OpenCV——空間矩運算元特徵矩一階矩二階矩中心矩重心目標方向
特徵矩的知識在概率論和數理統計中有介紹,空間矩的方法在影象應用中比較廣泛,包括零階矩求面積、一階矩確定重心、二階矩確定主方向、二階矩和三階矩可以推匯出七個不變矩Hu不變矩,不變矩具有旋轉,平移、縮放等不變性,因此在工業應用和模式識別中得到廣泛的應用。
目標物體灰度函式特徵矩的公式定義如下:
如果是二值影象,那麼f(x,y)就變成
在OpenCV中,可以很方便的計算多邊形區域的3階特徵矩,opencv中的矩主要包括以下幾種:空間矩,中心矩和中心歸一化矩。
class Moments { public: ......
// 空間矩 double m00, m10, m01, m20, m11, m02, m30, m21, m12, m03;
可以知道,對於01二值化的影象,m00即為輪廓的面積。中心矩的公式為:
其中:
歸一化的中心矩公式為:
參考於連結二階中心距,也叫作方差,它告訴我們一個隨機變數在它均值附近波動的大小,方差越大,波動性越大。方差也相當於機械運動中以重心為轉軸的轉動慣量。(The moment of inertia.)
三階中心距告訴我們一個隨機密度函式向左或向右偏斜的程度。
在均值不為零的情況下,原點距只有純數學意義。
A2,二階矩就是 E(X^2)即樣本平方均值 ,具體說來就是 A2=(西格瑪Xi^2)/n-----(2)
Ak,K階矩就是 E(X^k)即樣本K次方的均值,具體說來就是 Ak=(西格瑪Xi^k)/n,-----(3)
不變矩的物理含義:
如果把影象看成是一塊質量密度不均勻的薄板,其影象的灰度分佈函式f(x,y)就是薄板的密度分佈函式,則其各階矩有著不同的含義,如零階矩表示它的總質量;一階矩表示它的質心;二階矩又叫慣性矩,表示影象的大小和方向。事實上,如果僅考慮階次為2的矩集,則原始影象等同於一個具有確定的大小、方向和離心率,以影象質心為中心且具有恆定輻射率的橢圓。由三階矩以下矩構成的七個矩不變數具有平移、旋轉和尺度不變性等等。當密度分佈函式發生改變時,影象的實質沒有改變,仍然可以看做一個薄板,只是密度分佈有所改變。雖然此時各階矩的值可能發生變化,但由各階矩計算出的不變矩仍具有平移、旋轉和尺度不變性。通過這個思想,可對影象進行簡化處理,保留最能反映目標特性的資訊,再用簡化後的影象計算不變矩特徵,可減少計算量。
研究表明,只有基於二階矩的不變矩對二維物體的描述才是真正的與旋轉、平移和尺度無關的。較高階的矩對於成像過程中的誤差,微小的變形等因素非常敏感,所以相應的不變矩基本上不能用於有效的物體識別。即使是基於二階矩的不變矩也只能用來識別外形相差特別大的物理,否則他們的不變矩會因為很相似而不能識別。
在OpenCV中,還可以很方便的得到Hu不變距,Hu不變矩在影象旋轉、縮放、平移等操作後,仍能保持矩的不變性,所以有時候用Hu不變距更能識別影象的特徵。
1、在數學領域,矩 非常的常見
2、在計算機視覺中,使用2維離散形式的矩計算方法
3、使用矩,可以計算物體的面積,物體的質心等。
4、中心矩的計算方法是:某個矩除以0階矩
5、高階矩具有旋轉不變性,尺度不變性,變換不變性等。
我們很熟悉概率論中的一階矩二階矩高階矩,但是很多人可能和我一樣,不明白影象中矩是拿來幹嘛的。
在計算機視覺的書中,雖然有提到矩,但是講的很泛泛也很籠統。自然Google百度這些東西也是靠不牢的。在閱讀了相關論文之後,我終於大致對矩在影象中的應用有了瞭解。 其實矩除了在概率論中有體現,在幾何中也是學過的。比方說零階矩是物體的質量,一階矩和零階矩可以算出物體的中心,而二階矩是用來計算物體的方向的。 拿影象出來來說,影象可以看成是一個平板的物體,其一階矩和零階矩就可以拿來計算某個形狀的重心,而二階矩就可以拿來計算形狀的方向。 光說不練假把式,下面給出他們的計算公式:其中M00即零階矩
M20和M02為二階矩,接下來計算物體形狀的方向
OpenCV程式碼如下所示:
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
Mat src; Mat src_gray;
int thresh = 30;
int max_thresh = 255;
RNG rng(12345);
int main(){
src = imread( "opencv-logo.png" ,CV_LOAD_IMAGE_COLOR );
cvtColor( src, src_gray, CV_BGR2GRAY );//灰度化
GaussianBlur( src, src, Size(3,3), 0.1, 0, BORDER_DEFAULT );
blur( src_gray, src_gray, Size(3,3) ); //濾波
namedWindow( "image", CV_WINDOW_AUTOSIZE );
imshow( "image", src );
moveWindow("image",20,20);
//定義Canny邊緣檢測影象
Mat canny_output;
vector<vector<Point> > contours;
