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

测试图

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;
}

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。

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。

OpenCV C++案例实战八《基于Hu矩轮廓匹配》相关推荐

OpenCV C++案例实战十八《抖音特效——“蓝线挑战”》
OpenCV C++案例实战十八<抖音特效--"蓝线挑战"> 前言一.图像扫描二.生成定格图像三.图像混合四.效果显示五.源码总结前言本文将使用Open ...
[OpenCV实战]10 使用Hu矩进行形状匹配
目录 1 什么是图像矩? 2 如何计算图像矩 2.1 质心获取 2.2 中心矩 2.3 Hu矩 3 基于Hu矩实现形状匹配 3.1 Hu矩的计算 3.2 基于matchShapes函数计算两个图形之间 ...
OpenCV C++案例实战二十九《遥感图像分割》
OpenCV C++案例实战二十九<遥感图像分割> 前言一.准备数据二.K-Means分类三.效果显示四.源码总结前言本案例基于k-means机器学习算法进行遥感图像分割.主 ...
OpenCV4学习笔记（23）——几何矩、中心矩、归一化矩和Hu矩的计算，以及基于Hu矩的轮廓匹配
在上次的笔记中,整理记录了有关轮廓发现及轮廓信息提取的一部分内容,同时还记录了Hu矩的计算方式,今天就来记录一下Hu矩的一个应用--轮廓匹配. 在<OpenCV学习笔记(19)--模板匹配> ...
OpenCV C++案例实战三《二维码检测》
OpenCV C++案例实战三<二维码检测> 前言一.二维码检测二.二维码识别 1.通过findContours找到轮廓层级关系三.二维码绘制四.源码总结前言本文将使用Ope ...
OpenCV C++案例实战五《答题卡识别》
OpenCV C++案例实战五<答题卡识别> 前言一.图像矫正 1.源码二.获取选项区域 1.扣出每题选项 2.源码三.获取答案 1.思路 2.辅助函数 3.源码 4.效果总结前 ...
OpenCV C++案例实战六《绿幕视频背景替换》
OpenCV C++案例实战六<绿幕视频背景替换> 前言一.图像预处理二.HSV色彩空间转换 1. cvtColor色彩空间转换 2. inRange抠图三.背景替换四.源码总结 ...
【OpenCV C++ 案例实战一】实现双人篮球游戏
[OpenCV C++ 案例实战一]实现双人篮球游戏概述一. 预处理 1.1定义结构体 1.2背景处理 1.3篮球处理二.项目实现 2.1篮球放置(角色放置同理) 2.2篮球移动(角色移动同理, ...
OpenCV C++案例实战二《生成蒙太奇图像》
OpenCV C++案例实战二<生成蒙太奇图像> 前言一.输入模板图像二.读取素材图像三.生成蒙太奇模板四.生成蒙太奇图像五.源码总结前言本文将使用OpenCV C++ 生 ...

OpenCV C++案例实战八《基于Hu矩轮廓匹配》