Meanshift（均值漂移）

最新推荐文章于 2023-10-24 15:03:39 发布

转载最新推荐文章于 2023-10-24 15:03:39 发布 · 1.8k 阅读

本文介绍OpenCV中MeanShift算法的实现及其在图像分割中的应用，包括cvPyrMeanShiftFiltering函数的使用方法及参数调整技巧。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Meanshift（均值漂移）是一种在一组数据的密度分布中寻找局部极值的稳定的方法。Meanshift不仅可以用于图像滤波，视频跟踪，还可以用于图像分割。

通过给出一组多维数据点，其维数是(x,y,r,g,b)，均值漂移可以用一个窗口扫描空间来找到数据密度最大的区域，可以理解为数据分布最集中的区域。

在这里需要注意，由于空间位置（也就是上面的x和y）的变化范围与颜色的变化范围（上面的r,g,b）有极大的不同，所以，meanshift对这两个维数要采用不同的窗口半径。在opencv自带的meanshift分割函数cvPyrMeanShiftFiltering()中，就专门有2个半径参数，分别是spatialRadius和colorRadius，这两个参数分别代表的是空间半径(x,y)和颜色(r,g,b)半径。

当均值漂移窗口移动时，经过窗口变换后收敛到数据峰值的所有点都会连通起来，并且属于该峰值。这种所属关系从密集的尖峰辐射，形成了图像的分割。opencv中的meanshift分割实际上是由比例金字塔（cvPyrUP（）,cvPyrDown()）完成的，相关的介绍大家可以看年learning opencv中关于图像金字塔的介绍。

下面的代码是我自己写的，大家可以参考一下。PS：我运行的时候发现实际上cvPyrMeanShiftFiltering的运行效率并不是很高，特别是把spatialRadius的值增大以后迭代时感觉很费时。

[cpp]view plaincopy 
   
 #include"highgui.h"  
 #include"cv.h"  
   
 #include <iostream>  
   
 using namespace cv;  
 using namespace std;  
   
   
 IplImage* src;  //source image  
 IplImage* dst;  //the dst image after meanshift  
 int spatialRad=10,colorRad=20,maxPryLevel=1;  
   
   
 void on_Meanshift(int )  //the callback function  
 {  
   
     //cout<<"spatialRad="<<spatialRad<<endl;   //for test  
     //cout<<"   colorRad="<<colorRad<<endl;  
     //cout<<"        maxPryLevel="<<maxPryLevel<<endl;  
     cvPyrMeanShiftFiltering(src,dst,spatialRad,colorRad,maxPryLevel);  //segmentation use meanshift  
     cvShowImage("dst",dst);   //show the segmented image  
   
 }  
 void main()  
 {  
     src = cvLoadImage("1.png");   //load the picture  
     CvSize size;  
     size.width = src->width;  
     size.height = src->height;  
     dst = cvCreateImage(size,src->depth,3);  //set the size of the dst image  
     cvNamedWindow("src",CV_WINDOW_AUTOSIZE);  
     cvNamedWindow("dst",CV_WINDOW_AUTOSIZE);  
     cvShowImage("src",src);  
     cvPyrMeanShiftFiltering(src,dst,spatialRad,colorRad,maxPryLevel);  
   
     //create the trackbar  
     cvCreateTrackbar("spatialRad","dst",&spatialRad,50,on_Meanshift);   
     cvCreateTrackbar("colorRad","dst",&colorRad,60,on_Meanshift);  
     cvCreateTrackbar("maxPryLevel","dst",&maxPryLevel,5,on_Meanshift);  
   
     cvShowImage("dst",dst);  
   
     cvWaitKey(0);  
 }  

在代码中使用了trackbar,因此可以自己改变spatialRad,colorRad,maxPryLevel的值，以便观察不同参数下的效果。截图如下

下面图是源图片

在 opencv 里面关于 meanshift 算法的应用还有两个函数 CVmeanshift 和 CVCAMshift 函数，都是用于跟踪的，效果还不错。

现在在视频跟踪里， meanshift 方法 + 卡尔曼滤波还是挺流行的。

Opencv之meanshift篇

本文主要是介绍了OPENCV里的meanshift分割函数cvPyrMeanShiftFiltering函数。关于算法的详细叙述可参考《Mean shift: a robust approach toward feature space analysis》D,comaniciu 2003.该函数基本参照上文所描述的算法流程编写的。在opencv实现里加入了金字塔分层分割的概念。Meanshift分割可供选择的只有一个参数即分割的精细度，也就是选择的核宽。cvPyrMeanShiftFiltering函数只能输入8位三通道的RGB图像，输出时分割结果，没有提供分割的具体信息如类别数，模态等。该函数采用的是UNIFORM核，选择的矩形区域为核覆盖区。Meanshift算法在每个样本上都执行一次确定类别，所以复杂度比较高O（N*W），w是操作系数，处理一幅320*240图片需要2，3秒的时间。函数在实现时也没有考虑消除一些小的类别（数量较少的）。使得这个函数更像是discontinuity preserve smoothing.

有很多图片经过这个函数处理后很难感觉出输入输出有什么大区别，其实是被平滑了。观察仔细点可以看出来。

输入图片：