當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

轮廓的查找、表达、绘制、特性及匹配(How to Use Contour? Find, Component, Construct, Features Match)

發布時間：2023/11/30 编程问答 27 豆豆

生活随笔收集整理的這篇文章主要介紹了轮廓的查找、表达、绘制、特性及匹配(How to Use Contour? Find, Component, Construct, Features Match) 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

前言
??? 輪廓是構成任何一個形狀的邊界或外形線。前面講了如何根據色彩及色彩的分布（直方圖對比和模板匹配）來進行匹配，現在我們來看看如何利用物體的輪廓。包括以下內容：輪廓的查找、表達方式、組織方式、繪制、特性、匹配。

?查找輪廓
??? 首先我們面對的問題是如何在圖像中找到輪廓，OpenCv(EmguCv)為我們做了很多工作，我們的任務只是調用現成的函數而已。Image<TColor,TDepth>類的FindContours方法可以很方便的查找輪廓，不過在查找之前，我們需要將彩色圖像轉換成灰度圖像，然后再將灰度圖像轉換成二值圖像。代碼如下所示：

Image<Bgr, Byte> imageSource = new Image<Bgr, byte>(sourceImageFileName); //獲取源圖像
Image<Gray, Byte> imageGray = imageSource.Convert<Gray, Byte>(); //將源圖像轉換成灰度圖像
int thresholdValue = tbThreshold.Value; //用于二值化的閥值
Image<Gray, Byte> imageThreshold = imageGray.ThresholdBinary(new Gray(thresholdValue), new Gray(255d)); //對灰度圖像二值化
Contour<Point> contour=imageThreshold.FindContours();

輪廓的表達方式
??? 使用上面的代碼可以得到圖像的默認輪廓，但是輪廓在電腦中是如何表達的呢？在OpenCv(EmguCv)中提供了兩類表達輪廓的方式：頂點的序列、Freeman鏈碼。

1.頂點的序列
??? 用多個頂點（或各點間的線段）來表達輪廓。假設要表達一個從(0,0)到(2,2)的矩形，
（1）如果用點來表示，那么依次存儲的可能是：(0,0),(1,0),(2,0),(2,1),(2,2),(1,2),(0,2),(0,1)；
（2）如果用點間的線段來表達輪廓，那么依次存儲的可能是：(0,0),(2,0),(2,2),(0,2)。
以下代碼可以用來獲取輪廓上的點：

for (int i = 0; i < contour.Total; i++)
sbContour.AppendFormat("{0},", contour[i]);

?2.Freeman鏈碼
??? Freeman鏈碼需要一個起點，以及從起點出發的一系列位移。每個位移有8個方向，從0～7分別指向從正北開始的8個方向。假設要用Freeman鏈碼表達從(0,0)到(2,2)的矩形，可能的表示方法是：起點(0,0),方向鏈2,2,4,4,6,6,0,0。
??? EmguCv對Freeman鏈碼的支持很少，我們需要做一系列的工作才能在.net中使用Freeman鏈碼：
（1）獲取Freeman鏈碼

//查找用Freeman鏈碼表示的輪廓
Image<Gray,Byte> imageTemp=imageThreshold.Copy();
IntPtr storage = CvInvoke.cvCreateMemStorage(0);
IntPtr ptrFirstChain = IntPtr.Zero;
int total = CvInvoke.cvFindContours(imageTemp.Ptr, storage, ref ptrFirstChain, sizeof(MCvChain), mode, CHAIN_APPROX_METHOD.CV_CHAIN_CODE, new Point(0, 0));

（2）遍歷Freeman鏈碼上的點

//初始化Freeman鏈碼讀取
[DllImport("cv200.dll")]
public static extern void cvStartReadChainPoints(IntPtr ptrChain,IntPtr ptrReader);
//讀取Freeman鏈碼的點
[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)]
//定義鏈碼讀取結構
public struct MCvChainPtReader
{
//seqReader
public MCvSeqReader seqReader;
/// char
public byte code;
/// POINT->tagPOINT
public Point pt;
/// char[16]
[System.Runtime.InteropServices.MarshalAsAttribute(System.Runtime.InteropServices.UnmanagedType.ByValTStr, SizeConst = 16)]
public string deltas;
}

