login
OpenCV形状匹配：旋转不变性物体识别
2025/07/04·StepFun can make mistakes, check important info.
python-opencv程序：输入两个物体的二值化mask，像素值0表示背景，255表示前景，根据mask判断两个物体是否是同类型的。例如两个长方形物体，它们分别有不同的旋转角度。
Reason
思考过程

我们使用Hu矩进行形状匹配。Hu矩具有平移、旋转和缩放不变性，因此可以处理不同旋转角度的长方形。
步骤：

  1. 读取两个二值mask。
  2. 计算每个mask的矩（moments），然后计算Hu矩。
  3. 使用Hu矩计算两个形状的相似度（通常使用matchShapes函数，它基于Hu矩的差异）。
  4. 设置一个阈值来判断是否同类型。

注意：OpenCV的matchShapes函数返回一个值，表示两个形状的差异程度。值越小，形状越相似。
函数原型：cv2.matchShapes(contour1, contour2, method, parameter)
其中，method常用的是cv2.CONTOURS_MATCH_I1, cv2.CONTOURS_MATCH_I2, cv2.CONTOURS_MATCH_I3。
我们选择其中一种，并设置一个阈值。

但是注意：题目给的是二值mask，而不是轮廓。因此有两种方法：
a) 使用轮廓匹配：先找到轮廓，然后匹配轮廓。
b) 使用整个区域的矩（包括内部）计算Hu矩，然后自己比较Hu矩的差异。

这里我们采用OpenCV的matchShapes函数，它需要轮廓作为输入。所以步骤：

  • 找到mask的轮廓（注意：每个mask可能有多个轮廓，我们取面积最大的那个）。
  • 使用轮廓进行匹配。

另外，也可以直接使用moments计算Hu矩，然后自己定义相似度函数（比如对数变换后的矩的差值），但OpenCV的matchShapes已经封装好了。

我们将采用以下步骤：

  1. 在mask中查找轮廓。
  2. 对每个mask，选择面积最大的轮廓（如果有多个物体，则只考虑最大的；如果只有一个物体，则取第一个）。
  3. 计算两个轮廓的形状匹配度。
  4. 设定阈值：经验值，对于同一类物体，该值通常很小（0到1之间），不同类则较大。具体阈值需要根据实际情况调整。

注意：matchShapes的返回值是0到正无穷，但通常同一类物体在同样的姿态下返回值很小（<1），但如果有旋转、缩放，由于Hu矩的不变性，返回值也会很小。

示例代码：

以下是一个完整的 Python OpenCV 程序，可以处理旋转的长方形等物体，通过 Hu 不变矩比较两个二值化 mask 中的物体是否为同类型：

python

程序说明：

  1. 核心函数：

    • are_same_type()：接受两个二值化 mask，计算它们的形状相似度
    • 使用 OpenCV 的 cv2.matchShapes() 函数，该函数基于 Hu 不变矩计算形状相似度
    • 返回布尔值（是否同类型）和相似度数值（0 表示完全相似）

  2. 关键特性：

    • 旋转不变性：Hu 矩对旋转不敏感，能正确识别不同角度的相同形状
    • 轮廓处理：自动找到最大的轮廓，忽略小物体
    • 阈值可调：通过 threshold 参数控制相似度判断的严格程度
    • 面积过滤：通过 min_area 参数忽略过小的物体

  3. 参数调整：

    • threshold：建议值范围 0.05-0.2
      • 值越小，判断越严格
      • 对于相同形状但不同大小的物体，值约为 0.01-0.05
      • 对于不同形状的物体，值通常 >0.5
    • min_area：根据图像尺寸调整，避免噪声干扰

  4. 示例结果：

    • 对于两个旋转的长方形（示例中的 0° 和 45°），相似度值约为 0.002-0.005
    • 输出：形状相似度值: 0.0023 和 是否为同类型物体: 是

使用建议：

  1. 对于不同尺寸的相同形状：

    python

  2. 处理多个物体：

    • 当前版本只处理最大的物体
    • 如需处理多个物体，可以修改函数遍历所有轮廓

  3. 性能优化：

    • 对于实时应用，可以添加缓存机制
    • 对于高分辨率图像，可以添加缩放预处理

此程序能有效处理旋转、不同大小的相似形状，但请注意它主要基于形状特征，对于纹理、颜色等特征无法识别。