OpenCV 入门教程：轮廓特征和轮廓匹配

已于 2023-07-12 12:00:10 修改
阅读量1.5k 收藏 2
点赞数 1
分类专栏： 视觉探索：Opencv基础入门教程 文章标签： opencv 计算机视觉 人工智能
于 2023-07-09 23:31:46 首次发布
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/qq_38161040/article/details/131622096
版权

OpenCV 入门教程：轮廓特征和轮廓匹配

导语

轮廓特征和轮廓匹配是图像处理中用于描述和比较轮廓的技术。通过提取轮廓的形状、面积、周长等特征，并进行比较和匹配，我们可以实现目标识别、形状分析等应用。在本文中，我们将以轮廓特征和轮廓匹配为中心，为你介绍使用 OpenCV 进行轮廓处理的基本步骤和实例。

😃ὠ

了解本专栏 订阅专栏 解锁全文
挣扎的蓝藻
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
轮廓匹配算法
06-01
一个可以实现图像中多个轮廓一一匹配的算法
Unity&Shader基础篇—轮廓增强
Just do IT
04-17 3962
1、介绍：如图所示，两个胶囊体都是采用同样的透明度混合方程进行混合的，并且颜色和透明度都一样。而左边的对透明度进行了“特殊”的处理，就得到了和右边不一样的效果：胶囊体的边沿轮廓增强。 配合采用贴图的效果如图所示： 两者都是采用了一样的透明度贴图以及透明度混合方法，左边的是采用了轮廓增强的效果图。 2、原理：首先，计算出模型表面的轮廓，这不废话吗，其实还真不是废话，因为并不
OpenCV_轮廓的查找、表达、绘制、特性及匹配
weixin_34258078的博客
10-14 635
虽然Canny之类的边缘检测算法可以根据像素间的差异检测出轮廓边界的像素，但是它并没有将轮廓作为一个整体。下一步是要将这些边缘像素组装成轮廓。 轮廓是构成任何一个形状的边界或外形线。直方图对比和模板匹配根据色彩及色彩的分布来进行匹配，以下包括：轮廓的查找、表达方式、组织方式、绘制、特性、匹配。 首先回忆下几个结构体： 首先是图像本身的结构体：typedef struct CvMat{int ...
使用OpenCV实现Halcon算法（3）基于轮廓的模板匹配
$firecat利白的代码足迹$
05-19 8179
〇.算法效果展示 0.1要定位的模板一 找到的匹配 在有污损情况下找到的匹配 0.2要定位的模板2 找到的匹配 一． 理论部分 模板匹配的算法包括基于灰度的匹配，基于特征的匹配，基于组件的匹配，基于相关性的匹配以及局部变形匹配。基于灰度的匹配一般应用在没有缩放和旋转，颜色变化不大的场合。基于特征的匹配一般应用在具有缩放和旋转，颜色变化较大的场合。在模板各个组件有相对位移的情况下，使用基于组件的匹配算法。在图像模糊，目标定位不依赖于边缘的情况下一般使用基于相关性的..
轮廓匹配、识别
leoking01的专栏
10-21 8602
OpenCv轮廓高级应用（轮廓匹配，几何直方图） 最近再次用到了opencv轮廓，在这里结合作者冰山一角的博客（http://www.cnblogs.com/slysky/）以及自己的体会在此稍加说明。其程序主要参见冰山一角的Blog，遗憾的是代码是OpenCV1.0写的，等有时间再用2.4.2改写一篇。 对于轮廓的相关数据结构表示和几本操作（查找轮廓，画轮廓），可参见前面两片关于轮廓的例程，在这里不多讲。 对于查找轮廓我们一般要对图像Canny检测。但是对于很特殊的场合其实我们...
OpenCV轮廓形状匹配
wn2001的博客
06-23 3533
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(36) 图像轮廓之五：轮廓匹配
luyouqi11的博客
07-25 1341
此函数查找图像中点与轮廓线之间的最短距离。当点在轮廓线外时，返回的距离为负，点在轮廓线内时返回的距离为正，点在轮廓线上返回的距离为零。函数原型：point:图像中的点当为True时，返回值为该点与最近的轮廓边之间的有符号距离；当为False时，返回值分别为+1、-1和0。
openCV实战-系列教程7：轮廓检测2与模板匹配（轮廓检测/轮廓特征/轮廓近似/轮廓边界矩阵/轮廓边界圆/模版匹配）、原理解析、源码解读
机器学习与软件工程
08-25 3716
openCV实战-系列教程7：轮廓检测2与模板匹配（轮廓检测/轮廓特征/轮廓近似/轮廓边界矩阵/轮廓边界圆/模版匹配）、原理解析、源码解读
opencv轮廓匹配_图像轮廓特征
weixin_39655160的博客
12-06 2401
图像轮廓特征是图像中非常重要的一种特征。在进行视觉检测的时候，我们常常利用轮廓特征来达到我们要检测的目的。比如，检测一条直线的斜率，可以先提取直线的轮廓特征，然后采用最小包围矩形的方式得到角度，当然，直线的斜率也可以采用别的方式得到。在检测目标数量的时候，我们也可以利用数轮廓数量的方式得到，此外，还可以利用检测的轮廓对图像进行分割，利用检测到的轮廓进行轮廓匹配等操作。总之，轮廓特征的用处非常大，在...
轮廓的匹配
kobebrian7的专栏
03-15 1908
轮廓的匹配 如果要比较两个物体，可供选择的特征很多。如果要判断某个人的性别，可以根据他（她）头发的长短来判断，这很直观，在长发男稀有的年代准确率也很高。也可以根据这个人尿尿的射程来判断，如果射程大于0.50米，则是男性。总之，方法很多，不一而足。 我们在上文中得到了轮廓的这么多特征，它们也可以用于进行匹配。典型的轮廓匹配方法有：Hu矩匹配、轮廓树匹配、成对几何直方图匹配。 1.