//將鏈碼指針轉換成結構
MCvChain chain=(MCvChain)Marshal.PtrToStructure(ptrChain,typeof(MCvChain));
//定義存放鏈碼上點的列表
List<Point> pointList = new List<Point>(chain.total);
//鏈碼讀取結構
MCvChainPtReader chainReader = new MCvChainPtReader();
IntPtr ptrReader = Marshal.AllocHGlobal(sizeof(MCvSeqReader) + sizeof(byte) + sizeof(Point) + 16 * sizeof(byte));
Marshal.StructureToPtr(chainReader, ptrReader, false);
//開始讀取鏈碼
cvStartReadChainPoints(ptrChain, ptrReader);
int i = 0;
while (ptrReader != IntPtr.Zero && i < chain.total)
{
//依次讀取鏈碼上的每個點
Point p = cvReadChainPoint(ptrReader);
if (ptrReader == IntPtr.Zero)
break;
else
{
pointList.Add(p);
sbChain.AppendFormat("{0},", p);
i++;
}
}
imageResult.DrawPolyline(pointList.ToArray(), true, new Bgr(lblExternalColor.BackColor), 2);

??? 需要注意的是：cvReadChainPoint函數似乎永遠不會滿足循環終止的條件，即ptrReader永遠不會被置為null，這跟《學習OpenCv》和參考上不一致；我們需要用chain.total來輔助終止循環，讀取了所有的點之后就可以罷手了。

輪廓之間的組織方式
??? 在查找到輪廓之后，不同輪廓是怎么組織的呢？根據不同的選擇，它們可能是：（1）列表；（2）雙層結構；（3）樹型結構。
??? 從縱向上來看，列表只有一層，雙層結構有一或者兩層，樹型結構可能有一層或者多層。
??? 如果要遍歷所有的輪廓，可以使用遞歸的方式，代碼如下：

//遍歷輪廓，并生成遍歷結果
private void TravelContour(Contour<Point> contour,ref int total,ref StringBuilder sbContour)
{
if (contour != null)
{
sbContour.Append("------------------------\r\n");
sbContour.AppendFormat("輪廓{0}，右節點：{1}，下級節點：{2}，外接矩形：（{3}）\r\n", total, contour.HNext != null, contour.VNext != null, contour.BoundingRectangle);
sbContour.AppendFormat("包含{0}個點（面積：{1}，周長：{2}）：\r\n", contour.Total, contour.Area, contour.Perimeter);
for (int i = 0; i < contour.Total; i++)
sbContour.AppendFormat("{0},", contour[i]);
sbContour.Append("\r\n");
total++;
if (contour.HNext != null)
TravelContour(contour.HNext, ref total, ref sbContour);
if (contour.VNext != null)
TravelContour(contour.VNext, ref total, ref sbContour);
}
}

輪廓的繪制
??? 輪廓的繪制比較簡單，用上面提到的方法取得輪廓的所有點，然后把這些點連接成一個多邊形即可。
??? 當然，對于用頂點序列表示的輪廓，用Image<TColor,TDepth>.Draw方法或者cvDrawContours函數可以很方便的繪制出輪廓。我發現，如果將參數max_level設置成2，可以繪制出所有的輪廓。
??? 繪制輪廓的代碼如下：

Image<Bgr, Byte> imageResult = imageThreshold.Convert<Bgr, Byte>(); //結果圖像
int maxLevel = 0; //繪制的輪廓深度
int.TryParse(txtMaxLevel.Text, out maxLevel);
imageResult.Draw(contour, new Bgr(lblExternalColor.BackColor), new Bgr(lblHoleColor.BackColor), maxLevel, 2);

