版权声明：本文为博主原创文章，转载请在显著位置标明本文出处以及作者网名，未经作者允许不得用于商业目的。
EmguCV是一个基于OpenCV的开源免费的跨平台计算机视觉库,它向C#和VB.NET开发者提供了OpenCV库的大部分功能。
教程VB.net版本请访问：EmguCV学习笔记 VB.Net 目录-CSDN博客
教程C#版本请访问：EmguCV学习笔记 C# 目录-CSDN博客
笔者的博客网址：https://blog.csdn.net/uruseibest
教程配套文件及相关说明以及如何获得pdf教程和代码，请移步：EmguCV学习笔记
学习VB.Net知识，请移步： vb.net 教程 目录_vb中如何用datagridview-CSDN博客
学习C#知识，请移步：C# 教程 目录_c#教程目录-CSDN博客
6.6 图像的矩
在图像处理中，矩（moment）是一种用于描述图像形状和空间分布特征的特征描述子。图像的矩可以用于描述图像的重心、面积、方向、边界等特征，从而用于图像处理任务，如图像分割、边缘检测、形状识别等。
1、零阶矩（M00）：表示图像上所有非0的像素值的和，也就是目标区域面积。
2、一阶矩（M01和M10）：分别为图像关于x轴和y轴的矩，可以用来确定目标区域的质心。质心坐标可表示为：X0=M10/M00，Y0=M01/M00。
3、二阶矩（M20、M02和M11）：二阶矩可以用来计算图像的方向和轮廓。其中，M20和M02分别表示目标区域在水平和垂直方向上的伸展均衡度，M20大于0表示目标区域下部的水平伸展度比上部大，小于0表示上部的水平伸展度比下部大；M02大于0表示图像右边的垂直伸展比左边大，小于0则正相反。M11表示目标区域的倾斜度，M11大于0表示图像向左上倾斜，小于0表示图像向右上倾斜。通过组合它们可以确定几个重要的特性，例如主轴比和方向、离心率、圆形度等等。
4、三阶矩（M30、M03）：三阶矩可以用来描述图像的偏态特征，常用的三阶矩包括M30和M03。其中，M30表示图像x轴方向的偏态，M30大于0表示重心偏左，小于0表示重心偏右；M03表示图像y轴方向的偏态，M03大于0表示重心向上偏移小于0表示重心向下偏移。
5、四阶矩（M40、M04、M22）：四阶矩可以用来描述图像的峰态特征，常用的四阶矩包括M40、M04和M22。其中，M40和M04分别表示图像x轴和y轴方向的峰态，用于计算图像的平峰或尖峰程度；M22表示图像的斜峰程度。当峰度系数为0时,表示高斯分布；当峰度系数小于0时,表示平坦的少峰分布；当峰度系数大于0时,表示狭窄的多峰分布。
上述图像矩只为普通矩，其值随目标区域的旋转、平移、尺度变化而改变，在实际应用中，为了提高图像矩的适用能力，需要将普通矩转换为具有旋转、平移和尺度不变性的Hu矩。
6.6.1 矩 Moments
CvInvoke.Moments方法用于计算给定图像的几何矩。它的声明如下：
public static Moments Moments(
IInputArray arr,
bool binaryImage = false
)
参数说明：
- arr：要计算几何矩的图像。
- binaryImage：可选参数，表示图像是否为二值图像，默认为False。
返回值：
返回一个Moments类型的对象，表示计算得到的几何矩。
【代码位置：frmChapter6】Button22_Click
//矩 Moments
private void Button22_Click(object sender, EventArgs e)
{
Mat msrc = new Mat("C:\\learnEmgucv\\shape.jpg", ImreadModes.AnyColor);
ImageBox1.Image = msrc;
Mat gray = new Mat();
CvInvoke.CvtColor(msrc, gray, ColorConversion.Bgr2Gray);
Mat mb = new Mat();
CvInvoke.Threshold(gray, mb, 220, 255, ThresholdType.BinaryInv);
ImageBox2.Image = mb;
VectorOfVectorOfPoint contours = new VectorOfVectorOfPoint();
//这里不需要获得 hierarchy，设置为nothing
CvInvoke.FindContours(mb, contours, null, RetrType.List, ChainApproxMethod.ChainApproxNone);
Mat mdst = new Mat();
mdst = gray.Clone();
CvInvoke.CvtColor(mdst, mdst, ColorConversion.Gray2Bgr);
for (int i = 0; i < contours.Size; i++)
{
//绘制轮廓
CvInvoke.DrawContours(mdst, contours, i, new MCvScalar(0, 0, 255), 2);
//获得轮廓的矩
Moments mo = new Moments();
mo = CvInvoke.Moments(contours[i]);
Double m00 = mo.M00;
Double m10 = mo.M10;
Double m01 = mo.M01;
//M10和M00计算图像的x轴重心位置
Double x = m10 / m00;
//M01和M00计算图像的y轴重心位置
Double y = m01 / m00;
//标明轮廓的重心
CvInvoke.Circle(mdst, new Point((int)(x), (int)(y)), 4, new MCvScalar(0, 255, 0), -1);
}
ImageBox3.Image = mdst;
}
运行后如下图所示：
图6-23 获得每个轮廓的重心
6.6.2 Hu矩
