厳密に言えば瞬間を確率と統計の概念され、数値的な特性は確率変数です。Xは確率変数セットは、Cは、E [(X-C)^量定数である k]は点CについてX kを次モーメントと呼ばれています 次のように2例より重要なのは、次のとおりです。
Xの原点モーメントKの順と呼ば1.C = 0、この場合a_k = E(X ^ K);
k個の順序中心モーメント2.C = E(X)、この時間μ_k= E [(X-EX)^ k]はXと呼ばれ
原点モーメントが所望の順序、μ_1= 0一次中心モーメントであり、Xは、分散Var(X)のμ_2第2の中心モーメントです。まれ偏りかどうかを測定することが可能μ_3、使用されない4次モーメントよりも統計的に高く、μ_4は、平均剛性急の分布(密度)の程度を測定することができます。
数学のために
モーメント、中心モーメント、重心、方向パッチ
一次起源モーメントが望まれています。第二の中心モーメントは、確率変数の分散である。ほとんど使われない4次モーメントよりも統計的に高いです。中心部から3次分布をバイアスすることができるかどうかを測定します。四次中心モーメントは、平均測定を中心に分布する方法を急の範囲に行くことができます。
我々は画素の座標を有するように、2次元確率変数(X、Y)は、画像のために、2つの次元のグレースケール画像のグレースケール密度関数を表すことができ、グレーモーメントを説明するために使用することができます画像の特徴の。
空間モーメントは、エリアや品質の本質です。これは、重力により重心/一次モーメントを計算することができます。
重心(センターセンター):
胡モーメント
class Moments{ public: Moments(); Moments(double m00, double m10, double m01, double m20, double m11, double m02, double m30, double m21, double m12, double m03 ); Moments( const CvMoments& moments ); operator CvMoments() const; // spatial moments 空间矩 double m00, m10, m01, m20, m11, m02, m30, m21, m12, m03; // central moments 中心矩 double mu20, mu11, mu02, mu30, mu21, mu12, mu03; // central normalized moments 中心归一化矩 double nu20, nu11, nu02, nu30, nu21, nu12, nu03; }
#include <opencv2/highgui/highgui.hpp> #include <opencv2/imgproc/imgproc.hpp> using namespace cv; using namespace std; //定义窗口名字的宏 #define WINDOW_NAME1 "【原始图】" #define WINDOW_NAME2 "【图像轮廓】" //全局变量的声明 Mat g_srcImage, g_grayImage; int g_nThresh = 100; int g_nMaxThresh = 255; RNG g_rng(12345); Mat g_cannyMat_output; vector<vector<Point> > g_vContours; vector<Vec4i>g_vHierarchy; //全局函数声明 void on_ThreshChange(int, void*); //main()函数 int main() { //改变console字体颜色 system("color 1E"); //读入原图,返回3通道图像数据 g_srcImage = imread("E:\\VS2015Opencv\\vs2015\\project\\picture\\01.jpg", 1); //源图像转化为灰度图像并平滑 cvtColor(g_srcImage, g_grayImage, COLOR_BGR2GRAY); blur(g_grayImage, g_grayImage, Size(3, 3)); //创建新窗口 namedWindow(WINDOW_NAME1, WINDOW_AUTOSIZE); imshow(WINDOW_NAME1, g_srcImage); //创建滚动条并进行初始化 createTrackbar("阈值:", WINDOW_NAME1, &g_nThresh, g_nMaxThresh, on_ThreshChange); on_ThreshChange(0, 0); waitKey(0); return 0; } void on_ThreshChange(int, void *) { //使用canny检测边缘 Canny(g_grayImage, g_cannyMat_output, g_nThresh, g_nThresh * 2, 3); //找到轮廓 findContours(g_cannyMat_output, g_vContours, g_vHierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0)); //计算矩 vector<Moments> mu(g_vContours.size()); for (unsigned int i = 0; i < g_vContours.size(); i++) { mu[i] = moments(g_vContours[i], false); } //计算中心矩 vector<Point2f>mc(g_vContours.size()); for (unsigned int i = 0; i < g_vContours.size(); i++) { mc[i] = Point2f(static_cast<float>(mu[i].m10 / mu[i].m00), static_cast<float>(mu[i].m01 / mu[i].m00)); } //绘制轮廓 Mat drawing = Mat::zeros(g_cannyMat_output.size(), CV_8UC3); for (unsigned int i = 0; i < g_vContours.size(); i++) { //随机生成颜色值 Scalar color = Scalar(g_rng.uniform(0, 255), g_rng.uniform(0, 255), g_rng.uniform(0, 255)); //绘制外层和内层轮廓 drawContours(drawing, g_vContours, i, color, 2, 8, g_vHierarchy, 0, Point()); //绘制圆 circle(drawing, mc[i], 4, color, -1, 8, 0); } //显示到窗口中 namedWindow(WINDOW_NAME2, WINDOW_AUTOSIZE); imshow(WINDOW_NAME2, drawing); //通过m00计算轮廓面积和Opencv函数比较 printf("\t输出内容:面积和轮廓长度\n"); for (unsigned int i = 0; i < g_vContours.size(); i++) { printf(">通过m00计算出轮廓[%d]的面积:(M_00) = %.2f \n Opencv函数计算出面积 = %.2f,长度:%.2f \n\n", i, mu[i].m00, contourArea(g_vContours[i]), arcLength(g_vContours[i], true)); Scalar color = Scalar(g_rng.uniform(0, 255), g_rng.uniform(0, 255), g_rng.uniform(0, 255)); drawContours(drawing, g_vContours, i, color, 2, 8, g_vHierarchy, 0, Point()); circle(drawing, mc[i], 4, color, -1, 8, 0); } }
本文参考:图像的形状特征——图像的矩