GMM(高斯混合模型方法)
GMM即高斯混合模型,GMM加上贝叶斯就能对图像进行分割。
在说高斯混合模型之前,得先认识单高斯模型,即高斯分布(正态分布),由图可知,以某个点为例,它的高斯分布含义:离该点越近其权重越大影响越大,越远其权重越小影响越小,中心点的大小要受到周围点的影响。比如 5 _ 10 _ _ 6,以10为中心点的高斯分布,_代表距离,因为5离10更近,权值更大,设为0.8,则5变成50.8=4。因为6离10更远,权值更小,设为0.4,则6变成60.4=2.4。
对于GMM高斯混合模型:图中是一个直方图,我用曲线去大概模拟走势,可以看到为凹凸曲线,仔细想想,是不是像一个个单高斯分布组合起来的?GMM高斯混合模型就是一个个单高斯分布组合的。可以用来拟合直方图。
图像处理知识:对于图像明显的类别,在其直方图上可以明显看出,若直方图上存在两个波峰,则图像分为两类。
贝叶斯:贝叶斯就是一个概率估计算法,就是估计一个东西最有可能属于哪类。
图像分割:对于上图,由直方图可以认为图像分为两类,即A和B类。现在要判断每个像素点属于哪一类。以K像素点为例,我们能从经验认为,它有很大概率属于A类。 如何对每个像素点都能自动分类呢?用贝叶斯算法,关于贝叶斯算法,可以自查资料,这样就把图像每个像素点都找到属于自己的类别。
// GMM——图像分割.cpp: 定义控制台应用程序的入口点。
//
#include<opencv2\opencv.hpp>
using namespace cv;
using namespace ml;
int main(int arc, char** argv) {
Mat src = imread("C:/Users/zhang/Desktop/1.png");
imshow("input", src);
int width = src.cols;
int height =