
    dtype = img.dtype
    
    print(f"图像尺寸: {width} x {height}")
    print(f"通道数: {channels}")
    print(f"数据类型: {dtype}")
    print(f"总像素数: {width * height}")
    
    # 颜色空间转换
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    
    print(f"\nBGR图像形状: {img.shape}")
    print(f"灰度图像形状: {gray.shape}")
    print(f"HSV图像形状: {hsv.shape}")
    
    # 统计信息
    print(f"\nBGR通道统计:")
    for i, channel_name in enumerate(['Blue', 'Green', 'Red']):
        channel_data = img[:, :, i]
        print(f"  {channel_name}: min={channel_data.min()}, max={channel_data.max()}, mean={channel_data.mean():.2f}")

# 使用示例
# analyze_image_info("sample.jpg")