pic 用c#和emgucv实现了hough变换检测圆和最大类间方差和k均值聚类分割图像，k 的 Special Effects 图形
238万源代码下载-
&文件名称: pic
& & & & &&]
&&所属分类:
&&开发工具: C#
&&文件大小: 24762 KB
&&上传时间:
&&下载次数: 14
&&提 供 者:
&详细说明：用c#和emgucv实现了hough变换检测圆和最大类间方差和k均值聚类分割图像，k均值聚类的函数可填写分类数和迭代次数的阈值，而且是基于灰度的。（ps：函数都是自己实现的，但是读取图片信息用的是emgucv自带的函数）-With c# and emgucv achieved between hough transform circle detection and maximum variance and k-means clustering image segmentation, the function k-means clustering and can fill in the number of iterations of the classification threshold, and is based on gray. (Ps: function and realize their own, but reading the image information using a emgucv built-in function)
文件列表(点击判断是否您需要的文件，如果是垃圾请在下面评价投诉):
&&第二次图像处理作业\emgucvTest\App.config&&..................\..........\bin\Debug\cudart32_55.dll&&..................\..........\...\.....\cvextern.dll&&..................\..........\...\.....\Emgu.CV.dll&&..................\..........\...\.....\Emgu.CV.ML.dll&&..................\..........\...\.....\Emgu.CV.ML.xml&&..................\..........\...\.....\Emgu.CV.UI.dll&&..................\..........\...\.....\Emgu.CV.UI.xml&&..................\..........\...\.....\Emgu.CV.xml&&..................\..........\...\.....\Emgu.Util.dll&&..................\..........\...\.....\Emgu.Util.xml&&..................\..........\...\.....\emgucvTest.exe&&..................\..........\...\.....\emgucvTest.exe.config&&..................\..........\...\.....\emgucvTest.pdb&&..................\..........\...\.....\emgucvTest.vshost.exe&&..................\..........\...\.....\emgucvTest.vshost.exe.config&&..................\..........\...\.....\emgucvTest.vshost.exe.manifest&&..................\..........\...\.....\nppc32_55.dll&&..................\..........\...\.....\nppi32_55.dll&&..................\..........\...\.....\npps32_55.dll&&..................\..........\...\.....\opencv_calib3d290.dll&&..................\..........\...\.....\opencv_contrib290.dll&&..................\..........\...\.....\opencv_core290.dll&&..................\..........\...\.....\opencv_features2d290.dll&&..................\..........\...\.....\opencv_flann290.dll&&..................\..........\...\.....\opencv_highgui290.dll&&..................\..........\...\.....\opencv_imgproc290.dll&&..................\..........\...\.....\opencv_legacy290.dll&&..................\..........\...\.....\opencv_ml290.dll&&..................\..........\...\.....\opencv_nonfree290.dll&&..................\..........\...\.....\opencv_objdetect290.dll&&..................\..........\...\.....\opencv_video290.dll&&..................\..........\...\.....\ZedGraph.dll&&..................\..........\emgucvTest2.csproj&&..................\..........\Form1.cs&&..................\..........