輪廓的特性
??? 輪廓的特性有很多，下面一一介紹。

1.輪廓的多邊形逼近
??? 輪廓的多邊形逼近指的是：使用多邊形來近似表示一個輪廓。
??? 多邊形逼近的目的是為了減少輪廓的頂點數目。
??? 多邊形逼近的結果依然是一個輪廓，只是這個輪廓相對要粗曠一些。
??? 可以使用Contour<Point>.ApproxPoly方法或者cvApproxyPoly函數來對輪廓進行多邊形逼近，示例代碼如下：

contour = firstContour.ApproxPoly(double.Parse(txtApproxParameter.Text), 2, new MemStorage());

2.輪廓的關鍵點
??? 輪廓的關鍵點是：輪廓上包含曲線信息比較多的點。關鍵點是輪廓頂點的子集。
??? 可以使用cvFindDominantPoints函數來獲取輪廓上的關鍵點，該函數返回的結果一個包含關鍵點在輪廓頂點中索引的序列。再次強調：是索引，不是具體的點。如果要得到關鍵點的具體坐標，可以用索引到輪廓上去找。
??? 以下代碼演示了如何獲取輪廓上的關鍵點：

//得到關鍵點信息
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();
try
{
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}個關鍵點：\r\n", seq.Total);
for (int i = 0; i < seq.Total; i++)
{
int idx = seq[i]; //關鍵點序列中存儲的數據是關鍵點在輪廓中所處位置的索引
Point p = contour[idx]; //得到關鍵點的坐標
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("在獲取關鍵點時發生異常，錯誤描述：{0}，錯誤源：{1}，錯誤堆棧：{2}\r\n錯誤文件：{3}，函數名：{4}，行：{5}，錯誤內部描述：{6}\r\n", ex.Message, ex.Source, ex.StackTrace, ex.FileName, ex.FunctionName, ex.Line, ex.ErrorStr);
}
catch (Exception e)
{
sbContour.AppendFormat("在獲取關鍵點時發生異常，錯誤描述：{0}，錯誤源：{1}，錯誤堆棧：{2}\r\n", e.Message, e.Source, e.StackTrace);
}
finally
{
storage.Dispose();
}
}
}

3.輪廓的周長和面積
??? 輪廓的周長可以用Contour<Point>.Perimeter屬性或者cvArcLength函數來獲取。
??? 輪廓的面積可以用Contour<Point>.Area屬性或者cvContourArea函數來獲取。

4.輪廓的邊界框
??? 有三種常見的邊界框：矩形、圓形、橢圓。
??? （1）矩形：在圖像處理系統中提供了一種叫Rectangle的矩形，不過它只能表達邊垂直或水平的特例；OpenCv中還有一種叫Box的矩形，它跟數學上的矩形一致，只要4個角是直角即可。
??? 如果要獲取輪廓的Rectangle，可以使用Contour<Point>.BoundingRectangle屬性或者cvBoundingRect函數。
??? 如果要獲取輪廓的Box，可以使用Contour<Point>.GetMinAreaRect方法或者cvMinAreaRect2函數。
??? （2）圓形
??? 如果要獲取輪廓的圓形邊界框，可以使用cvMinEnclosingCircle函數。
??? （3）橢圓
??? 如果要獲取輪廓的橢圓邊界框，可以使用cvFitEllipse2函數。
??? 下列代碼演示了如何獲取輪廓的各種邊界框：

//得到邊界框信息
private void GetEdgeInfo(Contour<Point> contour, string edge, ref StringBuilder sbContour, ref Image<Bgr, Byte> imageResult, Bgr edgeColor)
{
if (edge == "Rect")
//矩形
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.Length; i++)
ps[i] = new Point((int)points[i].X, (int)points[i].Y);
imageResult.DrawPolyline(ps, true, edgeColor, 2);
}
else if (edge == "Circle")
{
//圓形
PointF center;
float radius;
CvInvoke.cvMinEnclosingCircle(contour.Ptr, out center, out radius);
imageResult.Draw(new CircleF(center, radius), edgeColor, 2);
}
else
{
//橢圓
if (contour.Total >= 6)
{
MCvBox2D box = CvInvoke.cvFitEllipse2(contour.Ptr);
imageResult.Draw(new Ellipse(box), edgeColor, 2);
}
else
sbContour.Append("輪廓點數小于6，不能創建外圍橢圓。\r\n");
}
}

5.輪廓的矩
??? 我們可以使用Contour<Point>.GetMoments方法或者cvMoments函數方便的得到輪廓的矩集，然后再相應的方法或函數獲取各種矩。
??? 特定的矩：MCvMoments.GetSpatialMoment方法、cvGetSpatialMoment函數
??? 中心矩：MCvMoments.GetCentralMoment方法、cvGetCentralMoment函數
??? 歸一化中心矩：MCvMoments.GetNormalizedCentralMoment方法、cvGetNormalizedCentralMoment函數
??? Hu矩：MCvMoments.GetHuMoment方法、McvHuMoments.hu1～hu7字段、cvGetHuMoments函數
??? 以下代碼演示了如何獲取輪廓的矩：

//得到各種矩的信息
private void GetMomentsInfo(Contour<Point> contour, ref StringBuilder sbContour)
{
//矩
MCvMoments moments = contour.GetMoments();
//遍歷各種情況下的矩、中心矩及歸一化矩，必須滿足條件：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}，歸一化矩：{4:F09}\r\n", xOrder, yOrder, spatialMoment, centralMoment, normalizedCentralMoment);
}
}
}
//Hu矩
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.輪廓的輪廓樹
??? 輪廓樹用來描述某個特定輪廓的內部特征。注意：輪廓樹跟輪廓是一一對應的關系；輪廓樹不用于描述多個輪廓之間的層次關系。
??? 可以用函數cvCreateContourTree來構造輪廓樹。

IntPtr ptrTree1 = CvInvoke.cvCreateContourTree(contour1.Ptr, new MemStorage().Ptr, thresholdOfCreate);

?7.輪廓的凸包和凸缺陷
??? 輪廓的凸包和凸缺陷用于描述物體的外形。凸包和凸缺陷很容易獲得，不過我目前不知道它們到底怎么使用。
??? 如果要判斷輪廓是否是凸的，可以用Contour<Point>.Convex屬性和cvCheckContourConvexity函數。
??? 如果要獲取輪廓的凸包，可以用Contour<Point>.GetConvexHull方法或者cvConvexHull2函數，返回的是包含頂點的序列。
??? 如果要獲取輪廓的凸缺陷，可以用Contour<Point>.GetConvexityDefacts方法或者cvConvexityDefects函數。
??? 注意：EmguCv將缺陷的單詞拼寫錯了，defect才是缺陷。
??? 以下代碼演示了如何獲取輪廓的凸包及凸缺陷：

//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) //判斷輪廓是否為凸
{
//凸包
Seq<Point> convexHull = contour.GetConvexHull(ORIENTATION.CV_CLOCKWISE);
//缺陷
Seq<MCvConvexityDefect> defects = contour.GetConvexityDefacts(new MemStorage(), ORIENTATION.CV_CLOCKWISE);
//顯示信息
sbContour.AppendFormat("輪廓的凸包有{0}個點，依次為：", convexHull.Total);
Point[] points = new Point[convexHull.Total];
for (int i = 0; i < convexHull.Total; i++)
{
Point p = convexHull[i];
points[i] = p;
sbContour.AppendFormat("{0},", p);
}
sbContour.Append("\r\n");
imageResult.DrawPolyline(points, true, new Bgr(lblConvexColor.BackColor), 2);
MCvConvexityDefect defect;
sbContour.AppendFormat("輪廓有{0}個缺陷，依次為：\r\n", defects.Total);
for (int i = 0; i < defects.Total; i++)
{
defect = defects[i];
sbContour.AppendFormat("缺陷：{0}，起點：{1}，終點：{2}，最深的點：{3}，深度：{4}\r\n", i, defect.StartPoint, defect.EndPoint, defect.DepthPoint, defect.Depth);
}
}
else
sbContour.Append("輪廓是凸的，凸包和輪廓一樣。\r\n");
}

?8.輪廓的成對幾何直方圖
??? 成對幾何直方圖的資料比較少，我是這么理解的。
??? （1）輪廓保存的是一系列的頂點，輪廓是由一系列線段組成的多邊形。對于看起來光滑的輪廓（例如圓），只是線段條數比較多，線段長度比較短而已。實際上，電腦中顯示的任何曲線都由線段組成。
??? （2）每兩條線段之間都有一定的關系，包括它們（或者它們的延長線）之間的夾角，兩條線段的夾角范圍是：(0,180)。
??? （3）每兩條線段上的點之間還有距離關系，包括最短（小）距離、最遠（大）距離，以及平均距離。最大距離我用了一個偷懶的計算方法，我把輪廓外界矩形的對角線長度看作了最大距離。
??? （4）成對幾何直方圖所用的統計數據包括了夾角和距離。
??? 可以用函數cvCalcPGH來計算輪廓的成對幾何直方圖，示例代碼如下：

//生成成對幾何直方圖
Rectangle rect1 = contour1.BoundingRectangle;
float maxDist1 = (float)Math.Sqrt(rect1.Width * rect1.Width + rect1.Height * rect1.Height); //輪廓的最大距離：這里使用輪廓矩形邊界框的對角線長度
int[] bins1 = new int[] { 60, 20 };
RangeF[] ranges1 = new RangeF[] { new RangeF(0f, 180f), new RangeF(0f, maxDist1) }; //直方圖第0維為角度，范圍在(0,180)，第2維為輪廓兩條邊緣線段的距離
DenseHistogram hist1 = new DenseHistogram(bins1, ranges1);
CvInvoke.cvCalcPGH(contour1.Ptr, hist1.Ptr);

輪廓的匹配
??? 如果要比較兩個物體，可供選擇的特征很多。如果要判斷某個人的性別，可以根據他（她）頭發的長短來判斷，這很直觀，在長發男稀有的年代準確率也很高。也可以根據這個人尿尿的射程來判斷，如果射程大于0.50米，則是男性。總之，方法很多，不一而足。
??? 我們在上文中得到了輪廓的這么多特征，它們也可以用于進行匹配。典型的輪廓匹配方法有：Hu矩匹配、輪廓樹匹配、成對幾何直方圖匹配。
1.Hu矩匹配
??? 輪廓的Hu矩對包括縮放、旋轉和鏡像映射在內的變化具有不變性。Contour<Point>.MatchShapes方法和cvMatchShapes函數可以很方便的實現對2個輪廓間的匹配。
2.輪廓樹匹配
??? 用樹的形式比較兩個輪廓。cvMatchContourTrees函數實現了輪廓樹的對比。
3.成對幾何直方圖匹配
??? 在得到輪廓的成對幾何直方圖之后，可以使用直方圖對比的方法來進行匹配。如果您和我一樣忘記了直方圖的對比方式，可以看看我寫的另一篇文章《顏色直方圖的計算、顯示、處理、對比及反向投影(How to Use Histogram? Calculate, Show, Process, Compare and BackProject)》。

??? 各種輪廓匹配的示例代碼如下：

//開始匹配
private void btnStartMatch_Click(object sender, EventArgs e)
{
//準備輪廓（這里只比較最外圍的輪廓）
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()); //對輪廓進行多邊形逼近（參數設為輪廓周長的1/50）
contour2 = contour2.ApproxPoly(contour2.Perimeter / 50, 2, new MemStorage());
}*/
//進行匹配
string result = "";
if (rbHuMoments.Checked)
result = MatchShapes(contour1, contour2); //Hu矩匹配
else if (rbContourTree.Checked)
result = MatchContourTrees(contour1, contour2); //輪廓樹匹配
else if (rbPGH.Checked)
result = MatchPghHist(contour1, contour2); //成對幾何直方圖匹配
txtResult.Text += result;
}

