图像均值漂移

图像均值漂移

概述

✔️ MeanShfit 均值漂移算法是一种通用的聚类算法，通常可以实现彩色图像分割。

基本原理

✔️ 对于给定的一定数量样本，任选其中一个样本，以该样本为中心点划定一个圆形区域，求取该圆形区域内样本的质心，即密度最大处的点，再以该点为中心继续执行上述迭代过程，直至最终收敛。

彩色图像分割

✔️ 均值迁移可以不断分割找到空间颜色分布的峰值，然后根据峰值进行相似度合并，解决过度分割问题，得到最终的分割图像，对于图像多维度数据颜色值(RGB)与空间位置(x,y)，所以需要两个窗口半径，一个是空间半径、另外一个是颜色半径，经过均值漂移窗口的所有的像素点会具有相同的像素值。

严格来说并不是图像的分割，而是图像在色彩层面的平滑滤波，它可以中和色彩分布相近的颜色，平滑色彩细节，侵蚀掉面积较小的颜色区域。

函数

dst = cv.pyrMeanShiftFiltering(src, sp, sr, maxLevel, termcrit)

其中：

• src --> 输入图像;
• dst --> 输出结果;
• sp --> 表示空间窗口大小;
• sr --> 表示表示颜色空间;
• maxLevel --> 表示金字塔层数，总层数为maxlevel+1;
• termcrit --> 表示停止条件;

代码示例1

import cv2 as cv
import numpy as np

src = cv.imread("master.jpg")
dst = cv.pyrMeanShiftFiltering(src, 25, 40, None, 2)
cv.imshow("result", np.hstack((src,dst)))

结果：

示例代码2

#%% meanshift分割
import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread('building.jpg')

# kernel = np.ones((3,3),np.uint8)
# opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

sp = 5
sr = 25
meanshift = cv2.pyrMeanShiftFiltering(img, sp, sr)
plt.figure(figsize=(20,18),dpi=80)
plt.subplot(121)
plt.imshow(img[:,:,::-1])
plt.subplot(122)
plt.imshow(meanshift[:,:,::-1])

结果：