图像原点矩、二阶中心矩物理意义推导

引言

 网上许多对于图像矩的分析都是直接给出结论，比如零阶原点矩和一阶矩可以表征质心，二阶中心矩可以表征方向，但为何如此并没有理论上的解释，本文从概率和线性代数出发给出一定的理论支撑。

矩总体认识

 图像的矩是用于描述图像中灰度值分布的一系列值，矩原本是概率论中的概念，存在一随机变量$X$，我们记其关于点$c$的n阶矩为$E[(X-c{)}^n]$，当$c=0$时称之为原点矩，当$c=E[x]$时称之为中心矩。同理，如果存在两个随机变量$X,Y$，我们记我们记其关于点$c_1,c_2$的$p+q$阶矩为$E[(X-c_1{)}^p(Y-c_2{)}^q]$，当$c_1=c_2=0$时称之为原点矩，当$c_1=E[x],c_2=E[Y]$时称之为中心矩。可以发现，一阶原点矩其实就是随机变量的均值，二阶中心矩就是随机变量的方差。
 在图像领域，我们将图像的在水平和竖直方向上的分布视为是两个随机变量$X,Y$，对应位置处的灰度值则是相应的概率值$P(x,y)=f(x,y)$，虽并未显式的执行归一化操作，但我们可以直觉的理解为$P(x_0,y_0)=\frac{x_0,y_0}{{\sum }_x{\sum }_{y}f(x,y)}$。值得注意的是在求取图像的矩时，我们通常会对图像进行二值化，隐含的考量是我们只关心某位置处是否为前景，而不在乎前景的内容是什么，所有位置同等重要，即$P(x_1,y_1)=P(x_2,y_2),x_1,x_2=0,1,...,W,y_1,y_2=0,1,...,H$。如下给出图像相应阶次矩的公式及分析¹。

零阶矩

$$m_{00}=\sum \sum f(x,y)\text{\hspace{1em}(4)}$$
零阶矩从概率上的角度理解无甚特殊，就是概率和1；从图像的角度上来理解则是图像的灰度值总和（二值化图像则是前景的面积）。

一阶矩

$$m_{10}=$$