第12章 图像轮廓 -- 12.3 Hu矩

《OpenCV 轻松入门 面向Python》 学习笔记

Hu矩

Hu矩是归一化中心矩的线性组合，Hu矩再图像旋转，缩放，平移等操作后，仍能保持矩的不变性，经常使用 Hu 矩来识别图像的特征。在 OpenCV 中，使用函数 cv2.HuMoments()可以得到 Hu 距。该函数使用 cv2.moments()函数的返回值作为参数，返回 7 个 Hu 矩值。

---

矩函数 cv2.HuMoments()

函数原型：

hu = cv2.HuMoments( m )

• hu 表示返回的Hu 矩阵
• 参数m 是cv2.moments() 计算得到的矩特征值。

---

形状匹配 cv2.matchShapes()

我们可以通过Hu 矩来判断两个对象的一致性。为了更直观方便地比较Hu值，opencv 提供了函数 cv2.matchShapes() 对两个对象的Hu矩进行比较。

函数 cv2.matchShapes()允许我们提供两个对象，，这两个轮廓可以是轮廓， 也可以是灰度图。不管是什么，函数都会提前计算好对象的Hu矩。

函数原型：

retval = cv2.matchShapes( contour1, contour2, method, parameter )

参数：

• contour1： 第一个轮廓或者灰度图像
• contour2： 第二个灰度或轮廓图像
• method： 比较两个对象的Hu 矩的方法，ℎ𝑖𝐴和ℎ𝑖𝐵分别是对象 A 和对象 B 的 Hu 矩
• parameter 应用于mathod 的特定函数，暂不支持该参数，将该值设置为0即可。

举例：

import cv2 
import numpy as np

# 读取图片
o1 = cv2.imread('18-1.jpg')
o2 = cv2.imread('18-2.jpg')
o3 = cv2.imread('12.jpg') 

# 处理为单通道的灰度图
gray1 = cv2.cvtColor(o1,cv2.COLOR_BGR2GRAY) 
gray2 = cv2.cvtColor(o2,cv2.COLOR_BGR2GRAY) 
gray3 = cv2.cvtColor(o3,cv2.COLOR_BGR2GRAY) 

# 处理为单通道的灰度图二值图
ret, binary1 = cv2.threshold(gray1,127,255,cv2.THRESH_BINARY) 
ret, binary2 = cv2.threshold(gray2,127,255,cv2.THRESH_BINARY) 
ret, binary3 = cv2.threshold(gray3,127,255,cv2.THRESH_BINARY) 

# 查找轮廓
contours1, hierarchy = cv2.findContours(binary1, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) 
contours2, hierarchy = cv2.findContours(binary2, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) 
contours3, hierarchy = cv2.findContours(binary3, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) 

# 提取组织轮廓的点
cnt1 = contours1[0]
cnt2 = contours2[0]
cnt3 = contours3[0]

# 查看形状匹配
ret0 = cv2.matchShapes(cnt1,cnt1,1,0.0)
ret1 = cv2.matchShapes(cnt1,cnt2,1,0.0)
ret2 = cv2.matchShapes(cnt1,cnt3,1,0.0)

print("相同图像的 matchShape=",ret0)
print("相似图像的 matchShape=",ret1)
print("不相似图像的 matchShape=",ret2)

# 输出为：
# 相同图像的 matchShape= 0.0
# 相似图像的 matchShape= 0.12473414346068246   
# 不相似图像的 matchShape= 1.7976931348623157e+308