【OpenCV 基础知识 6】形状匹配

于 2024-05-18 20:41:11 发布
阅读量307 收藏
点赞数 5
分类专栏： Delphi OpenCV 文章标签： opencv 人工智能 计算机视觉
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/gust2013/article/details/139031127
版权

文章目录

Demo1

program cv_MatchShapes;

{$APPTYPE CONSOLE}
{$R *.res}

uses
  System.SysUtils,
  ocv.highgui_c,
  ocv.core_c,
  ocv.core.types_c,
  ocv.imgproc_c,
  ocv.imgproc.types_c,
  uResourcePaths;

const
  const_original = cResourceMedia + 'matchshapes2.jpg';
  const_template = cResourceMedia + 'matchshapes_template.jpg';

var
  original: pIplImage = nil;
  template: pIplImage = nil;
  original_filename, template_filename: AnsiString;

  src: pIplImage = nil;
  dst: pIplImage = nil;
  binI: pIplImage = nil;
  binT: pIplImage = nil;
  rgb: pIplImage = nil;
  rgbT: pIplImage = nil;
  storageI: pCvMemStorage = nil;
  storageT: pCvMemStorage = nil;
  contoursI: pCvSeq = nil;
  contoursT: pCvSeq = nil;
  seq0: pCvSeq = nil;
  seqT: pCvSeq = nil;
  seqM: pCvSeq = nil;
  contoursCont: integer;
  font: TCvFont;
  counter: integer;
  perim, match0: double;
  perimT: double = 0;
  matchM: double = 1000;

begin
  try
    // 检查命令行参数，获取原始图像和模板图像的文件名
    // 如果提供了两个参数，则使用提供的文件名，否则使用默认值
    if ParamCount = 2 then
    begin
      original_filename := AnsiString(ParamStr(1));
      template_filename := AnsiString(ParamStr(2));
    end
    else
    begin
      original_filename := const_original;
      template_filename := const_template;
    end;

    // 加载原始图像
    original := cvLoadImage(pCVChar(original_filename), CV_LOAD_IMAGE_COLOR);
    WriteLn(Format('[i] 原始图像: %s', [original_filename]));

    // 加载模板图像
    template := cvLoadImage(pCVChar(template_filename), CV_LOAD_IMAGE_COLOR);
    WriteLn(Format('[i] 模板图像: %s', [template_filename]));

    // 创建并显示原始图像和模板图像窗口
    cvNamedWindow('原始图像', CV_WINDOW_AUTOSIZE);
    cvShowImage('原始图像', original);
    cvNamedWindow('模板图像', CV_WINDOW_AUTOSIZE);
    cvShowImage('模板图像', template);

    // 输出测试信息
    WriteLn('[i] 运行测试 cvMatchShapes()');

    // 克隆原始图像
    src := cvCloneImage(original);

    // 创建原始图像和模板的二值图像
    binI := cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
    binT := cvCreateImage(cvGetSize(template), IPL_DEPTH_8U, 1);

    // 创建用于显示轮廓的RGB图像
    rgb := cvCreateImage(cvGetSize(original), IPL_DEPTH_8U, 3);
    cvConvertImage(src, rgb, CV_GRAY2BGR);
    rgbT := cvCreateImage(cvGetSize(template), IPL_DEPTH_8U, 3);
    cvConvertImage(template, rgbT, CV_GRAY2BGR);

    // 对原始图像和模板应用Canny边缘检测
    cvCanny(src, binI, 50, 200);
    cvCanny(template, binT, 50, 200);

    // 创建并显示原始图像的Canny边缘图像窗口
    // cvNamedWindow('CannyI', CV_WINDOW_AUTOSIZE);
    // cvShowImage('CannyI', binI);
    // 创建并显示模板图像的Canny边缘图像窗口
    // cvNamedWindow('CannyT', CV_WINDOW_AUTOSIZE);
    // cvShowImage('CannyT', binT);

    // 创建用于存储轮廓的内存存储
    storageI := cvCreateMemStorage(0);

