图像分割——GMM

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 =