OpenCV C++-Fallübung Acht „Konturanpassung basierend auf Hu-Momenten“

---

Vorwort

In diesem Artikel wird OpenCV C++ verwendet, um eine Konturanpassung basierend auf Hu-Momenten durchzuführen.

1. Finden Sie die Gliederung

Originalbild

Testbild

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;
}

Wie gezeigt ist dies die äußerste gefundene Kontur. Als nächstes führen wir einen Abgleich basierend auf Konturen durch.

Zweitens berechnen Sie das Hu-Moment

OpenCV stellt die Moments-API zur Berechnung des zentralen Moments des Bildes bereit; die HuMoments-API wird verwendet, um das Hu-Moment aus dem zentralen Moment zu berechnen. Bitte recherchieren Sie selbst nach dem relevanten Wissen über Momente von HuMoments.

	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;
		}
	}

Die allgemeine Idee des obigen Codesegments ist: Berechnen Sie zuerst das Hu-Moment des Testbilds, berechnen Sie dann mithilfe einer for-Schleife das Hu-Moment aller Konturen im Originalbild und berechnen Sie dann die Ähnlichkeit zwischen den beiden Hu Momente. Hier werden zwei Hu-Momente mithilfe der matchShapes-API berechnet. Der Rückgabewert der Funktion repräsentiert die Ähnlichkeit der beiden Hu-Momente. Genau das Gleiche gibt einen Wert von 0 zurück. Das heißt, indem Sie die Ähnlichkeit zwischen den beiden Hu-Momenten berechnen, finden Sie denjenigen mit dem kleinsten Rückgabewert als erfolgreiche Übereinstimmung.

3. Anzeigeeffekt

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

	Rect rect = boundingRect(src_contours[MinIndex]);

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

Der endgültige Effekt ist in der Abbildung dargestellt.

4. Quellcode

#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;
}

---

Zusammenfassen

Dieser Artikel verwendet OpenCV C++ basierend auf der Hu-Moment-Konturanpassung. Die wichtigsten Schritte sind wie folgt.
1. Finden Sie die Gliederung. Hier passe ich basierend auf der äußersten Kontur an.
2. Berechnen Sie das Hu-Moment der Kontur und berechnen Sie dann mit matchShapes den Abstand zwischen den beiden Hu-Momenten, um den Grad der Übereinstimmung zu bestimmen.