为什么学图像的矩？
答：矩函数在图像分析中涉及很多地方，如模式识别、目标分类、目标识别与方位估计、图像编码与重构。一个从一幅数字图形中计算出来的矩集，通常描述了该图像的全局特征，并提供了大量的关于该图像不同类型的几何特性信息。比如大小、位置、方向以及形状等。
1、矩的计算：moments()函数
说明：moments()函数用于计算多边形和光栅形状的最高达三阶的所有矩。矩用来计算形状的重心、面积，主轴和其他形状。
Moments moments(InputArray array,bool binaryImage=false)
第一个参数：输入参数，可以是光栅图像（单通道，8位或者浮点的二维数组）
补充：光栅图也叫做位图、点阵图、像素图，简单的说，就是最小单位由像素构成的图，只有点的信息，缩放时会失真。每个像素有自己的颜色，类似电脑里的图片都是像素图，你把它放很大就会看到点变成小色块了。
第二个参数：默认值false，若参数为true，则所有非零像素为1。是否为二值图像
2、计算轮廓面积：contourArea()函数
说明：contourArea()函数计算整个轮廓或者部分轮廓的面积
double contourArea(InputArray contour,bool oriented=false)
- 第一个参数：输入的向量，二维点（轮廓顶点），Mat类型或者std::vector
- 第二个参数：面向区域标识符。若其为true，该函数返回一个带符号的面积值，其正负取决于轮廓的方向（顺时针还是逆时针）。false表示以绝对值返回，不带符合
3、计算轮廓长度：arcLength()函数
说明：arcLength()函数用于计算封闭轮廓的周长或曲线的长度
double arcLength(InputArray curve,bool closed)
- 第一个参数：输入的二维点集，可以是Mat或者std::vector
- 第二个参数：一个用于指示曲线是否封闭的标识符，默认值closed，标识曲线封闭
4、综合示例程序：查找和绘制图像轮廓矩
代码步骤：
- 提前图像轮廓
- 发现轮廓
- 计算每个图像轮廓的矩
- 计算每个对象的中心、弧长、面积
#include<opencv2/opencv.hpp> #include<opencv2/imgproc/imgproc.hpp> #include<opencv2/highgui/highgui.hpp> #include<iostream> using namespace std; using namespace cv; #define WINDOW_NAME1 "【原始图窗口】" #define WINDOW_NAME2 "【效果图窗口】" Mat g_srcImage; Mat g_grayImage; int g_nThresh = 100; //阈值 int g_maxThresh = 255; //阈值最大值 RNG g_rng(12345); //随机数生成器 Mat g_cannuMat_output; vector<vector<Point> > g_vContours; vector<Vec4i> g_vHierarchy; void on_ThreshChange(int, void *); static void ShowHelpTxte(); int main() { system("color 1E"); //加载源图像 g_srcImage = imread("E:\\Pec\\jun.jpg", 1); //得到的原图转换为灰度并进行平滑 cvtColor(g_srcImage, g_grayImage, COLOR_BGR2GRAY); blur(g_grayImage, g_grayImage, Size(3, 3)); namedWindow(WINDOW_NAME1, WINDOW_AUTOSIZE); imshow(WINDOW_NAME1, g_srcImage); createTrackbar("阈值：", WINDOW_NAME1, &g_nThresh, g_maxThresh, on_ThreshChange); on_ThreshChange(0, 0);//调用一次进行初始化 waitKey(0); return 0; } void on_ThreshChange(int, void *) { //使用边缘检测 Canny(g_grayImage, g_cannuMat_output, g_nThresh, g_nThresh * 2, 3,false); //找到轮廓 findContours(g_cannuMat_output, g_vContours, g_vHierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0)); //计算矩 vector<Moments>mu(g_vContours.size()); for (unsigned int i = 0; i < g_vContours.size(); i++) { mu[i] = moments(g_vContours[i], false); } //计算中心矩 vector<Point2f>mc(g_vContours.size()); for (unsigned int i = 0; i < g_vContours.size(); i++) { //m00:表示：x=0，y=0 mc[i] = Point2f(static_cast<float>(mu[i].m10 / mu[i].m00), static_cast<float>(mu[i].m01 / mu[i].m00)); } //绘制轮廓 Mat drawing= Mat::zeros(g_cannuMat_output.size(), CV_8UC3); //通过m00计算轮廓面积并且和OpenCV函数比较 for (unsigned int i = 0; i < g_vContours.size(); i++) { cout << "center point x:" << mc[i].x << "，y:" << mc[i].y << endl; cout << ">通过m00计算出轮廓[" << i << "]的面积：（M_00= " << mu[i].m00 << " ，OpenCV函数计算出的面积 = " << contourArea(g_vContours[i]) << "，长度为：" << arcLength(g_vContours[i], true) << endl; Scalar color = Scalar(g_rng.uniform(0, 255), g_rng.uniform(0, 255), g_rng.uniform(0, 255)); drawContours(drawing, g_vContours, i, color, 2, 8, g_vHierarchy, 0, Point()); circle(drawing, mc[i], 1, color, -1, 8, 0);//绘制圆 } namedWindow(WINDOW_NAME2, WINDOW_AUTOSIZE); imshow(WINDOW_NAME2, drawing); }
