【OpenCV学习笔记】三十、轮廓特征属性及应用(七)

matchShapes轮廓特征属性及应用(七)—位置关系及轮廓匹配

1.计算点与轮廓的距离及位置关系——pointPolygonTest()

2.矩的计算——moments()

3.形状匹配(比较两个形状或轮廓间的相似度)——matchShapes()

先上ppt：

代码：1.计算点到轮廓的距离与位置关系

///计算点到轮廓的距离与位置关系
#include "opencv2/opencv.hpp"
using namespace cv;
#include <iostream>
using namespace std;
int main()
{
	//1.查找轮廓前的预处理
	Mat srcImg = imread("00.png",CV_LOAD_IMAGE_COLOR);
	Mat copyImg = srcImg.clone();
	cvtColor(srcImg,srcImg,CV_BGR2GRAY);
	threshold(srcImg,srcImg,100,255,CV_THRESH_BINARY);//确保黑中找白
	imshow("thresh",srcImg);
	//2.查找轮廓
	vector<vector<Point>> contours;
	findContours(srcImg,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_NONE);//最外层轮廓
	drawContours(copyImg, contours, -1, Scalar(0, 255, 0), 2, 8);
	//3.计算点到轮廓的距离与位置关系
	Point2f p1(20, 20);
	circle(copyImg,p1,3,Scalar(0,0,255),-1,8);
	double a0 = pointPolygonTest(contours[0], p1, true);//true表示点到轮廓的距离
	double b0 = pointPolygonTest(contours[0], p1, false);//false表示计算点与轮廓的位置关系
	cout << "a0=" << a0 << endl;
	cout << "b0=" << b0 << endl;
	imshow("contours",copyImg);
	waitKey(0);
	return 0;
}

运行结果：

代码：2.轮廓矩的计算

///轮廓矩的计算
#include "opencv2/opencv.hpp"
using namespace cv;
#include <iostream>
using namespace std;
int main()
{
	//1.查找轮廓前的预处理
	Mat srcImg = imread("00.png", CV_LOAD_IMAGE_COLOR);
	Mat copyImg = srcImg.clone();
	cvtColor(srcImg, srcImg, CV_BGR2GRAY);
	threshold(srcImg, srcImg, 100, 255, CV_THRESH_BINARY);//确保黑中找白
	imshow("thresh", srcImg);
	//2.查找轮廓
	vector<vector<Point>> contours;
	findContours(srcImg, contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);//最外层轮廓
	drawContours(copyImg, contours, -1, Scalar(0, 255, 0), 2, 8);
	//3.轮廓矩的计算
	Moments moments0 = moments(contours[0],false);//计算轮廓矩
	cout << moments0.m00<< endl;//输出空间矩之一的m00
	imshow("contours", copyImg);
	waitKey(0);
	return 0;
}

运行结果：

代码：3.形状匹配---比较两个形状或轮廓间的相似度

///形状匹配---比较两个形状或轮廓间的相似度
#include "opencv2/opencv.hpp"
using namespace cv;
#include <iostream>
using namespace std;
int main()
{
	//1.查找模版图像的轮廓
	Mat templateImg = imread("1.jpg", CV_LOAD_IMAGE_COLOR);
	Mat copyImg1 = templateImg.clone();
	cvtColor(templateImg, templateImg, CV_BGR2GRAY);
	threshold(templateImg, templateImg, 100, 255, CV_THRESH_BINARY);//确保黑中找白
	imshow("thresh1", templateImg);
	vector<vector<Point>> contours1;
	findContours(templateImg, contours1, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);//最外层轮廓
	drawContours(copyImg1, contours1, -1, Scalar(0, 255, 0), 2, 8);
	//2.查找待测试图像的轮廓
	Mat testImg = imread("2.jpg", CV_LOAD_IMAGE_COLOR);
	Mat copyImg2 = testImg.clone();
	cvtColor(testImg, testImg, CV_BGR2GRAY);
	threshold(testImg, testImg, 100, 255, CV_THRESH_BINARY);//确保黑中找白
	imshow("thresh2", testImg);
	vector<vector<Point>> contours2;
	findContours(testImg, contours2, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);//最外层轮廓
	//3.形状匹配---比较两个形状或轮廓间的相似度
	for (int i = 0; i < contours2.size();i++)//遍历待测试图像的轮廓
	{
		//返回此轮廓与模版轮廓之间的相似度,a0越小越相似
		double a0 = matchShapes(contours1[0],contours2[i],CV_CONTOURS_MATCH_I1,0);
		cout << "模版轮廓与待测试图像轮廓" << i << "的相似度:" << a0 << endl;//输出两个轮廓间的相似度
		if (a0<0.1)//如果此轮廓与模版轮廓的相似度小于0.1
		{
			drawContours(copyImg2, contours2, i, Scalar(0, 255, 0), 2, 8);//则在待测试图像上画出此轮廓
		}
		imshow("copyImg2", copyImg2);
		if (waitKey(0) == 27)//等待按键进行下一个轮廓，ESC则退出
		{
			cout << "ESC退出" << endl;
			break;
		}
	}
	waitKey(0);
	return 0;
}

运行结果：