形状匹配

书名：计算机视觉40例从入门到深度学习：OpenCV-Python
作者：李立宗
出版社：电子工业出版社
出版时间：2022-07-01
ISBN：9787121436857

---

一、形状匹配

• 形状匹配用来计算两个对象的形状间的匹配值，
  通常情况下，两个对象越相似，其形状匹配值越小。

• OpenCV提供了函数cv2.matchShapes()用来对两个对象的Hu矩进行比较。
  这两个对象可以是轮廓，也可以是灰度图像。

二、语法格式

• 函数cv2.matchShapes()的语法格式为
  retval=cv2.matchShapes(contour1, contour2,method, parameter)
  其中，retval是返回值。该函数有如下4个参数。
  ● contour1：第1个轮廓或者灰度图像。
  ● contour2：第2个轮廓或者灰度图像。
  ● method：比较两个对象的Hu矩的方法，具体如表8-1所示。
  表8-1 method的值及其具体含义
  在表8-1中，A表示对象1，B表示对象2，其中：
  
  其中： 和 分别是对象A和对象B的Hu矩。
  ● parameter：应用于method的特定参数，该参数为扩展参数，因此将该值设置为0。

三、匹配度计算

• 使用函数cv2.matchShapes()计算3幅不同图像的匹配度。

import cv2

# --------------读取并绘制原始图像------------------
o1 =  cv2.imread('d:\\c1.jpg')  
o2 =  cv2.imread('d:\\c2.jpg')  
o3 =  cv2.imread('d:\\cc.jpg')  

# --------------提取轮廓------------------
gray1 = cv2.cvtColor(o1,cv2.COLOR_BGR2GRAY)  
gray2 = cv2.cvtColor(o2,cv2.COLOR_BGR2GRAY)  
gray3 = cv2.cvtColor(o3,cv2.COLOR_BGR2GRAY)  
ret, binary1 = cv2.threshold(gray1,127,255,cv2.THRESH_BINARY)  
ret, binary2 = cv2.threshold(gray2,127,255,cv2.THRESH_BINARY)  
ret, binary3 = cv2.threshold(gray3,127,255,cv2.THRESH_BINARY)  

contours1, hierarchy = cv2.findContours(binary1, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)  
contours2, hierarchy = cv2.findContours(binary2, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)  
contours3, hierarchy = cv2.findContours(binary3, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)  

cnt1=contours1[0]
cnt2=contours2[0]
cnt3=contours3[0]
ret0=cv2.matchShapes(cnt1,cnt1,1,0.0)
ret1=cv2.matchShapes(cnt1,cnt2,1,0.0)
ret2=cv2.matchShapes(cnt1,cnt3,1,0.0)

print("o1.shape=",o1.shape)
print("o2.shape=",o2.shape)
print("o3.shape=",o3.shape)
print("相似图像(cnt1,cnt1)的matchShape=",ret0)
print("相似图像(cnt1,cnt2)的matchShape=",ret1)
print("不相似图像(cnt1,cnt3)的matchShape=",ret2)

cv2.imshow('o1',o1)
cv2.imshow('o2',o2)
cv2.imshow('o3',o3)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果
输出数据

四、结果分析

• 同一幅图像的Hu矩是不变的，二者差值为0。
  例如，图像o1中的对象（手）和自身距离计算的结果为0。
• 对原始图像与对原始图像进行平移、旋转和缩放后得到的图像应用函数cv2.matchShapes()后，得到的返回值较小。
  例如，图像o2中的对象是通过对图像o1中的对象进行缩放、旋转和平移得到的，对二者应用函数cv2.matchShapes()后，返回值较小，约为0.08。
• 不相似图像经函数cv2.matchShapes()计算后得到的返回值较大。
  例如，图像o1中的对象和图像o3中的对象的差别较大，对二者应用cv2.matchShapes()函数后，返回值较大，约为0.83。

【注意】除使用形状匹配外，还可以通过Hu矩来判断两个对象的一致性。但是Hu矩不如函数cv2.matchShapes()直观。