【Emgu CV教程】10.13、利用形状场景算法比较轮廓

..活宝..

于 2024-04-08 08:00:00 发布

阅读量418

点赞数 13

分类专栏： Emgu CV使用教程文章标签： c# Emgu CV 图像处理计算机视觉图像分析算法

本文链接：https://blog.csdn.net/sswss12345/article/details/137456678

版权

Emgu CV使用教程专栏收录该内容

83 篇文章 46 订阅

订阅专栏

本文介绍了如何使用Emgu.CV中的ShapeContextDistanceExtractor进行轮廓比较，通过实例展示了如何从原始图像中提取轮廓、筛选和比较，以及计算形状场景的距离来衡量相似性。

摘要由CSDN通过智能技术生成

文章目录

一、演示

形状场景算法比较轮廓，要引用Emgu.CV.Shape，定义检测器ShapeContextDistanceExtractor，然后对两个轮廓进行比较，得出结果。

一、演示

1.原始素材

原始图像srcMat1如下图：
在这里插入图片描述
待比较的图像srcMat2如下图：

2.代码

轮廓检索模式要选择RetrType.External，代码如下：

Mat tempMat1 = srcMat1.Clone();
Mat tempMat2 = srcMat2.Clone();
Mat gray1 = new Mat();
Mat gray2 = new Mat();

// 二值化图片1，确保黑里面找白
CvInvoke.CvtColor(tempMat1, gray1, ColorConversion.Bgr2Gray);
CvInvoke.Threshold(gray1, gray1, 50, 255, ThresholdType.Binary);
VectorOfVectorOfPoint contours1 = new VectorOfVectorOfPoint();
VectorOfRect hierarchy1 = new VectorOfRect();
CvInvoke.FindContours(gray1, contours1, hierarchy1, RetrType.External, ChainApproxMethod.ChainApproxNone);
Mat contourMat1 = new Mat(new System.Drawing.Size(gray1.Cols, gray1.Rows), DepthType.Cv8U, 1);
contourMat1.SetTo(new MCvScalar(0, 0, 0));

// 按照面积筛选，太小的轮廓不计算
Dictionary<int, double> dict1 = new Dictionary<int, double>();
if (contours1.Size > 0)
{
    for (int i = 0; i < contours1.Size; i++)
    {
        double area = CvInvoke.ContourArea(contours1[i]);
        Rectangle rect = CvInvoke.BoundingRectangle(contours1[i]);
        if (rect.Width > 2 && rect.Height > 2 && area < 3000000)
        {
            dict1.Add(i, area);
        }
    }
}

// 二值化图片2，确保黑里面找白
CvInvoke.CvtColor(tempMat2, gray2, ColorConversion.Bgr2Gray);
CvInvoke.Threshold(gray2, gray2, 50, 255, ThresholdType.Binary);
VectorOfVectorOfPoint contours2 = new VectorOfVectorOfPoint();
VectorOfRect hierarchy2 = new VectorOfRect();
CvInvoke.FindContours(gray2, contours2, hierarchy2, RetrType.External, ChainApproxMethod.ChainApproxNone);
Mat contourMat2 = new Mat(new System.Drawing.Size(gray1.Cols, gray1.Rows), DepthType.Cv8U, 1);
contourMat2.SetTo(new MCvScalar(0, 0, 0));

// 按照面积筛选，太小的轮廓不计算
Dictionary<int, double> dict2 = new Dictionary<int, double>();
if (contours2.Size > 0)
{
    for (int i = 0; i < contours2.Size; i++)
    {
        double area = CvInvoke.ContourArea(contours2[i]);
        Rectangle rect = CvInvoke.BoundingRectangle(contours2[i]);

        if (rect.Width > 2 && rect.Height > 2 && area < 3000000)
        {
            dict2.Add(i, area);
        }
    }
}

// 排序，取最大的轮廓再判断
IOrderedEnumerable<KeyValuePair<int, double>> descendingDict1 = dict1.OrderByDescending(x => x.Value);
IOrderedEnumerable<KeyValuePair<int, double>> descendingDict2 = dict2.OrderByDescending(x => x.Value);
using (HistogramCostExtractor comparer = new ChiHistogramCostExtractor())
using (ThinPlateSplineShapeTransformer transformer = new ThinPlateSplineShapeTransformer())
using (ShapeContextDistanceExtractor extractor = new ShapeContextDistanceExtractor(comparer, transformer))
{
    CvInvoke.DrawContours(contourMat1, contours1, descendingDict1.First().Key, new MCvScalar(255, 255, 255), 1);
    CvInvoke.DrawContours(contourMat2, contours2, descendingDict2.First().Key, new MCvScalar(255, 255, 255), 1);
    float distance = extractor.ComputeDistance(contours1[descendingDict1.First().Key], contours2[descendingDict2.First().Key]);
    MessageBox.Show("形状场景距离是：" + distance);
}