Opencv match contour image

J'aimerais savoir quelle serait la meilleure stratégie pour comparer un groupe de contours, en fait, sont les bords résultant d'un savant bords de détection, à partir de deux images, afin de savoir quelle paire est de plus en plus semblables.

J'ai cette image:

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

Et je voudrais savoir comment puis-je calculer que l'un de ces qui convient le mieux pour elle:

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

(il doit être l'un sur la droite)

Est-il de toute façon à comparer les contours de l'ensemble?
Je peux facilement faire pivoter les images, mais je ne sais pas quelles sont les fonctions à utiliser pour calculer l'image de référence sur la droite est le meilleur ajustement.

Ici, c'est ce que j'ai déjà essayé d'utiliser opencv:

matchShapes la fonction, j'ai essayé cette fonction à l'aide de 2 niveaux de gris des images et j'ai toujours le même résultat à chaque comparaison de l'image et de la valeur semble mal car il est 0,0002.

Donc ce que j'ai réalisé sur matchShapes, mais je ne suis pas sûr que c'est la bonne hypothèse, est que la fonction fonctionne avec des paires de contours et pas plein d'images. Maintenant, c'est un problème parce que même si j'ai les contours des images, j'ai envie de comparer, ils sont des centaines, et je ne sais pas ceux qui devraient être "jumelés".

Donc, j'ai aussi essayé de comparer tous les contours de la première image ci-contre les deux autres avec un pour itération mais j'ai peut-être comparer,par exemple, le contour de l'5 contre le cercle de contour des deux images de référence et non pas le 2 contour.

Essayé aussi simple cv::fonction de comparaison et matchTemplate, aucun avec succès.

source d'informationauteur out_sid3r

  1. 17

    Bien, pour cela, vous avez deux options en fonction de la façon robuste vous avez besoin de votre approche.

    Solutions simples (avec des hypothèses):

    Pour ces méthodes, je suis en supposant que votre les images que vous avez fournies sont ce avec quoi vous travaillez (c'est à dire, les objets sont déjà segmenté et environ la même échelle. Aussi, vous aurez besoin de corriger la rotation (au moins dans une grossière). Vous pourriez faire quelque chose comme de manière itérative faire pivoter l'image de comparaison, tous les 10, 30, 60, ou 90 degrés, ou quelle que soit la grossièreté vous sentez que vous pouvez sortir avec.

    Par exemple,

    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
    • Somme des Différences Absolues (TRISTE): Cela vous permettra de comparer rapidement les images une fois que vous avez déterminé une évaluation approximative de l'angle de rotation.
    • Similarité Cosinus: Cela fonctionne un peu différemment par le traitement de l'image comme vecteur 1D, puis calcule la haute-dimensions de l'angle entre les deux vecteurs. Le meilleur le match le plus l'angle sera.

    Solutions complexes (peut-être plus robuste):

    Ces solutions seront plus complexes à mettre en œuvre, mais sera probablement plus robuste classifications.

    • Haussdorf Distance: Ce réponse vous donnera une introduction sur l'utilisation de cette méthode. Cette solution sera aussi probablement besoin de la correction de rotation pour fonctionner correctement.
    • La Transformée De Fourier-Mellin Transformer: Cette méthode est une extension de la Corrélation de Phase, qui permet d'extraire la rotation, l'échelle et la traduction (TVD) de transformation entre les deux images.
    • Fonction de Détection et d'Extraction: Cette méthode consiste à détecter les "solide" (c'est à dire, de l'échelle et/ou de rotation invariant) les fonctionnalités de l'image et en les comparant à un ensemble d'entités cible avec RANSAC, LMedS, ou simple des moindres carrés. OpenCV a un couple d'échantillons à l'aide de cette technique dans matcher_simple.cpp et matching_to_many_images.cpp. REMARQUE: Avec cette méthode, vous aurez probablement pas envie de binariser l'image, alors il y a plus détectable fonctionnalités disponibles.