opencv入门：矩特征，Hu矩

大家好，欢迎来到IT知识分享网。

矩特征

比较两个轮廓最简单的方法是比较二者的轮廓矩，轮廓矩代表了一个轮廓，一副图像，一组点集的全局特征，矩信息包含了对应对象不同类型的集合特征，例如大小，位置，角度，形状等，矩特征广泛应用在模式识别，图像识别方面。

矩的计算：moments 函数

retval = cv2.moments( array[, binaryImage] ) 获取图像的 Moments特征，使用轮廓矩可以方便的比较两个轮廓

• array 可以是点集 ，也可以是灰度图或二值图。当array 是点集时，函数会把这些点集当作轮廓中的顶点，将整个点集当作一条轮廓，而不是当作独立的点
• binaryImage True时，array 内所有非零值都处理为1，参数仅在array 是图像时有效。
• retval 返回的矩特征，主要包括

1. 空间矩，零阶矩 m00 ，一阶矩：m10, m01，二阶矩：m20, m11, m02，三阶矩：m30, m21, m12, m03
2. 中心矩，二阶中心矩：mu20, mu11, mu02，三阶中心矩：mu30, mu21, mu12, mu03
3. 归一化中心矩，二阶 Hu 矩：nu20, nu11, nu02，三阶 Hu 矩：nu30, nu21, nu12, nu03

阿巴阿巴，，上面的啥矩 都是根据公式计算得到的，大多数矩都是通过数学公式得到的抽象特征，但是很明显，如果两个轮廓的矩一致，那么这两个轮廓就是一致的。m00 的含义就很直观，表示一个轮廓的面积。

cv2.moments 返回的特征值可以用来比较两个轮廓是否相似，例如 不管两个轮廓出现再那个位置，可以通过函数cv2.moments() 的m00 矩来判断面积是否一致。

当轮廓位置改变，虽然面积，周长等特征不会变，但是更高阶的特征会随位置而改变，中心矩通过减去均值而获取平移不变性，从而可以比较不同位置的两个对象是否一致。

归一化中心矩通过除以物体总尺寸而获得缩放不变性，通过计算提取对象的归一化中心矩属性值，该属性值不但拥有平移不变性，还有缩放不变性，也就从缩放前后的图像中提取稳定的特征值来比较轮廓。

再opencv 中cv2.moments() 会同时计算上述三种，，i了i了，Opencv就是为了让你忽略一些细节嘛，，，

o = cv2.imread('16.jpg') cv2.imshow("original",o) gray = cv2.cvtColor(o,cv2.COLOR_BGR2GRAY) ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) # 转成二值图  contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) n=len(contours) contoursImg=[] for i in range(n): # 分别展示轮廓 temp=np.zeros(o.shape,np.uint8) contoursImg.append(temp) contoursImg[i]=cv2.drawContours(contoursImg[i],contours,i,255,3) cv2.imshow("contours[" + str(i)+"]",contoursImg[i]) print("观察各个轮廓的矩（moments）:") for i in range(n): print("轮廓"+str(i)+"的矩:\n",cv2.moments(contours[i])) print("观察各个轮廓的面积:") for i in range(n): print("轮廓"+str(i)+"的面积:%d" %cv2.moments(contours[i])['m00']) cv2.waitKey() cv2.destroyAllWindows() 观察各个轮廓的矩（moments）: 轮廓0的矩: { 
   'm00': 13120.0, 'm10': .0, 'm01': .0, 'm20': ., 'm11': .0, 'm02': ., 'm30': 0.0