\Form1.Designer.cs&&..................\..........\Form1.resx&&..................\..........\obj\Debug\DesignTimeResolveAssemblyReferences.cache&&..................\..........\...\.....\DesignTimeResolveAssemblyReferencesInput.cache&&..................\..........\...\.....\emgucvTest.csproj.FileListAbsolute.txt&&..................\..........\...\.....\emgucvTest.csproj.GenerateResource.Cache&&..................\..........\...\.....\emgucvTest.csprojResolveAssemblyReference.cache&&..................\..........\...\.....\emgucvTest.exe&&..................\..........\...\.....\emgucvTest.Form1.resources&&..................\..........\...\.....\emgucvTest.pdb&&..................\..........\...\.....\emgucvTest.Properties.Resources.resources&&..................\..........\...\.....\emgucvTest2.csproj.FileListAbsolute.txt&&..................\..........\...\.....\emgucvTest2.csproj.GenerateResource.Cache&&..................\..........\...\.....\emgucvTest2.Form1.resources&&..................\..........\...\.....\emgucvTest2.Properties.Resources.resources&&..................\..........\...\.....\TemporaryGeneratedFile_036C0B5B-D20-8F5ADCB23D92.cs&&..................\..........\...\.....\TemporaryGeneratedFile_e60-b-f7221da3dda1.cs&&..................\..........\...\.....\TemporaryGeneratedFile_E7A71F73-0F8D-4B9B-B56E-8E70B10BC5D3.cs&&..................\..........\...\.....\....PE\Properties.Resources.Designer.cs.dll&&..................\..........\Program.cs&&..................\..........\...perties\AssemblyInfo.cs&&..................\..........\..........\Resources.Designer.cs&&..................\..........\..........\Resources.resx&&..................\..........\..........\Settings.Designer.cs&&..................\..........\..........\Settings.settings&&..................\emgucvTest2.sln&&..................\emgucvTest2.suo&&..................\emgucvTest2.v11.suo&&..................\t1.png&&..................\t2.jpg&&..................\test2.png&&..................\test3.png&&..................\emgucvTest\obj\Debug\TempPE&&..................\..........\bin\Debug&&..................\..........\obj\Debug&&..................\..........\bin&&..................\..........\obj&&..................\..........\Properties&&..................\emgucvTest&&第二次图像处理作业
&近期下载过的用户:
&输入关键字，在本站238万海量源码库中尽情搜索：
&[] - c#下实现图像颜色k均值聚类
将像素点颜色分类并合并
&[] - C#+EmguCV+OpenCV实现视频截图、图片拼接功能
&[] - 基于opencv的OCR，字符识别，含有待训练的手写字符。
&[] - 出租福彩3D平台源码（+Q），天爵网络工作室（）为您提供贴心服务，主营业务出租福彩3D平台源码，福彩3D程序源码架设，下载福彩3D平台源码！ 现金网跟信誉网皆可开发,第三方支付平台安全稳定,会员数据实时备份，实线虚线多线开发，24
&[] - hough变换检测直线和圆，运用hough变换原理检测出来
&[] - 用emgucv结合c#编写 包括hough线变换 hough圆变换
基于vs2010开发环境
&[] - 该函数用于对检测图像中的直线。要求目标图像为只有0和255两个灰度值的灰度图像。
&[] - 基于matlab的lpc分析，即线性预测。分析较为全面，且测试通过。