Hu矩（Hu Moments）基于图像的矩的不变性特征，通过对图像的矩进行归一化和变换得到一组具有旋转、平移和尺度不变性的特征值，用于描述图像的形状特征。
Hu矩是一组七个矩，分别为：
1. 第一不变矩：该不变矩表示图像的总体亮度或面积。它可以用于图像的亮度校准和图像的分割。通过比较不同图像的第一不变矩，可以判断它们的亮度或面积差异。
2. 第二不变矩：该不变矩表示图像的形状对称性。它可以用于图像的轴对称性检测和形状匹配。通过比较不同图像的第二不变矩，可以判断它们的形状是否相似或对称。
3. 第三不变矩：该不变矩表示图像的形状的偏斜程度。它可以用于图像的形状识别和形状匹配。通过比较不同图像的第三不变矩，可以判断它们的形状是否存在偏斜。
4. 第四不变矩：该不变矩表示图像的形状的斜率。它可以用于图像的形状识别和形状匹配。通过比较不同图像的第四不变矩，可以判断它们的形状是否具有相似的斜率。
5. 第五不变矩：该不变矩表示图像的形状的膨胀或收缩程度。它可以用于图像的形状识别和形状匹配。通过比较不同图像的第五不变矩，可以判断它们的形状是否存在膨胀或收缩。
6. 第六不变矩：该不变矩表示图像的形状的旋转程度。它可以用于图像的形状识别和形状匹配。通过比较不同图像的第六不变矩，可以判断它们的形状是否存在旋转。
7. 第七不变矩：该不变矩表示图像的形状的轮廓曲率。它可以用于图像的形状识别和形状匹配。通过比较不同图像的第七不变矩，可以判断它们的形状是否具有相似的轮廓曲率。
通过比较不同图像的Hu矩，可以确定它们的形状差异和相似性。这使得Hu矩在图像处理和计算机视觉领域的许多应用中都得到了广泛的应用，例如目标识别、目标跟踪、图像检索等。
在Emgu.CV中，CvInvoke.HuMoments方法用于计算给定图像的Hu矩。Hu矩是一种图像的形状描述子，用于表示图像的不变性特征。它的声明如下：
public static double[] HuMoments(
Moments m
)
参数说明：
- m：要计算Hu矩的几何矩，类型为Moments，值来自于CvInvoke.Moments获得的结果。
返回值：
返回一个double数组，表示计算得到的7个矩。
【代码位置：frmChapter6】Button23_Click
//Hu矩
private void Button23_Click(object sender, EventArgs e)
{
Mat m = new Mat("C:\\learnEmgucv\\shape.jpg", ImreadModes.AnyColor);
Mat gray = new Mat();
CvInvoke.CvtColor(m, gray, ColorConversion.Bgr2Gray);
Mat b = new Mat();
CvInvoke.Threshold(gray, b, 220, 255, ThresholdType.BinaryInv);
VectorOfVectorOfPoint contours = new VectorOfVectorOfPoint();
//这里不需要获得 hierarchy，设置为nothing
CvInvoke.FindContours(b, contours, null, RetrType.List, ChainApproxMethod.ChainApproxNone);
Mat m1 = new Mat();
m1 = gray.Clone();
CvInvoke.CvtColor(m1, m1, ColorConversion.Gray2Bgr);
for (int i = 0; i < contours.Size; i++)
{
//获得矩
Moments mo = new Moments();
mo = CvInvoke.Moments(contours[i]);
//获得Hu矩
Double[] Hu = CvInvoke.HuMoments(mo);
//输出Hu矩的每个值
for (int j = 0; j < Hu.Length; j++)
Console.WriteLine("第 " + i + "个形状的Hu " + j + ":" + Hu[j]);
}
}
输出结果如下图所示：
图6-24 获得Hu矩
在实际开发中，理论上可以对比两个轮廓的Hu矩的差来判断相似度，但是实际由于获得的Hu矩的值很小，用来判断很不理想。读者可以自行试验。
6.6.3 形状匹配
CvInvoke.MatchShapes方法用于计算两个轮廓的形状相似性。MatchShapes可以获取两幅图像(或轮廓)，并使用Hu矩查找它们之间的距离。使用该方法并不用计算Hu矩，只需要对图像进行二值化。它的声明如下：
public static double MatchShapes(
IInputArray contour1,
IInputArray contour2,
ContoursMatchType method,
double parameter = 0
)
参数说明：
- contour1：表示第一个轮廓，类型为VectorOfPoint。
- contour2：表示第二个轮廓，类型为VectorOfPoint。
- method：计算相似性的方法，类型为ContoursMatchType枚举。常用的方法包括CV_CONTOURS_MATCH_I1、CV_CONTOURS_MATCH_I2和CV_CONTOURS_MATCH_I3。
- parameter：计算相似性的参数，类型为Double。目前此参数似乎没什么意义。
返回值：
返回一个Double类型的值，表示两个轮廓的形状相似性程度。返回值越小，表示两个轮廓越相似。
【代码位置：frmChapter6】Button24_Click
//基于Hu矩的轮廓匹配
private void Button24_Click(object sender, EventArgs e)
{
Mat msrc = new Mat("C:\\learnEmgucv\\shape.jpg", ImreadModes.Grayscale);
Mat b = new Mat();
