OpenCV匹配轮廓图像

Question

我希望了解比较一组轮廓的最佳策略，实际上是从两张图片中得到的Canny边缘检测结果，以便知道哪对更相似。

我有这张图片：

http://i55.tinypic.com/10fe1y8.jpg

我想知道如何计算哪一个最适合它：

http://i56.tinypic.com/zmxd13.jpg

（应该是右边的那个）

有没有办法将轮廓整体进行比较？ 我可以很容易地旋转图像，但我不知道要使用哪些函数才能计算出右侧参考图像的最佳匹配。

这是我已经尝试过的opencv：

matchShapes函数 - 我尝试使用两个灰度图像进行此函数，并且在每次比较图像时都会得到相同的结果，而且该值似乎是错误的，因为它是0.0002。

因此，我意识到matchShapes的问题，但我不确定这是否是正确的假设，即该函数与轮廓对而不是完整图像一起工作。现在这是一个问题，因为虽然我有要比较的图像的轮廓，但它们有数百个，我不知道哪些应该“配对”。

所以我也尝试使用for迭代将第一个图像的所有轮廓与另外两个进行比较，但我可能正在比较例如5的轮廓与两个参考图像的圆形轮廓而不是2的轮廓。

还尝试了简单的cv :: compare函数和matchTemplate，但都没有成功。

- out_sid3r

Answer 1

针对这个问题，你有几个选项，取决于你需要多么稳健的方法。

简单解决方案（带有假设）：

对于这些方法，我假设你使用的是您提供的图像（即对象已经分割并且大致相同比例）。此外，你需要对旋转进行矫正（至少粗略地）。你可以像迭代旋转比较图像每10、30、60或90度，或者你觉得可以逃脱的任何粗略程度。

例如，

for(degrees = 10; degrees < 360; degrees += 10)
    coinRot = rotate(compareCoin, degrees)
    // you could also try Cosine Similarity, or even matchedTemplate here.
    metric = SAD(coinRot, targetCoin) 
    if(metric > bestMetric)
        bestMetric = metric
        coinRotation = degrees

---

• 绝对差值和 (SAD)：在确定近似旋转角度后，这将允许您快速比较图像。
• 余弦相似性：通过将图像视为1D向量，并计算两个向量之间的高维角度来进行操作。匹配越好，角度越小。

复杂的解决方案（可能更加稳健）：

这些解决方案将更加复杂，但可能会产生更加可靠的分类结果。

---

• 豪斯多夫距离： 这个回答将向您介绍使用此方法的方法。该解决方案可能还需要旋转校正才能正常工作。
• Fourier-Mellin变换：此方法是相位相关的扩展，可以提取两个图像之间的旋转，缩放和平移（RST）变换。
• 特征检测和提取：此方法涉及在图像中检测“稳健”（即缩放和/或旋转不变）的特征，并使用RANSAC、LMedS或简单的最小二乘法将它们与一组目标特征进行比较。OpenCV有几个使用此技术的示例，在matcher_simple.cpp和matching_to_many_images.cpp中。 注意：使用此方法时，您可能不希望对图像进行二值化，因此可用的可检测特征更多。

- mevatron

---

非常感谢提供的指南...我会立即开始学习...非常感谢..当我更好地分析推荐步骤后，我会给出一些反馈。 - out_sid3r