OpenCV實戰之基於Hu矩實現輪廓匹配

Posted on by

前言

本文將使用OpenCV C++ 基於Hu矩進行輪廓匹配。

一、查找輪廓

原圖

測試圖

vector<vector<Point>>findContour(Mat Image)
{
    Mat gray;
    cvtColor(Image, gray, COLOR_BGR2GRAY);

    Mat thresh;
    threshold(gray, thresh, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);

    vector<vector<Point>>contours;
    findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);
    vector<vector<Point>>EffectConts;
    for (int i = 0; i < contours.size(); i++)
    {
        double area = contourArea(contours[i]);

        if (area > 1000)
        {
            EffectConts.push_back(contours[i]);
        }
    }

    return EffectConts;
}

如圖所示，這就是找到的最外輪廓。接下來，我們基於輪廓進行匹配。

二、計算Hu矩

OpenCV提供moments API計算圖像的中心矩；HuMoments API用於中心矩計算Hu矩。關於moments HuMoments相關知識請大傢自行查找。    

Moments m_test = moments(test_contours[0]);
    Mat hu_test;
    HuMoments(m_test, hu_test);

    double MinDis = 1000;
    int MinIndex = 0;
    for (int i = 0; i < src_contours.size(); i++)
    {
        Moments m_src = moments(src_contours[i]);
        Mat hu_src;
        HuMoments(m_src, hu_src);

        double dist = matchShapes(hu_test, hu_src, CONTOURS_MATCH_I1, 0);

        if (dist < MinDis)
        {
            MinDis = dist;
            MinIndex = i;
        }
    }

上面代碼段大致思路是：首先計算測試圖的Hu矩；然後使用一個for循環計算原圖中所有輪廓的Hu矩，依次計算兩Hu矩的相似程度。在這裡使用matchShapes API計算兩個Hu矩。函數返回值代表兩Hu矩的相似程度。完全相同返回值為0。即這裡通過計算兩Hu矩的相似程度，找到返回值最小的那個作為成功匹配。

三、顯示效果

	drawContours(src, src_contours, MinIndex, Scalar(0, 255, 0), 2);

	Rect rect = boundingRect(src_contours[MinIndex]);

	rectangle(src, rect, Scalar(0, 0, 255), 2);

最終效果如圖所示。

四、源碼

#include<iostream>
#include<opencv2/opencv.hpp>
using namespace std;
using namespace cv;


vector<vector<Point>>findContour(Mat Image)
{
    Mat gray;
    cvtColor(Image, gray, COLOR_BGR2GRAY);

    Mat thresh;
    threshold(gray, thresh, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);

    vector<vector<Point>>contours;
    findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);
    vector<vector<Point>>EffectConts;
    for (int i = 0; i < contours.size(); i++)
    {
        double area = contourArea(contours[i]);

        if (area > 1000)
        {
            EffectConts.push_back(contours[i]);
        }
    }

    return EffectConts;
}


int main()
{

    Mat src = imread("test/hand.jpg");
    Mat test = imread("test/test-3.jpg");

    if (src.empty() || test.empty())
    {
        cout << "No Image!" << endl;
        system("pause");
        return -1;
    }

    vector<vector<Point>>src_contours;
    vector<vector<Point>>test_contours;

    src_contours = findContour(src);
    test_contours = findContour(test);

    Moments m_test = moments(test_contours[0]);
    Mat hu_test;
    HuMoments(m_test, hu_test);

    double MinDis = 1000;
    int MinIndex = 0;
    for (int i = 0; i < src_contours.size(); i++)
    {
        Moments m_src = moments(src_contours[i]);
        Mat hu_src;
        HuMoments(m_src, hu_src);

        double dist = matchShapes(hu_test, hu_src, CONTOURS_MATCH_I1, 0);

        if (dist < MinDis)
        {
            MinDis = dist;
            MinIndex = i;
        }
    }

    drawContours(src, src_contours, MinIndex, Scalar(0, 255, 0), 2);

    Rect rect = boundingRect(src_contours[MinIndex]);

    rectangle(src, rect, Scalar(0, 0, 255), 2);

    imshow("test", test);
    imshow("Demo", src);
    waitKey(0);
    system("pause");
    return 0;
}

總結

本文使用OpenCV C++基於Hu矩輪廓匹配，關鍵步驟有以下幾點。

1、查找輪廓。在這裡，我是基於最外輪廓進行匹配。

2、計算輪廓的Hu矩，然後使用matchShapes計算兩Hu矩的距離，以此來判斷匹配程度。

到此這篇關於OpenCV實戰之基於Hu矩實現輪廓匹配的文章就介紹到這瞭,更多相關OpenCV Hu矩輪廓匹配內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：