CvInvoke.Threshold(msrc, b, 220, 255, ThresholdType.BinaryInv);
ImageBox1.Image = b;
VectorOfVectorOfPoint contours = new VectorOfVectorOfPoint();
CvInvoke.FindContours(b, contours, null, RetrType.List, ChainApproxMethod.ChainApproxNone);
Mat mdst1 = new Mat("C:\\learnEmgucv\\shape_1.jpg", ImreadModes.Grayscale);
Mat b1 = new Mat();
CvInvoke.Threshold(mdst1, b1, 220, 255, ThresholdType.BinaryInv);
VectorOfVectorOfPoint contours1 = new VectorOfVectorOfPoint();
CvInvoke.FindContours(b1, contours1, null, RetrType.List, ChainApproxMethod.ChainApproxNone);
VectorOfPoint contour1 = new VectorOfPoint();
//为了简化说明，这里只有一个轮廓
contour1 = contours1[0];
Mat mm1 = new Mat();
mm1 = msrc.Clone();
mm1.SetTo(new MCvScalar(0));
VectorOfPoint thecontour = new VectorOfPoint();
for (int i = 0; i < contours.Size; i++)
{
Double returnvalue;
//计算相似性
returnvalue = CvInvoke.MatchShapes(contour1, contours[i], ContoursMatchType.I1);
//需要根据实际情况来设置值才能获得满意效果
if (returnvalue < 0.02)
{
CvInvoke.DrawContours(mm1, contours, i, new MCvScalar(255), -1);
thecontour = contours[i];
}
}
ImageBox2.Image = mm1;
//shape_2是shape_1旋转后的图像
Mat mdst2 = new Mat("C:\\learnEmgucv\\shape_2.jpg", ImreadModes.Grayscale);
Mat b2 = new Mat();
CvInvoke.Threshold(mdst2, b2, 220, 255, ThresholdType.BinaryInv);
VectorOfVectorOfPoint contours2 = new VectorOfVectorOfPoint();
CvInvoke.FindContours(b2, contours2, null, RetrType.List, ChainApproxMethod.ChainApproxNone);
VectorOfPoint contour2 = new VectorOfPoint();
contour2 = contours2[0];
//Console.WriteLine("returnvalueB");
Mat mm2 = new Mat();
mm2 = msrc.Clone();
mm2.SetTo(new MCvScalar(0));
for (int i = 0; i < contours.Size; i++)
{
Double returnvalue = CvInvoke.MatchShapes(contour2, contours[i], ContoursMatchType.I3);
//采用与上面相同的值，匹配了其他轮廓
//需要更小的值，比如0.015才能过滤不匹配的轮廓
if (returnvalue < 0.02)
CvInvoke.DrawContours(mm2, contours, i, new MCvScalar(255), -1);
}
ImageBox3.Image = mm2;
}
输出结果如下图所示：
图6-25 图像轮廓匹配
【代码位置：frmChapter6】Button25_Click
//基于Hu矩的轮廓匹配
private void Button25_Click(object sender, EventArgs e)
{
Mat m = new Mat("C:\\learnEmgucv\\shape3.jpg", ImreadModes.Grayscale);
Mat b = new Mat();
CvInvoke.Threshold(m, b, 220, 255, ThresholdType.BinaryInv);
ImageBox1.Image = b;
VectorOfVectorOfPoint contours = new VectorOfVectorOfPoint();
//只检测外轮廓
CvInvoke.FindContours(b, contours, null, RetrType.External, ChainApproxMethod.ChainApproxNone);
//shape3图片中只包含5个图形，contours序号从0-4分别对应
//B 下A C 上右A 上左A
//这里使用上面的两个A与下面对比
VectorOfPoint contour1 = new VectorOfPoint();
VectorOfPoint contour2 = new VectorOfPoint();
//上面的两个不同字体的A
contour1 = contours[4];
contour2 = contours[3];
//下面的ABC轮廓
