基于OpenCV的黑白图像识别

Question

我有一组图像：

​

​

最左边的是参考图像。

我想要一个值，告诉我任何其他图像离最左边的图像有多近。我尝试了matchShapes()，通过对每个等高线调用它并对值进行平均，但没有得到有用的结果(例如，最右边的一个值过高)。

我也希望匹配只在正确的方向工作。

Answer 1

很难不让识别那些太不一样的图像。在这里提出的方法中，我总是得到非常接近的图像值，我认为这些图像太不一样了，无法对应。

最后，我做了一个多步骤的过程：

首先，我得到测试图像的轮廓，如下所示：

testContours, _ = cv.findContours(testImage, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

然后，如果测试图像与原始图像之间的等高线计数不相同，则放弃。

如果它们具有相同的等高线计数，则计算等高线的所有形状距离之间的平均值：

    distances = []
    sd = cv2.createShapeContextDistanceExtractor()
    for i in range(len(testContours)):
        d2 = sd.computeDistance(testContours[i], originalContours[i])
        distances.append(d2)
    value = sum(distances) / len(distances)

然后，我计算两幅图像之后的白色像素数，除以源图像中的像素总数(以防轮廓匹配但位置不正确)。

     exactly_placed_ratio = cv.countNonZero(cv.bitwise_and(testImage, originalImage)) / cv.countNonZero(originalImage)

最后，我有两个值，第一个值可以用来检查形状是否足够接近，第二个值可以检查它们相对于整个图像的位置是否正确。

Answer 2

如果它们是纯黑白图像，那么可能更容易将这两幅图片合并在一起，并将结果中的总像素相加。就像这样：

import cv2
import numpy as np
x = np.zeros((100,100))
y = np.zeros((100,100))
for i in range(25,75):
    x[i][i] = 255
    y[i][100-i] = 255

cv2.imshow('x', x)
cv2.imshow('y', y)

z = cv2.bitwise_and(x,y)

sum = 0 
for i in range(0,z.shape[0]):
    for j in range(0,z.shape[1]):
        if z[i][j] == 255:
            sum += 1

print(f"Similarity Score: {sum}")


cv2.imshow('z',z)
cv2.waitKey(0)

可能有一些更好的库可以在一行中执行所有这些操作，但是如果性能没有多大的问题，也许这是可行的。