如何在 OpenCV Python 中计算图像的 Hu 矩?

opencvpythonserver side programmingprogramming

可以使用 cv2.HuMoments() 函数找到 Hu 矩。它返回对平移、旋转和缩放不变的七个矩。第七个矩是倾斜不变的。

要计算 Hu 矩，我们首先需要找到图像。使用对象的轮廓计算对象的图像矩。因此，首先，我们检测对象的轮廓，然后应用 cv2.moments() 函数来计算矩。

语法

此函数使用以下语法 −

M = cv2.moments(cnt)
cv2.HuMoments(M)

这里，

cnt − 它是图像中对象轮廓点的 numpy 数组。
M − 上面计算的图像矩。

步骤

您可以使用以下步骤计算 Hu-Moments图像 −

导入所需的库。在以下所有 Python 示例中，所需的 Python 库都是 OpenCV。确保您已经安装了它。

import cv2

使用 cv2.imread() 读取输入图像并将其转换为灰度。

img = cv2.imread('shape.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

对灰度图像应用阈值以创建二值图像。

ret,thresh = cv2.threshold(gray,150,255,0)

使用 cv2.findContours() 函数查找图像中的轮廓。

contours, _ = cv2.findContours(thresh, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

使用 cv2.moments(cnt) 函数查找轮廓的矩。

cnt = contours[0]
M = cv2.moments(cnt)

使用 cv2.HuMoments(M) 函数查找特定轮廓的 Hu-Moments。

Hm = cv2.HuMoments(M)

在输入图像上绘制轮廓。

cv2.drawContours(img, [cnt], -1, (0,255,255), 3)

打印 Hu-Moments 并显示带有绘制轮廓的图像。

print("第一个轮廓的 Hu-Moments:\n", Hm)
cv2.imshow(Hu-Moments", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

让我们看一些例子以便更好地理解。

我们将在下面的例子中使用以下图像作为输入文件。

示例 1

在下面的 Python 程序中，我们检测图像中的轮廓并找到第一个轮廓的 Hu-Moments轮廓。我们还在图像上绘制了第一个轮廓。

# import the required libraries
import cv2

# Read the input image
img = cv2.imread('shape.png')

# Convert the input image to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# apply thresholding on gray image
ret,thresh = cv2.threshold(gray,150,255,0)

# Find the contours in the image
contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
print("Number of Contours detected:",len(contours))

# Find the moments of first contour
cnt = contours[0]
M = cv2.moments(cnt)
Hm = cv2.HuMoments(M)

# Draw the contour
cv2.drawContours(img, [cnt], -1, (0,255,255), 3)
x1, y1 = cnt[0,0]
cv2.putText(img, 'Contour:1', (x1, y1), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2)

# print the moments of the first contour
print("Hu-Moments of first contour:\n", Hm)
cv2.imshow("Hu-Moments", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出

当您执行上述代码时，它将产生以下输出 -

Number of Contours detected: 3 
Hu-Moments of first contour: 
   [[ 1.59307685e-01] 
   [ 4.69721864e-05] 
   [ 1.89651880e-10] 
   [ 8.95011994e-14] 
   [ 2.03401550e-25] 
   [ 4.24017740e-16] 
   [-3.07567885e-25]]

我们得到以下输出窗口，显示图像中检测到的第一个轮廓 -

示例 2

在下面的 Python 程序中，我们检测图像中的轮廓并找到所有轮廓的 Hu-Moments。我们还在图像上绘制了所有轮廓。

import cv2
import numpy as np

img = cv2.imread('shape.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(gray,170,255,0)
contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
print("Number of contours detected:",len(contours))

# compute HuMoments for all the contours detected in the image
for i, cnt in enumerate(contours):
   x,y = cnt[0,0]
   moments = cv2.moments(cnt)
   hm = cv2.HuMoments(moments)
   cv2.drawContours(img, [cnt], -1, (0,255,255), 3)
   cv2.putText(img, f'Contour {i+1}', (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 255, 0), 2)
   print(f"\nHuMoments for Contour {i+1}:\n", hm)

cv2.imshow("Hu-Moments", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出

执行上述代码时，将产生以下输出 −

Number of contours detected: 3 
HuMoments for Contour 1: 
   [[ 1.59307685e-01] 
   [ 4.69721864e-05] 
   [ 1.89651880e-10] 
   [ 8.95011994e-14] 
   [ 2.03401550e-25] 
   [ 4.24017740e-16] 
   [-3.07567885e-25]]
HuMoments for Contour 2:
   [[ 1.67576439e-01] 
   [ 3.03541843e-04] 
   [ 2.96933966e-10] 
   [ 8.49276231e-12] 
   [-3.47095391e-22] 
   [ 2.67821989e-14] 
   [ 2.47818355e-22]]
HuMoments for Contour 3: 
   [[2.29748674e-01] 
   [1.57527336e-02] 
   [5.92081089e-03] 
   [4.77994195e-04] 
   [4.24175667e-07] 
   [1.65030169e-05] 
   [6.83150707e-07]]

我们得到以下输出窗口，显示图像中检测到的轮廓 -