&[] - 基于EmguCV的人脸检测！！非常简单的一个程序，很容易看懂！基于EmguCV的人脸检测！！非常简单的一个程序，很容易看懂！作者：王先荣
前言&&& 轮廓是构成任何一个形状的边界或外形线。前面讲了如何根据色彩及色彩的分布（直方图对比和模板匹配）来进行匹配，现在我们来看看如何利用物体的轮廓。包括以下内容：轮廓的查找、表达方式、组织方式、绘制、特性、匹配。
&查找轮廓&&& 首先我们面对的问题是如何在图像中找到轮廓，OpenCv(EmguCv)为我们做了很多工作，我们的任务只是调用现成的函数而已。Image&TColor,TDepth&类的FindContours方法可以很方便的查找轮廓，不过在查找之前，我们需要将彩色图像转换成灰度图像，然后再将灰度图像转换成二值图像。代码如下所示：
Image&Bgr, Byte& imageSource = new Image&Bgr, byte&(sourceImageFileName);
//获取源图像Image&Gray, Byte& imageGray = imageSource.Convert&Gray, Byte&();
//将源图像转换成灰度图像int thresholdValue = tbThreshold.V
//用于二值化的阀值Image&Gray, Byte& imageThreshold = imageGray.ThresholdBinary(new Gray(thresholdValue), new Gray(255d)); //对灰度图像二值化Contour&Point& contour=imageThreshold.FindContours();
轮廓的表达方式&&& 使用上面的代码可以得到图像的默认轮廓，但是轮廓在电脑中是如何表达的呢？在OpenCv(EmguCv)中提供了两类表达轮廓的方式：顶点的序列、Freeman链码。
1.顶点的序列&&& 用多个顶点（或各点间的线段）来表达轮廓。假设要表达一个从(0,0)到(2,2)的矩形，（1）如果用点来表示，那么依次存储的可能是：(0,0),(1,0),(2,0),(2,1),(2,2),(1,2),(0,2),(0,1)；（2）如果用点间的线段来表达轮廓，那么依次存储的可能是：(0,0),(2,0),(2,2),(0,2)。以下代码可以用来获取轮廓上的点：
for (int i = 0; i & contour.T i++)
sbContour.AppendFormat("{0},", contour[i]);
&2.Freeman链码&&& Freeman链码需要一个起点，以及从起点出发的一系列位移。每个位移有8个方向，从0～7分别指向从正北开始的8个方向。假设要用Freeman链码表达从(0,0)到(2,2)的矩形，可能的表示方法是：起点(0,0),方向链2,2,4,4,6,6,0,0。&&& EmguCv对Freeman链码的支持很少，我们需要做一系列的工作才能在.net中使用Freeman链码：（1）获取Freeman链码
查找用Freeman链码表示的轮廓
//查找用Freeman链码表示的轮廓Image&Gray,Byte& imageTemp=imageThreshold.Copy();IntPtr storage = CvInvoke.cvCreateMemStorage(0);IntPtr ptrFirstChain = IntPtr.Zint total = CvInvoke.cvFindContours(imageTemp.Ptr, storage, ref ptrFirstChain, sizeof(MCvChain), mode, CHAIN_APPROX_METHOD.CV_CHAIN_CODE, new Point(0, 0));
（2）遍历Freeman链码上的点
读取Freeman链码上的点
//初始化Freeman链码读取[DllImport("cv200.dll")]public static extern void cvStartReadChainPoints(IntPtr ptrChain,IntPtr ptrReader);//读取Freeman链码的点[DllImport("cv200.dll")]public static extern Point cvReadChainPoint(IntPtr ptrReader);[System.Runtime.InteropServices.StructLayoutAttribute(System.Runtime.InteropServices.LayoutKind.Sequential, CharSet = System.Runtime.InteropServices.CharSet.Ansi)]//定义链码读取结构public struct MCvChainPtReader{
//seqReader
public MCvSeqReader seqR
public byte
/// POINT-&tagPOINT
/// char[16]
[System.Runtime.InteropServices.MarshalAsAttribute(System.Runtime.InteropServices.UnmanagedType.ByValTStr, SizeConst = 16)]
public string}//将链码指针转换成结构MCvChain chain=(MCvChain)Marshal.PtrToStructure(ptrChain,typeof(MCvChain));//定义存放链码上点的列表List&Point& pointList = new List&Point&(chain.total);//链码读取结构MCvChainPtReader chainReader = new MCvChainPtReader();IntPtr ptrReader = Marshal.AllocHGlobal(sizeof(MCvSeqReader) + sizeof(byte) + sizeof(Point) + 16 * sizeof(byte));Marshal.StructureToPtr(chainReader, ptrReader, false);//开始读取链码cvStartReadChainPoints(ptrChain, ptrReader);int i = 0;while (ptrReader != IntPtr.Zero && i & chain.total){
