[轉載]轉載，opencv輪廓查找，匹配以及特徵提取，實例

已有 9450 次閱讀 2012-3-15 20:50 |系統分類:科研筆記|關鍵詞:opencv 輪廓

輪廓的查找、表達、繪製、特性及匹配(How to Use Contour? Find, Component, Construct, Features & Match)  

做者：王先榮

前言
    輪廓是構成任何一個形狀的邊界或外形線。前面講了如何根據色彩及色彩的分佈（直方圖對比和模板匹配）來進行匹配，如今咱們來看看如何利用物體的輪廓。包括如下內容：輪廓的查找、表達方式、組織方式、繪製、特性、匹配。

 查找輪廓
    首先咱們面對的問題是如何在圖像中找到輪廓，OpenCv(EmguCv)爲咱們作了不少工做，咱們的任務只是調用現成的函數而已。Image<TColor,TDepth>類的FindContours方法能夠很方便的查找輪廓，不過在查找以前，咱們須要將彩色圖像轉換成灰度圖像，而後再將灰度圖像轉換成二值圖像。代碼以下所示：

查找輪廓 

Image<Bgr, Byte> imageSource = new Image<Bgr, byte>(sourceImageFileName); //獲取源圖像
Image<Gray, Byte> imageGray = imageSource.Convert<Gray, Byte>(); //將源圖像轉換成灰度圖像
int thresholdValue = tbThreshold.Value; //用於二值化的閥值
Image<Gray, Byte> imageThreshold = imageGray.ThresholdBinary(new Gray(thresholdValue), new Gray(255d)); //對灰度圖像二值化
Contour<Point> contour=imageThreshold.FindContours();

 

輪廓的表達方式
    使用上面的代碼能夠獲得圖像的默認輪廓，可是輪廓在電腦中是如何表達的呢？在OpenCv(EmguCv)中提供了兩類表達輪廓的方式：頂點的序列、Freeman鏈碼。

1.頂點的序列
    用多個頂點（或各點間的線段）來表達輪廓。假設要表達一個從(0,0)到(2,2)的矩形，
（1）若是用點來表示，那麼依次存儲的多是：(0,0),(1,0),(2,0),(2,1),(2,2),(1,2),(0,2),(0,1)；
（2）若是用點間的線段來表達輪廓，那麼依次存儲的多是：(0,0),(2,0),(2,2),(0,2)。
如下代碼能夠用來獲取輪廓上的點：

for (int i = 0; i < contour.Total; i++)
sbContour.AppendFormat("{0},", contour[i]);

 

 2.Freeman鏈碼
    Freeman鏈碼須要一個起點，以及從起點出發的一系列位移。每一個位移有8個方向，從0～7分別指向從正北開始的8個方向。假設要用Freeman鏈碼錶達從(0,0)到(2,2)的矩形，可能的表示方法是：起點(0,0),方向鏈2,2,4,4,6,6,0,0。
    EmguCv對Freeman鏈碼的支持不多，咱們須要作一系列的工做才能在.net中使用Freeman鏈碼：
（1）獲取Freeman鏈碼

查找用Freeman鏈碼錶示的輪廓 

//查找用Freeman鏈碼錶示的輪廓
Image<Gray,Byte> imageTemp=imageThreshold.Copy();
IntPtr storage = CvInvoke.cvCreateMemStorage(0);
IntPtr ptrFirstChain = IntPtr.Zero;
int total = CvInvoke.cvFindContours(imageTemp.Ptr, storage, ref ptrFirstChain, sizeof(MCvChain), mode, CHAIN_APPROX_METHOD.CV_CHAIN_CODE, new Point(0, 0));

