OpenCV中如何基于Hu矩实现轮廓匹配

这篇文章将为大家详细讲解有关OpenCV中如何基于Hu矩实现轮廓匹配，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

一、查找轮廓

原图

测试图

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;}

如图所示，这就是找到的最外轮廓。接下来，我们基于轮廓进行匹配。

二、计算Hu矩

OpenCV提供moments api计算图像的中心矩；HuMoments API用于中心矩计算Hu矩。关于moments HuMoments相关知识请大家自行查找。    

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;        }    }

上面代码段大致思路是：首先计算测试图的Hu矩；然后使用一个for循环计算原图中所有轮廓的Hu矩，依次计算两Hu矩的相似程度。在这里使用matchShapes API计算两个Hu矩。函数返回值代表两Hu矩的相似程度。完全相同返回值为0。即这里通过计算两Hu矩的相似程度，找到返回值最小的那个作为成功匹配。

三、显示效果

drawContours(src, src_contours, MinIndex, Scalar(0, 255, 0), 2);Rect rect = boundingRect(src_contours[MinIndex]);rectangle(src, rect, Scalar(0, 0, 255), 2);

最终效果如图所示。

四、源码

#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;}

关于“OpenCV中如何基于Hu矩实现轮廓匹配”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。