OpenCV 学习笔记（mean shift 算法）

Mean shift 是一种机器学习算法，并不仅仅局限于图像上的应用。关于 Mean shift 算法介绍的书和文章很多，这里就不多介绍了。简单的说，Meanshift 算法是一种迭代算法，需要给一个初始的区域，然后这个算法会反复的调整这个区域，使得这个区域最吻合我们期望的特征。

OpenCV 中有两处用到了 Mean Shift 。分别是：

pyrMeanShiftFiltering
meanShift

这里只介绍第二个函数的使用方法。

我们的原始图像还是上次那个向日葵的图像，我们选中其中一朵向日葵来计算 Histogram，但是这次我们计算 Hue 通道的 Histogram：

之后用这个直方图数据在另外一个图像中用 Meanshift 算法去找向日葵。
下面是代码，首先加载原始图像。在原始图像中找到向日葵，计算向日葵区域的 Histogram。

    cv::Mat image = cv::imread("D:\\向日葵.jpg");cv::Mat imageROI = image(cv::Rect(130, 250, 75, 75));ColorHistogram hist;cv::Mat h = hist.getHueHistogram(imageROI, 65);cv::imshow("pic", image);ContentFinder finder;finder.setHistogram(h);finder.setThreshold(-1.0f);

之后加载我们要探测的图像，做 backproject，得到概率分布图。

    cv::Mat image2 = cv::imread("D:\\02.jpg");cv::Mat hsv;cv::cvtColor(image2, hsv, CV_BGR2HSV);int ch[1] = {0};cv::Mat probImage = finder.find(hsv, 0.0, 180, ch);cv::Mat img_color;cv::applyColorMap(probImage, img_color, cv::COLORMAP_JET);cv::imshow("backproject", img_color);

最后 Meanshift 就是在右图中找出概率最大的那个区域。对于这个问题来说，其实做个遍历就行。meanshift 相比遍历效率更高。但是如果初始区域选的不好，有可能会找不到向日葵所在的区域。所以meanshift 并不是万能的。

    cv::Rect rect(100, 100, 200, 200);cv::rectangle(image2, rect, cv::Scalar(255,0,0));
//    cv::TermCriteria criteria(cv::TermCriteria::MAX_ITER, 30, 1);cv::TermCriteria criteria(cv::TermCriteria::MAX_ITER | cv::TermCriteria::EPS,10,1);cv::meanShift(probImage, rect, criteria);cv::rectangle(image2, rect, cv::Scalar(0,0,255));cv::imshow("image2", image2);

下面是输出结果，蓝框是我们随便选的初始区域，红框是得到的结果。可以看到准确的找到了向日葵所在区域。

如果我们初始区域选的不太好，就会找不到向日葵。比如下面的代码。

    cv::Rect rect(0, 0, 200, 200);cv::rectangle(image2, rect, cv::Scalar(255,0,0));cv::TermCriteria criteria(cv::TermCriteria::MAX_ITER | cv::TermCriteria::EPS,10,1);cv::meanShift(probImage, rect, criteria);cv::rectangle(image2, rect, cv::Scalar(0,0,255));cv::imshow("image2", image2);

可以看到迭代了10次，但是区域一点没动。一般来说我们可以随机选择初始区域，如果一个区域 meanshift失败了，就再随机选另一个区域。这样试几次就能得到不错的结果。

OpenCV 学习笔记（mean shift 算法）相关推荐

OpenCV学习笔记（二十六）——小试SVM算法ml OpenCV学习笔记（二十七）——基于级联分类器的目标检测objdect OpenCV学习笔记（二十八）——光流法对运动目标跟踪Video Ope
OpenCV学习笔记(二十六)--小试SVM算法ml 总感觉自己停留在码农的初级阶段,要想更上一层,就得静下心来,好好研究一下算法的东西.OpenCV作为一个计算机视觉的开源库,肯定不会只停留在数字图 ...
分水岭算法java,OpenCV 学习笔记 04 深度估计与分割——GrabCut算法与分水岭算法...
1 使用普通摄像头进行深度估计 1.1 深度估计原理这里会用到几何学中的极几何(Epipolar Geometry),它属于立体视觉(stereo vision)几何学,立体视觉是计算机视觉的一个分 ...
Opencv学习笔记 - OpenCV 4机器学习算法简介
在机器学习中,一些比较流行方法的包括:支持向量机(SVM).人工神经网络(ANN).聚类.k-最近邻.决策树和深度学习.OpenCV支持并实现几乎所有这些方法,并有详细的文档说明(包含在Main mo ...
OpenCv学习笔记4--图像分割之GrabCut算法
说明: 本文章是opencv学习笔记系列的第四篇小结,可能前几篇内容太多,排版也不甚合理,所以为了更好的观看体验,这次的内容会稍微少那么一点点,再次重申所有代码在我的github主页https:// ...
Opencv学习笔记 - 使用opencvsharp和Boosting算法处理分类问题
决策树非常有用,但单独使用时它并不是表现最佳的分类器.改进的方法随机森林和Boosting算法.随机森林与Boosting算法都是在内部循环中使用决策树的,因此继承了决策树的许多优良属性,它们通常是机 ...
OpenCV 学习笔记03 boundingRect、minAreaRect、minEnclosingCircle、boxPoints、int0、circle、rectangle函数的用法...
函数中的代码是部分代码,详细代码在最后 1 cv2.boundingRect 作用:矩形边框(boundingRect),用于计算图像一系列点的外部矩形边界. cv2.boundingRect(arr ...
opencv学习笔记（二）：基于肤色的人手检测
opencv学习笔记(二):基于肤色的人手检测原文:http://blog.csdn.net/wzmsltw/article/details/50849810 先写了人手的检测程序,下一步基于检测程 ...
OpenCV学习笔记（五十六）——InputArray和OutputArray的那些事core OpenCV学习笔记（五十七）——在同一窗口显示多幅图片 OpenCV学习笔记（五十八）——读《Mast
OpenCV学习笔记(五十六)--InputArray和OutputArray的那些事core 看过OpenCV源代码的朋友,肯定都知道很多函数的接口都是InputArray或者OutputArray ...
OpenCV学习笔记（五十一）——imge stitching图像拼接stitching OpenCV学习笔记（五十二）——号外：OpenCV 2.4.1 又出来了。。。。。 OpenCV学习笔记（五
OpenCV学习笔记(五十一)--imge stitching图像拼接stitching stitching是OpenCV2.4.0一个新模块,功能是实现图像拼接,所有的相关函数都被封装在Stitch ...
OpenCV学习笔记（四十六）——FAST特征点检测features2D OpenCV学习笔记（四十七）——VideoWriter生成视频流highgui OpenCV学习笔记（四十八）——PCA算
OpenCV学习笔记(四十六)--FAST特征点检测features2D 特征点检测和匹配是计算机视觉中一个很有用的技术.在物体检测,视觉跟踪,三维常年关键等领域都有很广泛的应用.这一次先介绍特征点检 ...

OpenCV 学习笔记（mean shift 算法）

OpenCV 学习笔记（mean shift 算法）

OpenCV 学习笔记（mean shift 算法）相关推荐

最新文章

热门文章