第019篇：易康（eCognition）对象特征介绍三：几何（Geometry）_ 形状（Shape）
版本：eCognition 9.0
参考：ReferenceBook
对象特性-->几何
Object Features > Geometry
几何特征是基于图像对象的形状，由构成图像对象的像素来计算的。因为图像是基于栅格的，所以几何特征可能是旋转变形:当图像对象被旋转后，可能会出现不同的特征值。
2.形状
Object Features> Geometry > Shape
2.1 非对称性（平面对象）
Object Features> Geometry > Shape > Asymmetry
非对称特征描述了与普通多边形相比，图像对象的相对长度。椭圆近似于给定的图像对象，它可以用它的小轴和大轴的长度之比来表示。特征值随这种不对称性而增加。
注：建议您使用长度/宽度比，因为它更准确。
2.2 非对称性（立体对象）
Object Features> Geometry > Shape > Asymmetry
不对称特征描述图像对象的相对长度，与二维图像对象相同。不对称性是由图像对象的最小和最大特征值之间的比值来计算的。
2.3边界指数
Object Features >Geometry > Shape > Border Index
边界索引特性描述了图像对象的锯齿，越参差不齐，其边界指数就越高。这个特性类似于形状指数特性，但是边界指数特性使用矩形近似而不是正方形。创建包围图像对象的最小矩形，并将边界指数计算为图像对象的边界长度与最小的包围矩形之间的比值。
2.4 紧致度（平面对象）
Object Features > Geometry > Shape > Compactness
紧致度特征描述了图像对象的紧凑性。它类似于边界指数，但基于面积。图像对象越紧致，其边框就越小。图像对象的紧致度是长度和宽度的乘积除以像素的个数。
2.5 紧致度（立体对象）
Object Features > Geometry > Shape >Compactness
紧致度描述了一个三维图像对象的紧凑程度。图像对象的协方差矩阵的适当尺度特征向量在三维空间中提供了对象的范围的粗略图。所选择的方法提供了对象所占用的长方体的估计值。
2.6 密度（平面对象）
Object Features > Geometry > Shape >Density
密度特征描述图像对象的像素空间中的分布。在易康中，最“密集”的形状是正方形；物体越像灯丝，密度就越低。密度是基于协方差矩阵，由构成图像对象的像素个数除以它的近似半径计算得出的。
2.7 密度（立体对象）
Object Features > Geometry > Shape >Density
使用与密度相同的原理(对于平面图像对象)，立体对象最“密集”的形状是一个立方体。图像对象越像丝状，其密度就越低。这个值是通过把一个拟合的长方体的体积的边缘与拟合的球体的半径作平折来计算的。
2.8 椭圆拟合（平面对象）
Object Features > Geometry > Shape >Elliptic Fit
椭圆拟合特性描述了图像对象在大小和比例相似的椭圆中的拟合程度。0表示不匹配，1表示完全匹配。
这个计算是基于一个与所选图像对象相同区域的椭圆。椭圆的比例等于图像对象的长度和宽度。将椭圆外的图像对象的区域与椭圆内未被图像对象填充的区域进行比较。
2.9 椭圆拟合（立体对象）
Object Features > Geometry > Shape >Elliptic Fit
椭圆拟合特性描述了图像对象与大小和比例相似的椭球体的匹配程度。0表示不匹配，1表示完全匹配。
计算基于与所考虑的图像对象具有相同体积的椭球体。椭球体的比例等于图像对象的长度、宽度和厚度的比例。将椭球体外的图像对象的体积与椭球体内没有填充图像对象的体积进行比较。
2.10 主方向（平面对象）
Object Features > Geometry > Shape >Elliptic Fit > Main Direction
图像对象的主要方向特征被定义为属于两个特征值较大的特征向量的方向，它来源于图像对象空间分布的协方差矩阵。
2.11 主方向（立体对象）
Object Features > Geometry > Shape >Elliptic Fit > Main Direction