（2）遍歷Freeman鏈碼上的點

讀取Freeman鏈碼上的點 

//初始化Freeman鏈碼讀取
[DllImport("cv200.dll")]
public static extern void cvStartReadChainPoints(IntPtr ptrChain,IntPtr ptrReader);
//讀取Freeman鏈碼的點
[DllImport("cv200.dll")]
public static extern Point cvReadChainPoint(IntPtr ptrReader);
[System.Runtime.InteropServices.StructLayoutAttribute(System.Runtime.InteropServices.LayoutKind.Sequential, CharSet = System.Runtime.InteropServices.CharSet.Ansi)]
//定義鏈碼讀取結構
public struct MCvChainPtReader
{
//seqReader
public MCvSeqReader seqReader;
/// char
public byte code;
/// POINT->tagPOINT
public Point pt;
/// char[16]
[System.Runtime.InteropServices.MarshalAsAttribute(System.Runtime.InteropServices.UnmanagedType.ByValTStr, SizeConst = 16)]
public string deltas;
}
//將鏈碼指針轉換成結構
MCvChain chain=(MCvChain)Marshal.PtrToStructure(ptrChain,typeof(MCvChain));
//定義存放鏈碼上點的列表
List<Point> pointList = new List<Point>(chain.total);
//鏈碼讀取結構
MCvChainPtReader chainReader = new MCvChainPtReader();
IntPtr ptrReader = Marshal.AllocHGlobal(sizeof(MCvSeqReader) + sizeof(byte) + sizeof(Point) + 16 * sizeof(byte));
Marshal.StructureToPtr(chainReader, ptrReader, false);
//開始讀取鏈碼
cvStartReadChainPoints(ptrChain, ptrReader);
int i = 0;
while (ptrReader != IntPtr.Zero && i < chain.total)
{
//依次讀取鏈碼上的每一個點
Point p = cvReadChainPoint(ptrReader);
if (ptrReader == IntPtr.Zero)
break;
else
{
pointList.Add(p);
sbChain.AppendFormat("{0},", p);
i++;
}
}
imageResult.DrawPolyline(pointList.ToArray(), true, new Bgr(lblExternalColor.BackColor), 2);

  

    須要注意的是：cvReadChainPoint函數彷佛永遠不會知足循環終止的條件，即ptrReader永遠不會被置爲null，這跟《學習OpenCv》和參考上不一致；咱們須要用chain.total來輔助終止循環，讀取了全部的點以後就能夠罷手了。

輪廓之間的組織方式
    在查找到輪廓以後，不一樣輪廓是怎麼組織的呢？根據不一樣的選擇，它們多是：（1）列表；（2）雙層結構；（3）樹型結構。
    從縱向上來看，列表只有一層，雙層結構有一或者兩層，樹型結構可能有一層或者多層。
    若是要遍歷全部的輪廓，可使用遞歸的方式，代碼以下：

遍歷輪廓 

//遍歷輪廓，並生成遍歷結果
private void TravelContour(Contour<Point> contour,ref int total,ref StringBuilder sbContour)
{
if (contour != null)
{
sbContour.Append("------------------------\r\n");
sbContour.AppendFormat("輪廓{0}，右節點：{1}，下級節點：{2}，外接矩形：（{3}）\r\n", total, contour.HNext != null, contour.VNext != null, contour.BoundingRectangle);
sbContour.AppendFormat("包含{0}個點（面積：{1}，周長：{2}）：\r\n", contour.Total, contour.Area, contour.Perimeter);
for (int i = 0; i < contour.Total; i++)
sbContour.AppendFormat("{0},", contour[i]);
sbContour.Append("\r\n");
total++;
if (contour.HNext != null)
TravelContour(contour.HNext, ref total, ref sbContour);
if (contour.VNext != null)
TravelContour(contour.VNext, ref total, ref sbContour);
}
}

 

輪廓的繪製
    輪廓的繪製比較簡單，用上面提到的方法取得輪廓的全部點，而後把這些點鏈接成一個多邊形便可。
    固然，對於用頂點序列表示的輪廓，用Image<TColor,TDepth>.Draw方法或者cvDrawContours函數能夠很方便的繪製出輪廓。我發現，若是將參數max_level設置成2，能夠繪製出全部的輪廓。
    繪製輪廓的代碼以下：

繪製輪廓 

Image<Bgr, Byte> imageResult = imageThreshold.Convert<Bgr, Byte>(); //結果圖像
int maxLevel = 0; //繪製的輪廓深度
int.TryParse(txtMaxLevel.Text, out maxLevel);
imageResult.Draw(contour, new Bgr(lblExternalColor.BackColor), new Bgr(lblHoleColor.BackColor), maxLevel, 2);

