53 二值图像分析—Hu矩实现轮廓匹配
代码
import cv2 as cv
import numpy as np
def contours_info(image):
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
contours, hierarchy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
return contours
src = cv.imread("../images/abc.png")
cv.namedWindow("input1", cv.WINDOW_AUTOSIZE)
cv.imshow("input1", src)
src2 = cv.imread("../images/a5.png")
cv.imshow("input2", src2)
# 轮廓发现
contours1 = contours_info(src)
contours2 = contours_info(src2)
# 几何矩计算与hu矩计算
mm2 = cv.moments(contours2[0])
hum2 = cv.HuMoments(mm2)
# 轮廓匹配
for c in range(len(contours1)):
mm = cv.moments(contours1[c])
hum = cv.HuMoments(mm)
dist = cv.matchShapes(hum, hum2, cv.CONTOURS_MATCH_I1, 0)
if dist < 1:
cv.drawContours(src, contours1, c, (0, 0, 255), 2, 8)
print("dist %f"%(dist))
# 显示
cv.imshow("contours_analysis", src)
cv.waitKey(0)
cv.destroyAllWindows()
实验结果
解释
对图像二值图像的每个轮廓,可以计算轮廓几何矩,根据几何矩可以计算图像的中心位置,估计得到中心位置可以计算中心矩、然后再根据中心矩可以计算胡矩。OpenCV中可以通过如下的API一次计算出上述三种矩,API如下:
retval = cv2.moments(array[, binaryImage])
array是输入的图像轮廓点集合
输出的图像几何矩,根据几何矩输出结果可以计算胡矩,胡矩计算的API如下:
hu = cv.HuMoments(m[, hu[7]])
moments
参数表示输入的图像矩hu[7]
表示输出的胡矩七个值
然后我们可以使用hu矩作为输入,对轮廓进行匹配,进行轮廓外形匹配的API如下:
retval = cv.matchShapes(contour1, contour2, method, parameter)
contour1
第一个轮廓点集合,或者灰度图像contour2
第二个轮廓点集合,或者灰度图像method
表示比较方法,最常见有CONTOURS_MATCH_I1
CONTOURS_MATCH_I2
CONTOURS_MATCH_I3
Parameter
方法声明的参数,OpenCV3.x版本中已经不需要了。
所有内容均来源于贾志刚老师的知识星球——OpenCV研习社,本文为个人整理学习,已获得贾老师授权,有兴趣、有能力的可以加入贾老师的知识星球进行深入学习。