OpenCV学习笔记-形状匹配

函数cv.matchShape()可以帮我们比较两个形状或轮廓的相似度。如果返回值越小，匹配越好。

它是根据Hu矩来计算的。Hu矩是归一化中心矩的线性组合，之所以这样做是为了能够获取代表图像的某个特征的矩函数。这些矩函数对某些变化如缩放，旋转，镜像映射（除了h1）具有不变形。

具体代码：

def matchshape_demo():
    #性状匹配
    img1 = cv.imread('img/contour_target.png')
    img2 = cv.imread('img/contours1.png')

    gray1 = cv.cvtColor(img1, cv.COLOR_BGR2GRAY)
    ret, thresh1 = cv.threshold(gray1, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
    cv.imshow('thresh1', thresh1)

    gray2 = cv.cvtColor(img2, cv.COLOR_BGR2GRAY)
    ret, thresh2 = cv.threshold(gray2, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
    cv.imshow('thresh2', thresh2)

    copyImage1, contours1, hierarchy1 = cv.findContours(thresh1, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
    copyImage2, contours2, hierarchy2 = cv.findContours(thresh2, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
    cnt1 = contours1[0]

    for i, cnt in enumerate(contours2):
        print(i)
        #找到性状的重心
        M = cv.moments(cnt)
        cx = int(M['m10']/M['m00'])
        cy = int(M['m01']/M['m00'])
        print(cx, cy)
        cv.circle(img2, (cx, cy), 5, (255,255,255), -1)
        #性状匹配
        ret = cv.matchShapes(cnt1, cnt, 1, 0.0)
        print(ret)
        cv.imshow('img'+str(i), gray2)

结果：

上面是我们匹配的图像，

0
650 156
0.2982116195106314
1
370 147
0.3064981073672026
2
119 134
1.7208456881689926e-15

从结果我们可以看出来，匹配是从右往左进行的，这一点我专门加了重心坐标才看出来。