//依次读取链码上的每个点
Point p = cvReadChainPoint(ptrReader);
if (ptrReader == IntPtr.Zero)
pointList.Add(p);
sbChain.AppendFormat("{0},", p);
}}imageResult.DrawPolyline(pointList.ToArray(), true, new Bgr(lblExternalColor.BackColor), 2);
&&& 需要注意的是：cvReadChainPoint函数似乎永远不会满足循环终止的条件，即ptrReader永远不会被置为null，这跟《学习OpenCv》和参考上不一致；我们需要用chain.total来辅助终止循环，读取了所有的点之后就可以罢手了。
轮廓之间的组织方式&&& 在查找到轮廓之后，不同轮廓是怎么组织的呢？根据不同的选择，它们可能是：（1）列表；（2）双层结构；（3）树型结构。&&& 从纵向上来看，列表只有一层，双层结构有一或者两层，树型结构可能有一层或者多层。&&& 如果要遍历所有的轮廓，可以使用递归的方式，代码如下：
//遍历轮廓，并生成遍历结果
private void TravelContour(Contour&Point& contour,ref int total,ref StringBuilder sbContour)
if (contour != null)
sbContour.Append("------------------------\r\n");
sbContour.AppendFormat("轮廓{0}，右节点：{1}，下级节点：{2}，外接矩形：（{3}）\r\n", total, contour.HNext != null, contour.VNext != null, contour.BoundingRectangle);
sbContour.AppendFormat("包含{0}个点（面积：{1}，周长：{2}）：\r\n", contour.Total, contour.Area, contour.Perimeter);
for (int i = 0; i & contour.T i++)
sbContour.AppendFormat("{0},", contour[i]);
sbContour.Append("\r\n");
if (contour.HNext != null)
TravelContour(contour.HNext, ref total, ref sbContour);
if (contour.VNext != null)
TravelContour(contour.VNext, ref total, ref sbContour);
轮廓的绘制&&& 轮廓的绘制比较简单，用上面提到的方法取得轮廓的所有点，然后把这些点连接成一个多边形即可。&&& 当然，对于用顶点序列表示的轮廓，用Image&TColor,TDepth&.Draw方法或者cvDrawContours函数可以很方便的绘制出轮廓。我发现，如果将参数max_level设置成2，可以绘制出所有的轮廓。&&& 绘制轮廓的代码如下：
Image&Bgr, Byte& imageResult = imageThreshold.Convert&Bgr, Byte&();
//结果图像int maxLevel = 0;
//绘制的轮廓深度int.TryParse(txtMaxLevel.Text, out maxLevel);imageResult.Draw(contour, new Bgr(lblExternalColor.BackColor), new Bgr(lblHoleColor.BackColor), maxLevel, 2);
轮廓的特性&&& 轮廓的特性有很多，下面一一介绍。
1.轮廓的多边形逼近&&& 轮廓的多边形逼近指的是：使用多边形来近似表示一个轮廓。&&& 多边形逼近的目的是为了减少轮廓的顶点数目。&&& 多边形逼近的结果依然是一个轮廓，只是这个轮廓相对要粗旷一些。&&& 可以使用Contour&Point&.ApproxPoly方法或者cvApproxyPoly函数来对轮廓进行多边形逼近，示例代码如下：
contour = firstContour.ApproxPoly(double.Parse(txtApproxParameter.Text), 2, new MemStorage());
2.轮廓的关键点&&& 轮廓的关键点是：轮廓上包含曲线信息比较多的点。关键点是轮廓顶点的子集。&&& 可以使用cvFindDominantPoints函数来获取轮廓上的关键点，该函数返回的结果一个包含 关键点在轮廓顶点中索引 的序列。再次强调：是索引，不是具体的点。如果要得到关键点的具体坐标，可以用索引到轮廓上去找。&&& 以下代码演示了如何获取轮廓上的关键点：
轮廓的关键点
//得到关键点信息
private void GetDominantPointsInfo(Contour&Point& contour, ref StringBuilder sbContour, ref Image&Bgr, Byte& imageResult, double parameter1, double parameter2, double parameter3, double parameter4, Bgr dominantPointColor)
if (contour.Total & 2)
MemStorage storage = new MemStorage();
IntPtr ptrSeq = cvFindDominantPoints(contour.Ptr, storage.Ptr, (int)CV_DOMINANT.CV_DOMINANT_IPAN, parameter1, parameter2, parameter3, parameter4);
Seq&int& seq = new Seq&int&(ptrSeq, storage);
sbContour.AppendFormat("{0}个关键点：\r\n", seq.Total);
for (int i = 0; i & seq.T i++)
int idx = seq[i];
