使用OpenCV识别相似（不完全相同）的简单图像？

15 浏览
0 Comments

使用OpenCV识别相似（不完全相同）的简单图像？

假设我有一个非常简单的图像或形状，比如这个简笔画的小人图案：\n\"enter\n我还有一个其他简单图像的库，我想将第一个图像与其进行比较，并确定最接近的匹配：\n\"enter\n注意，这两个小人图案并不完全相同，但相似度较高。\n我希望能够将第一个图像与我的图像库中的每个图像进行比较，直到找到一个相当接近的匹配。如果需要，我的图像库可以包含许多相同图像的变体，以帮助确定我拥有的图像类型。例如：\n\"enter\n我的问题是OpenCV是否能够实现这个功能？是否已经做过类似的工作，如果有的话，能否给我一些示例的方向？非常感谢您的帮助。\n编辑：通过搜索，我找到了许多人们比较图像的例子，甚至比较了被拉伸或扭曲的图像，例如：Checking images for similarity with OpenCV。不幸的是，正如您所看到的，我的图像不仅仅是相互平移（旋转/扭曲/拉伸）的版本-它们实际上是不同的图像，尽管它们非常相似。

0

3 答案

0 Comments

使用OpenCV来识别相似（不完全相同）的简单图像的问题通常出现在处理特定类型的图像时。为了解决这个问题，可以使用OpenCV中的moment和HuMoments函数来处理连接组件，而这些连接组件可以通过findContours函数来获取。

以下是解决该问题的一种方法：

import cv2
# 读取图像
image1 = cv2.imread('image1.jpg')
image2 = cv2.imread('image2.jpg')
# 将图像转换为灰度图像
gray_image1 = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)
gray_image2 = cv2.cvtColor(image2, cv2.COLOR_BGR2GRAY)
# 通过阈值处理获取二值图像
_, binary_image1 = cv2.threshold(gray_image1, 127, 255, cv2.THRESH_BINARY)
_, binary_image2 = cv2.threshold(gray_image2, 127, 255, cv2.THRESH_BINARY)
# 查找图像的连接组件
contours1, _ = cv2.findContours(binary_image1, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
contours2, _ = cv2.findContours(binary_image2, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 计算图像的HuMoments特征
moments1 = cv2.moments(contours1[0])
hu_moments1 = cv2.HuMoments(moments1).flatten()
moments2 = cv2.moments(contours2[0])
hu_moments2 = cv2.HuMoments(moments2).flatten()
# 计算图像的相似度
similarity = cv2.matchShapes(hu_moments1, hu_moments2, cv2.CONTOURS_MATCH_I1, 0)
# 输出相似度
print("Similarity:", similarity)

通过以上代码，我们可以使用OpenCV中的moment和HuMoments函数来计算图像的相似度。首先，我们读取并将图像转换为灰度图像，然后通过阈值处理获取二值图像。接下来，我们使用findContours函数找到图像的连接组件。然后，我们计算连接组件的HuMoments特征，并使用matchShapes函数来计算两个图像之间的相似度。最后，输出相似度。

使用这种方法，我们可以识别出相似但不完全相同的简单图像。

0
0 Comments

使用OpenCV识别相似但不完全相同的简单图像的原因是需要特征点检测和匹配。可以通过查阅OpenCV的以下文档来解决此问题：

特征点检测文档：

http://docs.opencv.org/doc/tutorials/features2d/feature_detection/feature_detection.html

特征匹配文档：

http://docs.opencv.org/doc/tutorials/features2d/feature_flann_matcher/feature_flann_matcher.html

以下为整理的文章：

使用OpenCV识别相似但不完全相同的简单图像

在某些情况下，我们需要识别相似但不完全相同的简单图像。为了实现这个目标，我们可以使用OpenCV库提供的特征点检测和匹配功能。

要解决这个问题，我们可以参考OpenCV的相关文档。特征点检测的文档提供了关于如何检测图像中的特征点的详细说明。我们可以通过以下链接访问该文档：http://docs.opencv.org/doc/tutorials/features2d/feature_detection/feature_detection.html

另外，特征匹配的文档提供了关于如何使用特征点进行图像匹配的详细说明。我们可以通过以下链接访问该文档：http://docs.opencv.org/doc/tutorials/features2d/feature_flann_matcher/feature_flann_matcher.html

通过阅读这些文档，我们可以了解如何使用OpenCV库中的特征点检测和匹配功能来实现相似图像的识别。这些功能可以帮助我们找到图像中的关键特征点，并将它们与其他图像中的特征点进行匹配。通过比较这些匹配的特征点，我们可以确定图像之间的相似度。

总结起来，使用OpenCV的特征点检测和匹配功能可以帮助我们识别相似但不完全相同的简单图像。我们可以通过阅读相关文档来了解如何使用这些功能，并根据匹配的特征点来确定图像之间的相似度。

0
0 Comments

使用OpenCV的特征模板匹配函数应该能够实现对相似但不完全相同的简单图像进行识别。你可以使用matchTemplate函数来查找特征，然后使用minMaxLoc来找到其位置。在OpenCV网站上可以查看有关matchTemplate的教程。

在图像稍微有些旋转的情况下，模板匹配是否可行？OpenCV文档和通过谷歌搜索得到的示例似乎都是使用方向相同的图像。

对于小范围的旋转（比如5-10度左右），应该是可行的，但超过这个范围可能不会得到非常好的结果。

0