入门系列索引：OpenCV入门索引目录
Mean shift 算法是基于核密度估计的爬山算法，可用于聚类、图像分割、跟踪等
假设在一个多维空间中有很多数据点需要进行聚类，Mean Shift的过程如下：
1、在未被标记的数据点中随机选择一个点作为中心center；
2、找出离center距离在bandwidth之内的所有点，记做集合M，认为这些点属于簇c。同时，把这些求内点属于这个类的概率加1，这个参数将用于最后步骤的分类
3、以center为中心点，计算从center开始到集合M中每个元素的向量，将这些向量相加，得到向量shift。
4、center = center+shift。即center沿着shift的方向移动，移动距离是||shift||。
5、重复步骤2、3、4，直到shift的大小很小（就是迭代到收敛），记住此时的center。注意，这个迭代过程中遇到的点都应该归类到簇c。
6、如果收敛时当前簇c的center与其它已经存在的簇c2中心的距离小于阈值，那么把c2和c合并。否则，把c作为新的聚类，增加1类。
6、重复1、2、3、4、5直到所有的点都被标记访问。
7、分类：根据每个类，对每个点的访问频率，取访问频率最大的那个类，作为当前点集的所属类。
简单的说，mean shift就是沿着密度上升的方向寻找同属一个簇的数据点。
测试代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
|
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
using namespace cv;
using namespace std;
static void MergeSeg(Mat& img
, const Scalar& colorDiff = Scalar::all(1))
{
CV_Assert(!img.empty());
RNG rng = theRNG();
Mat mask(img.rows + 2, img.cols + 2,
CV_8UC1, Scalar::all(0));
for (int y = 0; y < img.rows; y++)
{
for (int x = 0; x < img.cols; x++)
{
if (mask.at<uchar>(y + 1, x + 1) == 0)
{
Scalar newVal(rng(256), rng(256), rng(256));
floodFill(img, mask, Point(x, y)
, newVal, 0, colorDiff, colorDiff);
}
}
}
}
int main(int argc, char** argv)
{
cv::Mat srcImg = imread("..\\images\\sea.jpg");
if (srcImg.empty())
return -1;
int spatialRad = 20;
int colorRad = 20;
int maxPyrLevel = 6;
cv::Mat resImg;
pyrMeanShiftFiltering(srcImg, resImg,
spatialRad, colorRad, maxPyrLevel);
MergeSeg(resImg, Scalar::all(2));
cv::imshow("src", srcImg);
cv::imshow("resImg", resImg);
cv::waitKey();
return 0;
}
|
效果为
