深入剖析mean shift 图像分割原理及代码

最新推荐文章于 2024-10-08 08:45:08 发布

feixiaku

最新推荐文章于 2024-10-08 08:45:08 发布

阅读量1.5w

点赞数 1

分类专栏：图像处理

图像处理专栏收录该内容

8 篇文章 0 订阅

订阅专栏

上网搜了一下，还没发现把mean shift原理说的很清楚的文章，我就来写一段了：

首先你要知道这是PAMI 2003的一篇文章，非常经典的哦，Mean Shift: A Robust Approach Toward Feature Space Analysis。当然原文有17页，都是一些复杂的公式。。。。。

Mean shift主要用在图像平滑和图像分割（那个跟踪我现在还不清楚），先介绍一下平滑的原理：

输入是一个5维的空间，2维的（x，y）地理坐标，3维的（L，u，v）的颜色空间坐标，当然你原理也可以改写成rgb色彩空间或者是纹理特征空间。

先介绍一下核函数，有uniform的，也有高斯的核函数，不管是哪个的，其基本思想如下：简单的平滑算法用一个模板平均一下，对所有的像素，利用周围的像素平均一下就完事了，

这个mean shift的是基于概率密度分布来的，而且是一种无参的取样。有参的取样就是假设所有的样本服从一个有参数的概率分布函数，比如说泊松分布，正态分布等等，高中生都知道概率公式里面是有参数的，在说一下特征空间是一个5维的空间，距离用欧几里德空间就可以了，至少代码里就是这样实现的，而本文的无参取样是这样的：在特征空间里有3维的窗口（想象一下2维空间的窗口），对于一个特征空间的点，对应一个5维的向量，可以计算该点的一个密度函数，如果是有参的直接带入该点的坐标就可以求出概率密度了，基于窗函数的思想就是考虑它邻近窗口里的点对它的贡献，它假设密度会往密集一点的地方转移，算出移动之后的一个5维坐标，该坐标并会稳定，迭代了几次之后，稳定的地方是modes。这样每一个像素点都对应一个这么一个modes，用该点的后3维的值就是平滑的结果了，当然在算每个点的时候，有些地方可能重复计算了，有兴趣的化你可以参考一下源代码，确实是可以优化的。总结一下mean shift的平滑原理就是在特征空间中向密度更高的地方shift（转移）。

其次是怎么利用mean shift分割图像

先对图像进行平滑，

第2步利用平滑结果建立区域邻接矩阵或者区域邻接链表，就是在特征空间比较近的二间在2维的图像平面也比较接近的像素算成一个区域，这样就对应一个区域的邻接链表，记录每个像素点的label值。当然代码中有一个传递凸胞的计算，合并2个表面张力很接近的相邻区域，这个我还没想怎么明白，希望比较清楚的朋友讲一讲。最后还有一个合并面积较小的区域的操作，一个区域不是对应一个modes值嘛，在待合并的较小的那个区域中，寻找所有的邻接区域，找到距离最小的那个区域，合并到那个区域就ok了。

void msImageProcessor::Filter(int sigmaS, float sigmaR, SpeedUpLevel speedUpLevel)这个是平滑操作，sigmaS是2维的平面窗口的窗函数，sigmaR是颜色空间的窗函数，最后一个参数表示是否加速算法。

void msImageProcessor::FuseRegions(float sigmaS, int minRegion)这个就是合并较小区域的一个函数。

void msImageProcessor::Segment(int sigmaS, float sigmaR, int minRegion, SpeedUpLevel speedUpLevel)这个是分割函数，里面包括了平滑功能。再详细的我也不说了。。。。。

最后是怎么调用问题：void CImageProcessing::mydebug()
{
int x,y;
    int width_ = imageWidth;
int height_ = imageHeight;
unsigned char *tmp = new unsigned char[width_ * height_ * 3];
unsigned char *dst = tmp;

for (x = 0;x < imageHeight; x ++)
   for(y = 0;y < imageWidth; y++)
   {
    //Color tmp = (*imageData_RGB)(y, x);
    //uchar * data = &CV_IMAGE_ELEM(ip,uchar,x,y*3) ;
   // *(dst++) = data[2] ;
   // *(dst++) = data[1] ;
   // *(dst++) = data[0] ;

    *(dst++) = (*imageData_RGB)(y, x).channel[0];
    *(dst++) = (*imageData_RGB)(y, x).channel[1];
    *(dst++) = (*imageData_RGB)(y, x).channel[2];
   }
   cbgImage_->SetImageFromRGB( tmp, width_, height_, true);
   delete []tmp;

   msImageProcessor *iProc = new msImageProcessor();
   iProc->DefineImage(cbgImage_->im_, COLOR, height_, width_);
   iProc->SetSpeedThreshold(0.1);
   iProc->Segment(5,8,10,NO_SPEEDUP);
// iProc->Filter(5,8,NO_SPEEDUP);
// iProc->FuseRegions(mWinSize,mAreaSize);//°ë¾¶ºÍ×îÐ¡ÇøÓòÃæ»ý
} 至于怎么调试编译我看我是说不清楚了。。。。。。。。。。。。。。。。。。。。。。