二值图像分析—用几何矩计算轮廓中心与横纵比过滤

矩是描述图像特征的算子，如今矩技术已广泛应用于图像检索和识别 、图像匹配 、图像重建 、数字压缩 、数字水印及运动图像序列分析等领域。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。

从一幅图像计算出来的矩集，不仅可以描述图像形状的全局特征，而且可以提供大量关于该图像不同的几何特征信息，如大小，位置、方向和形状等。图像矩这种描述能力广泛应用于各种图像处理、计算机视觉和机器人技术领域的目标识别与方位估计中。

一阶矩：与形状有关；

二阶矩：显示曲线围绕直线平均值的扩展程度；

三阶矩：关于平均值的对称性测量；

由二阶矩和三阶矩可以导出7个不变矩。而不变矩是图像的统计特性，满足平移、伸缩、旋转均不变的不变性、在图像识别领域得到广泛的应用。

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，他极其的简单，一般只需用一个数字就可表达。所以，一般我们是用来做大粒度的区分，用来过滤显然不相关的文档。

数学中的矩

图像几何矩

图像的几何矩包含空间矩，中心矩和中心归一化矩。几何矩具有平移、旋转和尺度不变性，一般用于做大粒度的区分，用来过滤显然不相关的图像。

一阶矩、零阶矩：用来计算某个形状的重心。
$$M_{00}=\sum _I\sum _{J}V(i,j);$$
$$M_{10}=\sum _I\sum _{J}i\ast V(i,j);$$
$$M_{01}=\sum _I\sum _{J}j\ast V(i,j);$$
$$i_c=\frac{M_{10}}{M_{00}},j_c=\frac{M_{01}}{M_{00}}$$

其中，$M_{00}$是零阶矩，$M_{10}$、$M_{01}$是一阶矩。其中$i_c$和$j_c$是图像的重心坐标。

二阶矩 ：用来计算形状的方向。
$$M_{20}=\sum _i\sum _j{i}^{2}V(i,j)$$
$$M_{02}=\sum _i\sum _j{j}^{2}I(i,j)$$
$$M_{11}=\sum _I\sum _{J}i\ast j\ast V(i,j)$$

那么物体的方向：

OpenCV中的API

在OpenCV中，可以很方便的计算多边形区域的3阶特征矩。opencv中的矩主要包括以下几种：

1. 空间矩/几何矩
   空间矩的实质就是面积或者质量，可以通过一阶矩计算质心/重心。

   空间矩：spatial moments：
   double 	m00
   double 	m10
   double 	m01
   double 	m20
   double 	m11
   double 	m02
   double 	m30
   double 	m21
   double 	m12
   double 	m03
   

   各阶矩的物理意义：

   0阶矩（$M_{00}$）——————目标区域的质量
   1阶矩（$M_{01},M_{10}$）————目标区域的质心
   2阶矩（$M_{02},M_{11},M_{20}$）———表示旋转半径
   3阶矩（$M_{03},M_{12},M_{21}，m_{30}$）——描述目标方位和斜度，反映目标的扭曲程度

2. 中心矩
   中心矩体现的是图像强度的最大和最小方向（中心矩可以构建图像的协方差矩阵），其只具有平移不变性，所以用中心矩做匹配效果不会很好。

   中心矩：构造平移不变形
   质心的坐标：$x=\frac{m_{10}}{m_{00}},y=\frac{m_{01}}{m_{00}}$

   中心矩central moments:
    double 	mu20
    double 	mu11
    double 	mu02
    double 	mu30
    double 	mu21
    double 	mu12
    double 	mu03
   

3. 归一化的中心矩
   归一化后具有尺度不变性。

   中心归一化矩central normalized moments：
   double 	nu20
   double 	nu11
   double 	nu02
   double 	nu30
   double 	nu21
   double 	nu12
   double 	nu03
   

4. Hu矩
   Hu矩由于具有尺度、旋转、平移不变性，可以用来做匹配。

OpenCV中提供了:

moments()来计算图像中的中心矩。
HuMoments()用于由中心矩计算Hu矩。
函数contourArea函数计算轮廓面积
arcLength来计算轮廓或者曲线长度。

Moments类

class CV_EXPORTS_W_MAP Moments
{
public:
    //! the default constructor
    Moments();
    //! the full constructor
    Moments(double m00, 
            double m10, 
            double m01,
            double m20, 
            double m11,
            double m02, 
            double m30, 
            double m21, 
            double m12, 
            double m03 
           );
  