輪廓的特性
    輪廓的特性有不少，下面一一介紹。

1.輪廓的多邊形逼近
    輪廓的多邊形逼近指的是：使用多邊形來近似表示一個輪廓。
    多邊形逼近的目的是爲了減小輪廓的頂點數目。
    多邊形逼近的結果依然是一個輪廓，只是這個輪廓相對要粗曠一些。
    可使用Contour<Point>.ApproxPoly方法或者cvApproxyPoly函數來對輪廓進行多邊形逼近，示例代碼以下：

contour = firstContour.ApproxPoly(double.Parse(txtApproxParameter.Text), 2, new MemStorage());

  

2.輪廓的關鍵點
    輪廓的關鍵點是：輪廓上包含曲線信息比較多的點。關鍵點是輪廓頂點的子集。
    可使用cvFindDominantPoints函數來獲取輪廓上的關鍵點，該函數返回的結果一個包含 關鍵點在輪廓頂點中索引 的序列。再次強調：是索引，不是具體的點。若是要獲得關鍵點的具體座標，能夠用索引到輪廓上去找。
    如下代碼演示瞭如何獲取輪廓上的關鍵點：

輪廓的關鍵點 

//獲得關鍵點信息
private void GetDominantPointsInfo(Contour<Point> contour, ref StringBuilder sbContour, ref Image<Bgr, Byte> imageResult, double parameter1, double parameter2, double parameter3, double parameter4, Bgr dominantPointColor)
{
if (contour.Total > 2)
{
MemStorage storage = new MemStorage();
try
{
IntPtr ptrSeq = cvFindDominantPoints(contour.Ptr, storage.Ptr, (int)CV_DOMINANT.CV_DOMINANT_IPAN, parameter1, parameter2, parameter3, parameter4);
Seq<int> seq = new Seq<int>(ptrSeq, storage);
sbContour.AppendFormat("{0}個關鍵點：\r\n", seq.Total);
for (int i = 0; i < seq.Total; i++)
{
int idx = seq[i]; //關鍵點序列中存儲的數據 是 關鍵點在輪廓中所處位置的索引
Point p = contour[idx]; //獲得關鍵點的座標
sbContour.AppendFormat("{0}({1},{2}),", idx, p.X, p.Y);
imageResult.Draw(new CircleF(new PointF(p.X, p.Y), 3), dominantPointColor, -1);
}
sbContour.Append("\r\n");
}
catch (CvException ex)
{
sbContour.AppendFormat("在獲取關鍵點時發生異常，錯誤描述：{0}，錯誤源：{1}，錯誤堆棧：{2}\r\n錯誤文件：{3}，函數名：{4}，行：{5}，錯誤內部描述：{6}\r\n", ex.Message, ex.Source, ex.StackTrace, ex.FileName, ex.FunctionName, ex.Line, ex.ErrorStr);
}
catch (Exception e)
{
sbContour.AppendFormat("在獲取關鍵點時發生異常，錯誤描述：{0}，錯誤源：{1}，錯誤堆棧：{2}\r\n", e.Message, e.Source, e.StackTrace);
}
finally
{
storage.Dispose();
}
}
}

3.輪廓的周長和麪積
    輪廓的周長能夠用Contour<Point>.Perimeter屬性或者cvArcLength函數來獲取。
    輪廓的面積能夠用Contour<Point>.Area屬性或者cvContourArea函數來獲取。

4.輪廓的邊界框
    有三種常見的邊界框：矩形、圓形、橢圓。
    （1）矩形：在圖像處理系統中提供了一種叫Rectangle的矩形，不過它只能表達邊垂直或水平的特例；OpenCv中還有一種叫Box的矩形，它跟數學上的矩形一致，只要4個角是直角便可。
    若是要獲取輪廓的Rectangle，可使用Contour<Point>.BoundingRectangle屬性或者cvBoundingRect函數。
    若是要獲取輪廓的Box，可使用Contour<Point>.GetMinAreaRect方法或者cvMinAreaRect2函數。
    （2）圓形
    若是要獲取輪廓的圓形邊界框，可使用cvMinEnclosingCircle函數。
    （3）橢圓
    若是要獲取輪廓的橢圓邊界框，可使用cvFitEllipse2函數。
    下列代碼演示瞭如何獲取輪廓的各類邊界框：

