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。该函数返回一个度量标准，显示图像形状之间的相似性。该函数使用Hu矩来计算度量值。度量值越低，图像形状之间的相似性就越高。

在以下示例中，我们将匹配来自不同图像的形状以及单个图像中的形状。

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库都是 OpenCV 。请确保您已经安装了它。

import cv2

使用 cv2.imread() 将输入图像作为灰度图像读取。

img1 = cv2.imread（'star.png'，0）
img2 = cv2.imread（'star1.png'，0）

在灰度图像上应用阈值处理，以创建二进制图像。

ret，thresh1 = cv2.threshold（img1，150，255，0 ）
ret，thresh2 = cv2.threshold（img1，150，255，0 ）

在二进制图像中查找形状的轮廓，使用 cv2.findContours() 函数。

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() 传递所选择的轮廓。

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，匹配越好。

print("与图像1匹配的图像2："，ret12)

让我们看一些例子，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。每个图像都包含一个单一形状。我们还将从每个图像中匹配形状与自身的形状。

# 导入所需库
import cv2

# 读取两幅灰度图像
img1 = cv2.imread('star.png',0)
img2 = cv2.imread('pentagon.png',0)

# 对图像应用阈值处理以转换为二进制图像
ret, thresh1 = cv2.threshold(img1, 127, 255,0)
ret, thresh2 = cv2.threshold(img2, 127, 255,0)

# 在二进制图像中找出轮廓
contours1, hierarchy = cv2.findContours(thresh1,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
print("在第一张图像中检测到的形状数量:",len(contours))
cnt1 = contours1[0]

contours2, hierarchy = cv2.findContours(thresh2,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
print("在第二张图像中检测到的形状数量:",len(contours))
cnt2 = contours2[0]

# 计算匹配分数
ret11 = cv2.matchShapes(cnt1,cnt1,1,0.0)
ret22 = cv2.matchShapes(cnt2,cnt2,1,0.0)
ret12 = cv2.matchShapes(cnt1,cnt2,1,0.0)

# 输出匹配分数
print("将第一张图像与自身匹配:", ret11)
print("将第二张图像与自身匹配:", ret22)
print("将第一张图像与第二张图像匹配:", ret12)

将下面的图像视为上述程序中提到的输入图像 ‘ star.png ‘ 和 ‘ pentagon.png ‘。

输出

执行后，上述代码将产生以下输出：

在第一张图像中检测到的形状数量: 1 
在第二张图像中检测到的形状数量: 1 
将第一张图像与自身匹配: 0.0 
将第二张图像与自身匹配: 0.0 
将第一张图像与第二张图像匹配: 0.6015851094057714

示例 2

在本程序中，我们匹配图像中的形状。我们检测图像中的三个形状。

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("发现的形状数量:",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'形状:{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("第一种形状与自身的匹配度:", ret11)
print("第一种形状与第二种形状的匹配度:", ret12)
print("第二种形状与第三种形状的匹配度:", ret23)
print("第三种形状与第一种形状的匹配度:", ret31)

cv2.imshow("形状", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个程序中，我们将使用下面的图像和 输入文件 −

输出

执行上述代码后，将产生以下输出−

探测到的形状数量：3 
将形状1与其自身匹配：0.0 
将形状1与形状2匹配：0.15261042892128207 
将形状2与形状3匹配：0.9192709496955178 
将形状3与形状1匹配：0.7521097407160106

我们得到以下窗口，显示输出结果 −

基于上述结果，我们得出形状1与形状2更相似，而不是形状3。