    // 在原始图像中找到轮廓
    contoursCont := cvFindContours(binI, storageI, @contoursI, sizeof(TCvContour), CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE, cvPoint(0, 0));

    // 初始化字体
    cvInitFont(@font, CV_FONT_HERSHEY_PLAIN, 1.0, 1.0);

    // 在原始图像上显示轮廓
    if Assigned(contoursI) then
    begin
      // 遍历轮廓并在图像上绘制
      seq0 := contoursI;
      while Assigned(seq0) do
      begin
        cvDrawContours(rgb, seq0, CV_RGB(255, 216, 0), CV_RGB(0, 0, 250), 0, 1, 8, cvPoint(0, 0));
        seq0 := seq0.h_next;
      end;
    end;

    // 创建并显示包含轮廓的原始图像窗口
    // cvNamedWindow('Cont', CV_WINDOW_AUTOSIZE);
    // cvShowImage('Cont', rgb );

    // 转换回灰度
    cvConvertImage(src, rgb, CV_GRAY2BGR);

    // 创建用于存储轮廓的内存存储
    storageT := cvCreateMemStorage(0);

    // 在模板图像中找到轮廓
    cvFindContours(binT, storageT, @contoursT, sizeof(TCvContour), CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE, cvPoint(0, 0));

    // 遍历模板图像中的轮廓
    if Assigned(contoursT) then
    begin
      seq0 := contoursT;
      while Assigned(seq0) do
      begin
        perim := cvContourPerimeter(seq0);
        if perim > perimT then
        begin
          perimT := perim;
          seqT := seq0;
        end;
        // 遍历轮廓并在图像上绘制
        cvDrawContours(rgbT, seq0, CV_RGB(255, 216, 0), CV_RGB(0, 0, 250), 0, 1, 8, cvPoint(0, 0));
        seq0 := seq0.h_next;
      end;
    end;

    // 在模板图像中突出显示最大的轮廓
    cvDrawContours(rgbT, seqT, CV_RGB(52, 201, 36), CV_RGB(36, 201, 197), 0, 2, 8, cvPoint(0, 0));
    // cvNamedWindow('ContT', CV_WINDOW_AUTOSIZE);
    // cvShowImage('ContT', rgbT);

    // 遍历原始图像中的轮廓
    counter := 0;
    if Assigned(contoursI) then
    begin
      // 遍历轮廓并计算形状匹配度
      seq0 := contoursI;
      while Assigned(seq0) do
      begin
        WriteLn('Assigned seq0: ', Assigned(seq0), '(', IntToHex(Integer(seq0), 8), ')');
        WriteLn('Assigned seqT: ', Assigned(seqT), '(', IntToHex(Integer(seqT), 8), ')');
        match0 := cvMatchShapes(seq0, seqT, CV_CONTOURS_MATCH_I3);
        if match0 < matchM then
        begin
          matchM := match0;
          seqM := seq0;
        end;
        Inc(counter);
        WriteLn(Format('[i] %d 匹配度: %.2f', [counter, match0]));
        seq0 := seq0.h_next;
      end;
    end;

    // 在原始图像中突出显示最佳匹配的轮廓
    cvDrawContours(rgb, seqM, CV_RGB(52, 201, 36), CV_RGB(36, 201, 197), 0, 2, 8, cvPoint(0, 0));
    cvNamedWindow('查找结果', CV_WINDOW_AUTOSIZE);
    cvShowImage('查找结果', rgb);

    // 等待按键响应
    cvWaitKey(0);

    // 释放内存存储
    cvReleaseMemStorage(storageI);
    cvReleaseMemStorage(storageT);
    cvReleaseImage(src);
    cvReleaseImage(dst);
    cvReleaseImage(rgb);
    cvReleaseImage(rgbT);
    cvReleaseImage(binI);
    cvReleaseImage(binT);

    // 销毁所有窗口
    cvDestroyAllWindows();

    // 释放图像内存
    cvReleaseImage(original);
    cvReleaseImage(template);
    // 销毁所有窗口
    cvDestroyAllWindows();
  except
    on E: Exception do
      WriteLn(E.ClassName, ': ', E.Message);
  end;
end.