輪廓的邊界框 

//獲得邊界框信息
private void GetEdgeInfo(Contour<Point> contour, string edge, ref StringBuilder sbContour, ref Image<Bgr, Byte> imageResult, Bgr edgeColor)
{
if (edge == "Rect")
//矩形
imageResult.Draw(contour.BoundingRectangle, edgeColor, 2);
else if (edge == "MinAreaRect")
{
//最小矩形
MCvBox2D box = CvInvoke.cvMinAreaRect2(contour.Ptr, IntPtr.Zero);
PointF[] points = box.GetVertices();
Point[] ps = new Point[points.Length];
for (int i = 0; i < points.Length; i++)
ps[i] = new Point((int)points[i].X, (int)points[i].Y);
imageResult.DrawPolyline(ps, true, edgeColor, 2);
}
else if (edge == "Circle")
{
//圓形
PointF center;
float radius;
CvInvoke.cvMinEnclosingCircle(contour.Ptr, out center, out radius);
imageResult.Draw(new CircleF(center, radius), edgeColor, 2);
}
else
{
//橢圓
if (contour.Total >= 6)
{
MCvBox2D box = CvInvoke.cvFitEllipse2(contour.Ptr);
imageResult.Draw(new Ellipse(box), edgeColor, 2);
}
else
sbContour.Append("輪廓點數小於6，不能建立外圍橢圓。\r\n");
}
}

  

5.輪廓的矩
    咱們可使用Contour<Point>.GetMoments方法或者cvMoments函數方便的獲得輪廓的矩集，而後再相應的方法或函數獲取各類矩。
    特定的矩：MCvMoments.GetSpatialMoment方法、cvGetSpatialMoment函數
    中心矩：MCvMoments.GetCentralMoment方法、cvGetCentralMoment函數
    歸一化中心矩：MCvMoments.GetNormalizedCentralMoment方法、cvGetNormalizedCentralMoment函數
    Hu矩：MCvMoments.GetHuMoment方法、McvHuMoments.hu1～hu7字段、cvGetHuMoments函數
    如下代碼演示瞭如何獲取輪廓的矩：

輪廓的矩 

//獲得各類矩的信息
private void GetMomentsInfo(Contour<Point> contour, ref StringBuilder sbContour)
{
//矩
MCvMoments moments = contour.GetMoments();
//遍歷各類狀況下的矩、中心矩及歸一化矩，必須知足條件：xOrder>=0; yOrder>=0; xOrder+yOrder<=3;
for (int xOrder = 0; xOrder <= 3; xOrder++)
{
for (int yOrder = 0; yOrder <= 3; yOrder++)
{
if (xOrder + yOrder <= 3)
{
double spatialMoment = moments.GetSpatialMoment(xOrder, yOrder);
double centralMoment = moments.GetCentralMoment(xOrder, yOrder);
double normalizedCentralMoment = moments.GetNormalizedCentralMoment(xOrder, yOrder);
sbContour.AppendFormat("矩（xOrder：{0}，yOrder：{1}），矩：{2:F09}，中心矩：{3:F09}，歸一化矩：{4:F09}\r\n", xOrder, yOrder, spatialMoment, centralMoment, normalizedCentralMoment);
}
}
}
//Hu矩
MCvHuMoments huMonents = moments.GetHuMoment();
sbContour.AppendFormat("Hu矩 h1：{0:F09}，h2：{1:F09}，h3：{2:F09}，h4：{3:F09}，h5：{4:F09}，h6：{5:F09}，h7：{6:F09}\r\n", huMonents.hu1, huMonents.hu2, huMonents.hu3, huMonents.hu4, huMonents.hu5, huMonents.hu6, huMonents.hu7);
}

6.輪廓的輪廓樹
    輪廓樹用來描述某個特定輪廓的內部特徵。注意：輪廓樹跟輪廓是一一對應的關係；輪廓樹不用於描述多個輪廓之間的層次關係。
    能夠用函數cvCreateContourTree來構造輪廓樹。

IntPtr ptrTree1 = CvInvoke.cvCreateContourTree(contour1.Ptr, new MemStorage().Ptr, thresholdOfCreate);

 