//关键点序列中存储的数据 是 关键点在轮廓中所处位置的索引
Point p = contour[idx];
//得到关键点的坐标
sbContour.AppendFormat("{0}({1},{2}),", idx, p.X, p.Y);
imageResult.Draw(new CircleF(new PointF(p.X, p.Y), 3), dominantPointColor, -1);
sbContour.Append("\r\n");
catch (CvException ex)
sbContour.AppendFormat("在获取关键点时发生异常，错误描述：{0}，错误源：{1}，错误堆栈：{2}\r\n错误文件：{3}，函数名：{4}，行：{5}，错误内部描述：{6}\r\n", ex.Message, ex.Source, ex.StackTrace, ex.FileName, ex.FunctionName, ex.Line, ex.ErrorStr);
catch (Exception e)
sbContour.AppendFormat("在获取关键点时发生异常，错误描述：{0}，错误源：{1}，错误堆栈：{2}\r\n", e.Message, e.Source, e.StackTrace);
storage.Dispose();
3.轮廓的周长和面积&&& 轮廓的周长可以用Contour&Point&.Perimeter属性或者cvArcLength函数来获取。&&& 轮廓的面积可以用Contour&Point&.Area属性或者cvContourArea函数来获取。
4.轮廓的边界框&&& 有三种常见的边界框：矩形、圆形、椭圆。&&& （1）矩形：在图像处理系统中提供了一种叫Rectangle的矩形，不过它只能表达边垂直或水平的特例；OpenCv中还有一种叫Box的矩形，它跟数学上的矩形一致，只要4个角是直角即可。&&& 如果要获取轮廓的Rectangle，可以使用Contour&Point&.BoundingRectangle属性或者cvBoundingRect函数。&&& 如果要获取轮廓的Box，可以使用Contour&Point&.GetMinAreaRect方法或者cvMinAreaRect2函数。&&& （2）圆形&&& 如果要获取轮廓的圆形边界框，可以使用cvMinEnclosingCircle函数。&&& （3）椭圆&&& 如果要获取轮廓的椭圆边界框，可以使用cvFitEllipse2函数。&&& 下列代码演示了如何获取轮廓的各种边界框：
轮廓的边界框
//得到边界框信息
private void GetEdgeInfo(Contour&Point& contour, string edge, ref StringBuilder sbContour, ref Image&Bgr, Byte& imageResult, Bgr edgeColor)
if (edge == "Rect")
imageResult.Draw(contour.BoundingRectangle, edgeColor, 2);
else if (edge == "MinAreaRect")
//最小矩形
MCvBox2D box = CvInvoke.cvMinAreaRect2(contour.Ptr, IntPtr.Zero);
PointF[] points = box.GetVertices();
Point[] ps = new Point[points.Length];
for (int i = 0; i & points.L i++)
ps[i] = new Point((int)points[i].X, (int)points[i].Y);
imageResult.DrawPolyline(ps, true, edgeColor, 2);
else if (edge == "Circle")
CvInvoke.cvMinEnclosingCircle(contour.Ptr, out center, out radius);
imageResult.Draw(new CircleF(center, radius), edgeColor, 2);
if (contour.Total &= 6)
MCvBox2D box = CvInvoke.cvFitEllipse2(contour.Ptr);
imageResult.Draw(new Ellipse(box), edgeColor, 2);
sbContour.Append("轮廓点数小于6，不能创建外围椭圆。\r\n");
5.轮廓的矩&&& 我们可以使用Contour&Point&.GetMoments方法或者cvMoments函数方便的得到轮廓的矩集，然后再相应的方法或函数获取各种矩。&&& 特定的矩：MCvMoments.GetSpatialMoment方法、cvGetSpatialMoment函数&&& 中心矩：MCvMoments.GetCentralMoment方法、cvGetCentralMoment函数&&& 归一化中心矩：MCvMoments.GetNormalizedCentralMoment方法、cvGetNormalizedCentralMoment函数&&& Hu矩：MCvMoments.GetHuMoment方法、McvHuMoments.hu1～hu7字段、cvGetHuMoments函数&&& 以下代码演示了如何获取轮廓的矩：
//得到各种矩的信息
private void GetMomentsInfo(Contour&Point& contour, ref StringBuilder sbContour)
MCvMoments moments = contour.GetMoments();
//遍历各种情况下的矩、中心矩及归一化矩，必须满足条件：xOrder&=0; yOrder&=0; xOrder+yOrder&=3;
for (int xOrder = 0; xOrder &= 3; xOrder++)
for (int yOrder = 0; yOrder &= 3; yOrder++)
if (xOrder + yOrder &= 3)
double spatialMoment = moments.GetSpatialMoment(xOrder, yOrder);
