(penCV+Python)轮廓特征初阶与中阶.docx

《(penCV+Python)轮廓特征初阶与中阶.docx》由会员分享，可在线阅读，更多相关《(penCV+Python)轮廓特征初阶与中阶.docx（12页珍藏版）》请在第一文库网上搜索。

1、图像的矩图像识别的一个核心问题是图像的特征提取，简单描述即为用一组简单的数 据(数据描述量)来描述整个图像，这组数据越简单越有代表性越好。良好的特征 不受光线、噪点、几何形变的干扰，图像识别技术的发展中，不断有新的描述图 像特征提出，而图像不变矩就是其中一个。从图像中计算出来的矩通常描述了图像不同种类的几何特征如：大小、灰度、 方向、形状等，图像矩广泛应用于模式识别、目标分类、目标识别与防伪估计、 图像编码与重构等领域。严格来讲矩是概率与统计中的一个概念，是随机变量的一种数字特征。设 XX为随机变量，C为常数，则量E(x-c)八k称为X关于C点的k阶矩。比较重 要的两种情况如下：c=0,这时a

2、_k=E(XAk)称为X的k阶原点矩。c=E(X),这时g_k=E(XEX)八k称为X的k阶中心矩。一阶原点矩就是期望，一阶中心矩,l=0,二阶中心矩p_2就是X的方差 Var(X)。在统计学上，高于4阶的矩极少使出，j可以去衡量分布是否有偏，,4 可以衡量分布(密度)在均值附近的陡峭程度。针对一幅图像，我们把像素的坐标看成是一个二维随机变量(X,Y),那么一 副灰度图可以用二维灰度图密度函数来表示，因此可以用矩来描述灰度图像的特 征。OpenCV中提供的API用来计算中心矩和Hu矩，下面主要介绍Hu的原理。一幅MXN的数字图像f(i,j),其p+q阶几何矩m_pq和中心矩-pq为：M Nmp

3、g = EE巧W)i 1 3 1M NMw = OpU- j)VG,J)i 1 J 1i = mom00,1 = m0m00其中f(i,j)为图像在坐标点(i,j)处的灰度值。若将m_00看做图像的灰度质量，贝加一丁)为图像的质心坐标，那么中心矩 ,pq反应的是图像灰度相对于其灰度质心的分布情况，可以用几何矩来表示中 心矩03阶中心矩与几何矩的关系如下：00 = ETIEF 1(i- i)0(j - 5)0(iJ) = m00同0 = TE，率 )。)(VGM = OMOl = 3 f1(i- i)0(j - j)lf(ij) = Oll = T1 , W )(，j)if(ij) g 5四02

4、0 = ET1 ： l(i- i)2(j-j)of(ij) = m20- ym0i02 = Eyl ，(t - i)0(j j)2( j) = m02- OmOl30 = ETl 串i)3(j - j)of(ij) = m30 - 2xm20 + 2i2m10“12 =j, l(i - i)l(j - j)2f(ij) ml2 2tmll xm02 + 2j2m1021 = Jf1f 1(i- i)2(j - j)lf(ij) = m2 - 2xm11 一 ym2Q + 2z2n003 = EF ，串- i)0(j j)3f(ij) m03 23m02 + 292mol为了消除图像比例变化带来

5、的影响，定义规格化中心矩如下：1Ipq =(7 = ,p + q = 2,3)利用二阶和三阶规格中心矩可以导出下面7个不变矩组(17),它们在图 像平移、旋转和比例变化时保持不变：%=小O +布2小2 =(mO 小2产+ 4呢 = ( - 3%2- + 3(ffol - )2小4 =(小O + 曲 2 + (2i + Tto3)2中5 = ( 3)( + )( + /2产 - 3(仍 )2；+ (3仍I )( + )3( + 712)2 一 ( + )21露 (k )( 412)2 (他 1 + )2) + 4小1(小O + /2)(出 + 小3)小7 = (3% 1 )( + )( + ri

6、2)2 3俄1 + )2+ (3力2 7o)(7h + )3( + rh2)2 ( )21OpenCV中提供了 cv2.moments。来计算图像中的中心矩(最高到三阶)。同时 配合函数ContourArea函数计算轮廓面积和arcLength来计算轮廓或曲线长度。我们来看函数原型：cv2.moments (InputArray array, bool binaryimage = false)array：输入数组，可以是光栅图像(单通道，8-bit或浮点型二维数组),或者 是一个二维数组,二维数组类型为Point或Point2fobinaryimage：默认值是false,如果为true,则所

