计算机视觉_OpenCV开源库讲解(轮廓匹配)

我们得到了轮廓的点集之后，可以进行一系列的数学操作，下面讲解一个常用基于轮廓的匹配方法；

• [1]几何炬计算

• 比较两个轮廓最简洁的方式是比较他们的轮廓矩.这里先简短介绍一个矩的含义.简单的说,矩是通过对轮廓上所有点进行积分运算而得到的一个粗略特征.通常,我们如下定义一个轮廓的(p,q)矩；

• 

• 在公式中p对应x纬度上的矩,q对应y维度上的矩,q对应y维度上的矩,阶数表示对应的部分的指数.该计算是对轮廓边界上所有像素(数目为n)进行求和.如果p和q全为0,那么m00实际上对轮廓边界上点的数目；

• [2]基于Hu炬的轮廓匹配

• 

• [3]相关API讲解；

Moments mm2 = moments(contours2[0]);//几何矩，计算Hu炬，计算轮廓的中心位置
Mat hu2;
HuMomnets(mm2,hu);

for(int i = 0; i < contours1.size(); i++)
{
	Moments mm = moments(contours2[0]);
	Mat hu;
	HuMomnets(mm,hu);
	double dist = matchShapes(hu,hu2,CONTOURS_MATCH_I1,0);
}

double matchShape(Mat hu,Mat hu2,int method,double parameter );
参数详解:
1,hu为待测目标；
2,hu2为模板目标；
3,method为匹配检测方法；
4,parameter一般为0；

下面讲解参数method的种类：

注:常用的方法为第一个I1方法。
该函数的返回值范围在0~1之间，完全相同的图像返回值是0，返回值最大是1；