OpenCV中七个Hu不变矩函数的含义
c++
computer-vision
image-processing
opencv
4
0

我了解到,这7个hu不变矩用于对象的平移,旋转和尺度变化,以便独立地识别这些因素。

这就是为什么我使用OpenCV中的“矩”函数提取中心矩,然后使用HuMoments函数获取以下二值化图像的七个不变矩的原因:

在此处输入图片说明

我的第一个问题是关于OpenCV中“ moments”功能的使用。第二个参数是“ binaryImage”,我将它设置为true,因为它是二进制图像,可以吗?

我的第二个疑问是关于函数“ HuMoments”的输出:七个hu不变矩。我不了解这些数据。哪些数据与旋转相关,哪些与平移有关,哪些与比例变化有关?

非常感谢!欢呼!

参考资料:
Stack Overflow
收藏
评论
共 2 个回答
高赞 时间 活跃

第一个问题:

这样做是可以的,因为图像中只有一个对象。如果有更多对象,并想为每个对象找到力矩,请使用轮廓。造访: http : //opencvpython.blogspot.in/2012/06/contours-3-extraction.html

第二个问题:

(看到您的问题后,我也正在考虑)

胡铭ments先生在1962年发表的论文《 矩不变量的视觉模式识别 》中揭示了HuMoments。

在那篇论文中,他对它们进行了解释(当然,在高数学内容的帮助下)。您可以根据需要进行检查。

他说:

定理:中心矩在平移下是不变的。

当您使用moments()函数找到时刻时,它会返回三种时刻,即spatial moments (Mji), Central Moments (MUji) and Central Normalized Moments ( NUji) 。查看文档中的moments()

在第4-C节的末尾,胡说,在七个关系中( seventh one is skew invariant, which helps to distinguish mirror images. 看到它们 ),前六个是平移,大小和旋转seventh one is skew invariant, which helps to distinguish mirror images.seventh one is skew invariant, which helps to distinguish mirror images.

我搜索了很多有关Hu Moments值的含义的信息。但是所有论文都说同一个对话框: " Seven Hu Moments are calculated from Central Moments which are invariant to size, position and orientation ".他们没有说个人价值观的含义。

加里·布拉德斯基先生(Gary Bradsky)先生撰写的经典OpenCV“学习OpenCV”一书提供了一些见解,使我们可以进行更多探索。 (请参阅第254页)

收藏
评论

要回答第二个问题:

我认为不变的时刻没有任何意义。只需保证它们对于给定形状是恒定的,无论它如何移动,旋转或缩放。

您听起来想了解它们的意思是:

哪些数据与旋转相关,哪些与平移有关,哪些与比例变化有关?

完全没有意义,因为按照定义,它们都与旋转,平移和缩放无关。但是,曾经可以很容易地问一个类似的问题,但是对于其他属性,例如:

角,圆度或宽高比的相关数据是什么?

在这里,我认为很明显,这些时刻与任何人希望与之相关的任意属性都没有关系,因此答案仍然没有意义。

那那把我们留在哪里呢?这样:如果我们要比较两个对象以判断它们的“形状”是否相似(通过“形状”表示我们不关心旋转,平移和比例变化),则可以计算出hu不变矩并比较它们。如果这些值“大约”相等,那么您可以说形状“大约”相同。然后,人们希望这些时刻在不同形状之间存在巨大差异-并且它们是否存在是一个有趣的问题,也许其他人可以回答。

例如,假设我们计算一个正方形的一些矩(仅显示三个矩,为简单起见,范围为0到1)为:

(0.5, 0.5, 0.5)

然后,我们希望一个圆给出如下内容:

(0.5, 1, 0.5)

还有一个椭圆形:

(0.5, 1, 0.7)

这可以让您比较这些形状。如果计算未知形状的矩并得到:

(0.51, 0.98, 0.47)

(可能是)一个圆圈。但是,如果有星星给您:

(0.2, 0.6, 0.9)

新月也给了同样的东西,那没什么用。尽管有七个弯矩,但对于至少一些弯矩,对于我们认为形状的重要特征,仍有很大的潜力。

希望这可以帮助。

收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题

关于我们

常见问题

内容许可

联系我们

@2020 AskGo
京ICP备20001863号