9 我正在研究OpenCV，在计算机视觉和图像处理中，人们谈论斑点，轮廓，连接区域，有时我会听到“图像时刻”一词。 我知道在Wikipedia上有一篇有关它的文章，但我认为这太技术性了。我真的不想深入了解数学背景，但我想知道我在说什么。 有人可以给我解释一下简单的英语中的图像瞬间吗？ image-processing computer-vision — 恩金特 source
7 图像力矩与力学中的概念相同。一阶矩将为您提供质心，其中像素的质量为其强度，二阶矩将告诉您此质量在质心周围如何变化，依此类推。对于现实世界对象的惯性，您可以从图像矩中获得一个。这将为您提供要描述的形状的主轴。 — Sansuiso source 您确定最后一个短语“将为您提供要描述的SHAPE的主轴”是否正确？我认为第一，第二等时刻与正交轴或一般的方向无关，而是与图像的整体统计特征有关，不是吗？（实际上不是很确定） — heltonbiker 2013年 是的，我很确定。在标准情况下，您将在背景= 0和对象= 1的二值化图像上计算矩。然后，一阶矩为质心，二阶矩阵为2对角线化后的主轴。这是一种标准化形状的方法。想一想机械惯性：它与物体的平衡方式以及围绕它旋转的点密切相关。 — sansuiso 最让我感到困惑的是，这部分是先前的答案：“在图像处理中，如果您想比较图像，则可能不希望比较对诸如旋转，平移和缩放等次要事物敏感（因为图像从根本上保持相同）。” 由于主轴对方向（旋转）敏感，因此在第二秒之后IS还是对旋转不敏感？ — heltonbiker 您要做的是在主轴定义的框架中表达形状。这将执行隐式旋转，特别是将水平轴设为第一主轴。因此，在此新框架中表示的第二个矩对于旋转来说变得不变。 — sansuiso 抱歉，可以计算多少个时刻？ — nkint
8 图像矩只是表示图像特征的数字，解释为空间随机变量的实现。如果您采用了任何概率类别，则应记住均值和方差的概念，均值和方差的概念是从随机变量的第一和第二时刻得出的（rv的第n个时刻是其第n次幂的期望值）。此外，随机变量的矩共同规定了它的分布。换句话说，您可以将概率分布简化为数字序列，这在您要对数字分布进行比较时很有用。 在图像处理中，如果要比较图像，则可能不希望比较对诸如旋转，平移和缩放之类的次要事物敏感（因为图像基本保持不变）。因此，您引用的Wikipedia文章中看到的不变时刻背后的动机。 — 埃姆雷 source