 7.輪廓的凸包和凸缺陷
    輪廓的凸包和凸缺陷用於描述物體的外形。凸包和凸缺陷很容易得到，不過我目前不知道它們到底怎麼使用。
    若是要判斷輪廓是不是凸的，能夠用Contour<Point>.Convex屬性和cvCheckContourConvexity函數。
    若是要獲取輪廓的凸包，能夠用Contour<Point>.GetConvexHull方法或者cvConvexHull2函數，返回的是包含頂點的序列。
    若是要獲取輪廓的凸缺陷，能夠用Contour<Point>.GetConvexityDefacts方法或者cvConvexityDefects函數。
    注意：EmguCv將缺陷的單詞拼寫錯了，defect纔是缺陷。
    如下代碼演示瞭如何獲取輪廓的凸包及凸缺陷：

輪廓的凸包和凸缺陷 

//獲得凸包及缺陷信息
private void GetConvexInfo(Contour<Point> contour,ref StringBuilder sbContour,ref Image<Bgr,Byte> imageResult)
{
if (!contour.Convex) //判斷輪廓是否爲凸
{
//凸包
Seq<Point> convexHull = contour.GetConvexHull(ORIENTATION.CV_CLOCKWISE);
//缺陷
Seq<MCvConvexityDefect> defects = contour.GetConvexityDefacts(new MemStorage(), ORIENTATION.CV_CLOCKWISE);
//顯示信息
sbContour.AppendFormat("輪廓的凸包有{0}個點，依次爲：", convexHull.Total);
Point[] points = new Point[convexHull.Total];
for (int i = 0; i < convexHull.Total; i++)
{
Point p = convexHull[i];
points[i] = p;
sbContour.AppendFormat("{0},", p);
}
sbContour.Append("\r\n");
imageResult.DrawPolyline(points, true, new Bgr(lblConvexColor.BackColor), 2);
MCvConvexityDefect defect;
sbContour.AppendFormat("輪廓有{0}個缺陷，依次爲：\r\n", defects.Total);
for (int i = 0; i < defects.Total; i++)
{
defect = defects[i];
sbContour.AppendFormat("缺陷：{0}，起點：{1}，終點：{2}，最深的點：{3}，深度：{4}\r\n", i, defect.StartPoint, defect.EndPoint, defect.DepthPoint, defect.Depth);
}
}
else
sbContour.Append("輪廓是凸的，凸包和輪廓同樣。\r\n");
}

 

 8.輪廓的成對幾何直方圖
    成對幾何直方圖的資料比較少，我是這麼理解的。
    （1）輪廓保存的是一系列的頂點，輪廓是由一系列線段組成的多邊形。對於看起來光滑的輪廓（例如圓），只是線段條數比較多，線段長度比較短而已。實際上，電腦中顯示的任何曲線都由線段組成。
    （2）每兩條線段之間都有必定的關係，包括它們（或者它們的延長線）之間的夾角，兩條線段的夾角範圍是：(0,180)。
    （3）每兩條線段上的點之間還有距離關係，包括最短（小）距離、最遠（大）距離，以及平均距離。最大距離我用了一個偷懶的計算方法，我把輪廓外界矩形的對角線長度看做了最大距離。
    （4）成對幾何直方圖所用的統計數據包括了夾角和距離。
    能夠用函數cvCalcPGH來計算輪廓的成對幾何直方圖，示例代碼以下：

輪廓的成對幾何直方圖 

//生成成對幾何直方圖
Rectangle rect1 = contour1.BoundingRectangle;
float maxDist1 = (float)Math.Sqrt(rect1.Width * rect1.Width + rect1.Height * rect1.Height); //輪廓的最大距離：這裏使用輪廓矩形邊界框的對角線長度
int[] bins1 = new int[] { 60, 20 };
RangeF[] ranges1 = new RangeF[] { new RangeF(0f, 180f), new RangeF(0f, maxDist1) }; //直方圖第0維爲角度，範圍在(0,180)，第2維爲輪廓兩條邊緣線段的距離
DenseHistogram hist1 = new DenseHistogram(bins1, ranges1);
CvInvoke.cvCalcPGH(contour1.Ptr, hist1.Ptr);

 

 

