1、首先加载两幅需要进行匹配的图像，注意匹配函数cvMatchShapes()需要传入的是二值图，所以一开始需要先将图像二值化。为了进行一个明显的对比，第一次加载两幅图像是一样的，只是大小不一样。//加载图像一 IplImage * src1 = cvLoadImage("..\\TestPictureData\\BI3-1_1.bmp",CV_LOAD_IMAGE_UNCHANGED); //加载图像二 IplImage * src2 = cvLoadImage("..\\TestPictureData\\BI3-1_1.bmp",CV_LOAD_IMAGE_UNCHANGED);
2、调用函数cvMatchShapes(src1,src2,1,0)进行两幅兔脒巛钒图像的匹配，参数1参数2是需要匹配的两幅图像，参数3是匹配的方法，这里有三种方法，不同的方法其内在的实现方式有一定的区别，推荐使用第一二种方法，第三种方法具有不稳定性，第四个参数按默认0即可。显示打印出结果，可以看出HU矩距离非常小为0.000265。//通过计算HU矩，进行比较两幅图像的相似性 double result; result = cvMatchShapes(src1,src2,1,0);//返回的是两个图像或轮廓之间hu矩的相似度 //输出结果 printf("result is %f \n",result); cvShowImage("1",src1); cvShowImage("2",src2);
3、将输入的第二幅图像换成差别较大的图像，再进行计算HU矩的距离，进行图像的匹配，对比出差异。//加载图像一IplImage * src1 = cvLoadImage("..\\TestPictureData\\BI3-1_1.bmp",CV_LOAD_IMAGE_UNCHANGED);//加载图像二IplImage * src2 = cvLoadImage("..\\TestPictureData\\BI1-1.jpg",CV_LOAD_IMAGE_UNCHANGED);
4、计算对比分析得到结果，结果为0.011623。距离值是上述两幅一样图像的100倍多，可见OpenCV中函数cvMatchShapes()对图像的匹配是非常的有效。
