Matlab和OpenCV为同一图像计算不同的图像矩m00

Question

对于完全相同的图像

Opencv代码：

img = imread("testImg.png",0);
threshold(img, img_bw, 0, 255, CV_THRESH_BINARY | CV_THRESH_OTSU);
Mat tmp;
img_bwR.copyTo(tmp);
findContours(tmp, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);

// Get the moment
vector<Moments> mu(contours.size() );
for( int i = 0; i < contours.size(); i++ )
 { mu[i] = moments( contours[i], false ); 

 }

// Display area (m00)
for( int i = 0; i < contours.size(); i++ )
 { 
     cout<<mu[i].m00 <<endl;
     // I also tried the code 
     //cout<<contourArea(contours.at(i))<<endl;  
     // But the result is the same
 }

Matlab代码：

Img = imread('testImg.png');
lvl = graythresh(Img);
bw = im2bw(Img,lvl);
stats = regionprops(bw,'Area');
for k = 1:length(stats)
    Area = stats(k).Area; %m00
end

有人有任何想法吗？如何统一他们？我认为他们使用不同的方法来寻找轮廓。

我在下面的链接上传了测试图像，以便对此感兴趣的人可以重现该过程

这是一个100 x 100的小8位灰度图像，只有0和255像素强度。为简单起见，它只有一个blob。 对于OpenCV，轮廓区域（图像力矩m00）为609.5（非常奇数值） 对于Matlab，轮廓区域（图像矩m00）为763。

由于

Answer 1

存在许多关于如何从二进制图像中提取轮廓的不同定义。例如，它可以是多边形，它是二进制图像中白色对象的周长。如果OpenCV使用此定义，则轮廓区域将与Matlab找到的连接组件区域相同。但这种情况并非如此。 findContour（）函数找到的轮廓是连接邻居＆＃34;边缘像素＆＃34;的中心的多边形。边缘像素是在N4邻域中具有黑色邻居的白色像素。

示例：假设您的图像大小为100x100像素。对角线上方的每个像素都是黑色的。对角线下方或对角线上的每个像素都是白色（黑色三角形和白色三角形）。精确分离多边形在距离为1像素时将有近200个顶点：（0,0），（1,0），（1,1），（2,1），（2,2），......（100） ，99），（100,100），（0,100）。从实际的角度来看，你可以看到这个定义并不是很好。 OpenCV返回的多边形将具有定义三角形所需的3个顶点：（0,0），（99,99），（0,99）。其面积为（99 x 99/2）像素。它不等于白色像素的数量。它甚至不是整数。但是这个多边形比以前的多边形更实用。

这些不是多边形提取的唯一可能定义。存在许多其他定义。其中一些（在我看来）可能比OpenCV使用的更好。但这是许多人实施和使用的那个。

目前没有针对您的问题的有效解决方法。如果你想从MATLAB和OpenCV获得完全相同的数字，你必须在一些黑色图像上绘制由foundContours找到的轮廓，并在图像上使用函数moment（）。我知道即将推出的OpenCV 3具有查找连接组件的功能，但我自己没有尝试过。