矩特征---OpenCV-Python开发指南（25）

什么是矩特征

通过前篇博文的学习，我们知道如何从图像中分解轮廓。而矩特征是比较两个轮廓最简单的方法，通过它们的轮廓矩就能判断。

首先，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几何特征，比如大小，位置，角度，形状等。矩特征被广泛应用在图像识别，模式识别的场景中。

矩的计算

在OpenCV中，它给我们提供了cv2.moments()函数来获取图像的轮廓矩，其完整的定义如下：

def moments(array, binaryImage=None): 

array：可以是点集，也可以是灰度图像或二值图像。当array为点集时，函数会把这些点集当成轮廓中的顶点，把整个点集作为一条轮廓，而不是把它们当成独立的点来看。

binaryImage：布尔类型，当它为True时，array内所有的非零值都被处理为1。该参数仅在array为图像时有效。

通过该函数，我们能判断两个轮廓是否相似。例如，由两个轮廓，不管它们出现在图像的哪个位置，我们都可以通过函数cv2.moments()矩特征判断其面积是否一致。

矩的特征

上面我们说的一般是空间矩，但是矩特征分为3种，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

对于零阶矩来说，通过上面的比较就可以判断面积是否一致。

但是对于更高阶的图像来说，矩特征会随着位置的变化而变化的。为了解决这种问题，所以中心矩诞生了。中心矩是通过减去均值而获取平移的不变性，因而能够比较不同位置的两个对象是否一致。很明显，中心矩具有平移不变性特征。

除了平移之外，在图像中我们还会碰到缩放的情况，也就是说，我们同样喜欢缩放后也能判断其特征。这个时候，就需要归一化中心矩。

归一化中心矩通过除于物体总尺寸而获得缩放不变性。它通过上述计算提取对象的归一化中心矩属性值，该属性值不仅具有平移不变性，还具有缩放不变性。

cv2.moments()函数会同时计算上述空间矩，中心矩以及归一化中心矩

提取一副图像的特征矩

这里，我们还是通过本文首图来分析函数的具体返回值，代码如下：

import cv2

img = cv2.imread("24.jpg"