Demo2

program cv_MatchShapes2;

{$APPTYPE CONSOLE}
{$R *.res}

uses
  System.SysUtils,
  System.Math,
  ocv.highgui_c,
  ocv.core_c,
  ocv.core.types_c,
  ocv.imgproc_c,
  ocv.imgproc.types_c,
  ocv.utils,
  uResourcePaths;


procedure testMatch(original, templ: pIplImage);
Var
  src, dst: pIplImage;
  binI: pIplImage;
  binT: pIplImage;
  rgb: pIplImage;
  rgbT: pIplImage;

  storageI: pCvMemStorage;
  storageT: pCvMemStorage;
  contoursI: pCvSeq;
  contoursT: pCvSeq;
  contoursCont: Integer;
  font: TCvFont;
  counter: Integer;
  buf: string;
  seq0: pCvSeq;
  seqT: pCvSeq;
  perimT: double;
  perim: double;
  seqM: pCvSeq;
  matchM: double;
  match0: double;

  point: TCvPoint2D32f;
  rad: Float;

begin
  // 断言原始图像和模板图像非空
  assert(original <> nil);
  assert(templ <> nil);

  WriteLn('[i] test cvMatchShapes()\n');

  src := nil;
  dst := nil;

  // 克隆原始图像
  src := cvCloneImage(original);

  // 创建原始图像和模板的二值图像
  binI := cvCreateImage(cvGetSize(src), 8, 1);
  binT := cvCreateImage(cvGetSize(templ), 8, 1);

  // 创建用于显示轮廓的RGB图像
  rgb := cvCreateImage(cvGetSize(original), 8, 3);
  cvConvertImage(src, rgb, CV_GRAY2BGR);
  rgbT := cvCreateImage(cvGetSize(templ), 8, 3);
  cvConvertImage(templ, rgbT, CV_GRAY2BGR);

  // 对原始图像和模板应用Canny边缘检测
  cvCanny(src, binI, 50, 200);
  cvCanny(templ, binT, 50, 200);

  // 创建并显示原始图像的Canny边缘图像窗口
  cvNamedWindow('cannyI', 1);
  cvShowImage('cannyI', binI);

  // 创建并显示模板图像的Canny边缘图像窗口
  cvNamedWindow('cannyT', 1);
  cvShowImage('cannyT', binT);

  // 创建用于存储轮廓的内存存储
  storageI := cvCreateMemStorage(0);
  storageT := cvCreateMemStorage(0);
  contoursI := nil;
  contoursT := nil;

  // 在原始图像中找到轮廓
  contoursCont := cvFindContours(binI, storageI, @contoursI, sizeof(TCvContour), CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE, cvPoint(0, 0));

  // 初始化字体
  cvInitFont(@font, CV_FONT_HERSHEY_PLAIN, 1.0, 1.0);
  counter := 0;

  // 在原始图像上显示轮廓
  if (contoursI <> nil) then
  begin
    seq0 := contoursI;
    while seq0 <> nil do
    begin
      // 绘制轮廓
      cvDrawContours(rgb, seq0, CV_RGB(255, 216, 0), CV_RGB(0, 0, 250), 0, 1, 8, cvPoint(0, 0));
      // 计算并显示最小外接圆
      cvMinEnclosingCircle(seq0, @point, @rad);
      Inc(counter);
      cvPutText(rgb, c_str(IntToStr(counter)), cvPointFrom32f(point), @font, CV_RGB(0, 255, 0));
      seq0 := seq0^.h_next;
    end;
  end;

  // 创建并显示包含轮廓的原始图像窗口
  cvNamedWindow('cont', 1);
  cvShowImage('cont', rgb);

  // 转换回灰度
  cvConvertImage(src, rgb, CV_GRAY2BGR);

