Opencv2.4学习：：轮廓矩【判断形态方向、匹配度】

轮廓矩

---

原理部分：

矩

一、概率论上的定义

 看到矩这个字，很容易联想到概率论，在概率论中，定义如下：

或者说：

设 X 和 Y 是随机变量，c 为常数，k 为正整数， 
如果E(|X−c|^k)E(|X−c|^k)存在，则称E(|X−c|^k)E(|X−c|^k)为 X 关于点 c 的 k 阶矩。

• c = 0 时， 称为 k 阶原点矩；
• c = E(x) 时，称为 k 阶中心矩。

如果E(|X−c1|^p⋅|Y−c2|^q)存在，则称其为 X,Y 关于 c 点 p+q 阶矩。

其余基本概率论知识可参考：https://www.cnblogs.com/wyuzl/p/7845948.html 

 

 二、在图像学上的定义

一幅M×N的数字图像f(i,j)，其p+q阶几何矩和中心矩为：

                                                             

                                                            

其中:

• f(i,j)为图像在坐标点(i,j)处的灰度值。
• 重心：，也是图像的一阶矩

 

三、几何矩的基本意义

（1）零阶矩

                                                            

可以发现，当图像为二值图时，就是这个图像上白色区域的总和，因此，可以用来求二值图像（轮廓，连通域）的面积。

（2）一阶矩

                                                           

                                                           

当图像为二值图时,就是白色像素关于x坐标的累加和，而则是y坐标的累加和

由此，可获得图像的重心：，也就是前文提到的。

（3）二阶矩

                                                           

                                                           

                                                           

二阶矩可以用来求物体形状的方向。 

后续会有介绍，具体可参考：https://blog.csdn.net/qq826309057/article/details/70039397

 

四、由几何矩可表示出中心距如下：

摘自：https://blog.csdn.net/keith_bb/article/details/70197104

为了消除图像比例变化带来的影响，定义规格化中心矩如下：

利用二阶和三阶规格中心矩可以导出下面7个不变矩组(Φ1 Φ7),它们在图像平移、旋转和比例变化时保持不变

---

Opencv应用部分

核心函数：

（1）求矩

Moments moments(inputArray array, bool binaryImage=false) 

• 输入参数，可以是光栅图像（单通道，8位或浮点的二维数组）或二维数组(1N或N1)
• 默认值false，若此参数取true，则所有非零像素为1.此参数仅对图像使用

（2）计算轮廓面积

double contourArea(inputArray contour, bool oriented=false) 

• 输入的向量，二维点（轮廓顶点）
• 面向区域标识符，若为true，该函数返回一个带符号的面积值，其正负取决于轮廓的方向（顺时针还是逆时针）。根据这个特性我们可以根据面积的符号来确定轮廓的位置。需要注意的是，这个参数有默认值false，表示以绝对值返回，不带符号。

（3） 计算轮廓长度

double arcLength(inputArray curve,bool closed) 

•  输入的二维点集
• 一个用于指示曲线是否封闭的标识符，默认值closed，表示曲线封闭

 

一、求图像的重心和方向

前面提到二阶矩可以用来求物体形状的方向。 

其中：

,

，

fastAtan2()为opencv的函数，输入向量，返回一个0-360的角度。 

个人认为：关于fastAtan2()的推算如下：

 

当然这只是个人推导，有兴趣的同学可以验证一下。 

另外，fastAtan2()返回的角度指自然坐标系下x轴正半轴按顺时针到图像轴的角，如下图的α角：

【注意：实际处理时，需把目标部分变成白色，背景为黑色。这里只是为了方便看才把目标变成黑色而已】

测试代码：

#include
#include
#include
#include
#include
#include
using namespace std;
using namespace cv;

void main()
{
	Mat srcImg;
	srcImg = imread("F:\\opencv_re_learn\\flash.jpg");
	if (!srcImg.data){
		cout<< "failed to read" << endl;
		system("pause");
		return;
	}
	Mat srcGray;
	cvtColor(srcImg, srcGray, CV_BGR2GRAY);
	Mat thresh;
	threshold(srcGray, thresh, 100, 255, CV_THRESH_BINARY_INV |
		CV_THRESH_OTSU);//二值化时主要要让目标部分是白色像素
	Moments m = moments(thresh, true);//moments()函数计算出三阶及一下的矩
	Point2d center(m.m10 / m.m00, m.m01 / m.m00);//此为重心
	//计算方向
	double a = m.m20 / m.m00 - center.x*center.x;
	double b = m.m11 / m.m00 - center.x*center.y;
	double c = m.m02 / m.m00 - center.y*center.y;
	double theta = fastAtan2(2 * b, (a - c)) / 2;//此为形状的方向
	cout << 2 * b << endl;
	cout << a - c << endl;
	cout <<"角度是："<< theta << endl;
	//绘制重心
	circle(srcImg, center, 2, Scalar(0, 0, 255),2);
	imshow("src", srcImg);
	imshow("Gray", srcGray);
	imshow("Thresh", thresh);
	waitKey(0);
}

