Question

我正在研究图像特征的提取，其中我试图确定某个图像是否对称。我正在使用opecv-python进行这项工作的开发。

下面的代码用于标识感兴趣区域的中心和直径。您怎么知道该图像是否对称？

import cv2
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.offsetbox import AnchoredText

IMG = '015'
thresh = cv2.imread(IMD+'.png',0)
_, contours,hierarchy = cv2.findContours(thresh,2,1)
print (len(contours))
cnt = contours

for i in range (len(cnt)):
    (x,y),radius = cv2.minEnclosingCircle(cnt[i])
    center = (int(x),int(y))
    radius = int(radius)
    cv2.circle(thresh,center,radius,(0,255,0),2)
    print ('Circle: ' + str(i) + ' - Center: ' + str(center) + ' - Radius: ' + str(radius))
plt.text(x-21, y+15, '+', fontsize=25, color = 'red')
plt.text(10, -10, 'Centro: '+str(center), fontsize=11, color = 'red')
plt.text(340, -10, 'Diametro: '+str((radius*2)/100)+'mm', fontsize=11,     color = 'red')
plt.Circle((10, -10), 7.2, color='blue')
plt.imshow(thresh, cmap='gray')
#plt.savefig(IMG+'-diam.png')
plt.show()

退出：

在这种情况下，我想对要分析的点是否对称进行分类，以下图像从视觉上注意到它不是对称的，而上图的第一幅图像是对称的。

Answer 1

我假设变量thresh是二进制图像。

为了找到不均匀物体的对称性，我建议我们比较二进制像素在X和Y轴上的投影。

然后通过直方图比较方法（如相关性，卡方距离或Bhattacharyya距离）比较2个直方图。（openCV中的示例：https://docs.opencv.org/2.4/doc/tutorials/imgproc/histograms/histogram_comparison/histogram_comparison.html）

G_X = cv2.reduce(thresh_square, 0 ,cv2.REDUCE_SUM)
G_Y = cv2.reduce(thresh_square, 1 ,cv2.REDUCE_SUM)

compare_val = cv2.compareHist(G_X ,G_Y ,cv2.HISTCMP_CORREL)

其中thresh_square是以二进制二进制点为中心的ROI平方。您需要G_X和G_Y具有相等的bin，才能进行有意义的比较。

较高的相关性值应对应于对称对象，而较低的相关性值应对应于非对称对象。

将此代码运行到一些对称和非对称的示例中，并检查compare_val值。您应该能够找到一个将两者分开的阈值。

Answer 2

这是我要解决的问题的方法：

测量每个半径到中心的距离
将测量分为两组（0到180、180到360）
获取两组的平均值，然后进行比较以查看它们是否在误差范围内相等。
将分组拆分旋转1度，然后重试，直到达到179度
检查返回的拆分是否在边距内相等。

您可能需要调整等距以找到可以接受的准确范围。

此外，您可能必须定额检查旋转，以查看x旋转是否在边距内相等，然后对称。

您可能还需要将其划分为多个象限，而不是一半，以等待要检查对称性的轴数。

如何使用opencv-python识别图像的形状是对称还是不对称？

2 个答案: