欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

OpenCV實(shí)戰(zhàn)之基于Hu矩實(shí)現(xiàn)輪廓匹配

 更新時間：2022年01月13日 16:47:14   作者：Zero___Chen  
這篇文章主要介紹了利用C++ OpenCV實(shí)現(xiàn)基于Hu矩的輪廓匹配，文中的示例代碼講解詳細(xì)，對我們學(xué)習(xí)OpenCV有一定的幫助，感興趣的可以學(xué)習(xí)一下

前言

本文將使用OpenCV C++ 基于Hu矩進(jìn)行輪廓匹配。

一、查找輪廓

原圖

測試圖

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;
}

如圖所示，這就是找到的最外輪廓。接下來，我們基于輪廓進(jìn)行匹配。

二、計(jì)算Hu矩

OpenCV提供moments API計(jì)算圖像的中心矩；HuMoments API用于中心矩計(jì)算Hu矩。關(guān)于moments HuMoments相關(guān)知識請大家自行查找。    

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;
?? ??? ?}
?? ?}

上面代碼段大致思路是：首先計(jì)算測試圖的Hu矩；然后使用一個for循環(huán)計(jì)算原圖中所有輪廓的Hu矩，依次計(jì)算兩Hu矩的相似程度。在這里使用matchShapes API計(jì)算兩個Hu矩。函數(shù)返回值代表兩Hu矩的相似程度。完全相同返回值為0。即這里通過計(jì)算兩Hu矩的相似程度，找到返回值最小的那個作為成功匹配。

三、顯示效果

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

	Rect rect = boundingRect(src_contours[MinIndex]);

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

最終效果如圖所示。

四、源碼

#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;
}

總結(jié)

本文使用OpenCV C++基于Hu矩輪廓匹配，關(guān)鍵步驟有以下幾點(diǎn)。

1、查找輪廓。在這里，我是基于最外輪廓進(jìn)行匹配。

2、計(jì)算輪廓的Hu矩，然后使用matchShapes計(jì)算兩Hu矩的距離，以此來判斷匹配程度。

到此這篇關(guān)于OpenCV實(shí)戰(zhàn)之基于Hu矩實(shí)現(xiàn)輪廓匹配的文章就介紹到這了,更多相關(guān)OpenCV Hu矩輪廓匹配內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

相關(guān)文章

最新評論