【OpenCV】图像的矩与轮廓匹配

了解了轮廓之后，一个跟轮廓相关的最常用的功能是如何匹配多条轮廓。我们或许需要比较两条计算好的轮廓，或者比较一条轮廓和一个抽象模板。

比较两条轮廓最简洁的方法之一是比较它们的轮廓矩：
期望、方差、协方差在数学上都是矩。
矩是描述图像特征的算子。常见的矩描述自可以分为以下几种：几何矩、正交矩、复数矩和旋转矩。
图像的几何矩，这里的图像指的是单同道，也就是灰度图像。我们把图像可以看成是一个平板的物体，每个像素点的值看成是该处的密度。对某点求期望就是该图像在该点处的矩。我们一般说图像矩，指的是原点矩。一阶矩和零阶矩就可以计算某个形状的重心，而二阶矩就可以拿来计算形状的方向。
在一定条件下，并不总是出现相同结果的现象称为随机现象。表示随机现象各种结果的变量（一切可能的样本点）称为随机变量。随机变量的函数仍然是随机变量。针对于一幅图像，我们把像素的坐标看成是一个二维随机变量(X,Y),那么一幅灰度图像可以用二维灰度密度函数来表示,因此可以用矩来描述灰度图像的特征.不变矩(Invariant Moments)是一处高度浓缩的图像特征，具有平移、灰度、尺度、旋转不变性。
几何矩
-原点矩
其中（i+j)和等于 几阶矩
-中心距
其中x横杠和y横杠表示它的中心质点
-中心归一化矩