Hu矩和 MatchShapes

最新推荐文章于 2022-05-12 18:26:28 发布
最新推荐文章于 2022-05-12 18:26:28 发布
阅读量239 收藏
点赞数
分类专栏： machineVision
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/brooknew/article/details/107255298
版权
brooknew
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Opencv:基于Hu-moments（hu矩）的形状匹配
MrSong007的博客
05-21 8311
本文将按照以下目录展开介绍： 什么是图像矩； 如何计算图像矩： 什么是Hu矩； 如何利用Opencv计算一个图像Hu矩； 如何利用Hu-矩来寻找两个形状的相似性； 什么是图像力矩 图像矩是图像像素灰度值的加权平均，下面通过一个简单的例子来说明。 假设有一个单通道的二值图像 I ,位置 (x，y) 出的灰度值是 I(x，y), I(x，y) 的取值是 0 或 1。最简单的一种力矩可以通过以...
opencv 基础50-图像轮廓学习03-Hu矩函数介绍及示例-cv2.HuMoments()
最新发布
小海聊智造
08-09 2836
Hu 矩（Hu Moments）是由计算机视觉领域的科学家Ming-Kuei Hu于1962年提出的一种图像特征描述方法。这些矩是用于描述图像形状和几何特征的不变特征，具有平移、旋转和尺度不变性，适用于图像识别、匹配和形状分析等任务。Ming-Kuei Hu在其论文中提出了七个用于形状描述的独特特征，称之为Hu矩。这些特征通过一系列组合和归一化操作，能够捕获图像的不同几何属性，如大小、形状、旋转等，同时保持了对这些变换的不变性。这使得Hu矩在图像处理领域中成为了一种重要的特征表示方法。
图像或轮廓的Hu矩的定义、优缺点、适用范围,并利用OpenCV的函数HuMoments()和matchShapes()实现Hu矩的计算和轮廓匹配
昊虹AI笔记
05-12 3256
本文承接博主的上一篇博文： 什么叫图像或轮廓的空间矩、中心矩、归一化中心矩？并利用OpenCV的类Moments计算轮廓的这几个矩和质心位置 继续介绍Hu矩的相关知识。 Hu矩是由二阶和三阶中心距计算得到七个不变矩，Hu矩具有旋转、平移和缩放不变性，因此在图像具有旋转和放缩的情况下Hu矩具有更广泛的应用领域。 在博主的上一篇博文中介绍了归一化的中心矩的计算式。我们回顾一下： 我们令 nuji=ηjinu_{ji}=η_{ji}nuji​=ηji​ ，则有Hu矩的七个矩的计算式如下： hu[0]=η20+η
Hu矩轮廓匹配
cp32212116的专栏
08-04 9801
（1）普通矩： 图像概率密度分布函数为f(x,y)的二维连续随机函数的p+q阶原点矩m_pq m_pq = ∬_(-∞)^(+∞)▒〖x^p y^q f(x,y)dxdy〗 p,q=0,1,2…… 各阶矩的物理意义： 0阶矩(m_00)--------------------------为目标区域的质量 1阶矩(m_01,m_10)------------------表示目标区域的质心
OPencv--基于Hu矩的轮廓匹配
Superman980527的博客
04-22 3637
import sys import cv2 if __name__=='__main__': # 读取图像okn.jpg image1 = cv2.imread('ABC.png') if image1 is None: print('无法识别这个图片') sys.exit() image2 = cv2.imread('B.png') if image2 is None: print('无法识别这个图片') .
hu_hu矩_
09-30
使用MATLAB，进行不变矩hu矩特征提取，以便进行之后的图像分来处理
HuSquare_hu矩_
09-29
这是一个关于HU矩提取的一个程序，应该是直接可以使用的
Matlab实现Hu不变矩特征
09-24
代码可以运行，提取Hu 7阶不变矩，可以利用此7阶不变矩进行目标识别 代码可以运行，提取Hu 7阶不变矩，可以利用此7阶不变矩进行目标识别
OPENCV hu矩特征提取
05-24
利用OPENCV 计算图像HU矩特征
融合局部二值模式和Hu矩特征的车型识别
02-07
提出融合局部二值模式(LBP)和Hu矩特征的车型识别算法。LBP特征能够很好地对车辆局部纹理进行描述，Hu矩属于全局特征，反映了车辆的形状轮廓信息，将这两种互补特征结合能更好地表达车型特征。设计了融合特征的提取...
OpenCV C++案例实战八《基于Hu矩轮廓匹配》
Zero___Chen的博客
12-18 5799
OpenCV C++案例实战八《基于Hu矩轮廓匹配》前言一、查找轮廓二、计算Hu矩三、显示效果四、源码总结 前言 本文将使用OpenCV C++ 基于Hu矩进行轮廓匹配。 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, 25
图像和轮廓匹配(hu矩)
大丈夫
12-14 4731
图像和轮廓的匹配(hu矩) (1)hu矩的概念，我也总结了但是我不过多的阐述，因为我也不是太理解，只知道它具有平移，旋转，尺度不变性，详细见别人的这篇blog：http://blog.csdn.net/wrj19860202/article/details/6327094 (2)OpenCV 的实现——计算hu矩 <1>普通矩和中心矩的计算 Void cvMoments（const
OpenCv中matchShapes()函数的使用
czsnooker的博客
01-26 2万+
cv::matchShapes()函数的使用 在老版本的OpenCV中，该函数的原型为cvMatchShapes（），其使用方法可以参考博客：https://blog.csdn.net/hhy018/article/details/39080947 在OpenCv3及以上的版本中保留了cvMatchShapes（）函数；但这里主要介绍与其功能一样的matchShapes（）函数，相比与之前的版本，...
