hu不變矩--python
由於網上關於Hu矩的定義的內容較多，程式碼實現部分又多為matlab、C++或者opencv等，因此本文將主要介紹如何用python實現Hu矩的提取。後續可能會利用Hu矩進行圖片分類以及平移、旋轉不變性的實驗，有時間做的話到時候會放上來結果。
本篇部落格內容參考影象的七個不變矩 可用於影象的匹配中的matlab程式碼，在其基礎上進行修改而成。
#-*-coding:utf-8-*-
import cv2
from datetime import datetime
import numpy as np
np.set_printoptions(suppress=True)
def humoments 結果：
[‘0.004757610794121051’, ‘1.0751006208352332e-05’, ‘5.069206342794947e-08’, ‘1.3770952298167658e-07’, ‘1.7004668315871364e-15’, ‘4.163184056113891e-10’, ‘1.1379424976439726e-14’]
這是之前為取對數時的結果，取對數後七個矩之間差距較小，便於後續計算。
執行耗時：3.79秒，相比zernike矩耗時較長。
目前看來Hu矩提取出來的值都比較小，最小的甚至到了小數點後14位，看到網上也有人提出這個問題，不確定是否是程式碼的問題。
寫完這篇部落格後，又嘗試了下opencv自帶的函式，程式碼與結果如下：
#-*-coding:utf-8-*-
import cv2
from datetime import datetime
import numpy as np
def test(img):
moments = cv2.moments(img)
humoments = cv2.HuMoments(moments)
# humoments = no.log(np.abs(humoments)) # 同樣建議取對數
print(humoments)
if __name__ == '__main__':
t1 = datetime.now()
fp = '/home/mamq/images/3.jpg'
img = cv2.imread(fp)
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
test(img_gray)
print datetime.now() - t1結果：
[[1.58880283e-03]
[1.30795119e-07]
[6.01877793e-11]
[7.45476806e-11]
[4.34518625e-21]
[1.69631118e-14]
[2.46057599e-21]]
執行耗時：0.13秒.
對比：
可以看出，opencv自帶函式效率更高，耗時非常短，但兩段程式碼使用的都是同一張圖片，但結果相差較大，還是相信opencv吧，畢竟更權威，第一段程式碼僅供學習參考。但從結果中可以看出來，Hu矩的值都比較小，進行不同圖片的對比時如何進行距離的度量是個問題。
由於最近比較忙，這篇部落格寫的不夠嚴謹，故僅供參考。