輪廓的匹配
    若是要比較兩個物體，可供選擇的特徵不少。若是要判斷某我的的性別，能夠根據他（她）頭髮的長短來判斷，這很直觀，在長髮男稀有的年代準確率也很高。也能夠根據這我的尿尿的射程來判斷，若是射程大於0.50米，則是男性。總之，方法不少，不一而足。
    咱們在上文中獲得了輪廓的這麼多特徵，它們也能夠用於進行匹配。典型的輪廓匹配方法有：Hu矩匹配、輪廓樹匹配、成對幾何直方圖匹配。
1.Hu矩匹配
    輪廓的Hu矩對包括縮放、旋轉和鏡像映射在內的變化具備不變性。Contour<Point>.MatchShapes方法和cvMatchShapes函數能夠很方便的實現對2個輪廓間的匹配。
2.輪廓樹匹配
    用樹的形式比較兩個輪廓。cvMatchContourTrees函數實現了輪廓樹的對比。
3.成對幾何直方圖匹配
    在獲得輪廓的成對幾何直方圖以後，可使用直方圖對比的方法來進行匹配。若是您和我同樣忘記了直方圖的對比方式，能夠看看我寫的另外一篇文章《顏色直方圖的計算、顯示、處理、對比及反向投影(How to Use Histogram? Calculate, Show, Process, Compare and BackProject)》。

