OpenCV學習(33) 輪廓的特徵矩Moment

      在OpenCV中，能夠很方便的計算多邊形區域的3階特徵矩，opencv中的矩主要包括如下幾種：空間矩，中心矩和中心歸一化矩。

class Moments { public: ...... // 空間矩 double m00, m10, m01, m20, m11, m02, m30, m21, m12, m03; // 中心矩 double mu20, mu11, mu02, mu30, mu21, mu12, mu03; // 中心歸一化矩 double nu20, nu11, nu02, nu30, nu21, nu12, nu03; }空間矩的公式爲：

能夠知道，對於01二值化的圖像，m00即爲輪廓的面積。中心矩的公式爲：

其中：

歸一化的中心矩公式爲：

矩的基本概念可參考：

http://www.opencvchina.com/thread-509-1-1.html

在OpenCV中，還能夠很方便的獲得Hu不變距，Hu不變矩在圖像旋轉、縮放、平移等操做後，仍能保持矩的不變性，因此有時候用Hu不變距更能識別圖像的特徵。Hu不變矩的基本概念請參考paper：Hu. Visual Pattern Recognition by Moment Invariants, IRE Transactions on Information Theory, 8:2, pp. 179-187, 1962， 或者參考中文介紹：http://www.cnblogs.com/skyseraph/archive/2011/07/19/2110183.html

OpenCV中計算矩的函數爲：Moments moments(InputArray array, bool binaryImage=false )

Hu不變矩主要是利用歸一化中心矩構造了7個不變特徵矩：

OpenCV中計算Hu矩的公式爲：

HuMoments(const Moments& m, OutputArray hu)

void HuMoments(const Moments& moments, double hu[7])

 

 

下面的代碼計算輪廓的矩，並根據1階中心矩獲得輪廓的質心，代碼以下：

src = imread( "../star1.jpg" ,1 );

/// Convert image to gray and blur it
cvtColor( src, src_gray, CV_BGR2GRAY );
blur( src_gray, src_gray, Size(3,3) );

namedWindow( "image", CV_WINDOW_AUTOSIZE );
imshow( "image", src );

Mat canny_output;
vector<vector<Point> > contours;
vector<Vec4i> hierarchy;

//利用canny算法檢測邊緣
Canny( src_gray, canny_output, thresh, thresh*2, 3 );
namedWindow( "canny", CV_WINDOW_AUTOSIZE );
imshow( "canny", canny_output );
//查找輪廓
findContours( canny_output, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0) );

//計算輪廓矩
vector<Moments> mu(contours.size() );
for( int i = 0; i < contours.size(); i++ )
    { mu[i] = moments( contours[i], false ); }

//計算輪廓的質心
vector<Point2f> mc( contours.size() );
for( int i = 0; i < contours.size(); i++ )
    { mc[i] = Point2f( mu[i].m10/mu[i].m00 , mu[i].m01/mu[i].m00 ); }

//畫輪廓及其質心
Mat drawing = Mat::zeros( canny_output.size(), CV_8UC3 );
for( int i = 0; i< contours.size(); i++ )
    {
    Scalar color = Scalar( rng.uniform(0, 255), rng.uniform(0,255), rng.uniform(0,255) );
    drawContours( drawing, contours, i, color, 2, 8, hierarchy, 0, Point() );
    circle( drawing, mc[i], 4, color, -1, 8, 0 );
    }

namedWindow( "Contours", CV_WINDOW_AUTOSIZE );
imshow( "Contours", drawing );

//打印輪廓面積和輪廓長度
printf("\t Info: Area and Contour Length \n");
for( int i = 0; i< contours.size(); i++ )
    {
    printf(" * Contour[%d] - Area (M_00) = %.2f - Area OpenCV: %.2f - Length: %.2f \n", i, mu[i].m00, contourArea(contours[i]), arcLength( contours[i], true ) );
    Scalar color = Scalar( rng.uniform(0, 255), rng.uniform(0,255), rng.uniform(0,255) );
    drawContours( drawing, contours, i, color, 2, 8, hierarchy, 0, Point() );
    circle( drawing, mc[i], 4, color, -1, 8, 0 );
    }

程序執行後效果圖：

       最後咱們再利用matchShape函數比較兩個輪廓，若是結果爲0，表示兩個輪廓徹底類似，結果值越大，越不類似，但這個最大值好像並無歸一化，我曾經比較兩個輪廓，結果值達到了10。

 

 

比較的代碼爲：

double comres;
comres = matchShapes(contours[0], contours[1],CV_CONTOURS_MATCH_I1, 0.0);
printf("CV_CONTOURS_MATCH_I1 比較結果是: %f\n", comres);
comres = matchShapes(contours[0], contours[1],CV_CONTOURS_MATCH_I2, 0.0);
printf("CV_CONTOURS_MATCH_I2 比較結果是: %f\n", comres);
comres = matchShapes(contours[0], contours[1],CV_CONTOURS_MATCH_I3, 0.0);
printf("CV_CONTOURS_MATCH_I3 比較結果是: %f\n", comres);

 

matchShapes函數其實比較的是兩個輪廓的Hu不變矩，第三個參數決定比較的方式，下面是第三個參數的三個可選值。

• CV_CONTOURS_MATCH_I1

• CV_CONTOURS_MATCH_I2

• CV_CONTOURS_MATCH_I3

這裏：

  分別是A，B的Hu矩。

 

程序代碼:工程FirstOpenCV29