opencv--图像轮廓

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、一幅图像、一组点集的全局特征。矩信息包含了对应对象不同类型的几何特征，例如大小、位置、角度、形状等

1.获取轮廓特征

使用cv2.moments（）获取的轮廓特征称为轮轮廓，轮轮廓作为描述一个轮廓的重要特征，使用轮轮廓可以方便地比较两个轮廓。

retval=cv2.moments(array[,binaryImage})

• array:可以是灰度图或者二值图，也可以为点集，当作为点集时，该函数将这些点集当作轮廓的顶点，从而将整个点集作为一条轮廓
• binaryImage：当此参数为True时，array内所以的非零值被处理为1
• retval：此返回值为据特征，主要包含空间矩，中心矩，归一化矩

(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，nu13

如果两个轮廓的矩一致，那么这两个轮廓就是一致的，可以通过返回的特征值来比较两个轮廓是否相似。不管两个轮廓出现在图像的哪个位置，都可通过函数cv2.monment()的m00矩来判断面积是否一致（零阶矩表示一个轮廓的面积）

        在位置发生变化，虽然轮廓的面积和周长等特征不变，但是更高阶特征会随着位置的变化而变化。在进行比较不同位置的两个对象的一致性的时候通常引入中心矩，中心矩通过减去均值而获取平移的不变性，从而使其忽略两个对象的位置关系，来比较不同位置上两对象的一致性。

        除了考虑平移的不变性，还需要考虑在经过缩放后的对象的一致性，即让图像在缩放前后具有同样的特征值。此时引进归一化中心矩，通过除以物体总尺寸来获得缩放不变性、归一化矩属性值不仅具有平移不变性，还具有缩放不变性