本文共 737 字，大约阅读时间需要 2 分钟。

几何不变矩是一种描述图像特征的重要算子，其核心在于能够在图像经过旋转、平移或缩放后仍保持不变的性质。本文将从定义、发展与应用等方面详细阐述几何不变矩的相关知识。

几何不变矩最初由Hu提出，其核心思想是对图像区域的几何特征进行建模。对于一个灰度图像 $f(x, y)$，其 $(p+q)$ 阶几何矩 $M_{pq}$ 定义为：

$$ M_{pq} = \iint_{x} x^p y^q f(x, y) dx dy \quad (p, q = 0, 1, \ldots, \infty) $$

零阶矩 $M_0$ 对应图像的“质量”，即图像的总面积。其中一阶矩 $M_{01}$ 和 $M_{10}$ 可以用来确定图像的质心坐标 $(\mu_x, \mu_y)$。中心矩则是相对于质心平移后的矩，形式为：

$$ U_{pq} = \iint_{x} (x - \mu_x)^p (y - \mu_y)^q f(x, y) dx dy $$

通过定义 $Z_{pq} = \frac{U_{pq}}{(U_{20} + U_{02})^{p+q+2}}$，Hu提出了7个具有不变特性的几何矩特征，这些特征能够有效描述图像的几何信息。

在图像分析领域，几何不变矩主要应用于物体识别与分类、图像分割等任务。由于其不变性质，使得图像在旋转、缩放或平移后依然能有效描述，因此具有较强的鲁棒性。在大规模图像库中，几何不变矩常被用作快速筛选的特征，可有效提高搜索效率。

本研究主要完成了以下工作：实现了几何不变矩的计算算法，对图像进行中值滤波、归一化以及二值化等处理，并对结果进行可视化分析。实验结果表明，几何不变矩能够有效提取图像的几何特征，且在图像分类任务中表现良好。

版本：2014a

转载地址：http://vejrz.baihongyu.com/