如何做网站的登录注册,php开源企业网站系统,服务器在国外怎样做网站镜像,高价词网站源码注意#xff1a;新版本的opencv 4 已经没有这个函数 cv2.createShapeContextDistanceExtractor() 形状场景算法是一种用于比较轮廓或形状的方法。这种算法通常用于计算两个形状之间的相似性或差异性#xff0c;以及找到最佳的匹配方式。 下面是一种基本的比较轮廓的流程…注意新版本的opencv 4 已经没有这个函数 cv2.createShapeContextDistanceExtractor() 形状场景算法是一种用于比较轮廓或形状的方法。这种算法通常用于计算两个形状之间的相似性或差异性以及找到最佳的匹配方式。 下面是一种基本的比较轮廓的流程使用了形状场景算法 数据准备 首先你需要准备两个形状的轮廓数据。轮廓可以表示为一系列的点坐标或者更高级的表示方法比如参数化的曲线等。 特征提取 对于每个形状你可以使用形状描述符或特征提取算法将轮廓数据转化为一组能够表征形状的数值特征。这些特征可以是形状的曲率、长度、角度等等。 相似性度量 选择一个相似性度量方法来比较两个形状的特征。常见的方法包括欧氏距离、曼哈顿距离、余弦相似度等。这些度量方法将两个形状的特征转化为一个相似性分数分数越高表示形状越相似。 匹配与优化 如果你想要找到最佳的形状匹配可以使用优化算法来调整一个形状以使其与另一个形状更加相似。这可能涉及到形状的缩放、旋转、平移等变换。 可视化与解释 最后你可以可视化两个形状展示它们的相似性以及在匹配过程中发生的变化。这可以通过绘制形状、展示变换等方式来实现。 需要注意的是形状场景算法的选择取决于你所处理的具体问题和数据。不同的算法可能在不同的场景下表现更佳。一些常用的形状比较算法包括基于轮廓匹配的方法如Frechet距离、Hausdorff距离、基于特征的方法如傅里叶描述符、轮廓矢量化等、基于统计的方法如Procrustes分析等。 最终选择适合你问题需求的方法并根据实际情况进行调整和优化以得到准确的形状比较结果。
利用形状场景算法比较轮廓与Hu 矩的区别
形状场景算法和Hu矩都是用于比较轮廓或形状的方法但它们基于不同的原理和特征表示。
下面是它们之间的区别
1. 原理和特征表示 形状场景算法 形状场景算法基于整个形状的轮廓信息通常通过提取一系列特征点的坐标来表示轮廓然后计算这些特征点之间的几何关系、曲率等信息。这些算法可以比较两个形状之间的形状变化、缩放、旋转等变换。 Hu矩 Hu矩是一组与形状相关的不变矩用于描述对象的整体形状特征。它们通过对轮廓的几何矩进行变换和归一化得到。Hu矩是一种用于表示形状的紧凑形式能够在一定程度上保持形状的平移、旋转和缩放不变性。
2. 不变性 形状场景算法 形状场景算法通常对形状的几何变换比较敏感因此可能需要进行额外的处理来考虑形状的平移、旋转和缩放等变换。 Hu矩 Hu矩被设计用于保持一定的形状不变性它们对于平移、旋转和缩放都具有一定程度的不变性。这使得Hu矩在某些形状匹配和识别任务中非常有用。
3. 适用领域 形状场景算法 形状场景算法适用于需要考虑形状变换以及局部特征的情况。例如可以用于比较两个形状的整体结构和曲率变化。 Hu矩 Hu矩适用于需要保持形状不变性的场景例如对象识别、图像检索等。它们能够在一定程度上解决形状的旋转、平移和缩放变化对比较造成的影响。
OpenCV 提供了使用“距离”作为形状比较的度量标准。这是因为形状之间的差异值和距离有相似之处比如二者都只能是零或者正数又比如当两个形状一模一样时距离值和差值都等于零。
OpenCV 提供了函数 cv2.createShapeContextDistanceExtractor()用于计算形状场景距离。
其使用的“形状上下文算法”在计算距离时在每个点上附加一个“形状上下文”描述符让每个点都能够捕获剩余点相对于它的分布特征从而提供全局鉴别特征。
函数 cv2.createShapeContextDistanceExtractor()的语法格式为 retval cv2.createShapeContextDistanceExtractor( [, nAngularBins[, nRadialBins[, innerRadius[, outerRadius[, iterations[, comparer[, transformer]]]]]]] ) 式中的返回值为 retval返回结果。 该结果可以通过函数 cv2.ShapeDistanceExtractor.computeDistance()计算两个不同形状之间的距离。此函数的语法格式为 retvalcv2.ShapeDistanceExtractor.computeDistance(contour1, contour2) 式中coutour1 和 coutour2 是不同的轮廓。
函数 cv2.createShapeContextDistanceExtractor()的参数都是可选参数
nAngularBins为形状匹配中使用的形状上下文描述符建立的角容器的数量。nRadialBins为形状匹配中使用的形状上下文描述符建立的径向容器的数量。innerRadius形状上下文描述符的内半径。outerRadius形状上下文描述符的外半径。iterations迭代次数。comparer直方图代价提取算子。该函数使用了直方图代价提取仿函数可以直接采用 直方图代价提取仿函数的算子作为参数。transformer形状变换参数。
示例使用函数 cv2.createShapeContextDistanceExtractor()计算形状场景距离。
import cv2
#-----------原始图像 o1 的边缘--------------------
o1 cv2.imread(cs.bmp)
cv2.imshow(original1,o1)
gray1 cv2.cvtColor(o1,cv2.COLOR_BGR2GRAY)
ret, binary1 cv2.threshold(gray1,127,255,cv2.THRESH_BINARY)
contours1, hierarchy cv2.findContours(binary1,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)cnt1 contours1[0]
#-----------原始图像 o2 的边缘--------------------
o2 cv2.imread(cs3.bmp)
cv2.imshow(original2,o2)
gray2 cv2.cvtColor(o2,cv2.COLOR_BGR2GRAY)
ret, binary2 cv2.threshold(gray2,127,255,cv2.THRESH_BINARY)
contours2, hierarchy cv2.findContours(binary2,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)cnt2 contours2[0]
#-----------原始图像 o3 的边缘--------------------
o3 cv2.imread(hand.bmp)
cv2.imshow(original3,o3)
gray3 cv2.cvtColor(o3,cv2.COLOR_BGR2GRAY)
ret, binary3 cv2.threshold(gray3,127,255,cv2.THRESH_BINARY)
contours3, hierarchy cv2.findContours(binary3,cv2.RETR_LIST,
cv2.CHAIN_APPROX_SIMPLE)
cnt3 contours3[0]#-----------构造距离提取算子--------------------
sd cv2.createShapeContextDistanceExtractor()#-----------计算距离--------------------
d1 sd.matchShapes(cnt1,cnt1)
print(与自身的距离 d1, d1)
d2 sd.matchShapes(cnt1,cnt2)
print(与旋转缩放后的自身图像的距离 d2, d2)
d3 sd.matchShapes(cnt1,cnt3)
print(与不相似对象的距离 d3, d3)cv2.waitKey()
cv2.destroyAllWindows()
运行后报错
