Opencv匹配轮廓图像

Question

我想知道比较一组轮廓的最佳策略是什么，实际上是从两张图片中进行精明边缘检测的边缘，以便知道哪一对更相似。

我有这张图片：

http://i55.tinypic.com/10fe1y8.jpg

我想知道如何计算其中哪一个最适合它：

http://i56.tinypic.com/zmxd13.jpg

（应该是右边那个）

是否可以将轮廓作为一个整体进行比较？ 我可以轻松地旋转图像，但我不知道使用什么函数来计算右侧的参考图像是最合适的。

这是我已经使用 opencv 尝试过的：

matchShapes 函数 - 我使用 2 个灰度图像尝试了这个函数，并且在每个比较图像中我总是得到相同的结果，并且该值似乎是错误的，因为它是 0,0002。

所以我意识到 matchShapes，但我不确定这是正确的假设，即该函数适用于成对的轮廓而不是完整的图像。现在这是一个问题，因为虽然我有要比较的图像的轮廓，但它们有数百个，我不知道应该“配对”哪些。

所以我还尝试通过 for 迭代将第一张图像的所有轮廓与其他两个进行比较，但我可能会比较，例如，5 的轮廓与圆形轮廓两个参考图像，而不是 2 轮廓。

还尝试了简单的 cv::compare 函数和 matchTemplate，都没有成功。

Answer 1

嗯，为此，您有几个选择，具体取决于您需要的方法有多稳健。

简单解决方案（带假设）：

对于这些方法，我假设您提供的图像就是您正在使用的图像（即，对象已经被分割并且比例大致相同。此外，您需要更正旋转（至少在粗略的方式）。您可以执行类似的操作，例如每 10、30、60 或 90 度或任何您认为可以避免的粗糙度迭代旋转比较图像。

例如，

for(degrees = 10; degrees < 360; degrees += 10)
    coinRot = rotate(compareCoin, degrees)
    // you could also try Cosine Similarity, or even matchedTemplate here.
    metric = SAD(coinRot, targetCoin) 
    if(metric > bestMetric)
        bestMetric = metric
        coinRotation = degrees

---

• Sum of Absolute Differences (SAD)：一旦确定了大致的旋转角度，您就可以快速比较图像。
• Cosine Similarity：这有点不同，将图像视为一维向量，然后计算两个向量之间的高维角度。匹配度越高，角度越小。

复杂的解决方案（可能更强大）：

这些解决方案实施起来会更复杂，但可能会产生更可靠的分类。

---

• Haussdorf Distance：这个answer会给你介绍一下这个方法的使用。此解决方案可能还需要旋转校正才能正常工作。
• Fourier-Mellin Transform：该方法是Phase Correlation的扩展，可以提取两幅图像之间的旋转、缩放和平移（RST）变换。
• Feature Detection and Extraction：此方法涉及检测图像中的“稳健”（即缩放和/或旋转不变）特征，并使用 RANSAC、LMedS 或简单最小二乘法将它们与一组目标特征进行比较。 OpenCV 在matcher_simple.cpp 和matching_to_many_images.cpp 中有几个使用这种技术的示例。 注意：使用此方法您可能不想对图像进行二值化，因此有更多可检测的功能可用。