OpenCV C++案例实战八《基于Hu矩轮廓匹配》

本文介绍如何使用OpenCV C++实现基于Hu矩的轮廓匹配,包括查找轮廓、计算Hu矩并展示匹配效果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

OpenCV C++案例实战八《基于Hu矩轮廓匹配》


前言

本文将使用OpenCV C++ 基于Hu矩进行轮廓匹配。

一、查找轮廓

原图
请添加图片描述
测试图
请添加图片描述

vector<vector<Point>>findContour(Mat Image)
{
	Mat gray;
	cvtColor(Image, gray, COLOR_BGR2GRAY);

	Mat thresh;
	threshold(gray, thresh, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);

	vector<vector<Point>>contours;
	findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);
	vector<vector<Point>>EffectConts;
	for (int i = 0; i < contours.size(); i++)
	{
		double area = contourArea(contours[i]);

		if (area > 1000)
		{
			EffectConts.push_back(contours[i]);
		}
	}

	return EffectConts;
}

请添加图片描述
如图所示,这就是找到的最外轮廓。接下来,我们基于轮廓进行匹配。

二、计算Hu矩

OpenCV提供moments API计算图像的中心矩;HuMoments API用于中心矩计算Hu矩。关于moments HuMoments相关知识请大家自行查找。

	Moments m_test = moments(test_contours[0]);
	Mat hu_test;
	HuMoments(m_test, hu_test);

	double MinDis = 1000;
	int MinIndex = 0;
	for (int i = 0; i < src_contours.size(); i++)
	{
		Moments m_src = moments(src_contours[i]);
		Mat hu_src;
		HuMoments(m_src, hu_src);

		double dist = matchShapes(hu_test, hu_src, CONTOURS_MATCH_I1, 0);

		if (dist < MinDis)
		{
			MinDis = dist;
			MinIndex = i;
		}
	}

上面代码段大致思路是:首先计算测试图的Hu矩;然后使用一个for循环计算原图中所有轮廓的Hu矩,依次计算两Hu矩的相似程度。在这里使用matchShapes API计算两个Hu矩。函数返回值代表两Hu矩的相似程度。完全相同返回值为0。即这里通过计算两Hu矩的相似程度,找到返回值最小的那个作为成功匹配。

三、显示效果

	drawContours(src, src_contours, MinIndex, Scalar(0, 255, 0), 2);

	Rect rect = boundingRect(src_contours[MinIndex]);

	rectangle(src, rect, Scalar(0, 0, 255), 2);

最终效果如图所示。
请添加图片描述
请添加图片描述

四、源码

#include<iostream>
#include<opencv2/opencv.hpp>
using namespace std;
using namespace cv;


vector<vector<Point>>findContour(Mat Image)
{
	Mat gray;
	cvtColor(Image, gray, COLOR_BGR2GRAY);

	Mat thresh;
	threshold(gray, thresh, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);

	vector<vector<Point>>contours;
	findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);
	vector<vector<Point>>EffectConts;
	for (int i = 0; i < contours.size(); i++)
	{
		double area = contourArea(contours[i]);

		if (area > 1000)
		{
			EffectConts.push_back(contours[i]);
		}
	}

	return EffectConts;
}


int main()
{

	Mat src = imread("test/hand.jpg");
	Mat test = imread("test/test-3.jpg");

	if (src.empty() || test.empty())
	{
		cout << "No Image!" << endl;
		system("pause");
		return -1;
	}

	vector<vector<Point>>src_contours;
	vector<vector<Point>>test_contours;

	src_contours = findContour(src);
	test_contours = findContour(test);

	Moments m_test = moments(test_contours[0]);
	Mat hu_test;
	HuMoments(m_test, hu_test);

	double MinDis = 1000;
	int MinIndex = 0;
	for (int i = 0; i < src_contours.size(); i++)
	{
		Moments m_src = moments(src_contours[i]);
		Mat hu_src;
		HuMoments(m_src, hu_src);

		double dist = matchShapes(hu_test, hu_src, CONTOURS_MATCH_I1, 0);

		if (dist < MinDis)
		{
			MinDis = dist;
			MinIndex = i;
		}
	}

	drawContours(src, src_contours, MinIndex, Scalar(0, 255, 0), 2);

	Rect rect = boundingRect(src_contours[MinIndex]);

	rectangle(src, rect, Scalar(0, 0, 255), 2);

	imshow("test", test);
	imshow("Demo", src);
	waitKey(0);
	system("pause");
	return 0;
}

总结

本文使用OpenCV C++基于Hu矩轮廓匹配,关键步骤有以下几点。
1、查找轮廓。在这里,我是基于最外轮廓进行匹配。
2、计算轮廓的Hu矩,然后使用matchShapes计算两Hu矩的距离,以此来判断匹配程度。

评论 14
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

打赏作者

Zero___Chen

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
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