Python cucim.skimage.measure.moments_coords_central用法及代碼示例

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

計算達到特定順序的所有中心圖像時刻。

可以從原始圖像時刻計算以下屬性：

區域為：M[0, 0]。
質心為：{M[1, 0] / M[0, 0] , M[0, 1] / M[0, 0]}。

請注意，原始矩既不是平移、縮放也不是旋轉不變的。

參數：

coords：(N, D) 浮點數或 uint8 數組: 說明笛卡爾空間中 D 維圖像的 N 點數組。 cp.nonzero 返回的坐標元組也被接受為輸入。
center：浮點數元組，可選: 圖像質心的坐標。如果未提供，則會計算此值。
order：整數，可選: 時刻的最大順序。默認值為 3。

Mc：(order + 1 , order + 1, …) 數組: 中心圖像時刻。 (D 尺寸)

參考：

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，對於對稱對象，odd-order 矩(第 1 和第 3 列，第 1 和第 3 行)以對象的質心或質心為中心時為零(默認值)。如果我們通過添加一個新點來打破對稱性，則不再成立：

>>> 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 ]])

當中心為 (0, 0) 時，圖像矩和中心圖像矩是等價的(根據定義)：

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

相關用法

注：本文由純淨天空篩選整理自rapids.ai大神的英文原創作品 cucim.skimage.measure.moments_coords_central。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

參考：

例子：