图像区域特征

以 Halcon 里支持的 Region 特征为基础，做概念总结

---

形状特征

1）圆度（Circularity）
衡量一个形状接近圆的程度，取值为 [0, 1]

$$Circularity=\frac{区域面积}{\pi{外接圆半径}^2}$$
另一种算法是，统计边界点到中心的距离，根据方差反映圆度

Halcon 对应上面两种思路有相应的算子：circularity、roundness

2）紧密度（Compactness）
参考 wikipedia，衡量一个形状紧致程度，取值为 [0, 1]，对于圆，紧密度为 1

$$Compactness = \frac{A^2}{2\pi\sqrt{i_1^2+i_2^2}}$$
其中 $A$为形状面积， $i_1$和 $i_2$为二阶矩： $i_1=\sum_{I}\sum_{J}i^2image(i,j)$； $i_2=\sum_{I}\sum_{J}j^2image(i,j)$

关于紧密度的一个比喻：用不同长度的绳子围成一个面积一定的区域，使用的绳子长度越短则紧密度越高。
　　　　　　　　　　　又由于圆的边缘没有转角，很光滑，因此紧密度又称为粗糙度

Halcon 对应的算子为 compactness

3）矩形度（Rectangularity）
参考《图像处理基本算法 形状特征》，衡量一个形状接近矩形的程度，取值为 [0, 1]

$$Rectangularity=\frac{A}{Er}$$
其中 $A$为形状面积， $Er$为最小外接矩阵面积

Halcon 对应算子为 rectangularity

4）凸性（Convexity）
参考文献【1】（顺便推荐作者关于凸性的研究主页），凸性的计算有很多种方法。这里介绍两种，第二种（Halcon用的这种）更为常见

定义1：对于二维形状$S$，在上面随机选择$A、B$两个点，统计线段$[AB]$上落在$S$内的点的个数

定义2：对于二维形状$S$，令