如何利用OPENCV的matchShapes进行轮廓匹配？uc3 0
如何利用OPENCV的matchShapes进行轮廓匹配？目前也在进行轮廓匹配方面的研究，轮廓匹配的前提是要提取轮廓上的特征点并计算特征信息，然后根据特征信息进行匹配，提取特征点的算法有很多，经典的有SIFT,SURF，在openCV中都有实现，然后使用鲁棒性匹配算法robustMatch匹配，目前在看一篇论文《基于曲率特征的轮廓匹配算法》，讲到的匹配算法感觉比较简单，第一步是多边形逼近轮廓，来提取轮廓上的有效点；第二步是计算轮廓上有效点的曲率； 主要步骤1.读取一幅图片，并且对其进行二值化，2.对其进行形态学处理，减少孔洞等次要特征，保留其
如何利用OPENCV的matchShapes进行轮廓匹配？
目前也在进行轮廓匹配方面的研究。轮廓匹配的前提是要提取轮廓上的特征点并计算特征信息，然后根据特征信息进行匹配。提取特征点的算法有很多，经典的有SIFT,SURF，在openCV中都有实现，然后使用鲁棒性匹配算法robustMatch匹配。目前在看一篇论文《基于曲率特征的轮廓匹配算法》，讲到的匹配算法感觉比较简单，第一步是多边形逼近轮廓，来提取轮廓上的有效点；
第二步是计算轮廓上有效点的曲率；
主要步骤1.读取一幅图片，并且对其进行二值化。2.对其进行形态学处理，减少孔洞等次要特征，保留其主要特征。3.进行边缘提取。4.进行形状轮廓匹配，得到其匹配值，从而判断是否是同一个形状。 下面是演示代码: #include <iostream> #include "opencv2/opencv.hpp" using namespace std; using namespace cv; int main() { Mat k=imread("E:/TestGit/8.jpg",0); Mat f; Mat k1=imread("E:/TestGit/9.jpg",0); Mat f1; threshold(k,f,50,255,THRESH_BINARY);//对图像进行二值化 threshold(k1,f1,50,255,THRESH_BINARY); Mat closerect=getStructuringElement(MORPH_RECT,Size(3,3)); //进行结构算子生成 morphologyEx(f,f,MORPH_OPEN,closerect); morphologyEx(f1,f1,MORPH_OPEN,closerect);//进行形态学开运算 Mat dst = Mat::zeros(k.rows, k.cols, CV_8UC3); Mat dst1 = Mat::zeros(k1.rows, k1.cols, CV_8UC3); vector<vector<Point>> w,w1; vector<Vec4i> hierarchy,hierarchy1 ; findContours(f,w,hierarchy,RETR_CCOMP,CHAIN_APPROX_SIMPLE);//提取轮廓元素 findContours(f1,w1,hierarchy1,RETR_CCOMP,CHAIN_APPROX_SIMPLE); FileStorage fs("f.dat",FileStorage::WRITE); fs<<"f"<<w1[0]; int idx=0; double ffff=matchShapes(w[0],w1[0],CV_CONTOURS_MATCH_I3,1.0);//进行轮廓匹配 std::cout<<ffff<<std::endl; system("pause"); return 0; } 这样，我们就得到了轮廓边缘的提取和匹配，满足了需要。而不同的算子具有不同的匹配算子方法。