三维图像对象的主要方向特征计算如下:
（1）.对于每个（平面）图像对象切片，计算其重心。
（2）.根据加权最小二乘方法，利用所有重心的坐标，计算出最优拟合直线。
（3）.最佳拟合结果线与z轴之间的夹角a作为特征值返回。
2.12 最大封闭椭圆的半径（平面对象）
Object Features > Geometry > Shape >Radius of Largest Enclosed Ellipse
最大封闭椭圆的半径描述了一个图像对象与椭圆的相似度。计算使用与对象面积相同的椭圆，并基于协方差矩阵。这个椭圆被缩小，直到完全被图像对象包围。该最大封闭椭圆的半径与原椭圆的半径之比作为特征值返回。
2.13 最大封闭椭圆的半径（立体对象）
Object Features > Geometry > Shape >Radius of Largest Enclosed Ellipse
最大椭圆特征的半径描述了图像对象的形状与椭球体的相似程度。计算基于与对象体积相同的椭球体，基于协方差矩阵。这个椭圆体缩小，直到完全被图像对象包围。这个最大的封闭椭圆体的半径与原始椭圆体的半径之比作为特征值返回。
2.14 最小封闭椭圆的半径（平面对象）
Object Features > Geometry >Shape > Radiusof Smallest Enclosing Ellipse
最小包围椭圆特征的半径描述了图像对象的形状与椭圆的相似程度。计算基于与图像对象面积相同的椭圆，基于协方差矩阵。这个椭圆被放大，直到它将图像对象完全覆盖。将这个最小的封闭椭圆的半径与原始椭圆的半径的比值作为特征值返回。
2.15 最小封闭椭圆的半径（立体对象）
Object Features > Geometry >Shape > Radiusof Smallest Enclosing Ellipse
最小封闭椭圆的半径描述了一个图像物体的形状与椭球的形状相似。计算基于与图像对象体积相同的椭球体，基于协方差矩阵。这个椭圆体被放大，直到它完全覆盖图像对象。这个最小的包围椭圆体的半径与原始椭圆体的半径之比作为特征值返回。
2.16 矩形拟合（平面对象）
Object Features > Geometry > Shape >Rectangular Fit
矩形拟合特性描述了图像对象与大小和比例相似的矩形的匹配程度。0表示不匹配，1表示完全匹配的图像对象。
计算基于与图像对象相同面积的矩形。矩形的比例等于图像对象的长度和宽度的比例。将矩形外的图像对象的面积与矩形内的面积进行比较。
2.17 矩形拟合（立体对象）
Object Features > Geometry > Shape >Rectangular Fit
矩形拟合特性描述了图像对象与大小和比例相似的长方体的匹配程度。0表示不匹配，1表示完全匹配。
这个计算是基于一个与被考虑的图像对象相同体积的长方体。长方体的比例等于图像对象的长度、宽度和厚度的比例。将矩形外的图像对象的体积与没有填充图像对象的长方体内的体积进行比较。
2.18 圆度（平面对象）
Object Features > Geometry > Shape >Roundness
圆度特性描述了一个图像对象与椭圆的相似程度。它是由封闭椭圆和封闭椭圆的差值计算出来的。最大封闭椭圆的半径减去最小封闭椭圆的半径。
2.19 圆度（立体对象）
Object Features > Geometry > Shape >Roundness
圆度特性描述了图像对象的形状与椭圆体的相似程度。图像对象的形状越接近椭圆体，其圆度就越低。
它是由封闭椭球体和封闭椭球体的差来计算的。最大封闭椭圆体的半径减去最小封闭椭圆体的半径。
2.20 形状指数（平面对象）
Object Features > Geometry > Shape > ShapeIndex
形状指数描述了图像对象边框的平滑度。图像对象的边界越平滑，其形状指数越低。它是根据图像对象的边界长度特征除以其面积的平方根的四倍来计算的。
2.20 形状指数（立体对象）
Object Features > Geometry > Shape > ShapeIndex
形状指数描述图像对象表面的平滑度。图像对象的表面越光滑，其形状指数就越低。它是根据图像对象的边框长度特征除以图像对象的体积来计算的。