关于寻找shape特征(feature)的方法总结

最新推荐文章于 2025-05-18 20:37:12 发布

会思考的鱼

最新推荐文章于 2025-05-18 20:37:12 发布

阅读量1.7k

点赞数 1

分类专栏：图像匹配|图像分析 opencv|图像处理学习笔记

opencv|图像处理学习笔记同时被 2 个专栏收录

58 篇文章

订阅专栏

图像匹配|图像分析

32 篇文章

订阅专栏

本文介绍了计算机视觉中的形状匹配算法，包括三种实现方法：CV_CONTOURS_MATCH_I1、CV_CONTOURS_MATCH_I2 和 CV_CONTOURS_MATCH_I3，并详细解释了这些方法如何利用Huinvariants进行形状比较。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

计算机视觉中，目前有哪些成熟的匹配定位算法

这个链接涉及到模板匹配的实际问题, 高票答主提到的ESM, 结构特征ASM的, 我都是第一次看到. 即便是我之前在下面提到的ICP算法也没有实际去应用过,计算机视觉的道路任重而道远啊.

computer and machine vision

computer vision algorithms and applications,

加上对应opencv2 cookbook 涉及到的大部分算法

关于寻找shape特征(feature)的方法总结

二维物体形状识别方法比较

Compares two shapes.

C++: double matchShapes (InputArray contour1, InputArray contour2, int method, double parameter )

Python: cv2. matchShapes (contour1, contour2, method, parameter ) → retval

C: double cvMatchShapes (const void* object1, const void* object2, int method, double parameter=0 )

Parameters:	object1 – First contour or grayscale image. object2 – Second contour or grayscale image. method – Comparison method: `CV_CONTOURS_MATCH_I1` , `CV_CONTOURS_MATCH_I2` or`CV_CONTOURS_MATCH_I3` (see the details below). parameter – Method-specific parameter (not supported now).

The function compares two shapes. All three implemented methods use the Hu invariants (see HuMoments() ) as follows ( $A$ denotes object1,:math:B denotes object2 ):

method=CV_CONTOURS_MATCH_I1

$I_1(A,B) = \sum _{i=1...7} \left | \frac{1}{m^A_i} - \frac{1}{m^B_i} \right |$
method=CV_CONTOURS_MATCH_I2

$I_2(A,B) = \sum _{i=1...7} \left | m^A_i - m^B_i \right |$
method=CV_CONTOURS_MATCH_I3

$I_3(A,B) = \max _{i=1...7} \frac{ \left| m^A_i - m^B_i \right| }{ \left| m^A_i \right| }$