double centralMoment = moments.GetCentralMoment(xOrder, yOrder);
double normalizedCentralMoment = moments.GetNormalizedCentralMoment(xOrder, yOrder);
sbContour.AppendFormat("矩（xOrder：{0}，yOrder：{1}），矩：{2:F09}，中心矩：{3:F09}，归一化矩：{4:F09}\r\n", xOrder, yOrder, spatialMoment, centralMoment, normalizedCentralMoment);
MCvHuMoments huMonents = moments.GetHuMoment();
sbContour.AppendFormat("Hu矩 h1：{0:F09}，h2：{1:F09}，h3：{2:F09}，h4：{3:F09}，h5：{4:F09}，h6：{5:F09}，h7：{6:F09}\r\n", huMonents.hu1, huMonents.hu2, huMonents.hu3, huMonents.hu4, huMonents.hu5, huMonents.hu6, huMonents.hu7);
6.轮廓的轮廓树&&& 轮廓树用来描述某个特定轮廓的内部特征。注意：轮廓树跟轮廓是一一对应的关系；轮廓树不用于描述多个轮廓之间的层次关系。&&& 可以用函数cvCreateContourTree来构造轮廓树。
IntPtr ptrTree1 = CvInvoke.cvCreateContourTree(contour1.Ptr, new MemStorage().Ptr, thresholdOfCreate);
&7.轮廓的凸包和凸缺陷&&& 轮廓的凸包和凸缺陷用于描述物体的外形。凸包和凸缺陷很容易获得，不过我目前不知道它们到底怎么使用。&&& 如果要判断轮廓是否是凸的，可以用Contour&Point&.Convex属性和cvCheckContourConvexity函数。&&& 如果要获取轮廓的凸包，可以用Contour&Point&.GetConvexHull方法或者cvConvexHull2函数，返回的是包含顶点的序列。&&& 如果要获取轮廓的凸缺陷，可以用Contour&Point&.GetConvexityDefacts方法或者cvConvexityDefects函数。&&& 注意：EmguCv将缺陷的单词拼写错了，defect才是缺陷。&&& 以下代码演示了如何获取轮廓的凸包及凸缺陷：
轮廓的凸包和凸缺陷
//得到凸包及缺陷信息
private void GetConvexInfo(Contour&Point& contour,ref StringBuilder sbContour,ref Image&Bgr,Byte& imageResult)
if (!contour.Convex)
//判断轮廓是否为凸
Seq&Point& convexHull = contour.GetConvexHull(ORIENTATION.CV_CLOCKWISE);
Seq&MCvConvexityDefect& defects = contour.GetConvexityDefacts(new MemStorage(), ORIENTATION.CV_CLOCKWISE);
//显示信息
sbContour.AppendFormat("轮廓的凸包有{0}个点，依次为：", convexHull.Total);
Point[] points = new Point[convexHull.Total];
for (int i = 0; i & convexHull.T i++)
Point p = convexHull[i];
points[i] =
sbContour.AppendFormat("{0},", p);
sbContour.Append("\r\n");
imageResult.DrawPolyline(points, true, new Bgr(lblConvexColor.BackColor), 2);
MCvConvexityD
sbContour.AppendFormat("轮廓有{0}个缺陷，依次为：\r\n", defects.Total);
for (int i = 0; i & defects.T i++)
defect = defects[i];
sbContour.AppendFormat("缺陷：{0}，起点：{1}，终点：{2}，最深的点：{3}，深度：{4}\r\n", i, defect.StartPoint, defect.EndPoint, defect.DepthPoint, defect.Depth);
sbContour.Append("轮廓是凸的，凸包和轮廓一样。\r\n");
&8.轮廓的成对几何直方图&&& 成对几何直方图的资料比较少，我是这么理解的。&&& （1）轮廓保存的是一系列的顶点，轮廓是由一系列线段组成的多边形。对于看起来光滑的轮廓（例如圆），只是线段条数比较多，线段长度比较短而已。实际上，电脑中显示的任何曲线都由线段组成。&&& （2）每两条线段之间都有一定的关系，包括它们（或者它们的延长线）之间的夹角，两条线段的夹角范围是：(0,180)。&&& （3）每两条线段上的点之间还有距离关系，包括最短（小）距离、最远（大）距离，以及平均距离。最大距离我用了一个偷懒的计算方法，我把轮廓外界矩形的对角线长度看作了最大距离。&&& （4）成对几何直方图所用的统计数据包括了夹角和距离。&&& 可以用函数cvCalcPGH来计算轮廓的成对几何直方图，示例代码如下：
轮廓的成对几何直方图
//生成成对几何直方图
Rectangle rect1 = contour1.BoundingR
float maxDist1 = (float)Math.Sqrt(rect1.Width * rect1.Width + rect1.Height * rect1.Height); //轮廓的最大距离：这里使用轮廓矩形边界框的对角线长度
int[] bins1 = new int[] { 60, 20 };
