OpenCV 轮廓匹配

1.计算点与轮廓的距离及位置关系——pointPolygonTest()

2.矩的计算——moments()

3.形状匹配(比较两个形状或轮廓间的相似度)——matchShapes()

先上ppt:

 

 

 

 

代码:1.计算点到轮廓的距离与位置关系

 

 
  1. ///计算点到轮廓的距离与位置关系

  2. #include "opencv2/opencv.hpp"

  3. using namespace cv;

  4. #include <iostream>

  5. using namespace std;

  6. int main()

  7. {

  8. //1.查找轮廓前的预处理

  9. Mat srcImg = imread("00.png",CV_LOAD_IMAGE_COLOR);

  10. Mat copyImg = srcImg.clone();

  11. cvtColor(srcImg,srcImg,CV_BGR2GRAY);

  12. threshold(srcImg,srcImg,100,255,CV_THRESH_BINARY);//确保黑中找白

  13. imshow("thresh",srcImg);

  14. //2.查找轮廓

  15. vector<vector<Point>> contours;

  16. findContours(srcImg,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_NONE);//最外层轮廓

  17. drawContours(copyImg, contours, -1, Scalar(0, 255, 0), 2, 8);

  18. //3.计算点到轮廓的距离与位置关系

  19. Point2f p1(20, 20);

  20. circle(copyImg,p1,3,Scalar(0,0,255),-1,8);

  21. double a0 = pointPolygonTest(contours[0], p1, true);//true表示点到轮廓的距离

  22. double b0 = pointPolygonTest(contours[0], p1, false);//false表示计算点与轮廓的位置关系

  23. cout << "a0=" << a0 << endl;

  24. cout << "b0=" << b0 << endl;

  25. imshow("contours",copyImg);

  26. waitKey(0);

  27. return 0;

  28. }

 

运行结果:

 

代码:2.轮廓矩的计算

 

 
  1. ///轮廓矩的计算

  2. #include "opencv2/opencv.hpp"

  3. using namespace cv;

  4. #include <iostream>

  5. using namespace std;

  6. int main()

  7. {

  8. //1.查找轮廓前的预处理

  9. Mat srcImg = imread("00.png", CV_LOAD_IMAGE_COLOR);

  10. Mat copyImg = srcImg.clone();

  11. cvtColor(srcImg, srcImg, CV_BGR2GRAY);

  12. threshold(srcImg, srcImg, 100, 255, CV_THRESH_BINARY);//确保黑中找白

  13. imshow("thresh", srcImg);

  14. //2.查找轮廓

  15. vector<vector<Point>> contours;

  16. findContours(srcImg, contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);//最外层轮廓

  17. drawContours(copyImg, contours, -1, Scalar(0, 255, 0), 2, 8);

  18. //3.轮廓矩的计算

  19. Moments moments0 = moments(contours[0],false);//计算轮廓矩

  20. cout << moments0.m00<< endl;//输出空间矩之一的m00

  21. imshow("contours", copyImg);

  22. waitKey(0);

  23. return 0;

  24. }

 

运行结果:

代码:3.形状匹配---比较两个形状或轮廓间的相似度

 

 
  1. ///形状匹配---比较两个形状或轮廓间的相似度

  2. #include "opencv2/opencv.hpp"

  3. using namespace cv;

  4. #include <iostream>

  5. using namespace std;

  6. int main()

  7. {

  8. //1.查找模版图像的轮廓

  9. Mat templateImg = imread("1.jpg", CV_LOAD_IMAGE_COLOR);

  10. Mat copyImg1 = templateImg.clone();

  11. cvtColor(templateImg, templateImg, CV_BGR2GRAY);

  12. threshold(templateImg, templateImg, 100, 255, CV_THRESH_BINARY);//确保黑中找白

  13. imshow("thresh1", templateImg);

  14. vector<vector<Point>> contours1;

  15. findContours(templateImg, contours1, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);//最外层轮廓

  16. drawContours(copyImg1, contours1, -1, Scalar(0, 255, 0), 2, 8);

  17. //2.查找待测试图像的轮廓

  18. Mat testImg = imread("2.jpg", CV_LOAD_IMAGE_COLOR);

  19. Mat copyImg2 = testImg.clone();

  20. cvtColor(testImg, testImg, CV_BGR2GRAY);

  21. threshold(testImg, testImg, 100, 255, CV_THRESH_BINARY);//确保黑中找白

  22. imshow("thresh2", testImg);

  23. vector<vector<Point>> contours2;

  24. findContours(testImg, contours2, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);//最外层轮廓

  25. //3.形状匹配---比较两个形状或轮廓间的相似度

  26. for (int i = 0; i < contours2.size();i++)//遍历待测试图像的轮廓

  27. {

  28. //返回此轮廓与模版轮廓之间的相似度,a0越小越相似

  29. double a0 = matchShapes(contours1[0],contours2[i],CV_CONTOURS_MATCH_I1,0);

  30. cout << "模版轮廓与待测试图像轮廓" << i << "的相似度:" << a0 << endl;//输出两个轮廓间的相似度

  31. if (a0<0.1)//如果此轮廓与模版轮廓的相似度小于0.1

  32. {

  33. drawContours(copyImg2, contours2, i, Scalar(0, 255, 0), 2, 8);//则在待测试图像上画出此轮廓

  34. }

  35. imshow("copyImg2", copyImg2);

  36. if (waitKey(0) == 27)//等待按键进行下一个轮廓,ESC则退出

  37. {

  38. cout << "ESC退出" << endl;

  39. break;

  40. }

  41. }

  42. waitKey(0);

  43. return 0;

  44. }

 

运行结果:

 

 

  • 10
    点赞
  • 79
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
OpenCV 中,轮廓匹配有时可能会出现精度不高或不符合预期的情况,这可能是由于以下几个原因: 1. **阈值设置不当**:二值化处理图像时,如果阈值设置得过高或过低,都可能导致边缘检测不足或者噪声干扰过多,影响轮廓提取。 2. **特征选择问题**:轮廓可能因为形状、大小或方向差异较大而不易精确匹配。比如,如果目标物体有显著变形,传统的欧氏距离或其他简单的比较方法可能不够准确。 3. **光照变化**:光照条件的变化可能导致图像对比度降低,使得轮廓难以识别。此时,可能需要对图像进行预处理,如直方图均衡化或光照校正。 4. **噪声影响**:图像噪声会影响轮廓的边缘清晰度,特别是对于小的轮廓或者细节,噪声可能导致轮廓丢失或者误匹配。 5. **算法选择**:OpenCV 提供了多种轮廓匹配算法,如BFMatcher(Brute Force Matcher)、FLANNMatcher等,选择适合场景的算法至关重要。 6. **轮廓表示问题**:轮廓数据通常是边界点列表,如果两个轮廓的形状相似度高,但旋转角度或缩放比例不同,原始的边界点列表可能无法完全匹配。 解决这些问题通常需要综合运用图像预处理、调整匹配算法、考虑对象的几何特性以及尝试不同的匹配准则。例如,可以考虑使用形状描述符如HOG(Histogram of Oriented Gradients)或局部二值模式(Local Binary Patterns),或者结合模板匹配等其他技术提高匹配精度。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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