opencv 匹配不同大小的

转载

lazihuman 2024-12-24 19:56:11

文章标签 opencv 匹配不同大小的 opencv 计算机视觉图像处理 c# 文章分类 计算机视觉人工智能

前言：

一、函数讲解：

图像阈值处理：Cv2.Threshold()

查找轮廓 Cv2.FindContours()

最小外接矩形 Cv2.BoundingRect();

绘制轮廓 Cv2.DrawContours（）

计算轮廓相似度 Cv2.MatchShapes（）

二、代码（教学注释详细，仔细阅读）

三、代码过程总结：

前言：

轮廓匹配是一种计算机视觉技术，用于在图像中查找和比较目标轮廓与待匹配轮廓之间的相似度

一、函数讲解：

图像阈值处理：Cv2.Threshold()

用于将图像中的像素值根据阈值分成两个不同的区域,可以用来实现图像的分割、边缘检测等任务。

Cv2.Threahold(Mat src, Mat dst ,double thresh, double maxval, ThresholdTypes type)

src: 输入的源图像，通常是一个单通道灰度图像。
dst: 输出的目标图像，与源图像具有相同的尺寸和类型。
thresh: 阈值，用于将图像中的像素值进行分类。
maxval: 阈值之后的像素值要设置的新值。
type: 阈值处理的类型，有不同的处理方式，比如二进制阈值、反二进制阈值、截断阈值等。

常见的阈值处理类型包括：

ThresholdTypes.Binary: 如果像素值大于等于阈值，则设置为 maxval，否则为 0。
ThresholdTypes.BinaryInv: 如果像素值小于阈值，则设置为 maxval，否则为 0。
ThresholdTypes.Trunc: 如果像素值大于等于阈值，则保持原值，否则截断为阈值。
ThresholdTypes.ToZero: 如果像素值大于等于阈值，则保持原值，否则设置为 0。
ThresholdTypes.ToZeroInv: 如果像素值小于阈值，则保持原值，否则设置为 0。
ThresholdTypes.Otsu：大津法，是一种自动确定图像二值化阈值的方法，它能够将图像的像素分成两个类别，使得类别内方差最小、类别间方差最大。这个方法非常适用于背景与前景之间对比明显的图像。
ThresholdTypes.Triangle：三角法，基于图像直方图的阈值选择方法，通过寻找直方图中的一条直线，将直方图分成两个部分，使得两个部分之间的面积最小，从而得到阈值。

Point[][] contours：二维数组表示多个轮廓，每个轮廓由一组点坐标组成，因此 contours变量 存储了多个轮廓。

HierarchyIndex[] hierarchy ：用hierarchy变量存储轮廓之间拓扑关系的数据结构

查找轮廓 Cv2.FindContours()

返回一组轮廓数组 contours和轮廓的拓扑结构hierarchy

Point[][] contours; // 存储轮廓的点坐标数组
HierarchyIndex[] hierarchy; // 存储轮廓之间的拓扑关系

Cv2.FindContours(
    input: binaryImage, // 二值化图像，白色像素表示物体，黑色像素表示背景
    contours: out contours, // 存储找到的轮廓点坐标
    hierarchy: out hierarchy, // 存储轮廓之间的拓扑关系
    mode: RetrievalModes.External, // 轮廓检索模式，这里表示只检索外部轮廓
    method: ContourApproximationModes.ApproxNone // 轮廓逼近方法，这里表示不逼近轮廓
);

input: 二值化图像，即图像中的物体被标记为白色，背景被标记为黑色。
contours: 用于存储找到的轮廓的点坐标数组。每个轮廓由一组点构成。
hierarchy: 用于存储轮廓之间的拓扑关系，例如父子关系、前后关系等。
mode: 轮廓检索模式，可以是 RetrievalModes.List（检索所有轮廓）或 RetrievalModes.External（只检索外部轮廓）等。
method: 轮廓逼近方法，可以是 ContourApproximationModes.ApproxNone（不逼近轮廓）、ContourApproximationModes.ApproxSimple（简化轮廓）等。

最小外接矩形 Cv2.BoundingRect();

Rect 变量名 = Cv2.BoundingRect(InputArray points);

points 是输入的轮廓点集，可以是一个 Point[] 或 Mat。

返回一个 Rect 对象，表示计算得到的最小外接矩形。矩形由左上角坐标 (x, y) 和矩形的宽度和高度 (width, height) 组成。

绘制轮廓 Cv2.DrawContours（）

void Cv2.DrawContours(Mat image, IEnumerable<IEnumerable<Point>> contours, int contourIdx, Scalar color, int thickness = 1, LineTypes lineType = LineTypes.Link8, Mat? hierarchy = null, int maxLevel = int.MaxValue, Point? offset = null);

image：目标图像，轮廓将绘制在这个图像上。
contours：要绘制的轮廓列表，可以是一个包含 Point 数组的集合。
contourIdx：要绘制的轮廓的索引。
正数值（0、1、2..）：表示你要绘制的具体轮廓的索引。如果有多个轮廓，你可以选择其中一个来绘制；
负数（-1）：表示绘制所有的轮廓。这时会绘制 contours 列表中的所有轮廓。
color：绘制轮廓的颜色。
thickness：轮廓线的宽度，其余为默认 = 1：绘制细线，通常是轮廓的默认值。这是最常见的用法。
> 1：绘制较粗的线。增加线宽度可以使轮廓更加突出。
= -1：填充轮廓内部。这样可以创建一个实心的轮廓。