学习OpenCV_于仕琪等人译
04-10
该书包含的内容有：OpenCV基础、图像处理、图像变换、直方图与匹配、轮廓、图像局部与分割、跟踪与运动、摄像机模型与标定、投影与三维视觉、机器视觉
OpenCV-Python-Computer-vision:OpenCV Python计算机视觉项目
03-23
OpenCVPython计算机视觉 教程地址： 入门篇 （了解安装OpenCV-Python）| ...（寻找/轮廓轮廓）| （面积/周长/最小交替矩（圆）/形状匹配）| （计算估计直方图/均衡化） （大图中找小图） （直线/圆）
学习OpenCV(中文版)
05-28
▪ 第2章 OpenCV入门 ▪ 第3章 初探OpenCV ▪ 第4章 细说HighGUI ▪ 第5章 图像处理 ▪ 第6章 图像变换 ▪ 第7章 直方图与匹配 ▪ 第8章 轮廓 ▪ 第9章 图像局部与分割 ▪ 第10章 跟踪与运动 ▪ 第11章 摄像机模型与...
C#描述-计算机视觉OpenCV（3）：重映射
最新发布
weixin_43736127的博客
05-03 732
OpenCv在C#描述下的图像重映射
用OpenCV先去除边框线，以提升OCR准确率
pictoexcel的博客
04-29 1345
随后，我们在原始图像上细细描绘这些筛选后的轮廓，如同在绘画一幅精美的图案，`cv2.drawContours()`函数如同我们的画笔，轻轻描绘，让轮廓在图像上跃然而出。首先，我们挥动魔杖，将五彩斑斓的图像转化为单一的灰度世界，如同将一幅绚丽的油画化为水墨画，通过`cv2.cvtColor()`函数的施展，我们实现了这一华丽的转变。接着，我们施展边缘检测的法术，运用Canny边缘检测算法，如同在黑夜中点亮的繁星，清晰地勾勒出表格的边界，让我们一览无余地看到其轮廓。这样可大大提高工作效率。
opencv namedWindow函数
weixin_48329769的博客
05-02 249
这是一个可选参数，用于指定窗口的行为。通常情况下，你可以选择不传递第二个参数，这样窗口将使用默认的行为。：这是要创建的窗口的名称。你可以在之后使用这个名称来引用该窗口。这将创建一个可以调整大小的窗口。
opencv_19_图像直方图
EveryDayOneHour的博客
04-29 1026
Mat b_hist;Mat g_hist;Mat r_hist;i++)直方图：
opencv t函数
weixin_48329769的博客
05-02 101
在OpenCV中，t函数通常用于转置矩阵（Transpose）。这意味着矩阵的行和列互换位置。
python使用opencv对图像的基本操作(2)
2401_83576060的博客
04-26 1150
对多个像素点进行操作，特别是图像处理领域，使用数组切片方式访问是一种非常高效的方法。数组切片允许开发者通过简单的语法获取数组中的一段连续元素，这些元素可以是一个像素点的颜色信息，例如在RGB图像中，一个像素点由红、绿、蓝三个颜色通道的值组成。
opencv实现轮廓匹配
12-13
轮廓匹配是指在两个轮廓之间寻找相似性的过程。OpenCV提供了matchShapes()函数来计算两个轮廓之间的相似性。该函数返回一个值，称为Hu矩，用于表示两个轮廓之间的相似性。Hu矩越小，表示两个轮廓越相似。下面是一个使用matchShapes()函数进行轮廓匹配的例子： ```python import cv2 # 读取两张图片 img1 = cv2.imread("img1.jpg") img2 = cv2.imread("img2.jpg") # 转换为灰度图像 gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY) gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY) # 二值化 ret, binary1 = cv2.threshold(gray1, 127, 255, cv2.THRESH_BINARY) ret, binary2 = cv2.threshold(gray2, 127, 255, cv2.THRESH_BINARY) # 查找轮廓 contours1, hierarchy1 = cv2.findContours(binary1, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) contours2, hierarchy2 = cv2.findContours(binary2, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 计算轮廓相似性 match = cv2.matchShapes(contours1[0], contours2[0], cv2.CONTOURS_MATCH_I1, 0) # 显示结果 print("Match value:", match) cv2.imshow("img1", img1) cv2.imshow("img2", img2) cv2.waitKey() cv2.destroyAllWindows() ```

“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

挣扎的蓝藻

你的鼓励将是我创作的最大动力

¥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