OpenCV计算形状之间的相似度ShapeContextDistanceExtractor类的使用

本文主要是介绍OpenCV计算形状之间的相似度ShapeContextDistanceExtractor类的使用，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

操作系统：ubuntu22.04
OpenCV版本：OpenCV4.9
IDE:Visual Studio Code
编程语言：C++11

1.功能描述

ShapeContextDistanceExtractor是OpenCV库中的一个类，主要用于计算形状之间的相似度或距离。它是基于形状上下文（Shape Context）特征描述符的，这是一种在计算机视觉和图像处理领域广泛使用的形状匹配技术。该方法由Belongie等人在2000年代初提出，通过分析形状边界点的邻域分布来描述形状特征，进而计算形状间的相似度。

2.使用场景

形状匹配：在图像数据库中查找相似的形状或对象。
物体识别：作为特征提取的一部分，辅助分类或识别任务。
内容基于的图像检索：根据形状内容搜索图像。

3.函数computeDistance

计算由其轮廓定义的两个形状之间的形状距离，首先提取每个轮廓的关键点及其邻域信息，然后通过比较不同轮廓间对应关键点的邻域分布差异来量化形状间的距离。

3.1函数原型


virtual float cv::ShapeDistanceExtractor::computeDistance	(
InputArray 	contour1,
InputArray 	contour2 
)

3.2 参数

参数contour1 定义第一个形状的轮廓.
参数contour2 定义第二个形状的轮廓…

4 示例代码

#include "opencv2/highgui.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/imgproc.hpp"
#include "opencv2/shape.hpp"#include <iostream>
#include <opencv2/core/utility.hpp>
#include <string>
using namespace std;
using namespace cv;static vector< Point > simpleContour( const Mat& currentQuery, int n = 300 )
{vector< vector< Point > > _contoursQuery;vector< Point > contoursQuery;findContours( currentQuery, _contoursQuery, RETR_LIST, CHAIN_APPROX_NONE );for ( size_t border = 0; border < _contoursQuery.size(); border++ ){for ( size_t p = 0; p < _contoursQuery[ border ].size(); p++ ){contoursQuery.push_back( _contoursQuery[ border ][ p ] );}}// In case actual number of points is less than nint dummy = 0;for ( int add = ( int )contoursQuery.size() - 1; add < n; add++ ){contoursQuery.push_back( contoursQuery[ dummy++ ] );  // adding dummy values}// 均匀采样cv::randShuffle( contoursQuery );vector< Point > cont;for ( int i = 0; i < n; i++ ){cont.push_back( contoursQuery[ i ] );}return cont;
}
int main( int argc, char** argv )
{string path = "/media/dingxin/data/study/OpenCV/sources/images/shape/";cv::Ptr< cv::ShapeContextDistanceExtractor > mysc = cv::createShapeContextDistanceExtractor();Size sz2Sh( 300, 300 );stringstream queryName;int indexQuery = 1;queryName << path << indexQuery << ".jpg";Mat query = imread( queryName.str(), IMREAD_GRAYSCALE );Mat queryToShow;resize( query, queryToShow, sz2Sh, 0, 0, INTER_LINEAR_EXACT );imshow( "QUERY", queryToShow );moveWindow( "TEST", 0, 0 );vector< Point > contQuery = simpleContour( query );int bestMatch             = 0;float bestDis             = FLT_MAX;for ( int ii = 1; ii <= 4; ii++ ){if ( ii == indexQuery )continue;waitKey( 30 );stringstream iiname;iiname << path << ii << ".jpg";cout << "name: " << iiname.str() << endl;Mat iiIm = imread( iiname.str(), 0 );Mat iiToShow;resize( iiIm, iiToShow, sz2Sh, 0, 0, INTER_LINEAR_EXACT );imshow( "TEST", iiToShow );moveWindow( "TEST", sz2Sh.width + 50, 0 );vector< Point > contii = simpleContour( iiIm );float dis              = mysc->computeDistance( contQuery, contii );//获取匹配度最佳的id和匹配距离值if ( dis < bestDis ){bestMatch = ii;bestDis   = dis;}std::cout << " distance between " << queryName.str() << " and " << iiname.str() << " is: " << dis << std::endl;}destroyWindow( "TEST" );stringstream bestname;bestname << path << bestMatch << ".jpg";Mat iiIm = imread( bestname.str(), 0 );Mat bestToShow;resize( iiIm, bestToShow, sz2Sh, 0, 0, INTER_LINEAR_EXACT );imshow( "BEST MATCH", bestToShow );moveWindow( "BEST MATCH", sz2Sh.width + 50, 0 );waitKey();return 0;
}