均值漂移滤波

基本原理

前面我们学习了均值漂移算法。这里介绍下均值漂移不连续性保持滤波。设xi是d维原始图像中的点
1、对于每个图像像素xi，初始化步数j=1，yi，1=xi。
2、计算yi，j+1，直到收敛于yi，con。
3、在xi处滤波后的像素值被赋值为收敛点 yi，con的像素值

示例演示

OpenCV提供了pyrMeanShiftFiltering。

void pyrMeanShiftFiltering(InputArray src, OutputArray dst, double sp, 
                           double sr, int maxLevel=1, 
                           TermCriteria termcrit=
TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 5, 1) )
参数
src      —— 源8位3通道图像。
dst      —— 与源格式和大小相同的目标图像。
sp       —— 空间半径。
sr       —— 颜色距离。
maxLevel —— 选填。金字塔的最大级别。
termcrit —— 选填。终止标准：何时停止均值漂移迭代。

pyrMeanShiftFiltering会多出一个maxLevel参数。当maxLevel>0时，将建立maxLevel+1级别的高斯金字塔(gaussian pyramid)，并且上面(均值偏移)的过程首先在最小的层上运行。之后，结果将传递到较大的图层，并且仅在图层颜色与金字塔的较低分辨率图层(上一层)相差超过自定义颜色距离的那些像素上再次运行迭代。这使得颜色区域的边界更加清晰。

#include <opencv2/opencv.hpp>

using namespace cv;
void callback(int, void*);

int spatialRad = 50;  // 空间窗口半径
int colorRad = 50;   // 色彩距离
int maxPyrLevel = 2;  // 高斯金字塔层数

int main()
{
	Mat img = imread("D:\\TestData\\lena.jpg"); //读入图像  
	imshow("srcImg", img);

	// 拉动条
	namedWindow("param");
	createTrackbar("sr", "param", &spatialRad, 50, callback, (void *)&img);
	createTrackbar("cr", "param", &colorRad, 50, callback, (void *)&img);

	// 初始化
	callback(0, (void *)&img);

	// 等待退出
	waitKey(0);
	destroyAllWindows();

	return 0;
}

// 拖动条call函数
void callback(int, void* param) {
	Mat &img = *(Mat*)param; // 指针类变换
	Mat res; // 结果图
	pyrMeanShiftFiltering(img, res, spatialRad, colorRad, maxPyrLevel); // 均值漂移滤波

	// 显示
	imshow("Result", res);
}

运行结果

参考资料

• 《图像处理、分析与机器视觉》[M]