什么是Hu矩
Hu矩是归一化中心矩的线性组合。Hu矩在图像的旋转，缩放，平移等操作后，仍然保持矩的特征不变，所以经常会用到Hu矩来识别图像的特征。
在OpenCV中，我们可以通过cv2.HuMoments()函数获取Hu矩。该函数使用cv2.moments()函数的返回值作为参数，返回7个Hu矩值。
其完整定义如下：
def HuMoments(m, hu=None):
m：是由函数cv2.moments()计算得到的矩特征值
获取Hu矩值
下面，我们就通过该函数获取下图的Hu矩值。
具体代码如下所示：
import cv2 img = cv2.imread("24.jpg") cv2.imshow("img", img) # 转换为灰度图像 img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) hu=cv2.HuMoments(cv2.moments(img_gray)).flatten() print(hu)
运行之后，我们会得到7个值的list数组：
形状匹配
前面我们已经介绍，通过Hu矩可以判断两个轮廓是否一致。而为了更直观的比较Hu矩值，OpenCV给我们提供了cv2.matchShapes()来对两个对象的Hu矩进行比较。
其完整定义如下：
def matchShapes(contour1, contour2, method, parameter):
contour1：需要对比的轮廓1，或者灰度图像
contour2：需要对比的轮廓2，或者灰度图像
method：比较两个轮廓的Hu矩方法，取值如下表：
取值 |
含义 |
cv2.CONTOURS_MATCH_11 |
|
cv2.CONTOURS_MATCH_12 |
|
cv2.CONTOURS_MATCH_13 |
|
parameter：应用于method的特定参数，该参数为扩展参数OpenCV4.X还不支持该参数，因此该参数设置为0。
下面，我们通过几张图测试形状匹配，原图如下：
其中24是之前用到的图与后面图形都不一样，而26所有的图形都是从同一个椭圆变换而来的，比如26_2是26_1等比例放大之后的图像，26_4是26_1移动并旋转一定角度的图像。
下面，我们来通过matchShapes来判断图形，代码如下：
import cv2 img1 = cv2.imread("26_1.jpg") img2 = cv2.imread("26_2.jpg") img3 = cv2.imread("24.jpg") img4 = cv2.imread("26_4.jpg") # 转换为灰度图像 gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY) gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY) gray3 = cv2.cvtColor(img3, cv2.COLOR_BGR2GRAY) gray4 = cv2.cvtColor(img4, cv2.COLOR_BGR2GRAY) contours1, hierarchy1 = cv2.findContours(gray1, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) contours2, hierarchy2 = cv2.findContours(gray2, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) contours3, hierarchy3 = cv2.findContours(gray3, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) contours4, hierarchy4 = cv2.findContours(gray4, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) ret1 = cv2.matchShapes(contours1[0], contours2[0], 1, 0.0) ret2 = cv2.matchShapes(contours1[0], contours3[0], 1, 0.0) ret3 = cv2.matchShapes(contours1[0], contours4[0], 1, 0.0) print(ret1) print(ret2) print(ret3)
这里26_1与26_2，24，26_4分别对比，控制台输出结果如下：
可以看到，与放大移动旋转的图像比，输出值都是0。这是因为相似的图像通过平移，缩放，旋转后，cv2.matchShapes()的值仍然接近与0。而24图的矩形与椭圆并不是一个轮廓。所以其差别非常大，自然返回值也大。
