二值图像分析—Hu矩实现轮廓匹配

没有太晚的开始，不如就从今天行动。总有一天，那个一点一点可见的未来，会在你心里，也在你的脚下慢慢清透。生活，从不亏待每一个努力向上的人。

本文链接：https://blog.csdn.net/qq_41498261/article/details/102944647

在OpenCV中，可以很方便的得到Hu不变距，Hu矩在图像旋转、缩放、平移等操作后，仍能保持矩的不变性，所以有时候用Hu不变距更能识别图像的特征。

Hu矩由于具有尺度、旋转、平移不变性，可以用来做匹配。

Hu不变矩主要是利用归一化中心矩构造了7个不变特征矩,由二阶矩和三阶矩可以导出7个不变矩：

在这里插入图片描述

opencv中计算Hu矩函数

说明
该函数计算7个Hu不变量。

这些值被证明对图像比例，旋转和反射是不变的，但第七个值因反射而改变。这种不变性是在无限图像分辨率的假设下证明的。对于光栅图像，原始图像和变换后图像的计算出的Hu不变量有些不同。

声明

CV_EXPORTS void HuMoments( 
		const Moments& moments, //
		double hu[7] );//输出Hu不变量

/** @overload */
CV_EXPORTS_W void HuMoments( const Moments& m, OutputArray hu );

匹配形状的距离

OpenCV提供了一个名为matchShapes的函数，它接收两个图像（或轮廓）并使用Hu Moments找到它们之间的距离。所以，不必在自己计算hu 矩。只需将图像二值化并使用matchShapes。

说明
函数比较两个形状，3个被实现的方法都使用hu 不变量。

声明

double matchShapes( 
   InputArray contour1,//第一张轮廓或者灰度图像
   InputArray contour2,//第二张轮廓或灰度图像
   int method,         //比较方法
   double parameter    //特定方法的参数，目前不支持
);

method 参数
```
enum ShapeMatchModes {
    CONTOURS_MATCH_I1  =1, 
    CONTOURS_MATCH_I2  =2, 
    CONTOURS_MATCH_I3  =3  
};
```
令 $D (A, B)$ 为形状A和B之间的距离，并且 $H_i^A$ 和 $H_i^B$ 为形状A和B的对数变换的Hu矩。定义对应于三种情况的距离:
1.CONTOURS_MATCH_I1
$D(A,B)=\sum_{i=0}^6 |\frac{1}{H_i^B}-\frac{1}{H_i^A}|$
2.CONTOURS_MATCH_I2 =2
$D(A,B)=\sum_{i=0}^6 |H_i^B -H_i^A|$
3.CONTOURS_MATCH_I3 =3
$D(A,B)=\sum_{i=0}^6 \frac{|H_i^A-H_i^B|}{|H_i^A|}$

举例

void getHuMoments(Mat &src1,Mat &src2){
	//1.转化为灰度图像
	Mat gray1, binary1, dst1;
	Mat gray2, binary2, dst2;
	cvtColor(src1, gray1, COLOR_BGR2GRAY);
	cvtColor(src2, gray2, COLOR_BGR2GRAY);

	imshow("src1", src1);
	imshow("src2", src2);

	//2.二值化
	threshold(gray1, binary1, 127, 255, THRESH_BINARY | THRESH_OTSU);
	imshow("binary1", binary1);
	threshold(gray2, binary2, 127, 255, THRESH_BINARY | THRESH_OTSU);
	imshow("binary2", binary2);

	//3.计算hu矩
	Moments ms1,ms2;
	ms1 = moments(binary1, false);
	ms2 = moments(binary2, false);
	double hu1[7],hu2[7];
	HuMoments(ms1, hu1);
	HuMoments(ms2, hu2);



	//4.log转化
	cout << endl << endl;
	cout << "  img1:" << endl;
	for (size_t i = 0; i < 7; i++)
	{
		hu1[i] = -1 * copysign(1.0, hu1[i]) * log10(abs(hu1[i]));
		cout << "    hu1[" << i+1 << "]=" << hu1[i] << endl;
	}
	cout << endl;
	
	cout << "  img2:" << endl;
	for (size_t i = 0; i < 7; i++)
	{
		hu2[i] = -1 * copysign(1.0, hu2[i]) * log10(abs(hu2[i]));
		cout << "    hu2[" << i+1 << "]=" << hu2[i] << endl;
	}

	

	//5.形状匹配
	double d1 = matchShapes(binary1, binary2, CONTOURS_MATCH_I1, 0);
	double d2 = matchShapes(binary1, binary2, CONTOURS_MATCH_I2, 0);
	double d3 = matchShapes(binary1, binary2, CONTOURS_MATCH_I3, 0);

	cout << "  hu矩匹配值：" << endl;
	cout << "    CONTOURS_MATCH_T1 :" << d1 << endl;
	cout << "    CONTOURS_MATCH_T2 :" << d2 << endl;
	cout << "    CONTOURS_MATCH_T3 :" << d3 << endl;

}


int main() {
	//Mat src = imread("D:/test/huahua.png");
	Mat src1 = imread("D:/test/s1.png");
	Mat src2 = imread("D:/test/s3.png");

	if (src1.empty()||src2.empty()) {
		cout << " input the image error!" << endl;
	}
	getHuMoments(src1, src2);
	
	waitKey(0);
	return 0;
}