RangeF[] ranges1 = new RangeF[] { new RangeF(0f, 180f), new RangeF(0f, maxDist1) };
//直方图第0维为角度，范围在(0,180)，第2维为轮廓两条边缘线段的距离
DenseHistogram hist1 = new DenseHistogram(bins1, ranges1);
CvInvoke.cvCalcPGH(contour1.Ptr, hist1.Ptr);
轮廓的匹配&&& 如果要比较两个物体，可供选择的特征很多。如果要判断某个人的性别，可以根据他（她）头发的长短来判断，这很直观，在长发男稀有的年代准确率也很高。也可以根据这个人尿尿的射程来判断，如果射程大于0.50米，则是男性。总之，方法很多，不一而足。&&& 我们在上文中得到了轮廓的这么多特征，它们也可以用于进行匹配。典型的轮廓匹配方法有：Hu矩匹配、轮廓树匹配、成对几何直方图匹配。1.Hu矩匹配&&& 轮廓的Hu矩对包括缩放、旋转和镜像映射在内的变化具有不变性。Contour&Point&.MatchShapes方法和cvMatchShapes函数可以很方便的实现对2个轮廓间的匹配。2.轮廓树匹配&&& 用树的形式比较两个轮廓。cvMatchContourTrees函数实现了轮廓树的对比。3.成对几何直方图匹配&&& 在得到轮廓的成对几何直方图之后，可以使用直方图对比的方法来进行匹配。如果您和我一样忘记了直方图的对比方式，可以看看我写的另一篇文章《颜色直方图的计算、显示、处理、对比及反向投影(How to Use Histogram? Calculate, Show, Process, Compare and BackProject)》。
&&& 各种轮廓匹配的示例代码如下：
轮廓的匹配
//开始匹配
private void btnStartMatch_Click(object sender, EventArgs e)
//准备轮廓（这里只比较最外围的轮廓）
Image&Bgr, Byte& image1 = new Image&Bgr, byte&((Bitmap)pbImage1.Image);
Image&Bgr, Byte& image2 = new Image&Bgr, byte&((Bitmap)pbImage2.Image);
Image&Gray, Byte& imageGray1 = image1.Convert&Gray, Byte&();
Image&Gray, Byte& imageGray2 = image2.Convert&Gray, Byte&();
Image&Gray, Byte& imageThreshold1 = imageGray1.ThresholdBinaryInv(new Gray(128d), new Gray(255d));
Image&Gray, Byte& imageThreshold2 = imageGray2.ThresholdBinaryInv(new Gray(128d), new Gray(255d));
Contour&Point& contour1 = imageThreshold1.FindContours(CHAIN_APPROX_METHOD.CV_CHAIN_APPROX_SIMPLE, RETR_TYPE.CV_RETR_EXTERNAL);
Contour&Point& contour2 = imageThreshold2.FindContours(CHAIN_APPROX_METHOD.CV_CHAIN_APPROX_SIMPLE, RETR_TYPE.CV_RETR_EXTERNAL);
/*if (contour1.Perimeter / 50 & 2 && contour2.Perimeter / 50 & 2)
contour1 = contour1.ApproxPoly(contour1.Perimeter / 50, 2, new MemStorage());
//对轮廓进行多边形逼近（参数设为轮廓周长的1/50）
contour2 = contour2.ApproxPoly(contour2.Perimeter / 50, 2, new MemStorage());
//进行匹配
string result = "";
if (rbHuMoments.Checked)
result = MatchShapes(contour1, contour2);
//Hu矩匹配
else if (rbContourTree.Checked)
result = MatchContourTrees(contour1, contour2); //轮廓树匹配
else if (rbPGH.Checked)
result = MatchPghHist(contour1, contour2);
//成对几何直方图匹配
txtResult.Text +=
//Hu矩匹配
private string MatchShapes(Contour&Point& contour1, Contour&Point& contour2)
//匹配方法
CONTOURS_MATCH_TYPE matchType = rbHuI1.Checked ? CONTOURS_MATCH_TYPE.CV_CONTOUR_MATCH_I1 : (rbHuI2.Checked ? CONTOURS_MATCH_TYPE.CV_CONTOURS_MATCH_I2 : CONTOURS_MATCH_TYPE.CV_CONTOURS_MATCH_I3);
Stopwatch sw = new Stopwatch();
sw.Start();
double matchValue = contour1.MatchShapes(contour2, matchType);
sw.Stop();
double time = sw.Elapsed.TotalM
return string.Format("Hu矩匹配（{0:G}），结果：{1:F05}，用时：{2:F05}毫秒\r\n", matchType, matchValue, time);
//轮廓树匹配
private string MatchContourTrees(Contour&Point& contour1, Contour&Point& contour2)
//生成轮廓树
