图像的矩（中心矩、惯性矩、Hu不变矩）

图像的矩是一种描述图像特征的数学工具，用于量化图像的形状、大小和位置等属性。

---

几何矩$m_{pq}$

$$m_{pq}=\sum _{(x,y)\in Object}{x}^p{y}^q\text{\hspace{1em}(1)}$$

• 式中，x、y分别是物体上每个像素的x、y位置坐标。

tips
$m_{00}$	图像像素个数
$(m_{10},m_{01})$	图像质心

中心矩${\mu }_{pq}$

平移不变性

$${\mu }_{pq}=\sum _{(x,y)\in Object}(x-m_{10}{)}^p(y-m_{01}{)}^q\text{\hspace{1em}(2)}$$

惯性矩$I$

$$I=\left[\begin{array}{cc}{\mu }_{20}& {\mu }_{11}\\ {\mu }_{11}& {\mu }_{02}\end{array}\right]\text{\hspace{1em}(3)}$$
计算$I$的特征值和特征向量，特征向量的方向即为图像的主轴方向，可用于判断物体的倾斜角度。
若特征值为${\lambda }_1$、${\lambda }_2$，且${\lambda }_1>{\lambda }_2$，则物体的离心率为$\sqrt{1-(\frac{{\lambda }_2}{{\lambda }_1}{)}^2}$.

惯性矩的应用思想其实就是多元统计分析中的主成分分析法(Principal Component Analysis,PCA)，多用于数据降维。
惯性矩将物体的二维像素点视为一个个样本，对像素点做PCA（$I$为像素点的协方差矩阵）。

将样本投影到特征值最大的那个特征向量方向，样本方差最大。
至于为何协方差特征向量即为主轴方向（样本投影到该方向后方差最大），我抽空另开博文，主要博主有点菜，看不太懂两年前的笔记了。(っ °Д °;)っ

注意：物体离心率非常接近1，并非代表物体是圆形，所有正多边形其离心率皆为1。

归一化中心矩$y_{pq}$

平移不变性、尺度不变性

$$y_{pq}=\frac{{\mu }_{pq}}{{\mu }_{00}^r}\text{\hspace{1em}(4)}$$

• 式中，$r=\frac{p+q+2}{2}p+q=2,3,\cdots$

Hu不变矩$H$

平移不变性、尺度不变性、旋转不变性
Hu距值具有旋转缩放平移不变性，也就是说同一个物体经过旋转缩放平移变换后，其Hu矩值不变。(物体镜像变换会导致Hu某些分量符号发生变化)

$$\begin{array}{rl}h1& =y_{20}+y_{02}\\ h2& =(y_{20}+y_{02}{)}^2+4y_{11}^2\\ h3& =(y_{30}-3y_{12}{)}^2+(3y_{21}-y_{03}{)}^2\\ h4& =(y_{30}+y_{12}{)}^2+(y_{21}+y_{03}{)}^2\\ h5& =(y_{30}-3y_{12})(y_{30}+y_{12})((y_{30}+y_{12}{)}^2-3(y_{21}+y_{03}{)}^2)\\ & +(3y_{21}-y_{03})(y_{21}+y_{03})(3(y_{30}+y_{12}{)}^2-(y_{21}+y_{03}{)}^2)\\ h6& =(y_{20}-y_{02})((y_{30}+y_{12}{)}^2-(y_{21}+y_{03}{)}^2)+4y_{11}(y_{30}+y_{12})(y_{21}+y_{03})\\ h7& =(3y_{21}-y_{03})(y_{30}+y_{12})((y_{30}+y_{12}{)}^2-3(y_{21}+y_{03}{)}^2)\\ & -(y_{30}-3y_{12})(y_{21}+y_{03})(3(y_{30}+y_{12}{)}^2-(y_{21}+y_{03}{)}^2)\end{array}$$

$$H=[h1,h2,h3,h4,h5,h6,h7]\text{\hspace{1em}(5)}$$

Hu不变矩一般用于识别图像中大的物体，对物体的形状描述得比较好，如识别水果形状、车牌中的简单字符。