Opencv 笔记11 图像的矩原理解析

一、数学中的矩

矩是概率与统计中的一个概念，假设有随机变量X，常数c，正整数k,则有

E[(X−c)k]称X为c 的k阶矩。

1.c=0->ak=E(Xk)称为X的k阶原点矩

2. c=E(X)。这时μk=E[(X−EX)k]称为X的k阶中心矩。

同理当随机变量是X 、Y的二维时候有如下：

1、A1=A2=0->上式称为X的p+q阶混合原点矩

2.  A1=E(X)，A2=E(Y)->上式称为X的p+q阶混合中心矩。

这里只说离散的情况。联系的不谈

二、图像中的几何矩

假设二维图像坐标（x,y）对应的p、q对应的公式：

 三、Hu矩

Hu矩具有旋转、平移等不变性，所以Hu矩在图像中用的更加广泛，Hu矩是有二阶和三阶中心矩得到的七个不变矩，

原点矩：          

 中心矩：          

 归一化中心矩：

四、算子解释与使用

矩：moments()函数用于计算中心矩

moments(InputArray  array, //计算矩的区域2D像素坐标集合或者单通道的CV_8U图像
bool  binaryImage = false //是否将所有非0像素值视为1的标志
)

Hu矩：基于moments()的HuMoments

void HuMoments( 
const Moments& moments, // moments即为上面一个函数计算得到的moments类型
 double* hu // hu是一个含有7个数的数组，就是上面第三种说的7个不变矩)

利用Hu矩进行轮廓匹配的matchShapes()函数

double cv::matchShapes
(InputArray  contour1,  // 目标图像、轮廓
InputArray  contour2, // 模板图像、轮廓
int  method,    // 匹配的方法：  CONTOURS_MATCH_I1
                                CONTOURS_MATCH_I2
                                CONTOURS_MATCH_I3
double  parameter 
)

1、找到图像的质心和轮廓：

 

 代码显示：

Mat src, gray_src;
int threshold_value = 80;
int max_threshold = 255;

const char* output_win = "resultImage";
const char* trackbar_title = "Threshold:";

void Callback_Moments(int, void*) {

	vector<vector<Point>> contours;
	vector<Vec4i> h;
	Mat cannyImage;
	//canny
	Canny(gray_src, cannyImage, threshold_value, threshold_value * 2, 3, false);
	imshow("Canny", cannyImage);
	// 找轮廓
	findContours(cannyImage, contours, h, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); // 找最外层的轮廓

	// 找到轮廓个数个矩
	vector<Moments> contours_moments(contours.size());
	// 质心
	vector<Point2f> centers(contours.size());



	for (int i = 0; i < contours.size(); i++)
	{
		contours_moments[i] = moments(contours[i]);
		centers[i] = Point(
			(static_cast<float>(contours_moments[i].m10 / contours_moments[i].m00)), // x0
			(static_cast<float>(contours_moments[i].m01 / contours_moments[i].m00)));//y0
	}
	printf("%d\n", contours.size());


	// 画出轮廓和各个轮廓对应的质心
	Mat resultImage;
	cannyImage.copyTo(resultImage);
	for (int i = 0; i < contours.size(); i++)
	{
		if (contourArea(contours[i]) < 1000) { // 轮廓的面积都是>1000的
			continue;
		}

		printf("质心坐标 x : %.2f y : %.2f\n", centers[i].x, centers[i].y);
		printf("contours %d area : %.2f   arc length : %.2f\n", i, contourArea(contours[i]), arcLength(contours[i], true));
		drawContours(resultImage, contours, i, Scalar(255, 255, 255), 2, 8, h, 0);
		circle(resultImage, centers[i], 3, Scalar(255, 255, 255), 6, 8);
	}

	imshow(output_win, resultImage);
}

int main() {
	src = imread("C:\\Users\\19473\\Desktop\\opencv_images\\513.png");
	if (!src.data)
	{
		cout << "could not load image !";
		waitKey(0);
		return -1;
	}
	cvtColor(src, gray_src, CV_BGR2GRAY);
	GaussianBlur(gray_src, gray_src, Size(3, 3), 0, 0);

	namedWindow(output_win, CV_WINDOW_AUTOSIZE);
	imshow("原图", src);

	createTrackbar("Threshold", output_win, &threshold_value, max_threshold, Callback_Moments);
	Callback_Moments(0, 0);

	waitKey(0);
	return 0;
}

 

Hu矩的模板匹配： 

 

int main() {
	Mat  template_A, src, gray_src,brinaryImage,brinaryImage_A, gray_src_A,result;

	src = imread("C:\\Users\\19473\\Desktop\\opencv_images\\516.png");
	template_A= imread("C:\\Users\\19473\\Desktop\\opencv_images\\517.png");
	if (!src.data)
	{
		cout << "could not load image !";
		waitKey(0);
		return -1;
	}
	imshow("模板图像", template_A);
	imshow("待找图像", src);
	// 1.待测图像-- 灰度图像--》二值图像
	cvtColor(src, gray_src, CV_BGR2GRAY);
	GaussianBlur(gray_src, gray_src, Size(3, 3), 0, 0);
	threshold(gray_src,brinaryImage,10,255,THRESH_BINARY);
	imshow("threshold", brinaryImage);
	vector<vector<Point>>  contours;
	vector<Vec4i> h;// 拓补结构
	// 2、查找轮廓
	findContours(brinaryImage, contours, h, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(0, 0));
	printf("待测图像的轮廓个数 ： %d\n", contours.size());



	// 3、模板图像处理
	cvtColor(template_A, gray_src_A, CV_BGR2GRAY);
	threshold(gray_src_A, brinaryImage_A, 10, 255, THRESH_BINARY);
	imshow("A", brinaryImage_A);
	vector<vector<Point>>  contour_A;
	vector<Vec4i> h_A;
	findContours(brinaryImage_A, contour_A, h_A, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(0, 0));
	int a = contour_A.size();
	printf("模板图像的轮廓个数 ： %d\n", a);



	// 4 在待测图像中寻找
	result = gray_src.clone();
	Moments m_A = moments(contour_A[0]);
	Mat m_A_hu;
    HuMoments(m_A, m_A_hu);
	for (int n = 0; n < contours.size(); n++)
	 {
	     Moments mm = moments(contours[n]);
	     Mat hum;
	     HuMoments(mm, hum);
	     //Hu矩匹配
	         double dist;
	     dist = matchShapes(hum, m_A_hu, CONTOURS_MATCH_I1, 0);
	     if (dist < 1)
	         {
	             drawContours(result, contours, n, Scalar(255,0, 255), 3, 8);
	         }
	 }

	imshow("结果", result);

	waitKey(0);
	return 0;
}