double thresholdOfCreate = double.Parse(txtThresholdOfCreateContourTrees.Text); //生成轮廓树的阀值
IntPtr ptrTree1 = CvInvoke.cvCreateContourTree(contour1.Ptr, new MemStorage().Ptr, thresholdOfCreate);
IntPtr ptrTree2 = CvInvoke.cvCreateContourTree(contour2.Ptr, new MemStorage().Ptr, thresholdOfCreate);
double thresholdOfMatch = double.Parse(txtThresholdOfMatchContourTrees.Text);
//比较轮廓树的阀值
Stopwatch sw = new Stopwatch();
sw.Start();
double matchValue = CvInvoke.cvMatchContourTrees(ptrTree1, ptrTree2, MATCH_CONTOUR_TREE_METHOD.CONTOUR_TREES_MATCH_I1, thresholdOfMatch);
sw.Stop();
double time = sw.Elapsed.TotalM
return string.Format("轮廓树匹配（生成轮廓树的阀值：{0}，比较轮廓树的阀值：{1}），结果：{2:F05}，用时：{3:F05}毫秒\r\n", thresholdOfCreate, thresholdOfMatch, matchValue, time);
//成对几何直方图匹配
private string MatchPghHist(Contour&Point& contour1, Contour&Point& contour2)
//生成成对几何直方图
Rectangle rect1 = contour1.BoundingR
float maxDist1 = (float)Math.Sqrt(rect1.Width * rect1.Width + rect1.Height * rect1.Height); //轮廓的最大距离：这里使用轮廓矩形边界框的对角线长度
int[] bins1 = new int[] { 60, 20 };
RangeF[] ranges1 = new RangeF[] { new RangeF(0f, 180f), new RangeF(0f, maxDist1) };
//直方图第0维为角度，范围在(0,180)，第2维为轮廓两条边缘线段的距离
DenseHistogram hist1 = new DenseHistogram(bins1, ranges1);
CvInvoke.cvCalcPGH(contour1.Ptr, hist1.Ptr);
Rectangle rect2 = contour2.BoundingR
float maxDist2 = (float)Math.Sqrt(rect2.Width * rect2.Width + rect2.Height * rect2.Height);
int[] bins2 = new int[] { 60, 20 };
RangeF[] ranges2 = new RangeF[] { new RangeF(0f, 180f), new RangeF(0f, maxDist2) };
DenseHistogram hist2 = new DenseHistogram(bins2, ranges2);
CvInvoke.cvCalcPGH(contour2.Ptr, hist2.Ptr);
Stopwatch sw = new Stopwatch();
sw.Start();
double compareR
HISTOGRAM_COMP_METHOD compareMethod = rbHistCorrel.Checked ? HISTOGRAM_COMP_METHOD.CV_COMP_CORREL : (rbHistChisqr.Checked ? HISTOGRAM_COMP_METHOD.CV_COMP_CHISQR : (rbHistIntersect.Checked ? HISTOGRAM_COMP_METHOD.CV_COMP_INTERSECT : HISTOGRAM_COMP_METHOD.CV_COMP_BHATTACHARYYA));
if (rbHistEmd.Checked)
//将直方图转换成矩阵
Matrix&Single& matrix1 = FormProcessHist.ConvertDenseHistogramToMatrix(hist1);
Matrix&Single& matrix2 = FormProcessHist.ConvertDenseHistogramToMatrix(hist2);
compareResult = CvInvoke.cvCalcEMD2(matrix1.Ptr, matrix2.Ptr, DIST_TYPE.CV_DIST_L2, null, IntPtr.Zero, IntPtr.Zero, IntPtr.Zero, IntPtr.Zero);
matrix1.Dispose();
matrix2.Dispose();
//直方图对比方式
hist1.Normalize(1d);
hist2.Normalize(1d);
compareResult = CvInvoke.cvCompareHist(hist1.Ptr, hist2.Ptr, compareMethod);
sw.Stop();
double time = sw.Elapsed.TotalM
return string.Format("成对几何直方图匹配（匹配方式：{0}），结果：{1:F05}，用时：{2:F05}毫秒\r\n", rbHistEmd.Checked ? "EMD" : compareMethod.ToString("G"), compareResult, time);
&&& 通过以上代码，可以计算出两个轮廓对比的值，但是这些值具体代表什么意义呢？实际上，我目前还不清楚，需要进行大量的试验才行。
感谢您耐心看完本文，希望对您有所帮助。
阅读(...) 评论()