Python cucim.skimage.measure.moments_coords_central用法及代码示例

用法: cucim.skimage.measure.moments_coords_central(coords, center=None, order=3)

计算达到特定顺序的所有中心图像时刻。

可以从原始图像时刻计算以下属性：

区域为：M[0, 0]。
质心为：{M[1, 0] / M[0, 0] , M[0, 1] / M[0, 0]}。

请注意，原始矩既不是平移、缩放也不是旋转不变的。

参数：

coords：(N, D) 浮点数或 uint8 数组: 说明笛卡尔空间中 D 维图像的 N 点数组。 cp.nonzero 返回的坐标元组也被接受为输入。
center：浮点数元组，可选: 图像质心的坐标。如果未提供，则会计算此值。
order：整数，可选: 时刻的最大顺序。默认值为 3。

Mc：(order + 1 , order + 1, …) 数组: 中心图像时刻。 (D 尺寸)

参考：

1: Johannes Kilian. Simple Image Analysis By Moments. Durham University, version 0.2, Durham, 2001.

例子：

>>> import cupy as cp
>>> from cucim.skimage.measure import moments_coords_central
>>> coords = cp.array([[row, col]
...                    for row in range(13, 17)
...                    for col in range(14, 18)])
>>> moments_coords_central(coords)
array([[16.,  0., 20.,  0.],
       [ 0.,  0.,  0.,  0.],
       [20.,  0., 25.,  0.],
       [ 0.,  0.,  0.,  0.]])

如上所示，对于对称对象，odd-order 矩(第 1 和第 3 列，第 1 和第 3 行)以对象的质心或质心为中心时为零(默认值)。如果我们通过添加一个新点来打破对称性，则不再成立：

>>> coords2 = cp.concatenate((coords, [[17, 17]]), axis=0)
>>> cp.round(moments_coords_central(coords2),
...          decimals=2)  
array([[17.  ,  0.  , 22.12, -2.49],
       [ 0.  ,  3.53,  1.73,  7.4 ],
       [25.88,  6.02, 36.63,  8.83],
       [ 4.15, 19.17, 14.8 , 39.6 ]])

当中心为 (0, 0) 时，图像矩和中心图像矩是等价的(根据定义)：

>>> cp.allclose(moments_coords(coords),
...             moments_coords_central(coords, (0, 0)))
True

相关用法

注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cucim.skimage.measure.moments_coords_central。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

参考：

例子：