当前位置：极客教程 > Opencv > Python OpenCV > 如何在OpenCV Python中计算图像的Hu矩？

如何在OpenCV Python中计算图像的Hu矩？

如何在OpenCV Python中计算图像的Hu矩？

可以使用 cv2.HuMoments() 函数来找到 Hu 矩，它返回对平移、旋转和缩放不变的七个矩。第七个矩是偏移不变的。

为计算 Hu 矩，我们需要先找到图像。使用对象轮廓计算对象的图像矩。因此，首先，我们检测对象的轮廓，然后应用 cv2.moments() 函数来计算矩。

语法

使用以下语法来调用该函数 −

M = cv2.moments(cnt)
cv2.HuMoments(M)
Python

在此，

  • cnt - 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计算图像中的 Hu 矩 –

导入所需的库。 在所有以下 Python 示例中，所需的 Python 库是 OpenCV。请确保您已经安装了它。

import cv2
Python

使用 cv2.imread() 方法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)
Python

对灰度图像进行阈值处理以创建二元图像。

ret,thresh = cv2.threshold(gray,150,255,0)
Python

使用 cv2.findContours() 函数在图像中查找轮廓。

contours, _ = cv2.findContours(thresh, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
Python

使用 cv2.moments(cnt) 函数计算轮廓的矩。

cnt = contours[0]
M = cv2.moments(cnt)
Python

使用 cv2.HuMoments(M) 函数为特定轮廓找出 Hu 矩。

Hm = cv2.HuMoments(M)
Python

在输入图像上绘制轮廓。

cv2.drawContours(img, [cnt], -1, (0,255,255), 3)
Python

输出 Hu 矩并显示带有绘制轮廓的图像。

print("第一个轮廓的 Hu 矩：\n", Hm)
cv2.imshow(Hu-Moments", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
Python

为了更好地理解，让我们看一些示例。

我们将在以下示例中使用以下图像作为 输入文件 。

如何在OpenCV Python中计算图像的Hu矩？

示例 1

在以下 Python 程序中，我们检测图像中的轮廓，并为第一个轮廓找到 Hu 矩。我们还在图像上绘制第一个轮廓。

# 导入所需的库
import cv2

# 读取输入图像
img = cv2.imread('shape.png')

# 将输入图像转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 在灰度图像上应用二值化
ret,thresh = cv2.threshold(gray,150,255,0)

# 在图像中寻找轮廓
contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
print("检测到的轮廓数：" ,len(contours))

# 找到第一个轮廓的矩
cnt = contours[0]
M = cv2.moments(cnt)
Hm = cv2.HuMoments(M)

# 绘制轮廓
cv2.drawContours(img, [cnt], -1, (0,255,255), 3)
x1, y1 = cnt[0,0]
cv2.putText(img, '轮廓：1', (x1, y1), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2)

# 打印第一个轮廓的矩
print("第一个轮廓的Hu矩：\n", Hm)
cv2.imshow("Hu-Moments", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
Python

输出

当您执行上面的代码时，它将产生以下输出 −

检测到的轮廓数：3 
第一个轮廓的Hu矩： 
   [[ 1.59307685e-01] 
   [ 4.69721864e-05] 
   [ 1.89651880e-10] 
   [ 8.95011994e-14] 
   [ 2.03401550e-25] 
   [ 4.24017740e-16] 
   [-3.07567885e-25]]
Python

并且我们得到以下输出窗口，显示图像中检测到的第一个轮廓

如何在OpenCV Python中计算图像的Hu矩？

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))

# 计算图像中检测到的所有轮廓的Hu不变矩
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"\n轮廓{i+1}: 的 Hu不变矩:\n", hm)

cv2.imshow("Hu-Moments", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
Python

输出

当您执行上述代码时，它将生成以下输出−

检测到的轮廓数：3
第1个轮廓的Hu不变矩：
   [[ 1.59307685e-01] 
   [ 4.69721864e-05] 
   [ 1.89651880e-10] 
   [ 8.95011994e-14] 
   [ 2.03401550e-25] 
   [ 4.24017740e-16] 
   [-3.07567885e-25]]
第2个轮廓的Hu不变矩：
   [[ 1.67576439e-01] 
   [ 3.03541843e-04] 
   [ 2.96933966e-10] 
   [ 8.49276231e-12] 
   [-3.47095391e-22] 
   [ 2.67821989e-14] 
   [ 2.47818355e-22]]
第3个轮廓的Hu不变矩：
   [[2.29748674e-01] 
   [1.57527336e-02] 
   [5.92081089e-03] 
   [4.77994195e-04] 
   [4.24175667e-07] 
   [1.65030169e-05] 
   [6.83150707e-07]]
Python

我们得到以下输出窗口，显示图像中检测到的轮廓−

如何在OpenCV Python中计算图像的Hu矩？

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Python OpenCV

登录

找回密码？

注册