数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学如何在OpenCV Python中计算Hu矩？
Hu矩可以使用cv2.HuMoments()函数计算。它返回七个对平移、旋转和缩放不变的矩。第七矩是对倾斜不变的。
要计算Hu矩，我们首先需要找到图像。图像矩是使用对象的轮廓为对象计算的。因此，首先，我们检测对象的轮廓，然后应用cv2.moments()函数计算矩。
语法
此函数使用以下语法：
M = cv2.moments(cnt) cv2.HuMoments(M)
这里：
cnt - 它是图像中对象轮廓点的NumPy数组。
M - 上面计算的图像矩。
步骤
您可以使用以下步骤来计算图像中的Hu矩：
导入所需的库。在以下所有Python示例中，所需的Python库是OpenCV。确保您已安装它。
import cv2
使用cv2.imread()读取输入图像并将其转换为灰度图像。
img = cv2.imread('shape.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
对灰度图像应用阈值处理以创建二值图像。
ret,thresh = cv2.threshold(gray,150,255,0)
使用cv2.findContours()函数查找图像中的轮廓。
contours, _ = cv2.findContours(thresh, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
使用cv2.moments(cnt)函数查找轮廓的矩。
cnt = contours[0] M = cv2.moments(cnt)
对于特定轮廓，使用cv2.HuMoments(M)函数查找Hu矩。
Hm = cv2.HuMoments(M)
在输入图像上绘制轮廓。
cv2.drawContours(img, [cnt], -1, (0,255,255), 3)
打印Hu矩并显示带有已绘制轮廓的图像。
print("Hu-Moments of first contour:\n", Hm)
cv2.imshow(Hu-Moments", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
让我们看一些例子以便更好地理解。
我们将在下面的示例中使用以下图像作为输入文件。
示例1
在下面的Python程序中，我们检测图像中的轮廓并找到第一个轮廓的Hu矩。我们还在图像上绘制第一个轮廓。
# import the required libraries import cv2 # Read the input image img = cv2.imread('shape.png') # Convert the input image to grayscale gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # apply thresholding on gray image ret,thresh = cv2.threshold(gray,150,255,0) # Find the contours in the image contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) print("Number of Contours detected:",len(contours)) # Find the moments of first contour cnt = contours[0] M = cv2.moments(cnt) Hm = cv2.HuMoments(M) # Draw the contour cv2.drawContours(img, [cnt], -1, (0,255,255), 3) x1, y1 = cnt[0,0] cv2.putText(img, 'Contour:1', (x1, y1), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) # print the moments of the first contour print("Hu-Moments of first contour:\n", Hm) cv2.imshow("Hu-Moments", img) cv2.waitKey(0) cv2.destroyAllWindows()
输出
执行上述代码时，将产生以下输出：
Number of Contours detected: 3 Hu-Moments of first contour: [[ 1.59307685e-01] [ 4.69721864e-05] [ 1.89651880e-10] [ 8.95011994e-14] [ 2.03401550e-25] [ 4.24017740e-16] [-3.07567885e-25]]
我们将得到以下输出窗口，显示图像中第一个检测到的轮廓：
示例2
在下面的Python程序中，我们检测图像中的轮廓并找到所有轮廓的Hu矩。我们还在图像上绘制所有轮廓。
import cv2 import numpy as np img = cv2.imread('shape.png') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret,thresh = cv2.threshold(gray,170,255,0) contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) print("Number of contours detected:",len(contours)) # compute HuMoments for all the contours detected in the image for i, cnt in enumerate(contours): x,y = cnt[0,0] moments = cv2.moments(cnt) hm = cv2.HuMoments(moments) cv2.drawContours(img, [cnt], -1, (0,255,255), 3) cv2.putText(img, f'Contour {i+1}', (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 255, 0), 2) print(f"\nHuMoments for Contour {i+1}:\n", hm) cv2.imshow("Hu-Moments", img) cv2.waitKey(0) cv2.destroyAllWindows()
输出
执行上述代码时，将产生以下输出：
Number of contours detected: 3 HuMoments for Contour 1: [[ 1.59307685e-01] [ 4.69721864e-05] [ 1.89651880e-10] [ 8.95011994e-14] [ 2.03401550e-25] [ 4.24017740e-16] [-3.07567885e-25]] HuMoments for Contour 2: [[ 1.67576439e-01] [ 3.03541843e-04] [ 2.96933966e-10] [ 8.49276231e-12] [-3.47095391e-22] [ 2.67821989e-14] [ 2.47818355e-22]] HuMoments for Contour 3: [[2.29748674e-01] [1.57527336e-02] [5.92081089e-03] [4.77994195e-04] [4.24175667e-07] [1.65030169e-05] [6.83150707e-07]]
我们将得到以下输出窗口，显示图像中检测到的轮廓：
更新于：2022年9月28日
3K+ 浏览量
广告