矩特征主要表征了图像区域的几何特征,又称为几何矩, 由于其具有旋转、平移、尺度等特性的不变特征,所以又称其为不变矩。在图像处理中,几何不变矩可以作为一个重要的特征来表示物体,可以据此特征来对图像进行分类等操作。
1. HU矩
几何矩是由Hu(Visual pattern recognition by moment invariants)在1962年提出的,图像f(x,y)的(p+q)阶几何矩定义为
Mpq =∫∫(x^p)*(y^q)f(x,y)dxdy(p,q = 0,1,……∞)
矩在统计学中被用来反映随机变量的分布情况,推广到力学中,它被用作刻画空间物体的质量分布。同样的道理,如果我们将图像的灰度值看作是一个二维或三维的密度分布函数,那么矩方法即可用于图像分析领域并用作图像特征的提取。最常用的,物体的零阶矩表示了图像的“质量”:
Moo= ∫∫f(x,y )dxdy
一阶矩(M01,M10)用于确定图像质心( Xc,Yc):
Xc = M10/M00;Yc = M01/M00;
若将坐标原点移至 Xc和 Yc处,就得到了对于图像位移不变的中心矩。如
Upq =∫∫[(x-Xc)^p]*[(y-Yc)^q]f(x,y)dxdy。
Hu在文中提出了7个几何矩的不变量,这些不变量满足于图像平移、伸缩和旋转不变。如果定义
Zpq=Upq/(U20 + U02)^(p+q+2),
Hu 的7种矩为:
H1=Z20+Z02;H1=(Z20+Z02)^2+4Z11^2;......
矩是描述图像特征的算子,它在模式识别与图像分析领域中有重要的应用.迄今为止,常见的矩描述子可以分为以下几种:几何矩、正交矩、复数矩和旋转矩.其中几何矩提出的时间最早且形式简单,对它的研究最为充分。几何矩对简单图像有一定的描述能力,他虽然在区分度上不如其他三种矩,但与其他几种算子比较起来&#