Moments d'image numérique en anglais simple


9

J'étudie OpenCV et, en vision par ordinateur et en traitement d'image, les gens parlent de taches, de contours, de régions connectées, et j'entends parfois l'expression "moments d'image".

Je connais un article sur Wikipédia à ce sujet , mais je pense que c'est trop technique. Je ne veux pas vraiment approfondir le fond des mathématiques, mais je veux savoir de quoi je parle.

Quelqu'un pourrait-il m'expliquer quels sont les moments d'image en anglais simple?

Réponses:


7

Les moments d'image sont la même notion qu'en mécanique. Le moment de premier ordre vous donnera le centre de masse, où la masse d'un pixel est son intensité, le moment de second ordre vous dira comment cette masse varie autour du centre de masse, etc. De la même manière que vous obtenez un cadre de l'inertie d'un objet du monde réel, vous pouvez en obtenir un à partir des moments de l'image. Cela vous donnera les principaux axes de la forme que vous souhaitez décrire.


Êtes-vous sûr que la dernière phrase, "qui vous donnera les principaux axes de la FORME que vous voulez décrire" est correcte? Je pense que les moments premier, deuxième, etc. ne se rapportent pas aux axes orthogonaux ou à l'orientation en général, mais à la caractéristique statistique globale de l'image, n'est-ce pas? (pas vraiment sûr, en fait)
heltonbiker

Oui, je suis presque sûr. Dans un contexte standard, vous calculerez les moments sur une image binarisée où arrière-plan = 0 et objet = 1. Ensuite, le moment de premier ordre de ceci vous donne le centre de masse, et la matrice de l'ordre de 2 secondes vous donne les 2 axe principal après diagonalisation. C'est un moyen de normaliser les formes entre autres. Pensez à l'inertie mécanique: elle est profondément liée à la façon dont un objet est équilibré et autour de quel point il va tourner.
sansuiso

Ce qui me dérange le plus, c'est que cette partie forme une réponse précédente: "Dans le traitement d'image, si vous voulez comparer des images, vous ne voudrez peut-être pas que la comparaison soit sensible à des choses mineures comme la rotation, la traduction et l'échelle (car l'image reste fondamentalement la même)." Puisque les axes principaux sont sensibles à l'orientation (rotation), alors après tout le deuxième moment EST ou N'EST PAS sensible à la rotation?
heltonbiker

Ce que vous faites, c'est d'exprimer la forme dans le cadre défini par les axes principaux. Ceci effectue une rotation implicite, qui rendra notamment horizontal le premier axe principal. Le deuxième moment, exprimé dans ce nouveau cadre, devient donc invariant à la rotation.
sansuiso

désolé mais, combien de moments peut-on calculer?
nkint

8

Un moment d'image est simplement un nombre qui caractérise l'image, interprété comme la réalisation d'une variable spatiale aléatoire. Si vous avez pris une classe de probabilité, vous devez vous rappeler les concepts de moyenne et de variance, qui sont dérivés des premier et deuxième moments de la variable aléatoire (le nième moment d'une RV est l'attente de sa nième puissance ). De plus, les moments d'une variable aléatoire prescrivent collectivement sa distribution. En d'autres termes, vous pouvez réduire une distribution de probabilité en une séquence de nombres, ce qui est utile lorsque vous souhaitez comparer des distributions numériquement.

Dans le traitement d'image, si vous souhaitez comparer des images, vous ne voudrez peut-être pas que la comparaison soit sensible à des éléments mineurs tels que la rotation, la traduction et l'échelle (car l'image reste fondamentalement la même). Ainsi, la motivation derrière les moments invariants que vous voyez dans l'article Wikipedia que vous avez cité.

En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.