7、有非零的像素都会按值1 对待，也就是说相当于对图像进行了二值化处理，阈值为1,此参数仅对图像有 效。来看代码：import cv2import numpy as npimg = cv2.imread(pie.png)gray =cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)contour =cv2.findContours(gray,cv2.RETR_TREE,cv2.CHAIN_APPROX_S!MPLE)|0cv2.drawContours(img,contour,-1 ,(0,0,255),2)cv2.imshow(,res,img)cnt =contour0M

8、 =cv2.moments(cnt)print(M)cv2.waitKey(0)cv2.destroyAWindows()这是我们得到的结果:0:Anaconda3envspytorchpython.exe B:/含复/僧脸习/代习labvie*.py,m8: S5865. ,l,: 14470499.8, ,6: 12962615.5, ,n2,: 4917898496.5, ,all,: 355765Process finished with exit code 这是我们得出的所有的矩,现在我们对代码进行改进,计算出对象的重心（质 心）： _ MIo _ 3Oi以一两两，代码：import

9、 cv2import numpy as npimg = cv2.imread(,pie.pngu)gray =cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)contour =cv2.findContours(gray,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)0cv2.drawContours(i mg,contour,-1 ,(0,0,255),2)cv2.imshow(,res,img)cnt = contour0M =cv2.moments(cnt)cx=int(Mml0M,m00J)cy=int(Ml,m0Mm00l)prin

10、t(cx, cy)cv2.waitKey(0)cv2.destroyAHWindows()D: Anaconda3envspytorchpython.exe D:/合震/代码族习/代码族习八abview.py 259 232Process finished with exit code 可以得出重心坐标。轮廓的面积我们可以使用OPenCV中的函数：cv2.contourArea (InputArray contour,bool oriented = false)contour：是一个向富，二维点。oriented：有默认值false,面向区域标识符，如果为true,该函数返回一个 带符号的面积

11、，其正负取决于轮廓的方向(顺时针还是逆时针)。根据这个特性可 以根据面积的符号来确定轮廓的位置。如果是默认值false,则面积以绝对值的 形式返回。我们来看代码：import cv2import numpy as npimg = cv2.imread(,pie.png)gray =cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)contour =cv2.findContours(gray,cv2.RETR_TREE,cv2.CHAIN_APPROX_SlMPLE)lOcv2.drawContours(img,contour,-1,(0,0,255),2)cv2.imsh

12、ow(,res,img)cnt = contour0M =cv2.moments(cnt)area=cv2.contourArea(cnt)print(area)cv2.waitKey(0)cv2.destr oyAllWindows()可以看到输出的面积:D: Anaconda3envspytorchpython. ee D 合代码苏习/代码博习/labview .py 55865.Process finished with exit code 事实上，我们也可以使用刚刚讲述的图像的矩来完成，图像的面积等于它的0 阶矩：Mrmooimport cv2import numpy as npimg

13、 = cv2.imread(,pie.png)gray =cv2.cvtColor(img,cv2.COLOR-BGR2GRAY)contour =cv2.findContours(gray,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)lOcv2.drawContours(img,contour,-1 ,(0,0,255),2)cv2.imshow(,res,img)cnt =contour0M = cv2.moments(cnt)area =int(M,m00)print(area)cv2.waitKey(0)cv2.destroy All Windows()

14、D: Anaconda3envspytorchpython.exe D合算/代码练习/代码维月八abview.py 55865Process finished with exit code 可以看到，效果是一样的。轮廓的周长函数原型：retval = cv.arcLength(curve, closed)第一个参数指代的是输入的二维点的向量。第二个参数代表曲线是否闭合。来看代码：import cv2import numpy as npimg = cv2.imread(,pie.pngu)gray =cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)contour =cv2

15、.findContours(gray,cv2.RETR_TREE,cv2.CHAIN_APPROX_S!MPLE)lOcv 2.drawContours(img,contour,-1 ,(0,0,255),2)cv2.imshow(,res,img)cnt = contour0C=cv2.arcLength(cnt,True)pnt(C)cv2.waitKey(0)cv2.destroyAllWindows()可以直接计算轮廓的周长。OpenCV+Python )轮廓特征中阶本次我们将讨论OPenCV中图像轮廓的另一些特征，它们将非常有用。边界矩形有两类边界矩形。A直边界矩形一个直矩形(就是没有旋转的矩形)。它不会考虑对象是否旋转。所以边界矩 形的面积不是最小的。可以使用函数cv2.bou