7

我尝试比较两个图像并使用 Hu 矩比较从这些图像中提取的轮廓：https ://docs.google.com/file/d/0ByS6Z5WRz-h2WHEzNnJucDlRR2s/edit和https://docs.google.com/file/ d/0ByS6Z5WRz-h2VnZyVWRRWEFva0k/edit 第二个图像与第一个图像相同，只是它被旋转了，我期望结果相同。它们有点不同。

右侧的幽默标志（第一张图片）：

[[  6.82589151e-01]
[  2.06816713e-01]
[  1.09088295e-01]
[  5.30020870e-03]
[ -5.85888607e-05]
[ -6.85171823e-04]
[ -1.13181280e-04]]

右侧的幽默标志（第二张图片）：

[[  6.71793060e-01]
[  1.97521128e-01]
[  9.15619847e-02]
[  9.60179567e-03]
[ -2.44655863e-04]
[ -2.68791106e-03]
[ -1.45592441e-04]]

在这段视频中：http ://www.youtube.com/watch?v= O-hCEXi3ymU 在第 4 分钟我看到他获得了完全相同的结果。我哪里错了？

这是我的代码：

nomeimg = "Sassatelli 1984 ruotato.jpg"
#nomeimg = "Sassatelli 1984 n. 165 mod1.jpg"
img = cv2.imread(nomeimg)

gray = cv2.imread(nomeimg,0)
ret,thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY_INV) 
element = cv2.getStructuringElement(cv2.MORPH_CROSS,(4,4))
imgbnbin = thresh
imgbnbin = cv2.dilate(imgbnbin, element)

#find contour
contours,hierarchy=cv2.findContours(imgbnbin,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

#Elimination small contours
Areacontours = list()
    area = cv2.contourArea(contours[i])
    if (area > 90 ):
        Areacontours.append(contours[i])
contours = Areacontours

print('found objects')
print(len(contours))

#contorus[3] for sing in first image
#contours[0] for sign in second image
print("humoments")
mom = cv2.moments(contours[0])
Humoments = cv2.HuMoments(mom)
print(Humoments)
4

1 回答 1

15

我认为您的数字可能还可以，它们之间的差异很小。正如那个人在您链接到的视频中所说的那样（大约 3 分钟）：

为了得到一些有意义的答案，我们进行了对数转换

因此，如果我们-np.sign(a)*np.log10(np.abs(a))对您在上面发布的数据进行处理，我们会得到：

第一张图片：

[[ 0.16584062]
 [ 0.68441437]
 [ 0.96222185]
 [ 2.27570703]
 [-4.23218495]
 [-3.16420051]
 [-3.9462254 ]]

第二张图片：

[[ 0.17276449]
 [ 0.70438644]
 [ 1.0382848 ]
 [ 2.01764754]
 [-3.61144437]
 [-2.57058511]
 [-3.83686117]]

它们不相同的事实是可以预料的。您从光栅化图像开始，然后对这些图像进行大量处理以获得您传入的一些轮廓。

来自opencv 文档：

在光栅图像的情况下，原始图像和变换图像的计算 Hu 不变量有点不同。

于 2013-01-24T12:29:33.270 回答