h = h.reshape((4,2))

hnew = np.zeros((4,2),dtype = np.float32)

add = h.sum(1)

hnew[0] = h[np.argmin(add)]

hnew[2] = h[np.argmax(add)]

diff = np.diff(h,axis = 1)

hnew[1] = h[np.argmin(diff)]

hnew[3] = h[np.argmax(diff)]

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

blur = cv2.GaussianBlur(gray,(5,5),2 )

n= 51

kernel = np.ones((n,n), np.uint8)

image2 = cv2.dilate(blur,kernel,iterations =1)

image2 = cv2.erode(image2,kernel, iterations =1)

diff = image2 - blur

ret,thresh = cv2.threshold(diff,30,255, cv2.THRESH_BINARY)

img1 = cv2.GaussianBlur(img1,(5,5),5)

img2 = cv2.GaussianBlur(img2,(5,5),5)

diff = cv2.absdiff(img1,img2)

diff = cv2.GaussianBlur(diff,(5,5),5)

flag, diff = cv2.threshold(diff, 200, 255, cv2.THRESH_BINARY)

bestMatch = "h1"

bestDiff = 100000000

secondBestDiff = 100000000

secondBestMatch = "h1"

bestImage = img + 0

img = preprocess(img)

for suit in ['h','s','r','k']:

for i in range(1, 14):

cardName = suit + '%d' % i

cardImg = cv2.imread(trainingPath + cardName + ".jpg")

if cardImg is not None:

for card in getCards(cardImg, 1): #Als het goed is zal deze for loop maar een keer uitgevoerd worden

processedCard = preprocess(card)

turnedCard = processedCard + 0

for side in range(1,5):

newDiff, diffImage = imgdiff(turnedCard, img)

print("Difference of card " + cardName + " is: %d" % newDiff)

if newDiff < bestDiff:

if bestMatch != cardName:

secondBestDiff = bestDiff

secondBestMatch = bestMatch

secondBestImage = bestImage

bestImage = diffImage

bestDiff = newDiff

bestMatch = cardName

elif newDiff < secondBestDiff and bestMatch != cardName:

secondBestImage = diffImage

secondBestDiff = newDiff

secondBestMatch = cardName

turnedCard = bh.rotate(processedCard, side * 90)

print(("De beste match is " + bestMatch + " met een verschil van %d. De twee na beste match had een verschil van %d. Dit was de "+ secondBestMatch) % (bestDiff, secondBestDiff))

cv2.imshow("second best match", secondBestImage)

cv2.imshow("best match", bestImage)

cv2.waitKey(0)

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

blur = cv2.GaussianBlur(gray,(1,1),1000)

flag, thresh = cv2.threshold(blur, 120, 255, cv2.THRESH_BINARY)

contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) #Haal de contouren van het plaatje op, bestaande uit een paar honderd punten per contour.

contours = sorted(contours, key=cv2.contourArea,reverse=True)[:numcards] #Sorteer deze op grootte, en behoud slechts 1 contour ( [:numcards] ).

for card in contours:

peri = cv2.arcLength(card,True)

squareContour = cv2.approxPolyDP(card,0.02*peri,True) #Benader de contour bestaande uit honderden punten met een contour die slechts 4 punten bevat, een rechthoek

if squareContour.shape[0] != 4: #Vang een error op, en laat aan de gebruiker zien waar het fout gaat.

print "Contour gevonden met punten ongelijk aan 4! Punten: %d" % squareContour.shape[0]

box = np.int0(squareContour)

cv2.drawContours(im,[box],0,(255,255,0),6)

imx = cv2.resize(im,(1000,600))

cv2.imshow("foute contour" ,imx)

cv2.waitKey(0)

continue

approx = rectify(squareContour) #Zet de contour in een plaatje van 450x450 pixels

h = np.array([ [0,0],[449,0],[449,449],[0,449] ],np.float32)

transform = cv2.getPerspectiveTransform(approx,h)

warp = cv2.warpPerspective(im,transform,(450,450))