  // 在模板图像中找到轮廓
  cvFindContours(binT, storageT, @contoursT, sizeof(TCvContour), CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE, cvPoint(0, 0));

  seqT := nil;
  perimT := 0;

  // 在模板图像上显示轮廓
  if (contoursT <> nil) then
  begin
    seq0 := contoursT;
    while seq0 <> nil do
    begin
      perim := cvContourPerimeter(seq0);
      if (perim > perimT) then
      begin
        perimT := perim;
        seqT := seq0;
      end;
      // 绘制轮廓
      cvDrawContours(rgbT, seq0, CV_RGB(255, 216, 0), CV_RGB(0, 0, 250), 0, 1, 8, cvPoint(0, 0));
      seq0 := seq0^.h_next;
    end;
  end;

  // 在模板图像中突出显示最大的轮廓
  cvDrawContours(rgbT, seqT, CV_RGB(52, 201, 36), CV_RGB(36, 201, 197), 0, 2, 8, cvPoint(0, 0)); // 痂耋屐 觐眚箴
  cvNamedWindow('contT', 1);
  cvShowImage('contT', rgbT);

  seqM := nil;
  matchM := 1000;
  counter := 0;

  // 遍历原始图像中的轮廓
  if (contoursI <> nil) then
  begin
    seq0 := contoursI;
    while seq0 <> nil do
    begin
      // 计算形状匹配度
      match0 := cvMatchShapes(seq0, seqT, CV_CONTOURS_MATCH_I3);
      // 更新最佳匹配的轮廓
      if (match0 < matchM) then
      begin
        matchM := match0;
        seqM := seq0;
      end;
      Inc(counter);
      WriteLn(Format('[i] %d 匹配度: %.2f', [counter, match0]));
      seq0 := seq0^.h_next;
    end;
  end;

  // 在原始图像中突出显示最佳匹配的轮廓
  cvDrawContours(rgb, seqM, CV_RGB(52, 201, 36), CV_RGB(36, 201, 197), 0, 2, 8, cvPoint(0, 0));

  // 创建并显示带有最佳匹配轮廓的图像窗口
  cvNamedWindow('find', 1);
  cvShowImage('find', rgb);

  // 等待按键响应
  cvWaitKey(0);

  // 释放内存
  cvReleaseMemStorage(storageI);
  cvReleaseMemStorage(storageT);
  cvReleaseImage(src);
  cvReleaseImage(dst);
  cvReleaseImage(rgb);
  cvReleaseImage(rgbT);
  cvReleaseImage(binI);
  cvReleaseImage(binT);

  // 销毁窗口
  cvDestroyAllWindows();
end;

const
  const_original = cResourceMedia + 'matchshapes2.jpg';
  const_template = cResourceMedia + 'matchshapes_template.jpg';

Var
  original: pIplImage = nil;
  templ: pIplImage = nil;
  filename, filename2: String;

begin
  try
    // 获取文件名，如果没有提供则使用默认值
    filename := ifthen(ParamCount > 0, ParamStr(1), const_original);
    // 加载原始图像
    original := cvLoadImage(c_str(filename), 0);

    WriteLn('[i] 图像: ', filename);
    assert(Assigned(original));

    // 获取模板文件名，如果没有提供则使用默认值
    filename2 := ifthen(ParamCount > 1, ParamStr(2), const_template);
    // 加载模板图像
    templ := cvLoadImage(c_str(filename2), 0);

    WriteLn('[i] 模板: ', filename2);
    assert(Assigned(templ));

    // 创建并显示原始图像窗口
    cvNamedWindow('original', 1);
    cvShowImage('original', original);
    // 创建并显示模板图像窗口
    cvNamedWindow('template', 1);
    cvShowImage('template', templ);

    // 执行形状匹配测试
    testMatch(original, templ);

    // 释放图像内存
    cvReleaseImage(original);
    cvReleaseImage(templ);

