图像特征之傅里叶描述子

使用C++、opencv获取轮廓的傅里叶描述子

傅里叶描述子是一种图像特征，具体来说，是一个用来描述轮廓的特征参数。其基本思想是用物体边界信息的傅里叶变换作为形状特征，将轮廓特征从空间域变换到频域内,，提取频域信息作为图像的特征向量。即用一个向量代表一个轮廓，将轮廓数字化，从而能更好地区分不同的轮廓，进而达到识别物体的目的。

关于傅里叶描述子的概述可参考论文（
http://www.doc88.com/p-7176387138708.html）的2.3节。

在冈萨雷斯的《数字图象处理》一书中介绍了傅里叶描述子的详细原理：

​

总结：傅立叶描述子可以很好地描述轮廓特征，并且只需少量的描述子（即向量中的数不需要太多）即可大致代表整个轮廓。其次，对傅立叶描述字进行简单的归一化操作后，即可使描述子具有平移、旋转、尺度不变性，即不受轮廓在图像中的位置、角度及轮廓的缩放等影响，是一个鲁棒性较好的图像特征。

注：代码适用于物体已大致分割出来，并且图像中只存在1个目标物体的情况，其他情况需要视需求改代码。

#include 'stdafx.h'#include <opencv2/opencv.hpp> #include <iostream> #include <math.h> #include <opencv2/imgproc/imgproc.hpp>#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>using namespace cv;using namespace std;int main(){//读取图像Mat src_image = imread('D:\\4.PNG');//图像读取出错处理if (!src_image.data){cout << 'src image load failed!' << endl;return -1;}//显示源图像namedWindow('原图', WINDOW_NORMAL);imshow('原图', src_image);//此处高斯去燥有助于后面二值化处理的效果//Mat blur_image;//GaussianBlur(src_image, blur_image, Size(15, 15), 0, 0);//imshow('GaussianBlur', blur_image);/*灰度变换与二值化*/Mat gray_image, binary_image;cvtColor(src_image, gray_image, COLOR_BGR2GRAY);threshold(gray_image, binary_image, 30, 255, THRESH_BINARY | THRESH_TRIANGLE);imshow('binary', binary_image);/*形态学闭操作*/Mat morph_image;Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));morphologyEx(binary_image, morph_image, MORPH_CLOSE, kernel, Point(-1, -1), 2);imshow('morphology', morph_image);/*查找外轮廓*/vector< vector<Point> > contours;vector<Vec4i> hireachy;findContours(binary_image, contours, hireachy, CV_RETR_EXTERNAL, CHAIN_APPROX_NONE, Point());int l;//目标轮廓索引//寻找最大轮廓，即目标轮廓for (size_t t = 0; t < contours.size(); t++){/*过滤掉小的干扰轮廓*/Rect rect = boundingRect(contours[t]);if (rect.width < src_image.cols / 2)continue;//if (rect.width >(src_image.cols - 20))l = t;//找到了目标轮廓，获取轮廓的索引}//画出目标轮廓Mat result_image = Mat::zeros(src_image.size(), CV_8UC3);vector< vector<Point> > draw_contours;draw_contours.push_back(contours[l]);drawContours(result_image, draw_contours, -1, Scalar(255,255,255), 1, 8, hireachy);namedWindow('lunkuo', WINDOW_NORMAL);imshow('lunkuo', result_image);//计算轮廓的傅里叶描述子Point p;int x, y, s;int i = 0,j = 0,u=0;s = (int)contours[l].size();Mat src1(Size(s,1),CV_8SC2);float f[9000];//轮廓的实际描述子float fd[16];//归一化后的描述子，并取前15个for (u = 0; u < s; u++){float sumx=0, sumy=0;for (j = 0; j < s; j++){p = contours[l].at(j);x = p.x;y = p.y;sumx += (float)(x*cos(2*CV_PI*u*j/s) + y*sin(2 * CV_PI*u*j / s));sumy+= (float)(y*cos(2 * CV_PI*u*j / s) - x*sin(2 * CV_PI*u*j / s));}src1.at<Vec2b>(0, u)[0] = sumx;src1.at<Vec2b>(0, u)[1] = sumy;f[u] = sqrt((sumx*sumx)+(sumy*sumy));}//傅立叶描述字的归一化f[0] = 0;fd[0] = 0;for (int k = 2; k < 17; k++){f[k] = f[k] / f[1];fd[k - 1] = f[k];cout << fd[k-1] << endl;}//保存数据for (int k = 0; k < 16; k++){FILE *fp = fopen('1.txt', 'a');fprintf(fp, '%8f\t', fd[k]); fclose(fp);}FILE *fp = fopen('1.txt', 'a');fprintf(fp, '\n');fclose(fp);waitKey();return 0;}

源图像：

​

二值化图像、轮廓图：

​

​

将源图像进行旋转、放大操作后的图像：

​

二值化图像、轮廓图：

​

​

两次得到的傅里叶描述子向量如下所示：

​

可以看到两次得到的向量的对应元素值还是很相近的。