Python 除了HuMoment？之外，还有其他形状属性缩放旋转不变？

加权归一化矩、加权休谟矩和休谟矩之间的区别是什么？（）

---

除了HuMoment？之外，还有其他形状属性缩放旋转不变？有一些例子向我展示了如何实现它们？我在C++中找到这个例子，但是我更喜欢用Python < /P> < P>你所需要的一切都在这里写成，包括如何计算自己的时刻的定义。这是一个微不足道的、不到100行的代码实现。

---

当然，您只想在轮廓内的实际像素上求和，因此PointPolyContest将对您有用。

时刻总是在局部图像特征上计算/求和，首先需要对局部图像特征进行分割和标记。以下公式适用于加权和非加权情况：

m_ji = sum{ array(x, y) * x^j * y^i }

scikit图像（和一般图像）中加权和非加权力矩之间的实际差异如下：

non-weighted:  array(x, y) is a binary image
weighted:      array(x, y) is a grey-level image (each point/pixel is weighted by its grey-level)

这些矩只是平移不变的。为了使它们具有缩放不变性，我们需要使用以下公式对它们进行规格化：

nu_ji = mu_ji / m_00^[(i+j)/2 + 1]

不变性是指几何变换

---

有关矩及其应用的更多信息，您还可以查看

skimage.measure.regionprops

函数中的链接引用。

有一个非常简单的描述符，它对所有事物都是不变的：连接组件的数量；问题解决了吗？但这本身并不是一个好的描述，所以也许你想要比这更好的东西？傅里叶描述子可以很容易地对尺度和旋转保持不变，现在问题解决了吗？你的问题之一是它实际上包含多个问题，选择其中一个作为你的问题。我没有得到很好的解释，在这里我发现这3个不同的时刻：加权归一化矩、加权休谟矩和休谟矩。维基百科上只有数学公式。如何使用：skimage.measure.regionprops（label_image，properties=['huMoments'）？labelimage是图像的名称？和加权的Humoments，为什么应该加权？我在这里找到cv2模块。有一个寻找质心的函数。