opencv中的meanshift圖像切割

    Meanshift（均值漂移）是一種在一組數據的密度分布中尋找局部極值的穩定的方法。Meanshift不僅能夠用於圖像濾波，視頻跟蹤，還能夠用於圖像切割。

    通過給出一組多維數據點，其維數是(x,y,r,g,b)，均值漂移能夠用一個窗體掃描空間來找到數據密度最大的區域，能夠理解為數據分布最集中的區域。

    在這里須要注意，因為空間位置（也就是上面的x和y）的變化范圍與顏色的變化范圍（上面的r,g,b）有極大的不同，所以，meanshift對這兩個維數要採用不同的窗體半徑。在opencv自帶的meanshift切割函數cvPyrMeanShiftFiltering()中，就專門有2個半徑參數，各自是spatialRadius和colorRadius，這兩個參數分別代表的是空間半徑(x,y)和顏色(r,g,b)半徑。

     當均值漂移窗體移動時，經過窗體變換后收斂到數據峰值的全部點都會連通起來，而且屬於該峰值。這樣的所屬關系從密集的尖峰輻射，形成了圖像的切割。opencv中的meanshift切割實際上是由比例金字塔（cvPyrUP（）,cvPyrDown()）完畢的，相關的介紹大家能夠看年learning opencv中關於圖像金字塔的介紹。

     以下的代碼是我自己寫的，大家能夠參考一下。PS：我執行的時候發現實際上cvPyrMeanShiftFiltering的執行效率並非非常高，特別是把spatialRadius的值增大以后迭代時感覺非常費時。 

#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);
}

   在代碼中使用了trackbar,因此能夠自己 改變spatialRad,colorRad,maxPryLevel的值，以便觀察不同參數下的效果。截圖例如以下

以下圖是源圖片