矩 (图像)
在数字图像处理、计算机视觉与相关领域中,图像矩是指图像的某些特定像素灰度的加权平均值(矩),或者是图像具有类似功能或意义的属性。
图像矩通常用来描述 分割 后的图像对象。可以通过图像的矩来获得图像的部分性质,包括面积(或总体亮度),以及有关 几何中心 和 方向 的信息 。
原始矩
对于二维连续函数 f (x, y), (p+q) 阶的矩 (有时称为"原始矩") 被定义为
对于 p,q =0,1,2,... 对于灰度图像的像素的强度 I(x,y), 原始图像的矩 Mij 被计算为
在某些情况下,这可以通过计算图像的 概率密度函数 来获得, 即,将上面的计算结果除以以下公式
唯一性定理(Hu [1962])指出,如果f(x, y)是分段连续的,并且仅在xy平面的有限部分具有非零值,则存在所有阶矩,且矩序列(Mpq)由f(x, y)唯一确定。同样的,(Mpq)唯一确定f(x, y)。在实践中,图像的低阶矩具有一些独特的功能。
矩的不变性
矩最著名的应用是进行图像分析,因为它可以被用来获得相对于特定变换的 不变性 。
在这种情况下,常使用不变矩一词。但是,虽然不变矩是由矩形成的不变矩,但不变矩本身对应的矩就是中心矩。
注意,下面详述的不变性仅在连续域中是完全不变的。在离散域中,缩放和旋转都没有很好地定义,因为对离散图像进行的缩放和旋转后获得的图像通常是某种近似变换,并且大多数情况下这些变换都是不可逆的。因此,当描述离散图像中的形状时,这些不变性仅是近似不变的。
平移不变性
任意阶的中心矩 μi j 都是平移不变的。
应用
Zhang et al. 使用Hu矩来解决的 大脑病理检测 (PBD) 问题。[5]
参考文献
- M. K. Hu, "Visual Pattern Recognition by Moment Invariants", IRE Trans. Info. Theory, vol. IT-8, pp.179–187, 1962
- http://docs.opencv.org/modules/imgproc/doc/structural_analysis_and_shape_descriptors.html?highlight=cvmatchshapes#humoments (页面存档备份,存于) Hu Moments' OpenCV method
- J. Flusser: "On the Independence of Rotation Moment Invariants (页面存档备份,存于)", Pattern Recognition, vol. 33, pp. 1405–1410, 2000.
- J. Flusser and T. Suk, "Rotation Moment Invariants for Recognition of Symmetric Objects (页面存档备份,存于)", IEEE Trans. Image Proc., vol. 15, pp. 3784–3790, 2006.
- Zhang, Y. . Bio-Medical Materials and Engineering. 2015, 26: 1283–1290 [2019-10-16]. (原始内容存档于2016-03-04).
外部链接
- Analysis of Binary Images (页面存档备份,存于), University of Edinburgh
- Statistical Moments (页面存档备份,存于), University of Edinburgh
- Variant moments (页面存档备份,存于), Machine Perception and Computer Vision page (Matlab and Python source code)
- Hu Moments (页面存档备份,存于) introductory video on YouTube
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.