    // 销毁所有窗口
    cvDestroyAllWindows();
  except
    on E: Exception do
      WriteLn(E.ClassName, ': ', E.Message);
  end;
end.
D-Nolan
关注
  • 5
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
opencv image process_边缘匹配_opencv_轮廓_
09-29
opencv关于视频播放、形态学变换、canny边缘检测、轮廓查找、模板匹配、DFT变换
opencv 基于边缘的形状匹配
weixin_43493903的博客
09-05 1186
opencv基于梯度的形状模板匹配
OpenCvSharp-轮廓形状匹配/模板查找1.0（附源码）
m0_55074196的博客
08-25 4007
轮廓匹配是一种计算机视觉技术，用于在图像中查找和比较目标轮廓与待匹配轮廓之间的相似度读取模板图像和测试图像。创建存储灰度模板和测试图像的变量grayTemp和grayTest。将图像转换为灰度图像。对模板图像和测试图像进行二值化处理，将图像中的轮廓区域分割出来。定义存储轮廓结果和拓扑结构的变量contours和hierarchy。使用在模板图像中查找轮廓，存储在contours中，同时也获取轮廓的拓扑结构。遍历contours。
C++|OpenCV 之零件识别的四种方法
qq_46248455的博客
01-02 566
课程设计，代码笔记
opencv形状匹配
06-03
形状匹配
opencv形状匹配（cv2.matchShape）
qq_40107571的博客
12-11 3117
opencv形状匹配（cv2.matchShape）
Opencv做形状匹配
Mmagic1的博客
08-11 985
#include <iostream> #include <vector> //Opencv库 #include <opencv.hpp> void findcontours(cv::Mat &image,std::vector<std::vector<cv::Point>> &contours) { cv::Mat gray,binary; std::vector<cv::Vec4i> hiera.
opencv简单形状匹配
雪剑封心
01-25 1230
两张图像进行比较，查看轮廓形状相似度 import cv2 import numpy as np def cv_show(neme, img): # cv2.namedWindow(neme, cv2.WINDOW_NORMAL) cv2.imshow(neme, img) cv2.waitKey(0) cv2.destroyAllWindows() img1 = cv2.imread("ce.png", 0) img2 = cv2.imread("ce.png",
基于openCV的形状模版匹配
热门推荐
阿空的日常
07-05 2万+
基于openCV的形状模版匹配初衷思路1.生成旋转模版的问题2.遍历边缘点还是进行卷积的问题3.遍历运算速度过慢函数 初衷 果然halcon用顺手了，人就变懒了，正好有项目需要自己写个形状匹配的程序，就拿来练练手，程序不是很复杂，速度上感觉和halcon里面find_scaled_shape_model还是有差距，目前也不知道如何进一步改进，暂时就先这样了。大佬们如果有什么改进的想法可以评论一下，...
基于opencv的模板匹配
04-27
**基于OpenCV的模板匹配** ...对于初学者来说，理解这个过程并实际操作代码，可以帮助深入理解图像处理和计算机视觉的基础知识。通过不断实践和调整，你可以掌握更高级的应用，如对象检测、视频分析等。
OpenCV轮廓匹配
03-19
把模板图像要匹配的图像（该图像可以包含多个模板图像，可以是旋转拉伸过的）路径输入后即可进行匹配，并画出匹配图像
人脸匹配-OpenCV
最新发布
06-13
人脸匹配是计算机视觉领域中的一个重要话题，特别是在身份验证、安全监控和...对于初学者，理解这些基础知识是进入人脸识别领域的关键。在实践中，不断优化和调整参数，结合实际场景，可以进一步提升人脸匹配的效果。
opencv基础入门代码
05-25
**OpenCV基础入门代码** OpenCV（开源计算机视觉库）是一个强大的计算机视觉和机器学习库，广泛应用于图像处理、计算机视觉以及人工智能领域。本篇内容将深入浅出地介绍OpenCV的基本概念，并通过实例代码帮助初学者...
Basics:如何在Python中使用OpenCV基础知识