vector<Vec4i> hierarchy;
//利用canny演算法檢測邊緣
Canny( src_gray, canny_output, thresh, thresh*3, 3 );
namedWindow( "canny", CV_WINDOW_AUTOSIZE );
imshow( "canny", canny_output );
moveWindow("canny",550,20);
//查詢輪廓
findContours( canny_output, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0) );
//計算輪廓矩
vector<Moments> mu(contours.size() );
for( int i = 0; i < contours.size(); i++ )
{ mu[i] = moments( contours[i], false ); }
//計算輪廓的質心
vector<Point2f> mc( contours.size() );
for( int i = 0; i < contours.size(); i++ )
{ mc[i] = Point2d( mu[i].m10/mu[i].m00 , mu[i].m01/mu[i].m00 ); }
//畫輪廓及其質心並顯示
Mat drawing = Mat::zeros( canny_output.size(), CV_8UC3 );
printf("\t\t 幾何特性\n");
for( int i = 0; i< contours.size(); i++ )
{
Scalar color = Scalar( rng.uniform(0, 255), rng.uniform(0,255), rng.uniform(0,255) );
drawContours( drawing, contours, i, color, 2, 8, hierarchy, 0, Point() );
circle( drawing, mc[i], 4, color, -1, 8, 0 );
rectangle(drawing, boundingRect(contours.at(i)), cvScalar(0,255,0));
printf("目標%d - 面積:%.2f - 周長: %.2f ", i, mu[i].m00, contourArea(contours[i]), arcLength( contours[i], true ) );
RotatedRect r = fitEllipse(contours.at(i));
double majorAxis = r.size.height > r.size.width ? r.size.height : r.size.width;//長軸大小
double minorAxis = r.size.height > r.size.width ? r.size.width : r.size.height;//短軸大小
double area = mu[i].m00;//面積
int perimeter = arcLength(contours.at(i), true);
double orientation = r.angle;
double orientation_rads = orientation*3.1416/180;
printf("- 偏移角度: %.1f\n\n", orientation);
double diameter = sqrt((4*area)/3.1416);//直徑
double eccentricity = sqrt(1-pow(minorAxis/majorAxis,2));//離心率
double roundness = pow(perimeter, 2)/(2*3.1416*area);//圓滑度
line(drawing, Point(mc[i].x, mc[i].y), Point(mc[i].x+30*cos(orientation_rads), mc[i].y+30*sin(orientation_rads)), cvScalar(0,0,200), 3);
char tam[100];
sprintf(tam, "%.2f", orientation);
putText(drawing, tam, Point(mc[i].x, mc[i].y), FONT_HERSHEY_SIMPLEX, 0.5, cvScalar(0,220,120),1.5);
}
namedWindow( "Contours", CV_WINDOW_AUTOSIZE );
imshow( "Contours", drawing );
moveWindow("Contours",1100,20);
waitKey(0);
src.release();
src_gray.release();
return 0;
}
結果如下:計算得到的第二個目標物面積和周長明顯不正確,具體原因有待查詢