中心矩是统计学中用于描述随机变量分布形态的一种量度。它是对给定数据集合的每个点到数据集合均值的距离的某种幂值的加权平均。中心矩反映了数据在均值附近的分布情况，因为数据分布越分散，高阶的中心矩也会更大。中心矩通常被应用于图像处理和计算机视觉领域，用于描述图像的空间分布和纹理特征等。

中心矩的计算需要将数据样本进行标准化，使其均值为0。计算第k阶中心矩的公式为：μk=E[(X-μ)^k]，其中μ为均值，E为期望值，X为随机变量。例如，第二阶中心矩等于方差，第三阶中心矩可以用于描述分布的偏斜程度，而四阶以上的中心矩则可以描述数据是否呈现出尖峰或平坦的特征。

中心矩有广泛的应用，例如在计算机视觉领域中，可以使用质心距、标准化质心距、中心矩等去描述图像的形状和纹理特征，从而用于图像的匹配和分类等任务。在信号处理中，中心矩可以用于估计信号的功率谱密度函数，帮助理解并且处理噪声等信号变化。此外，中心矩还是计算机科学、生物学、统计学和物理学等领域中的基础概念之一，其应用范畴是非常广泛的。