04-09
本文将深入探讨如何在Python中使用OpenCV的基础知识。 首先，安装OpenCV是使用它的第一步。在Python中，你可以通过pip来安装，命令如下： ```bash pip install opencv-python ``` 一旦安装完成，你就可以导入OpenCV...
opencv形状模板匹配
weixin_38241876的博客
06-05 629
""" 形状匹配 """ def getpatch(maskimg): locs = np.where(maskimg == 255) x0 = np.min(locs[1]) x1 = np.max(locs[1]) y0 = np.min(locs[0]) y1 = np.max(locs[0]) return maskimg[y0:y1,x0:x1] from pyimagesearch.detect_shapes import getshape de
OpenCV轮廓形状匹配
wn2001的博客
06-23 3616
案例来源于© Fu Xianjun. All Rights Reserved 目标： 能够掌握轮廓查找与绘制的方法 能够掌握轮廓面积及长度的计算方法 能够编程实现形状匹配 能够掌握轮廓的几何形状拟合方法 ***— 查找轮廓 cv2.RETR_EXTERNAL 只检测外轮廓 cv2.RETR_LIST检测的轮廓不建立等级关系 cv2.RETR_CCOMP建立两个等级的轮廓 cv2.RETR_TREE建立一个等级树结构的轮廓 method: cv2.CHAIN_APPROX_NONE存储所有的轮廓点 cv
opencv 物体形状匹配
Ibelievesunshine的博客
03-31 3325
**opencv中 cv.matchShapes() 可以检测两个形状之间的相似度，返回值越小，越相似。**先读入下面这张图片： 进行实验： import numpy as np import cv2 as cv img = cv.imread('shapes.jpg', 0) _, thresh = cv.threshold(img, 0, 255, cv.THRESH_BINARY + c...
OpenCV基于形状的模板匹配
qq_44870829的博客
12-11 9749
OpenCV基于形状的模板匹配引言基于形状的匹配算法具体代码KcgMatch.hKcgMatch.cppmain.cpp匹配的结果 引言 在OpenCV中有个用于模板匹配的基本函数matchTemplate()，该函数使用某模板在搜索图像中进行搜索时，只能搜索到和模板完全一样的地方，一旦在搜索图像中要搜索的区域相较于模板是旋转了、放大缩小了或者部分遮掩了就无法匹配到结果了。 而在halcon中有个基于形状匹配的算子，这个算子非常好用，随便截取一个ROI区域做模板就可以在搜索图像中匹配到相似的区域，并且能输
opencv多角度多形状匹配
09-26
OpenCV是一款强大的计算机视觉库，可以用于多角度多形状匹配的应用。在OpenCV中，我们可以使用模板匹配技术来实现多角度多形状的匹配。 模板匹配是一种基于像素级别的匹配方法，它通过在待匹配图像上滑动一个固定大小的模板图像，并计算模板图像与待匹配图像区域之间的相似度来判断是否匹配。在多角度多形状匹配中，我们可以使用多个不同旋转角度和缩放尺度的模板图像来匹配待匹配图像中的目标。 实现多角度多形状匹配的基本步骤如下： 1. 选择一组包含不同旋转角度和缩放尺度的模板图像作为匹配模板。 2. 将待匹配图像和每个模板图像进行模板匹配。 3. 对匹配结果进行阈值处理，筛选出最佳匹配结果。 4. 根据匹配结果的位置和角度信息，可进行目标跟踪、姿态估计等后续处理。 在具体实现过程中，我们可以使用OpenCV的模板匹配函数（如matchTemplate()）来完成匹配过程。该函数可以根据选择的匹配算法（如平方差匹配、相关系数匹配、归一化相关系数匹配等）来计算模板图像与待匹配图像区域之间的相似度。 总之，OpenCV提供了丰富的功能和算法来实现多角度多形状的匹配任务。通过合理选择匹配算法和参数设置，结合模板图像的选择和预处理，我们可以实现精准的多角度多形状匹配。

“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

打赏作者

D-Nolan

请我喝杯咖啡吧，鼓励一下创作！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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