opencv计算两个轮廓之间hu矩相似程度,MatchShapes
Jiake_Yang的博客
09-19 1万+
OPENCV提供了输入图像直接进行hu矩匹配的函数，返回的是两个图像或轮廓之间hu矩的相似度： double cvMatchShapes(const void*object1,const void*object2,int method,doubleparameter=0); 计算两个轮廓之间hu矩相似程度： #include #include "cv.h" #include
Hu矩图像轮廓匹配
Jacky_Ponder的博客
04-06 3108
1.1普通矩的计算 图像概率密度分布函数为f(x,y)的二维连续随机函数的p+q阶原点矩mpq 各阶矩的物理意义： 0阶矩(m00)为目标区域的质量 1阶矩(m01, m10)表示目标区域的质心 2阶矩(m02, m20, m11)表示旋转半径 3阶矩(m03, m30, m12, m21)描述目标的方位和斜度，反应目标的扭曲程度 但矩要能够作为和种特征描述方法得到应用，其要与目
opencv学习_10 (图像和轮廓的匹配(hu矩))
热门推荐
小村长技术blog
11-08 12万+
图像和轮廓的匹配(hu矩)  (1)hu矩的概念，我也总结了但是我不过多的阐述，因为我也不是太理解，只知道它具有平移，旋转，尺度不变性，详细见别人的这篇 blog：http://blog.csdn.net/wrj19860202/article/details/6327094 (2)opencv 的实现——计算hu矩 普通矩和中心矩的计算     Void cvMoments（con
Opencv之利用matchshape算子实现简单的形状匹配
Kevin_Sun777的博客
12-19 8999
Opencv之利用matchshape算子实现简单的形状匹配
实战案例(C++代码): 基于HU矩实现的模板匹配（轮廓匹配）
thequitesunshine007的博客
09-06 1206
HU矩具备旋转、平移、缩放不变性。 void findcontours(Mat &image, vector<vector<Point>> &contours) { Mat gray, binary; vector<Vec4i> hierarchy; //图像灰度化 cvtColor(image, gray, COLOR_BGR2GRAY); //图像二值化 threshold(gray, binary, 0, 255, THRESH_BINA
python-opencv利用cv2.matchShapes()实现轮廓匹配
HarryXu的博客
01-08 9378
之前用过cv2.matchTemplate()去做模板匹配，今天学习下cv2.matchShapes() 具体的使用方法,可以参考博客:https://www.cnblogs.com/wojianxin/p/12607948.html 这里我的理解是： cv2.matchShapes()是用来匹配轮廓形状的，而且只能匹配单个轮廓； cv2.matchTemplate()是用来匹配模板的，可以用一个模板去匹配图像上多个轮廓点对 # 一般用来分析cv.findContours()之后的轮廓点对 def
python Hu矩轮廓匹配
03-29
Hu矩是一种对图像进行形状匹配的方法，它是一组可旋转、平移和缩放不变的图像特征。在Python中，我们可以使用OpenCV库来计算Hu矩，以下是Hu矩轮廓匹配的基本步骤： 1. 读取待匹配图像和模板图像，并进行灰度化。 2. 对待匹配图像和模板图像进行二值化处理。 3. 使用findContours()函数找到待匹配图像和模板图像的轮廓。 4. 计算待匹配图像和模板图像的Hu矩。 5. 使用matchShapes()函数计算待匹配图像和模板图像的形状相似度。 下面是一个示例代码，演示了如何使用OpenCV计算Hu矩并进行轮廓匹配： ```python import cv2 # 读取待匹配图像和模板图像 img1 = cv2.imread('image1.jpg') img2 = cv2.imread('image2.jpg') # 灰度化 gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY) gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY) # 二值化 ret1, thresh1 = cv2.threshold(gray1, 127, 255, cv2.THRESH_BINARY) ret2, thresh2 = cv2.threshold(gray2, 127, 255, cv2.THRESH_BINARY) # 轮廓提取 contours1, hierarchy1 = cv2.findContours(thresh1, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) contours2, hierarchy2 = cv2.findContours(thresh2, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) # 计算Hu矩 moments1 = cv2.moments(contours1[0]) hu1 = cv2.HuMoments(moments1).flatten() moments2 = cv2.moments(contours2[0]) hu2 = cv2.HuMoments(moments2).flatten() # 计算形状相似度 match_value = cv2.matchShapes(contours1[0], contours2[0], cv2.CONTOURS_MATCH_I1, 0) # 输出结果 print('Hu moments of image1:', hu1) print('Hu moments of image2:', hu2) print('Match value:', match_value) ``` 在上面的示例代码中，我们首先读取了两张图像并进行了灰度化和二值化处理，然后使用findContours()函数找到了两张图像的轮廓。接着，我们分别计算了两张图像的Hu矩，并使用matchShapes()函数计算了它们的形状相似度。最后，我们输出了Hu矩和形状相似度的值。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值