opencv之形状匹配/形状场景距离计算

 cv2.matchShapes

        通过hub矩来判断两个对象的一致性，有cv2.CONTOURS_MATCH_I1,cv2.CONTOURS_MATCH_I1,cv2.CONTOURS_MATCH_I1三种方法。

cv2.createShapeContextDistanceExtractor()

        用于计算形状场景距离，通过使用形状上下文算法在计算距离时，在每个点上附加一个形状上下文描述符，每个点都能够捕获剩余点相对于它的分布特征，从而提供全局鉴别特征。
cv2.createHausdorffDistanceExtractor()

        计算图形A内的每一个点，寻找其距离图像B的最短距离，将这个最短距离作为Hausdroff直接距离D1，计算图形B内的每一个点，寻找其距离图像A的最短距离，将这个最短距离作为Hausdroff直接距离D2，将上述D1、D2中的较大者作为Hausdroff距离，容易受极端值的影响。

img1 = cv2.imread("E:/work/images/gb.jpg", 0)
_, img1 = cv2.threshold(img1,100, 255, cv2.THRESH_BINARY_INV)
c1, f1 = cv2.findContours(img1, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img1, c1[0], -1, 127, 2)

img2 = cv2.imread("E:/work/images/k.PNG", 0)
_, img2 = cv2.threshold(img2,100, 255, cv2.THRESH_BINARY_INV)
c2, f2 = cv2.findContours(img2, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img2, c2[0], -1, 127, 2)

img3 = cv2.imread("E:/work/images/gb_src.jpg", 0)
_, img3 = cv2.threshold(img3,100, 255, cv2.THRESH_BINARY_INV)
c3, f3 = cv2.findContours(img3, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img3, c3[0], -1, 127, 2)

sc = cv2.createShapeContextDistanceExtractor()
hd = cv2.createHausdorffDistanceExtractor()

sc_value = sc.computeDistance(c1[0], c1[0])
sc_value1 = sc.computeDistance(c1[0], c3[0])
sc_value2 = sc.computeDistance(c1[0], c2[0])

hd_value = hd.computeDistance(c1[0], c1[0])
hd_value1 = hd.computeDistance(c1[0], c3[0])
hd_value2 = hd.computeDistance(c1[0], c2[0])

ms1 = cv2.matchShapes(c1[0], c1[0], 1, 0.0)
ms2 = cv2.matchShapes(c1[0], c3[0], 1, 0.0)
ms3 = cv2.matchShapes(c1[0], c2[0], 1, 0.0)

print(sc_value)
print(sc_value1)
print(sc_value2)

print(hd_value)
print(hd_value1)
print(hd_value2)

print(ms1)
print(ms2)
print(ms3)

cv2.imshow("img1", img1)
cv2.imshow("img2", img2)
cv2.imshow("img3", img3)
cv2.waitKey()
cv2.destroyAllWindows()

# 输出结果为：
0.0
0.2830809950828552
0.4213451147079468
0.0
383.0822448730469
83.43260955810547
0.0
0.01665152572582304
1.189807028420355

        通过结果可知， createHausdorffDistanceExtractor()的结果不准确，对于另外的场景createHausdorffDistanceExtractor()的效果还是可以的，容易受极端值的影响，使用时根据场景来适当选择合适的算法。

输入输出图像，如下：

        img1:

        img2: 

 

        img3: