我正在创建一个代码,它会告诉我两个字母彼此有多相似。
为此,我决定采用 OpenCV 中的 HuMoments
概念。
给出的是我拥有的图像
公司.jpg C0.jpg
A.jpg A.jpg
科罗拉多州.jpg Colorado.jpg
我正在使用以下方式阅读图像:
im5 = cv2.imread("images/C0.jpg",cv2.IMREAD_GRAYSCALE)
im7 = cv2.imread("images/Colorado.jpg",cv2.IMREAD_GRAYSCALE)
im9 = cv2.imread("images/A.jpg",cv2.IMREAD_GRAYSCALE)
我正在使用cv2.matchShapes
属性来匹配:
m6 = cv2.matchShapes(im5, im7, cv2.CONTOURS_MATCH_I2,0)
m8 = cv2.matchShapes(im5, im9, cv2.CONTOURS_MATCH_I2,0)
最后我打印输出:
print("C0.png and Colorado.png : {}".format(m6))
print("C0.png and A.jpg : {}".format(m8))
此处最接近零 (0) 的值表示完美匹配
我的输出:
$ python3 shapeMatcher.py
Shape Distances Between
-------------------------
C0.png and Colorado.png : 0.10518804385516889
C0.png and A.jpg : 0.0034705987357361856
C0 和 Colorado 不匹配,但显示正确。让我困惑的一件事是 C0.jpg 和 A.jpg 怎么会很接近?我是否遗漏了一些东西,有什么替代方法可以使 C0 和 A 之间不匹配?请注意,值接近零意味着最接近的匹配。
最佳答案
根据the documentation , cv2.matchShapes
需要轮廓作为输入,而不是图像。
This tutorial有一个示例用法:
import cv2
import numpy as np
img1 = cv2.imread('star.jpg',0)
img2 = cv2.imread('star2.jpg',0)
ret, thresh = cv2.threshold(img1, 127, 255,0)
ret, thresh2 = cv2.threshold(img2, 127, 255,0)
contours,hierarchy = cv2.findContours(thresh,2,1)
cnt1 = contours[0]
contours,hierarchy = cv2.findContours(thresh2,2,1)
cnt2 = contours[0]
ret = cv2.matchShapes(cnt1,cnt2,1,0.0)
print ret
(请注意,findContours
语法已从 OpenCV 2 更改为 OpenCV 3。)
关于python - OpenCV 中使用图像矩进行字体匹配,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56607680/