Meanshift图像平滑之opencv实现

Meanshift图像平滑之opencv实现

一句话一幅图理解meanshift算法：

对于集合中的每一个元素，对它执行下面的操作：把该元素移动到它邻域中所有元素的特征值的均值的位置，不断重复直到收敛。

准确的说，不是真正移动元素，而是把该元素与它的收敛位置的元素标记为同一类。对于图像来说，所有元素程矩阵排列，特征值便是像素的灰度值。

 

Meanshift的这种思想可以应用于目标跟踪、图像平滑、边缘检测、聚类等，是一种适应性很好的算法，缺点是速度非常慢。

本文以图像平滑为例对其说明

　　从网上找代码不如自己动手写。说明一下两个参数的含义，hs和hr是核函数的窗口大小，hs是距离核函数，控制子窗口的大小，同时也影响计算速度。hr是颜色核函数，是颜色差值的阈值，maxiter是最大迭代次数。转载请注明出处，谢谢。本文算法只是用作实验之用，没有进行优化，计算时会有重复计算的地方，速度非常慢，且只支持3通道图像。

 1 void MyTreasureBox::MeanShiftSmooth(const IplImage* src, IplImage* dst, int hs, int hr, int maxIter)
 2 {
 3     if(!src)return ;
 4 
 5     IplImage* srcLUV = cvCreateImage( cvGetSize( src ), src->depth, src->nChannels );
 6     IplImage* dstLUV = cvCreateImage( cvGetSize( src ), src->depth, src->nChannels );
 7 
 8     cvCvtColor( src, srcLUV, CV_RGB2Luv);
 9     cvCopy( srcLUV, dstLUV );
10 
11     int widthstep = srcLUV->widthStep;
12     int channel = srcLUV->nChannels;
13 
14     for( int y = 0; y<src->height; y++ )
15     {
16         for( int x = 0; x<src->width; x++ )
17         {
18             uchar L = (uchar)srcLUV->imageData[y *widthstep + x *channel];
19             uchar U = (uchar)srcLUV->imageData[y *widthstep + x *channel + 1];
20             uchar V = (uchar)srcLUV->imageData[y *widthstep + x *channel + 2];
21             int xx = x;
22             int yy = y;
23 
24             int nIter = 0;
25             int count, sumL, sumu, sumv, sumx, sumy;
26 
27             while(nIter < maxIter)
28             {
29                 count = 0;
30                 sumL = sumu = sumv = 0;
31                 sumx = sumy = 0;
32 
33                 for( int m = y - hs; m <= y + hs; m++ )
34                 {
35                     for( int n = x - hs; n <= x + hs; n++ )
36                     {
37                         if(m >= 0 && m < src->height && n >= 0 && n < src->width)
38                         {
39                             uchar l = (uchar)srcLUV->imageData[m *widthstep + n *channel];
40                             uchar u = (uchar)srcLUV->imageData[m *widthstep + n *channel + 1];
41                             uchar v = (uchar)srcLUV->imageData[m *widthstep + n *channel + 2];
42 
43                             double dist = sqrt( (double)((L - l)^2 + (U - u)^2 + (V - v)^2) );
44                             if( dist < hr )
45                             {
46                                 count++;
47                                 sumL += l;
48                                 sumu += u;
49                                 sumv += v;
50                                 sumx += n;
51                                 sumy += m;
52                             }
53                         }
54                     }                    
55                 }
56                 if(count == 0)break;
57                 L = sumL / count;
58                 U = sumu / count;
59                 V = sumv / count;
60                 xx = sumx / count;
61                 yy = sumy / count;
62 
63                 nIter++;
64             }
65             dstLUV->imageData[y *widthstep + x *channel] = L;
66             dstLUV->imageData[y *widthstep + x *channel + 1] = U;
67             dstLUV->imageData[y *widthstep + x *channel + 2] = V;
68         }
69     }
70 
71     cvCvtColor( dstLUV, dst, CV_Luv2RGB );
72     cvReleaseImage(&srcLUV);
73     cvReleaseImage(&dstLUV);
74 }

hs和hr的控制可以参阅下图

 

 from: http://www.cnblogs.com/easymind223/archive/2012/07/03/2574887.html