 

 

二、轮廓匹配

轮廓匹配并没有直接用到Moments ，但是是基于轮廓矩的7个不变形矩进行比较的。

相关函数：

double MatchShapes(const void* object1, const void* object2, 
                                              int method, double parameter = 0);

• 第一个参数是待匹配的物体1
• 第二个是待匹配的物体2
• 第三个参数method有三种输入：【即三种不同的判定物体相似的方法】

1. CV_CONTOURS_MATCH_I1
2. CV_CONTOURS_MATCH_I2
3. CV_CONTOURS_MATCH_I3

测试代码：

#include
#include
#include
#include
using namespace std;
using namespace cv;
RNG rng(12345);
Mat init_src(string filename)
{
	Mat srcImg = imread(filename);
	if (!srcImg.data){
		cout << "filed to read" << endl;
		system("pause");
		return Mat::zeros(100, 100, CV_8UC1);
	}
	return srcImg;
}

vector> find_contour(Mat thresh,string window_name)
{
	Mat canny_output;
	vector>contours;
	vector hierarchy;
	medianBlur(thresh, thresh, 5);
	//canny边缘检测
	//如果图片的轮廓分明，建议可以不进行canny边缘检测，可直接对二值化图像进行findcontours
	//Canny(thresh, thresh, 10, 10 * 2, 3); 
	
	//寻找轮廓
	findContours(thresh, contours, hierarchy,
		CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));

	Mat drawing = Mat::zeros(thresh.size(), CV_8UC3);
	for (int i = 0; i < contours.size(); i++){
		//定义随机颜色
		Scalar color = Scalar(rng.uniform(0, 255),
			rng.uniform(0, 255), rng.uniform(0, 255));
		//绘制
		drawContours(drawing, contours, i, color,
			2, 8, hierarchy, 0, Point());
	}
	//显示
	namedWindow(window_name, CV_WINDOW_AUTOSIZE);
	imshow(window_name, drawing);
	return contours;
}

void main()
{
	//图片读取、预处理
	Mat srcImg1 = init_src("F:\\opencv_re_learn\\angle_test2.jpg");
	Mat srcImg2 = init_src("F:\\opencv_re_learn\\angle_test.jpg");
	Mat srcGray1, srcGray2;
	cvtColor(srcImg1, srcGray1, CV_BGR2GRAY);
	cvtColor(srcImg2, srcGray2, CV_BGR2GRAY);
	Mat thresh1, thresh2;
	threshold(srcGray1, thresh1, 100, 255, CV_THRESH_BINARY_INV |
		CV_THRESH_OTSU);
	threshold(srcGray2, thresh2, 100, 255, CV_THRESH_BINARY_INV |
		CV_THRESH_OTSU);
	//imshow("thresh1", thresh1);
	//imshow("thresh2", thresh2);

	//获取轮廓
	vector> contours1 = find_contour(thresh1,"contour1");
	vector> contours2 = find_contour(thresh2,"contour2");

	//轮廓比较
	cout << "first method to match, result:" <<
		matchShapes(contours1[0], contours2[0], CV_CONTOURS_MATCH_I1, 0) << endl;;
	cout << "second method to match, result:" <<
		matchShapes(contours1[0], contours2[0], CV_CONTOURS_MATCH_I2, 0) << endl;
	cout << "third method to match, result:" <<
		matchShapes(contours1[0], contours2[0], CV_CONTOURS_MATCH_I2, 0)<

应该只需修改图片的路径即可进行调试

1）读入两张相同的图片，三种方法匹配的结果都是0，表示完全匹配

2）还是读入上面的两张图片，但是其中一张经过旋转

结果：三种方法匹配的结果都很接近0，表示这两个轮廓还是基本匹配的

3）读入两张不同的图片

 结果明显偏离0，但是可以说还是有一点相似性吧。。。

---

---

 参考文章：

https://blog.csdn.net/qq_31531635/article/details/73692611

https://blog.csdn.net/qq826309057/article/details/70039397

https://blog.csdn.net/keith_bb/article/details/70197104

https://blog.csdn.net/mingzhentanwo/article/details/45155307