Cv2.MatchShapes（）形状匹配

double Cv2.MatchShapes(InputArray contour1, InputArray contour2, ContourMatchModes method, double parameter = 0);

contour1：第一个轮廓的点集，可以是一个 Point[] 或 Mat。
contour2：第二个轮廓的点集，可以是一个 Point[] 或 Mat。
method：计算相似性的方法，可以是 ContourMatchModes 枚举中的一个选项。
parameter：计算方法所需的参数。
用于选择形状匹配的方法：
ShapeMatchModes.I1：使用I1方法计算形状相似性。
ShapeMatchModes.I2：使用I2方法计算形状相似性。
ShapeMatchModes.I3：使用I3方法计算形状相似性。

返回值：该方法返回一个 double 类型的相似性度量值，用于表示两个轮廓之间的相似性。值越小，表示形状越相似。

二、代码（教学注释详细，仔细阅读）

using OpenCvSharp;
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;


namespace 轮廓匹配查找模板
{
    class Program
    {
        static void Main(string[] args)
        {
            //读取图像
            Mat template = Cv2.ImRead("C:/Users/CGW/source/repos/轮廓匹配查找模板_Color Space/轮廓匹配查找模板_Color Space/imgs/0.bmp"); //读取模板图像
            Mat imgTest = Cv2.ImRead("C:/Users/CGW/source/repos/轮廓匹配查找模板_Color Space/轮廓匹配查找模板_Color Space/imgs/4.bmp"); //读取测试图像

            Mat grayTemp = new Mat(); // 模板图像
            Mat grayTest = new Mat(); // 测试图像

            //转换为灰度图
            Cv2.CvtColor(template, grayTemp, ColorConversionCodes.BGR2GRAY);
            Cv2.CvtColor(imgTest, grayTest, ColorConversionCodes.BGR2GRAY);

            //二值化--分割轮廓区域
            Cv2.Threshold(grayTemp, grayTemp, 90, 255, ThresholdTypes.Binary);
            Cv2.Threshold(grayTest, grayTest, 90, 255, ThresholdTypes.Binary);

            Point[][] contours; // 存储轮廓的变量
            HierarchyIndex[] hierarchy; // 存储轮廓拓扑结构的变量

            // 使用 FindContours 函数查找图像中的轮廓,返回一组轮廓数组 contours，同时还可以获得轮廓的拓扑结构。
            Cv2.FindContours(grayTemp, out contours, out hierarchy, RetrievalModes.External, ContourApproximationModes.ApproxNone);

            int index = 0; // 模板中十字轮廓的轮廓序号
            //遍历每个轮廓
            for (int i = 0; i < contours.Length; i++)
            {
                // 获取轮廓的外接矩形
                Rect rect = Cv2.BoundingRect(contours[i]);

                // 判断轮廓是否满足条件，比如宽度和高度都大于80像素
                if (rect.Width > 80 && rect.Height > 80)
                {
                    index = i; // 记录找到的目标轮廓的索引
                    // 在模板图像上绘制找到的目标轮廓，标记为红色
                    Cv2.DrawContours(template, contours, i, new Scalar(0, 0, 255), -1);
                    break; // 找到目标轮廓后跳出循环
                }
            }
            Cv2.ImShow("template", template);

            //遍历测试图像中的轮廓做轮廓匹配
            Point[][] contours2; //轮廓查找结果变量
            HierarchyIndex[] hierarchy2; //轮廓拓扑结构变量

            Cv2.FindContours(grayTest, out contours2, out hierarchy2, RetrievalModes.External,
                                            ContourApproximationModes.ApproxNone);

            //Console.WriteLine("contour2_size = {0}", contours2.Length); //输出轮廓个数
            for (int i = 0; i < contours2.Length; i++)
            {
                Rect rect = Cv2.BoundingRect(contours2[i]);

                //宽高与模板轮廓宽高相符的才做轮廓匹配，剔除干扰轮廓
                if (rect.Width >= 80 && rect.Width <= 100 && rect.Height > 80 && rect.Height <= 100) //找到目标轮廓，跳出循环
                {
                    // 计算轮廓匹配值
                    double matchValue = Cv2.MatchShapes(contours[index], contours2[i], ShapeMatchModes.I3);
                    // 输出匹配值
                    Console.WriteLine("matchRate = {0}", matchValue);
                    // 如果匹配值在一定阈值内，绘制匹配的轮廓
                    if (matchValue <= 2)
                        Cv2.DrawContours(imgTest, contours2, i, new Scalar(0, 255, 0), -1);
                }
            }
            Cv2.ImShow("match-result", imgTest);
            Cv2.WaitKey(0);
        }
    }
}