//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();
//匹配
double matchValue = contour1.MatchShapes(contour2, matchType);
sw.Stop();
double time = sw.Elapsed.TotalMilliseconds;
return string.Format("Hu矩匹配（{0:G}），結果：{1:F05}，用時：{2:F05}毫秒\r\n", matchType, matchValue, time);
}

//輪廓樹匹配
private string MatchContourTrees(Contour<Point> contour1, Contour<Point> contour2)
{
//生成輪廓樹
double thresholdOfCreate = double.Parse(txtThresholdOfCreateContourTrees.Text); //生成輪廓樹的閥值
IntPtr ptrTree1 = CvInvoke.cvCreateContourTree(contour1.Ptr, new MemStorage().Ptr, thresholdOfCreate);
IntPtr ptrTree2 = CvInvoke.cvCreateContourTree(contour2.Ptr, new MemStorage().Ptr, thresholdOfCreate);
//匹配
double thresholdOfMatch = double.Parse(txtThresholdOfMatchContourTrees.Text); //比較輪廓樹的閥值
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.TotalMilliseconds;
return string.Format("輪廓樹匹配（生成輪廓樹的閥值：{0}，比較輪廓樹的閥值：{1}），結果：{2:F05}，用時：{3:F05}毫秒\r\n", thresholdOfCreate, thresholdOfMatch, matchValue, time);
}

//成對幾何直方圖匹配
private string MatchPghHist(Contour<Point> contour1, Contour<Point> contour2)
{
//生成成對幾何直方圖
Rectangle rect1 = contour1.BoundingRectangle;
float maxDist1 = (float)Math.Sqrt(rect1.Width * rect1.Width + rect1.Height * rect1.Height); //輪廓的最大距離：這里使用輪廓矩形邊界框的對角線長度
int[] bins1 = new int[] { 60, 20 };
RangeF[] ranges1 = new RangeF[] { new RangeF(0f, 180f), new RangeF(0f, maxDist1) }; //直方圖第0維為角度，范圍在(0,180)，第2維為輪廓兩條邊緣線段的距離
DenseHistogram hist1 = new DenseHistogram(bins1, ranges1);
CvInvoke.cvCalcPGH(contour1.Ptr, hist1.Ptr);
Rectangle rect2 = contour2.BoundingRectangle;
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);
//匹配
Stopwatch sw = new Stopwatch();
sw.Start();
double compareResult;
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)
{
//EMD
//將直方圖轉換成矩陣
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();
}
else
{
//直方圖對比方式
hist1.Normalize(1d);
hist2.Normalize(1d);
compareResult = CvInvoke.cvCompareHist(hist1.Ptr, hist2.Ptr, compareMethod);
}
sw.Stop();
double time = sw.Elapsed.TotalMilliseconds;
return string.Format("成對幾何直方圖匹配（匹配方式：{0}），結果：{1:F05}，用時：{2:F05}毫秒\r\n", rbHistEmd.Checked ? "EMD" : compareMethod.ToString("G"), compareResult, time);
}

??? 通過以上代碼，可以計算出兩個輪廓對比的值，但是這些值具體代表什么意義呢？實際上，我目前還不清楚，需要進行大量的試驗才行。

---------------------------------------------------------------------------------------------------------------------------------

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Windows.Forms;

using Emgu.CV;
using Emgu.Util;
using Emgu.CV.Structure;
using Emgu.CV.CvEnum;
using System.Diagnostics;

namespace Chuanlin2012._01
{
??? public partial class MainFrm : Form
??? {
??????? public Image<Bgr, byte> src;
??????? public Image<Bgr, byte> subsrc;?????

