opencv学习笔记五十五：GMM图像分割

最新推荐文章于 2024-04-22 01:56:32 发布

东城青年

最新推荐文章于 2024-04-22 01:56:32 发布

阅读量2.9k

点赞数 1

分类专栏： opencv 文章标签： GMM图像分割

本文链接：https://blog.csdn.net/qq_24946843/article/details/82811965

版权

opencv 专栏收录该内容

75 篇文章 524 订阅 ¥9.90 ¥99.00

订阅专栏

本文是关于OpenCV中GMM图像分割的学习笔记，介绍了如何使用多个高斯函数逼近拟合图像数据，强调了GMM概率密度函数的权重要求及迭代过程。

摘要由CSDN通过智能技术生成

任何一组数据（直方图），都可用多个线性叠加的高斯函数进行逼近拟合。

GMM整体的概率密度函数是由若干个高斯分量的概率密度函数线性叠加而成的，而每一个高斯分量的概率密度函数的积分必然也是1，所以，要想GMM整体的概率密度积分为1，就必须对每一个高斯分量赋予一个其值不大于1的权重，并且权重之和为1。

步骤：

先计算所有数据对每个分模型的响应度
根据响应度计算每个分模型的参数
迭代

#include<opencv2\opencv.hpp>
using namespace cv;
using namespace ml;

int main(int arc, char** argv) { 
	Mat src = imread("1.jpg");
	namedWindow("input", CV_WINDOW_AUTOSIZE);
	imshow("input", src);

	int width = src.cols;
	int height = src.rows;
	int dims = src.channels();
	int pointsCount = width * height;

	Mat points(pointsCount, dims, CV_64FC1);
	Mat labels;	
	Scalar color[] = { Scal

了解本专栏