数据结构
网络
关系数据库管理系统
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
服装设计
法律研究如何在 OpenCV Python 中匹配图像形状？
我们使用cv2.matchShapes()函数来匹配两个图像形状。此函数返回一个度量值，显示图像形状之间的相似度。此函数使用 Hu 不变量来计算度量值。度量值越低，图像形状之间的相似度越高。
在以下示例中，我们将匹配来自不同图像的形状以及来自单个图像的形状。
语法
我们使用以下语法来匹配两个图像形状：
ret = cv2.matchShapes(cnt1,cnt1,1,0.0)
其中，
cnt1 - 第一个图像形状的轮廓点。
cnt2 - 第二个图像形状的轮廓点
步骤
您可以使用以下步骤来匹配两个图像形状：
导入所需的库。在所有以下 Python 示例中，所需的 Python 库是OpenCV。确保您已安装它。
import cv2
使用cv2.imread()读取输入图像作为灰度图像。
img1 = cv2.imread('star.png',0)
img2 = cv2.imread('star1.png',0)
对灰度图像应用阈值处理以创建二值图像。
ret,thresh1 = cv2.threshold(img1,150,255,0) ret,thresh2 = cv2.threshold(img1,150,255,0)
使用cv2.findContours()函数查找二值图像中形状的轮廓。
contours1, _ = cv2.findContours(thresh1, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) contours2, _ = cv2.findContours(thresh2, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
从每个图像中选择特定的轮廓，并应用形状匹配函数cv2.matchShapes()传递选定的轮廓。
cnt1=contours1[0] cnt2=contours2[0] ret12 = cv2.matchShapes(cnt1, cnt2, 1, 0.0)
打印结果值，即图像形状匹配度量。值越低，匹配度越好。
print("Matching Image 1 with Image 2:", ret12)
让我们看一些示例，以便更好地理解。
示例 1
在此程序中，我们匹配两个图像形状。每个图像包含一个形状。我们还匹配每个图像中形状本身。
# import required libraries import cv2 # Read two images as grayscale images img1 = cv2.imread('star.png',0) img2 = cv2.imread('star1.png',0) # Apply thresholding on the images to convert to binary images ret, thresh1 = cv2.threshold(img1, 127, 255,0) ret, thresh2 = cv2.threshold(img2, 127, 255,0) # find the contours in the binary image contours1,hierarchy = cv2.findContours(thresh1,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) print("Number of Shapes detected in Image 1:",len(contours)) cnt1 = contours1[0] contours2,hierarchy = cv2.findContours(thresh2,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) print("Number of Shapes detected in Image 2:",len(contours)) cnt2 = contours2[0] # Compute the match scores ret11 = cv2.matchShapes(cnt1,cnt1,1,0.0) ret22 = cv2.matchShapes(cnt2,cnt2,1,0.0) ret12 = cv2.matchShapes(cnt1,cnt2,1,0.0) # print the matching scores print("Matching Image 1 with itself:", ret11) print("Matching Image 2 with itself:", ret22) print("Matching Image 1 with Image 2:", ret12)
将以下图像视为上述程序中提到的“star.png”和“pentagon.png”输入图像。
输出
执行后，以上代码将产生以下输出：
Number of Shapes detected in Image 1: 1 Number of Shapes detected in Image 2: 1 Matching Image 1 with itself: 0.0 Matching Image 2 with itself: 0.0 Matching Image 1 with Image 2: 0.6015851094057714
示例 2
在此程序中，我们匹配图像中的形状。我们在图像中检测到三个形状。
import cv2 import numpy as np img = cv2.imread('convexhull.png') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret,thresh = cv2.threshold(gray,100,255,0) contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) print("Number of Shapes detected:",len(contours)) # draw contour and shape number for i, cnt in enumerate(contours): M = cv2.moments(cnt) x1, y1 = cnt[0,0] img1 = cv2.drawContours(img, [cnt], -1, (0,255,255), 3) cv2.putText(img1, f'Shape:{i+1}', (x1, y1), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cnt1 = contours[0] cnt2 = contours[1] cnt3= contours[2] ret11 = cv2.matchShapes(cnt1,cnt1,1,0.0) ret12 = cv2.matchShapes(cnt1,cnt2,1,0.0) ret23 = cv2.matchShapes(cnt2,cnt3,1,0.0) ret31 = cv2.matchShapes(cnt3,cnt1,1,0.0) print("Matching Shape 1 with itself:", ret11) print("Matching Shape 1 with Shape 2:", ret12) print("Matching Shape 2 with Shape 3:", ret23) print("Matching Shape 3 with Shape 1:", ret31) cv2.imshow("Shapes", img) cv2.waitKey(0) cv2.destroyAllWindows()
我们将在本程序中使用以下图像和输入文件：
输出
执行后，以上代码将产生以下输出：
Number of Shapes detected: 3 Matching Shape 1 with itself: 0.0 Matching Shape 1 with Shape 2: 0.15261042892128207 Matching Shape 2 with Shape 3: 0.9192709496955178 Matching Shape 3 with Shape 1: 0.7521097407160106
并且我们得到以下窗口，显示输出：
根据以上结果，我们得出结论，形状 1 比形状 3 更类似于形状 2。
更新于： 2022-09-28
6K+ 次查看
广告