??????? public MainFrm()
??????? {
??????????? InitializeComponent();
??????? }

??????? private void 打開ToolStripMenuItem_Click(object sender, EventArgs e)
??????? {
??????????? OpenFileDialog opflg = new OpenFileDialog();
??????????? opflg.Filter = "所有文件|*.*";
??????????? if (opflg.ShowDialog() == DialogResult.OK)
??????????? {
??????????????? Image<Bgr, byte> rgbimg1 = new Image<Bgr, byte>(opflg.FileName);
??????????????? imageBox1.Image = rgbimg1;
??????????????? src = rgbimg1;
??????????????
??????????? }

??????? }

??????? private void 保存ToolStripMenuItem_Click(object sender, EventArgs e)
??????? {
??????????? if (imageBox1.Image != null)
??????????? {
??????????????? SaveFileDialog sfdlg = new SaveFileDialog();
??????????????? sfdlg.Filter = "bmp文件|*.bmp";
??????????????? sfdlg.FilterIndex = 2;
??????????????? sfdlg.RestoreDirectory = true;

??????????????? if (sfdlg.ShowDialog() == DialogResult.OK)
??????????????? {
??????????????????? string fname = sfdlg.FileName;
??????????????????? Bitmap bmp = imageBox1.Image.Bitmap;
??????????????????? bmp.Save(fname, System.Drawing.Imaging.ImageFormat.Bmp);
??????????????? }
??????????? }
??????????? else
??????????? {
??????????????? System.Windows.Forms.MessageBox.Show("請先打開圖像！");
??????????????? return;
??????????? }

??????? }

???private void 退出ToolStripMenuItem_Click_1(object sender, EventArgs e)
??????? {
??????????? this.Close();

??????? }

??????? private void sobel算子ToolStripMenuItem_Click(object sender, EventArgs e)
??????? {
??????????? if (imageBox1.Image != null)
??????????? {
??????????????? Image<Bgr, float> imgsoble = src.Sobel(0, 1, 3);
??????????????? imageBox1.Image = imgsoble;
??????????? }
??????????? else
??????????? {
??????????????? System.Windows.Forms.MessageBox.Show("請先打開圖像！");
??????????????? return;
??????????? }
????????????????
??????? }

??????????????? private void laplace算子ToolStripMenuItem_Click(object sender, EventArgs e)
??????? {
??????????? if (imageBox1.Image != null)
??????????? {
??????????????? Image<Bgr, float> imglaplace = src.Laplace(3);
??????????????? imageBox1.Image = imglaplace;
??????????? }
??????????? else?
??????????? {
??????????????? System.Windows.Forms.MessageBox.Show("請先打開圖像！");
??????????????? return;
??????????? }

??????? }

???????????? private void canny算子ToolStripMenuItem_Click(object sender, EventArgs e)
??????? {
??????????? if (imageBox1.Image != null)
??????????? {

??????????????? //CannyFrm cfrm = new CannyFrm();
??????????????? //cfrm.Show();
??????????????? double m = 90;
??????????????? double n = 255;
??????????????? Gray threshold1 = new Gray(m);
??????????????? Gray threshold2 = new Gray(n);
??????????????? Image<Gray, byte> imggray = src.Convert<Gray, byte>();
??????????????? Image<Gray, byte> imgcanny = imggray.Canny(threshold1, threshold2);
????????????????
??????????????? imageBox1.Image = imgcanny;
???????????????

??????????? }
??????????? else
??????????????? System.Windows.Forms.MessageBox.Show("請先輸入圖像！");
??????? }

??????? private void 二值化后繪制圖像輪廓ToolStripMenuItem_Click(object sender, EventArgs e)
??????? {
??????????? if (imageBox1.Image != null)
??????????? {
??????????????? Image<Gray, byte> imggray = src.Convert<Gray, byte>();
??????????????? Image<Gray, byte> img2b = imggray.ThresholdBinary(new Gray(60), new Gray(255));
??????????????? Contour<Point> contour = img2b.FindContours();??????? //找輪廓
??????????????? Image<Bgr, byte> imgbgr = img2b.Convert<Bgr, byte>();
??????????????? int maxLevel = 0;?????????????????????????????????????????????????????????? //繪制的輪廓深度
??????????????? imgbgr.Draw(contour, new Bgr(0, 0, 255), new Bgr(0, 0, 255), maxLevel, 1);//繪制圖像輪廓
??????????????? imageBox1.Image = imgbgr;????????????????????????????
??????????? }
??????????? else
??????????????? System.Windows.Forms.MessageBox.Show("請先輸入圖像！");
??????? }

