opencv matchshapes()函数的原理

OpenCV中的matchShapes()函数是用于比较两个形状之间的相似度的函数。它基于Hu矩形式，将两个形状的矩形式进行比较，并返回相似度指标。

该函数的原理是：首先，将两个形状的轮廓转换为点集形式，然后计算它们的Hu矩形式。接着，根据Hu矩形式的特性，计算两个形状之间的相似度指标（称为Hu距离）。Hu距离越小，表示两个形状越相似。因此，该函数返回的值越小，表示两个形状的相似度越高。

总之，matchShapes()函数通过计算两个形状的Hu矩形式，并计算它们之间的相似度指标，来比较两个形状之间的相似度。

相关问题

opencv matchshapes详解

`matchShapes`是OpenCV中一个用于比较两个轮廓形状相似度的函数。它可以用于图像识别、物体检测、图像分类等多个领域。该函数的原型如下：

double matchShapes(InputArray contour1, InputArray contour2, int method, double parameter);

其中，`contour1`和`contour2`是两个输入的轮廓，`method`是指定轮廓匹配算法的类型，`parameter`是指定算法的一些参数。

目前，OpenCV支持三种轮廓匹配算法：

- `CV_CONTOURS_MATCH_I1`：基于L1距离计算两个轮廓之间的相似度。
- `CV_CONTOURS_MATCH_I2`：基于L2距离计算两个轮廓之间的相似度。
- `CV_CONTOURS_MATCH_I3`：基于Hu矩计算两个轮廓之间的相似度。

其中，`CV_CONTOURS_MATCH_I3`是最常用的一种算法，使用的是Hu矩。Hu矩是一种对图像旋转、平移、缩放不变的特征描述符，可以用于图像识别和匹配。在使用`CV_CONTOURS_MATCH_I3`算法时，`parameter`参数需要设置为0。

`matchShapes`函数返回的是两个轮廓之间的相似度，返回值越小说明两个轮廓越相似，返回值越大说明两个轮廓越不相似。常用的阈值为0.1，如果返回值小于0.1，则认为两个轮廓相似，否则认为不相似。

下面是一个使用`matchShapes`进行轮廓匹配的例子：

#include <opencv2/opencv.hpp>
using namespace cv;

int main()
{
    Mat img1 = imread("contour1.jpg");
    Mat img2 = imread("contour2.jpg");

    cvtColor(img1, img1, COLOR_BGR2GRAY);
    cvtColor(img2, img2, COLOR_BGR2GRAY);

    threshold(img1, img1, 127, 255, THRESH_BINARY);
    threshold(img2, img2, 127, 255, THRESH_BINARY);

    std::vector<std::vector<Point>> contours1, contours2;
    findContours(img1, contours1, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
    findContours(img2, contours2, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);

    double similarity = matchShapes(contours1[0], contours2[0], CV_CONTOURS_MATCH_I3, 0);
    std::cout << "Similarity: " << similarity << std::endl;

    if (similarity < 0.1)
        std::cout << "Contours are similar." << std::endl;
    else
        std::cout << "Contours are not similar." << std::endl;

    return 0;
}

该例子中，我们首先读入两个轮廓图片，然后将其转换为灰度图，并进行二值化处理。接着，使用`findContours`函数提取轮廓，并计算两个轮廓之间的相似度。最后，根据相似度的大小判断两个轮廓是否相似。

opencv matchShapes详解

`matchShapes`是OpenCV中一个用于比较两个轮廓形状相似度的函数。它可以用于图像识别、物体检测、图像分类等多个领域。该函数的原型如下：

double matchShapes(InputArray contour1, InputArray contour2, int method, double parameter);

其中，`contour1`和`contour2`是两个输入的轮廓，`method`是指定轮廓匹配算法的类型，`parameter`是指定算法的一些参数。

目前，OpenCV支持三种轮廓匹配算法：

- `CV_CONTOURS_MATCH_I1`：基于L1距离计算两个轮廓之间的相似度。
- `CV_CONTOURS_MATCH_I2`：基于L2距离计算两个轮廓之间的相似度。
- `CV_CONTOURS_MATCH_I3`：基于Hu矩计算两个轮廓之间的相似度。

其中，`CV_CONTOURS_MATCH_I3`是最常用的一种算法，使用的是Hu矩。Hu矩是一种对图像旋转、平移、缩放不变的特征描述符，可以用于图像识别和匹配。在使用`CV_CONTOURS_MATCH_I3`算法时，`parameter`参数需要设置为0。

`matchShapes`函数返回的是两个轮廓之间的相似度，返回值越小说明两个轮廓越相似，返回值越大说明两个轮廓越不相似。常用的阈值为0.1，如果返回值小于0.1，则认为两个轮廓相似，否则认为不相似。

下面是一个使用`matchShapes`进行轮廓匹配的例子：

#include <opencv2/opencv.hpp>
using namespace cv;

int main()
{
    Mat img1 = imread("contour1.jpg");
    Mat img2 = imread("contour2.jpg");

    cvtColor(img1, img1, COLOR_BGR2GRAY);
    cvtColor(img2, img2, COLOR_BGR2GRAY);

    threshold(img1, img1, 127, 255, THRESH_BINARY);
    threshold(img2, img2, 127, 255, THRESH_BINARY);

    std::vector<std::vector<Point>> contours1, contours2;
    findContours(img1, contours1, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
    findContours(img2, contours2, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);

    double similarity = matchShapes(contours1[0], contours2[0], CV_CONTOURS_MATCH_I3, 0);
    std::cout << "Similarity: " << similarity << std::endl;

    if (similarity < 0.1)
        std::cout << "Contours are similar." << std::endl;
    else
        std::cout << "Contours are not similar." << std::endl;

    return 0;
}

该例子中，我们首先读入两个轮廓图片，然后将其转换为灰度图，并进行二值化处理。接着，使用`findContours`函数提取轮廓，并计算两个轮廓之间的相似度。最后，根据相似度的大小判断两个轮廓是否相似。