    各類輪廓匹配的示例代碼以下：

輪廓的匹配 //開始匹配private void btnStartMatch_Click(object sender, EventArgs e){//準備輪廓（這裏只比較最外圍的輪廓）Image<Bgr, Byte> image1 = new Image<Bgr, byte>((Bitmap)pbImage1.Image);Image<Bgr, Byte> image2 = new Image<Bgr, byte>((Bitmap)pbImage2.Image);Image<Gray, Byte> imageGray1 = image1.Convert<Gray, Byte>();Image<Gray, Byte> imageGray2 = image2.Convert<Gray, Byte>();Image<Gray, Byte> imageThreshold1 = imageGray1.ThresholdBinaryInv(new Gray(128d), new Gray(255d));Image<Gray, Byte> imageThreshold2 = imageGray2.ThresholdBinaryInv(new Gray(128d), new Gray(255d));Contour<Point> contour1 = imageThreshold1.FindContours(CHAIN_APPROX_METHOD.CV_CHAIN_APPROX_SIMPLE, RETR_TYPE.CV_RETR_EXTERNAL);Contour<Point> contour2 = imageThreshold2.FindContours(CHAIN_APPROX_METHOD.CV_CHAIN_APPROX_SIMPLE, RETR_TYPE.CV_RETR_EXTERNAL);/*if (contour1.Perimeter / 50 > 2 && contour2.Perimeter / 50 > 2){contour1 = contour1.ApproxPoly(contour1.Perimeter / 50, 2, new MemStorage()); //對輪廓進行多邊形逼近（參數設爲輪廓周長的1/50）contour2 = contour2.ApproxPoly(contour2.Perimeter / 50, 2, new MemStorage());}*///進行匹配string result = "";if (rbHuMoments.Checked)result = MatchShapes(contour1, contour2); //Hu矩匹配else if (rbContourTree.Checked)result = MatchContourTrees(contour1, contour2); //輪廓樹匹配else if (rbPGH.Checked)result = MatchPghHist(contour1, contour2); //成對幾何直方圖匹配txtResult.Text += result;}//Hu矩匹配private string MatchShapes(Contour<Point> contour1, Contour<Point> contour2){//匹配方法CONTOURS_MATCH_TYPE matchType = rbHuI1.Checked ? CONTOURS_MATCH_TYPE.CV_CONTOUR_MATCH_I1 : (rbHuI2.Checked ? CONTOURS_MATCH_TYPE.CV_CONTOURS_MATCH_I2 : CONTOURS_MATCH_TYPE.CV_CONTOURS_MATCH_I3);Stopwatch sw = new Stopwatch();sw.Start();//匹配double matchValue = contour1.MatchShapes(contour2, matchType);sw.Stop();double time = sw.Elapsed.TotalMilliseconds;return string.Format("Hu矩匹配（{0:G}），結果：{1:F05}，用時：{2:F05}毫秒\r\n", matchType, matchValue, time);}//輪廓樹匹配private string MatchContourTrees(Contour<Point> contour1, Contour<Point> contour2){//生成輪廓樹double thresholdOfCreate = double.Parse(txtThresholdOfCreateContourTrees.Text); //生成輪廓樹的閥值IntPtr ptrTree1 = CvInvoke.cvCreateContourTree(contour1.Ptr, new MemStorage().Ptr, thresholdOfCreate);IntPtr ptrTree2 = CvInvoke.cvCreateContourTree(contour2.Ptr, new MemStorage().Ptr, thresholdOfCreate);//匹配double thresholdOfMatch = double.Parse(txtThresholdOfMatchContourTrees.Text); //比較輪廓樹的閥值Stopwatch sw = new Stopwatch();sw.Start();double matchValue = CvInvoke.cvMatchContourTrees(ptrTree1, ptrTree2, MATCH_CONTOUR_TREE_METHOD.CONTOUR_TREES_MATCH_I1, thresholdOfMatch);sw.Stop();double time = sw.Elapsed.TotalMilliseconds;return string.Format("輪廓樹匹配（生成輪廓樹的閥值：{0}，比較輪廓樹的閥值：{1}），結果：{2:F05}，用時：{3:F05}毫秒\r\n", thresholdOfCreate, thresholdOfMatch, matchValue, time);}//成對幾何直方圖匹配private string MatchPghHist(Contour<Point> contour1, Contour<Point> contour2){//生成成對幾何直方圖Rectangle rect1 = contour1.BoundingRectangle;float maxDist1 = (float)Math.Sqrt(rect1.Width * rect1.Width + rect1.Height * rect1.Height); //輪廓的最大距離：這裏使用輪廓矩形邊界框的對角線長度int[] bins1 = new int[] { 60, 20 };RangeF[] ranges1 = new RangeF[] { new RangeF(0f, 180f), new RangeF(0f, maxDist1) }; //直方圖第0維爲角度，範圍在(0,180)，第2維爲輪廓兩條邊緣線段的距離DenseHistogram hist1 = new DenseHistogram(bins1, ranges1);CvInvoke.cvCalcPGH(contour1.Ptr, hist1.Ptr);Rectangle rect2 = contour2.BoundingRectangle;float maxDist2 = (float)Math.Sqrt(rect2.Width * rect2.Width + rect2.Height * rect2.Height);int[] bins2 = new int[] { 60, 20 };RangeF[] ranges2 = new RangeF[] { new RangeF(0f, 180f), new RangeF(0f, maxDist2) };DenseHistogram hist2 = new DenseHistogram(bins2, ranges2);CvInvoke.cvCalcPGH(contour2.Ptr, hist2.Ptr);//匹配Stopwatch sw = new Stopwatch();sw.Start();double compareResult;HISTOGRAM_COMP_METHOD compareMethod = rbHistCorrel.Checked ? HISTOGRAM_COMP_METHOD.CV_COMP_CORREL : (rbHistChisqr.Checked ? HISTOGRAM_COMP_METHOD.CV_COMP_CHISQR : (rbHistIntersect.Checked ? HISTOGRAM_COMP_METHOD.CV_COMP_INTERSECT : HISTOGRAM_COMP_METHOD.CV_COMP_BHATTACHARYYA));if (rbHistEmd.Checked){//EMD//將直方圖轉換成矩陣Matrix<Single> matrix1 = FormProcessHist.ConvertDenseHistogramToMatrix(hist1);Matrix<Single> matrix2 = FormProcessHist.ConvertDenseHistogramToMatrix(hist2);compareResult = CvInvoke.cvCalcEMD2(matrix1.Ptr, matrix2.Ptr, DIST_TYPE.CV_DIST_L2, null, IntPtr.Zero, IntPtr.Zero, IntPtr.Zero, IntPtr.Zero);matrix1.Dispose();matrix2.Dispose();}else{//直方圖對比方式hist1.Normalize(1d);hist2.Normalize(1d);compareResult = CvInvoke.cvCompareHist(hist1.Ptr, hist2.Ptr, compareMethod);}sw.Stop();double time = sw.Elapsed.TotalMilliseconds;return string.Format("成對幾何直方圖匹配（匹配方式：{0}），結果：{1:F05}，用時：{2:F05}毫秒\r\n", rbHistEmd.Checked ? "EMD" : compareMethod.ToString("G"), compareResult, time);}