??????? private void SmoothBlur算子ToolStripMenuItem_Click(object sender, EventArgs e)
??????? {
??????????? if (imageBox1.Image != null)
??????????? {
??????????????? Image<Bgr, byte> imgsmoot = src.SmoothBlur(9, 9);
??????????????? imageBox1.Image = imgsmoot;
?
??????????? }
??????? }

??????? private void button1_Click(object sender, EventArgs e)
??????? {
??????????? OpenFileDialog opdlg = new OpenFileDialog();
??????????? opdlg.Filter = "所有文件|*.*";
??????????? if (opdlg.ShowDialog() == DialogResult.OK)
??????????? {
??????????????? Image<Bgr, byte> imgrgb = new Image<Bgr, byte>(opdlg.FileName);
??????????????? imageBox2.Image = imgrgb;
??????????????? subsrc = imgrgb;
??????????? }
??????? }

//六種模板匹配方法

??????? private void radioButton1_CheckedChanged(object sender, EventArgs e)
??????? {
??????????? if (imageBox1.Image != null && imageBox2.Image != null)
??????????? {
??????????????? double time;
??????????????? double totalTime = 0;
??????????????? Stopwatch sw = new Stopwatch();
??????????????? sw.Start();
?
??????????????? //輸入圖像????????????
??????????????? Image<Bgr, Byte> imageInput =src ;
??????????????? //模板圖像????????????
??????????????? Image<Bgr, Byte> imageTemplate = subsrc;

??????????????
??????????????? //匹配方式數組
??????????????? TM_TYPE tmType = TM_TYPE.CV_TM_CCOEFF;

??????????????? //輸出圖像（匹配結果）
??????????????? Image<Gray, Single> imageResult = imageInput.MatchTemplate(imageTemplate,tmType);?????????????

??????????????? //歸一化結果???????????????
??????????????? //CvInvoke.cvNormalize(imageResult.Ptr, imageResult.Ptr, 1d, 0d, NORM_TYPE.CV_MINMAX, IntPtr.Zero);
??????????????? //imageBox1.Image = imageResult;
????????????????
??????????????? //找到最匹配的點，以及該點的值????????????????
??????????????? double bestValue;????????????????
??????????????? Point bestPoint;????????????????
??????????????? FindBestMatchPointAndValue(imageResult, tmType, out bestValue, out bestPoint);
??????????????? //在最匹配的點附近畫一個跟模板一樣大的矩形????????????????
??????????????? Rectangle rect = new Rectangle(new Point(bestPoint.X - imageTemplate.Size.Width / 2, bestPoint.Y - imageTemplate.Size.Height / 2), imageTemplate.Size);???????????????
??????????????? imageResult.Draw(rect, new Gray(bestValue), 2);
??????????????? imageBox1.Image = imageResult;???????????????
??????????????? time = sw.Elapsed.TotalMilliseconds;?
??????????????? totalTime += time;
??????????????? sw.Stop();
??????????????? textBox1.Text = totalTime.ToString();
??????????????? sw.Reset();
?????????
??????????? }
??????????? else
??????????????? System.Windows.Forms.MessageBox.Show("請先輸入圖像！");

??????? }
??????
???????? private void radioButton2_CheckedChanged(object sender, EventArgs e)
???????? {
???????????? if (imageBox1.Image != null && imageBox2.Image != null)
???????????? {
???????????????? //輸入圖像????????????
???????????????? Image<Bgr, Byte> imageInput = src;
???????????????? //模板圖像????????????
???????????????? Image<Bgr, Byte> imageTemplate = subsrc;

???????????????? TM_TYPE tmtype = TM_TYPE.CV_TM_CCORR;