VectorOfVectorOfPoint contoursa = new VectorOfVectorOfPoint();
contoursa.Push(contours[1]);
contoursa.Push(contours[0]);
contoursa.Push(contours[2]);
Mat mm1 = new Mat();
mm1 = m.Clone();
mm1.SetTo(new MCvScalar(0));
Mat mm2 = new Mat();
mm2 = m.Clone();
mm2.SetTo(new MCvScalar(0));
for (int i = 0; i < 3; i++)
{
Double returnvalue1 = CvInvoke.MatchShapes(contour1, contoursa[i], ContoursMatchType.I1);
Console.WriteLine(returnvalue1);
//输出结果：
//0.0931539845093758
//0.255313921042219
//0.881725801395845
if (returnvalue1 < 0.1)
CvInvoke.DrawContours(mm1, contoursa, i, new MCvScalar(255), 2);
Double returnvalue2 = CvInvoke.MatchShapes(contour2, contoursa[i], ContoursMatchType.I1);
Console.WriteLine(returnvalue2);
//输出结果：
//0.20659335409303
//0.509194144738261
//0.72275679628663
if (returnvalue2 < 0.3)
CvInvoke.DrawContours(mm2, contoursa, i, new MCvScalar(255), 2);
}
ImageBox2.Image = mm1;
ImageBox3.Image = mm2;
}
输出结果如下图所示：
图6-26 不同字体的A轮廓与ABC轮廓匹配
【代码位置：frmChapter6】Button26_Click
//基于Hu矩的轮廓匹配
private void Button26_Click(object sender, EventArgs e)
{
Mat m = new Mat("C:\\learnEmgucv\\shape4.jpg", ImreadModes.Grayscale);
Mat b = new Mat();
CvInvoke.Threshold(m, b, 220, 255, ThresholdType.BinaryInv);
ImageBox1.Image = b;
VectorOfVectorOfPoint contours = new VectorOfVectorOfPoint();
//只检测外轮廓
CvInvoke.FindContours(b, contours, null, RetrType.External, ChainApproxMethod.ChainApproxNone);
//shape3图片中只包含5个图形，contours序号从0-4分别对应
//B 下A C 上右B 上左B
//这里使用上面的两个A与下面对比
VectorOfPoint contour1 = new VectorOfPoint();
VectorOfPoint contour2 = new VectorOfPoint();
contour1 = contours[4];
contour2 = contours[3];
VectorOfVectorOfPoint contoursa = new VectorOfVectorOfPoint();
contoursa.Push(contours[1]);
contoursa.Push(contours[0]);
contoursa.Push(contours[2]);
Mat mm1 = new Mat();
mm1 = m.Clone();
mm1.SetTo(new MCvScalar(0));
Mat mm2 = new Mat();
mm2 = m.Clone();
mm2.SetTo(new MCvScalar(0));
for (int i = 0; i < 3; i++)
{
Double returnvalue1 = CvInvoke.MatchShapes(contour1, contoursa[i], ContoursMatchType.I1);
Console.WriteLine(returnvalue1);
//输出结果：
//0.34031067009289
//0.0422767968544905
//0.928506107053343
if (returnvalue1 < 0.1)
CvInvoke.DrawContours(mm1, contoursa, i, new MCvScalar(255), 2);
Double returnvalue2 = CvInvoke.MatchShapes(contour2, contoursa[i], ContoursMatchType.I1);
Console.WriteLine(returnvalue2);
//输出结果：
//0.340619810117041
//0.0423705106226118
//0.928412393285222
if (returnvalue2 < 0.1)
CvInvoke.DrawContours(mm2, contoursa, i, new MCvScalar(255), 2);
}
ImageBox2.Image = mm1;
ImageBox3.Image = mm2;
}
输出结果如下图所示：
图6-27 B轮廓与ABC轮廓匹配
426
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
