Question

我想知道比较一组轮廓的最佳策略是什么，实际上是两个图片中的精确边缘检测的边缘，以便知道哪一对更相似。

我有这张图片：

http://i55.tinypic.com/10fe1y8.jpg

我想知道如何计算出哪一种最适合它：

http://i56.tinypic.com/zmxd13.jpg

（它应该是右边的那个）

有没有比较整体的轮廓？我可以轻松旋转图像，但我不知道使用哪些函数来计算右边的参考图像是最合适的。

这是我已经尝试过使用opencv：

matchShapes函数 - 我使用2个灰度图像尝试了这个函数，我总是在每个比较图像中得到相同的结果，并且值似乎是错误的，因为它是0,0002。

所以我对matchShapes有所了解，但我不确定这是正确的假设，是该函数适用于成对的轮廓而不是完整的图像。现在这是一个问题，因为虽然我有想要比较的图像的轮廓，但它们是数百个，我不知道哪些应该“配对”。

所以我也尝试将第一个图像的所有轮廓与其他两个轮廓进行比较，并使用进行迭代，但我可能会比较，例如，5的轮廓与圆形轮廓的对比两个参考图像而不是2个轮廓。

还试过简单的cv :: compare函数和matchTemplate，没有成功。

Answer 1

嗯，为此你有几个选择，取决于你需要多么强大的方法。

简单解决方案（假设）：

对于这些方法，我假设您提供的图像是您正在使用的图像（即，对象已经被分割并且大致相同的比例。此外，您将需要更正旋转（至少在粗略的方式。你可以做一些事情，比如每10,30,60或90度迭代旋转比较图像，或者你认为可以逃脱的粗糙度。

例如，

for(degrees = 10; degrees < 360; degrees += 10)
    coinRot = rotate(compareCoin, degrees)
    // you could also try Cosine Similarity, or even matchedTemplate here.
    metric = SAD(coinRot, targetCoin) 
    if(metric > bestMetric)
        bestMetric = metric
        coinRotation = degrees

Sum of Absolute Differences (SAD)：一旦确定了大致的旋转角度，这将允许您快速比较图像。
Cosine Similarity：将图像视为一维矢量，然后计算两个矢量之间的高维角度，这有点不同。匹配越好，角度越小。

复杂解决方案（可能更强大）：

这些解决方案实施起来会更复杂，但可能会产生更强大的分类。

Haussdorf Distance：此answer将向您介绍如何使用此方法。此解决方案可能还需要旋转校正才能正常工作。
Fourier-Mellin Transform：此方法是相位相关的扩展，可以提取两幅图像之间的旋转，缩放和平移（RST）变换。
Feature Detection and Extraction：该方法涉及检测图像中的“鲁棒”（即，尺度和/或旋转不变）特征，并将它们与具有RANSAC，LMedS或简单最小二乘的一组目标特征进行比较。 OpenCV在matcher_simple.cpp和matching_to_many_images.cpp中使用此技术有几个示例。 注意：使用此方法，您可能不希望对图像进行二值化，因此可以使用更多可检测的功能。

Opencv匹配轮廓图像

1 个答案:

简单解决方案（假设）：

复杂解决方案（可能更强大）：