opencv mean-shif图像分割

小白学视觉，笔记，扩展

Mean-Shift算法又被称为均值漂移法，是一种基于颜色空间分布的图像分割算法。该算法的输出是一个经过滤色的“分色”图像，其颜色会变得渐变，并且细纹纹理会变得平缓。

Meanshift不仅可以用于图像滤波，视频跟踪，还可以用于图像分割。

一般而言一副图像的特征点至少可以提取出5维，即(x,y,r,g,b)，众所周知，meanshift经常用来寻找模态点，即密度最大的点。所以这里同样可以用它来寻找这5维空间的模态点，由于不同的点最终会收敛到不同的峰值，所以这些点就形成了一类，这样就完成了图像分割的目的，有点聚类的意思在里面。

有一点需要注意的是图像像素的变化范围和坐标的变化范围是不同的，所以我们在使用窗口对这些数据点进行模态检测时，需要使用不同的窗口半径。因此在opencv自带的meanshift分割函数pyrMeanShiftFiltering()函数中，就专门有2个参数供选择空间搜索窗口半径和颜色窗口搜索半径的。

由函数名pyrMeanShiftFiltering可知，这里是将meanshift算法和图像金字塔相结合用来分割的，所以其参数列表中就有一个专门定义所需金字塔层数的变量。

下面介绍下meanshift 算法函数的应用。

 void cv::pyrMeanShiftFiltering(InputArray  src,
                                   OutputArray  dst,
                                   double  sp,
                                   double  sr,
                                   int  maxLevel = 1,
                                   TermCriteria  termcrit = 
                            TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 5, 1)  
                           )

src：待分割的输入图像，必须是三通道CU_8U的彩色图像
dst：分割后的输出图像，与输入图像具有相同的尺寸和数据类型
sp：滑动窗口的半径
sr：滑动窗口颜色幅度
maxLevel：分割金字塔缩放层数
termcrit：迭代算法终止条件。

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;
int main()
{
	Mat img = imread("keys.jpg");
	if (!img.data)
	{
		cout << "请确认图像文件名称是否正确" << endl;
		    return -1;
	}

	//分割处理
	Mat result1, result2;
	TermCriteria T10 = TermCriteria(TermCriteria::COUNT | TermCriteria::EPS, 10, 0.1);
	pyrMeanShiftFiltering(img, result1, 20, 40, 2, T10);  //第一次分割
	pyrMeanShiftFiltering(result1, result2, 20, 40, 2, T10);  //第一次分割的结果再次分割 

	//显示分割结果
	imshow("img", img);
	imshow("result1", result1);
	imshow("result2", result2);

	//对图像提取Canny边缘
	Mat imgCanny, result1Canny, result2Canny;
	Canny(img, imgCanny, 150, 300);
	Canny(result1, result1Canny, 150, 300);
	Canny(result2, result2Canny, 150, 300);

	//显示边缘检测结果
	imshow("imgCanny", imgCanny);
	imshow("result1Canny", result1Canny);
	imshow("result2Canny", result2Canny);
	waitKey(0);
	return 0;
	 }

原图及边缘提取

第一次分割及边缘提取

第一次分割的结果再次分割 及边缘提取