Zernike矩及其代码.docVIP

Zernike矩 分类： 图像矩 2011-04-19 19:22 678人阅读 评论(6) 收藏 举报 Zernike在1934年引入了一组定义在单位圆 上的复值函数集{ }，{ }具有完备性和正交性， 表示原点到点 的矢量长度； 表示矢量 与 轴逆时针方向的夹角。 是实值径向多项式： 称为Zernike多项式。 Zernike多项式满足正交性： 其中 为克罗内克符号， 是 的共轭多项式。 由于Zernike多项式的正交完备性，所以在单位圆内的任何图像 都可以唯一的用下面式子来展开： 式子中 就是Zernike矩，其定义为： 注意式子中 和 采用的是不同的坐标系（ 采用直角坐标，而 采用的极坐标系，在计算的时候要进行坐标转换） 对于离散的数字图像，可将积分形式改为累加形式： 我们在计算一副图像的Zernike矩时，必须将图像的中心移到坐标的原点，将图像的像素点映射到单位圆内，由于Zernike矩具有旋转不变性，我们可以将 作为图像的不变特征，其中图像的低频特征有p值小的 提取，高频特征由p值高的 提取。从上面可以看出，Zernike矩可以构造任意高阶矩。 由于Zernike矩只具有旋转不变性，不具有平移和尺度不变性，所以要提前对图像进行归一化，我们采用标准矩的方法来归一化一副图像，标准矩定义为： ， 由标准矩我们可以得到图像的重心， 我们将图像的重心移动到单位圆的圆心（即坐标的原点），便解决了平移问题。 我们知道 表征了图像的面积，归一图像的尺度无非就是把他们的大小变为一致的，（这里的大小指的是图像目标物的大小，不是整幅图像的大小，面积也是目标物的面积）。 所以，对图像进行变换 就可以达到图像尺寸一致的目的。 综合上面结果，对图像进行 变换，最终图像 的Zernike矩就是平移，尺寸和旋转不变的。 ![endif]-- Zernike Hu 不变矩识别效果会好一些，因为他描述了图像更多的细节内容，特别是高阶矩，但是由于 Zernike 不变矩计算时间比较长，所以出现了很多快速的算法，大家可以 google 一下。 用 Zernike 不变矩来识别手势轮廓，识别率大约在 40%~50% 之间，跟 Hu 不变矩一样， Zernike 不变矩一般用来描述目标物形状占优势的图像，不适合用来描述纹理丰富的图像，对于纹理图像，识别率一般在 20%~30% 左右，很不占优势。 C++代码如下： /*获取像素值 psrcBmp:图像数据指针 nsrcBmpWidth:图像宽度，以像素为单位 x,y:像素点 deep:图像的位数深度，（1表示8位的灰度图，3表示24位的RGB位图） */ COLORREF J_getpixel( const BYTE *psrcBmp, const int nsrcBmpWidth, const int x, const int y, int deep = 3) { if (deep == 3) { return RGB(*(psrcBmp + x*3 + y*bpl(nsrcBmpWidth, deep) + 2 ) , *(psrcBmp + x*3 + y*bpl(nsrcBmpWidth, deep) + 1 ) , *(psrcBmp + x*3 + y*bpl(nsrcBmpWidth, deep) +0 )); } else if (deep == 1) { return *(psrcBmp + x + y*bpl(nsrcBmpWidth, deep)); } } //获取标准矩(只支持8位灰度图) void GetStdMoment(BYTE *psrcBmp , int nsrcBmpWidth, int nsrcBmpHeight, double *m) { for ( int p = 0 ; p 2 ; p++ ) for ( int q = 0 ; q 2 ; q++ ) { if( p == 1 q == 1) break; for ( int y = 0 ; y nsrcBmpHeight ; y++ ) for ( int x = 0 ; x nsrcBmpWidth ; x++ ) m[p*2+q] += (pow( (double)x , p ) * pow( (double)y , q ) * J_getpixel(psrcBmp , nsrcBmpWidth , x ,y, 1)); } } //阶乘 double Factorial( int