В обработке изображений , компьютерном зрении и связанных областях момент изображения - это определенное конкретное средневзвешенное значение ( момент ) интенсивностей пикселей изображения или функция таких моментов, обычно выбираемая для того, чтобы иметь какое-то привлекательное свойство или интерпретацию.
Моменты изображения полезны для описания объектов после сегментации . Простые свойства изображения, которые можно найти по моментам изображения, включают площадь (или общую интенсивность), его центроид и информацию о его ориентации .
Необработанные моменты [ править ]
Для двумерной непрерывной функции f ( x , y ) момент (иногда называемый «исходным моментом») порядка ( p + q ) определяется как
для p , q = 0,1,2, ... Адаптируя это к скалярному (в оттенках серого) изображению с интенсивностью пикселей I ( x , y ), моменты необработанного изображения M ij вычисляются с помощью
В некоторых случаях это можно вычислить, рассматривая изображение как функцию плотности вероятности , т . Е. Разделив указанное выше на
Теорема единственности (Hu [1962]) утверждает, что если f ( x , y ) кусочно непрерывна и имеет ненулевые значения только в конечной части плоскости xy , то существуют моменты всех порядков, а последовательность моментов ( M pq ) равна однозначно определяется функцией f ( x , y ). Наоборот, ( M pq ) однозначно определяет f ( x , y ). На практике изображение суммируется с функциями нескольких моментов более низкого порядка.
Примеры [ править ]
Простые свойства изображения, полученные с помощью сырых моментов, включают:
- Площадь (для двоичных изображений) или сумма уровней серого (для изображений в серых тонах):
- Центроид:
Центральные моменты [ править ]
Центральные моменты определяются как
где и - компоненты центроида .
Если ƒ ( x , y ) - цифровое изображение, то предыдущее уравнение принимает вид
Центральными моментами порядка до 3-х являются:
Можно показать, что:
Центральные моменты трансляционно инвариантны .
Примеры [ править ]
Информацию об ориентации изображения можно получить, сначала используя центральные моменты второго порядка для построения ковариационной матрицы .
Ковариационная матрица изображения теперь
- .
Собственные векторы этой матрицы соответствуют большой и малой осям интенсивности изображения, поэтому ориентация может быть извлечена из угла собственного вектора, связанного с наибольшим собственным значением, к оси, ближайшей к этому собственному вектору. Можно показать, что этот угол Θ определяется следующей формулой:
Приведенная выше формула действует до тех пор, пока:
В собственных значений матрицы ковариации можно легко показать,
и пропорциональны квадрату длины осей собственных векторов. Таким образом, относительная разница в величине собственных значений является показателем эксцентриситета изображения или его вытянутости. Эксцентриситет является
Инварианты моментов [ править ]
Моменты хорошо известны своим применением в анализе изображений, поскольку их можно использовать для получения инвариантов относительно определенных классов преобразований.
В этом контексте часто злоупотребляют термином « инвариантные моменты» . Однако, в то время как инварианты моментов являются инвариантами, образованными из моментов, единственные моменты, которые сами являются инвариантами, являются центральными моментами. [ необходима цитата ]
Обратите внимание, что описанные ниже инварианты точно инвариантны только в непрерывной области. В дискретной области ни масштабирование, ни поворот четко не определены: дискретное изображение, преобразованное таким образом, обычно является приближением, и преобразование не является обратимым. Следовательно, эти инварианты инвариантны лишь приблизительно при описании формы в дискретном изображении.
Инварианты перевода [ править ]
Центральные моменты μ i j любого порядка по построению инвариантны относительно сдвигов .
Масштабные инварианты [ править ]
Инварианты η i j относительно сдвига и масштаба могут быть построены из центральных моментов путем деления на правильно масштабированный нулевой центральный момент:
где i + j ≥ 2. Обратите внимание, что трансляционная инвариантность напрямую следует только при использовании центральных моментов.
Инварианты вращения [ править ]
Как показано в работе Ху, [1] [2] инварианты относительно сдвига , масштаба и вращения могут быть построены:
Это хорошо известные инварианты моментов Ху .
Первый, I 1 , аналогичен моменту инерции вокруг центроида изображения, где интенсивности пикселей аналогичны физической плотности. Первые шесть, I 1 ... I 6 , симметричны по отражению, т. Е. Они не изменяются, если изображение меняется на зеркальное. Последний, I 7 , является антисимметричным по отражению (меняет знак при отражении), что позволяет ему различать зеркальные изображения идентичных в остальном изображений.
Общая теория вывода полных и независимых наборов инвариантов момента вращения была предложена Дж. Флюссером. [3] Он показал, что традиционный набор инвариантов моментов Ху не является ни независимым, ни полным. I 3 не очень полезен, так как зависит от других (как?). В исходном наборе Ху отсутствует независимый моментный инвариант третьего порядка:
Как и I 7 , I 8 также антисимметричен по отражению.
Позже Дж. Флюссер и Т. Сук [4] специализировали теорию для случая N-вращательно-симметричных форм.
Приложения [ править ]
Zhang et al. применил инварианты моментов Ху для решения проблемы патологического обнаружения мозга (PBD). [5] Дёрр и Флоренс использовали информацию об ориентации объекта, относящуюся к центральным моментам второго порядка, для эффективного извлечения инвариантных по сдвигу и вращению поперечных сечений объекта из данных микрорентгеновской томографии. [6]
Внешние ссылки [ править ]
- Анализ двоичных изображений , Эдинбургский университет
- Статистические моменты , Эдинбургский университет
- Варианты моментов , страница машинного восприятия и компьютерного зрения (исходный код Matlab и Python)
- Вступительное видео Hu Moments на YouTube
- Суть Реализация этой страницы, jupyter и python.
Ссылки [ править ]
- ^ MK Hu, "Визуальное распознавание образов по инвариантам момента", IRE Trans. Информация. Теория, т. ИТ-8, с.179–187, 1962 г.
- ^ http://docs.opencv.org/modules/imgproc/doc/structural_analysis_and_shape_descriptors.html?highlight=cvmatchshapes#humoments Метод OpenCV Hu Moments
- ^ J. Flusser: " О независимости инвариантов момента вращения ", Распознавание образов, т. 33. С. 1405–1410, 2000.
- ^ J. Flusser и T. Suk, " Инварианты момента вращения для распознавания симметричных объектов ", IEEE Trans. Image Proc., Vol. 15. С. 3784–3790, 2006.
- Перейти ↑ Zhang, Y. (2015). «Патологическое обнаружение мозга на основе вейвлет-энтропии и инвариантов момента Ху» . Биомедицинские материалы и инженерия . 26 : 1283–1290. DOI : 10.3233 / BME-151426 . PMID 26405888 .
- ^ Дёрр, Фредерик; Флоренс, Аластер (2020). «Анализ изображений микро-XRT и методология машинного обучения для характеристики составов капсул из нескольких частиц» . Международный журнал фармацевтика: X . 2 : 100041. дои : 10.1016 / j.ijpx.2020.100041 . PMID 32025658 .