    //空间矩
    //! @{
    double  m00, m10, m01, m20, m11, m02, m30, m21, m12, m03;
    //! @}

    //中心矩
    //! @{
    CV_PROP_RW double  mu20, mu11, mu02, mu30, mu21, mu12, mu03;
    //! @}

    //中心归一化矩
    //! @{
    CV_PROP_RW double  nu20, nu11, nu02, nu30, nu21, nu12, nu03;
    //! @}
};

1、moments函数

• 说明
  计算多边形3阶之前的所有矩。

• 说明

  Moments moments( InputArray array, bool binaryImage = false );
  

• 参数

  array	像素图(单通道、8位或浮点二维数组)或二维的（$1\times N$ or $N\times 1$ ）的点。
  binaryImage	如果为真，则所有非零图像像素视为1。该参数仅用于图像。

  仅适用于Python绑定的轮廓矩计算:注意numpy
  输入数组的类型应该是np.int32或np.float32。

2、contourArea函数

• 说明
  该函数计算轮廓区域。与矩类似，使用格林公式计算面积。因此，如果使用drawContours或fillPoly绘制轮廓，则返回的区域和非零像素的数量可以不同。同样，对于带有自相交的轮廓，该功能肯定会给出错误的结果。

• 声明

  double contourArea( InputArray contour, bool oriented = false );
  
  

• 参数

  contour	二维点（轮廓顶点）的输入向量，存储在std :: vector或Mat中。
  oriented	定向区域标志。如果为true，则函数根据轮廓方向（顺时针或逆时针）返回带符号的区域值。使用此功能，您可以通过取一个区域的符号来确定轮廓的方向。默认情况下，该参数为false，表示返回绝对值。

3、arcLength函数

• 说明
  计算轮廓周长或曲线长度。
  该函数计算曲线长度或闭合轮廓周长。

• 函数

  double arcLength( InputArray curve, bool closed );
  

• 参数

  curve	二维点的输入向量，存储在std :: vector或Mat中。
  closed	指示曲线是否闭合的标志。

应用

#include<iostream>
#include<opencv2/opencv.hpp>

using namespace std;
using namespace cv;

void getCenterPoint(Mat& src) {
	Mat binary, gray,dst;
	dst = src.clone();
	//1.将图片转化成灰度图像
	cvtColor(src, gray, COLOR_BGR2GRAY);
	imshow("gray", gray);

	//2.转化图片成为二值化
	threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);
	imshow("binary", binary);
	//3.发现轮廓
	vector<vector<Point>> contours;
	findContours(binary, contours, RETR_TREE, CHAIN_APPROX_SIMPLE);

	//4.计算轮廓的矩
	vector<Moments> mu(contours.size());
	vector<Point2f> mc(contours.size());
	vector<double> mu_area(contours.size());
	for (size_t i = 0; i < contours.size(); i++)
	{
		int r = (i + 60) % 255;
		int g = (i + 20) % 255;
		int b = (i + 140) % 255;
		Scalar color = Scalar(r,g,b);
		//4.1面积过滤，过滤面积小于300的
		double area = contourArea(contours[i]);
		if (area < 300)
			continue;
		//4.2横纵比过滤
		Rect rect = boundingRect(contours[i]);
		float radio = float(rect.width) / float(rect.height);
		if (radio < 3 && radio>1) {
			//4.3计算矩
			mu[i] = moments(contours[i]);

			//5. 由矩计算轮廓的中心矩、面积
			double x = mu[i].m10 / mu[i].m00;
			double y = mu[i].m01 / mu[i].m00;
			//5.1中心矩
			mc[i] = Point2d(x, y);
			//5.2面积
			mu_area[i] = mu[i].m00;
			cout << "第" << i << "个轮廓的中心：（" << mc[i].x << "," << mc[i].y << "),面积为：" << mu_area[i] << endl;
            //5.3画出轮廓
			drawContours(dst, contours, i, color, 2);
			//5.4画出中心矩
			circle(dst, Point(mc[i]), 5, color, -1);

		}
	}
	imshow("contour", src);
	imshow("dst", dst);

}

int main() {
	Mat src = imread("D:/test/huahua.png");
	if (src.empty()) {
		cout << "input the image error!" << endl;
	}
	getCenterPoint(src);
	waitKey(0);
	return 0;
	
}

【图像处理】轮廓二阶矩计算目标中心-计算目标中心位置方法3

【图像算法】图像特征：几何不变矩–Hu矩