MeanShift算法
Mean shift 是一種機(jī)器學(xué)習(xí)算法，并不僅僅局限于圖像上的應(yīng)用。關(guān)于 Mean shift 算法介紹的書和文章很多，這里就不多介紹了。簡單的說，Meanshift 算法是一種迭代算法，需要給一個(gè)初始的區(qū)域，然后這個(gè)算法會(huì)反復(fù)的調(diào)整這個(gè)區(qū)域，使得這個(gè)區(qū)域最吻合我們期望的特征。
OpenCV 中有兩處用到了 Mean Shift 。分別是：
pyrMeanShiftFiltering
meanShift
這里只介紹第二個(gè)函數(shù)的使用方法。
我們的原始圖像還是上次那個(gè)向日葵的圖像，我們選中其中一朵向日葵來計(jì)算 Histogram，但是這次我們計(jì)算 Hue 通道的 Histogram：
之后用這個(gè)直方圖數(shù)據(jù)在另外一個(gè)圖像中用 Meanshift 算法去找向日葵。
下面是代碼，首先加載原始圖像。在原始圖像中找到向日葵，計(jì)算向日葵區(qū)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);
之后加載我們要探測的圖像，做 backproject，得到概率分布圖。
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 就是在右圖中找出概率最大的那個(gè)區(qū)域。對(duì)于這個(gè)問題來說，其實(shí)做個(gè)遍歷就行。
meanshift 相比遍歷效率更高。但是如果初始區(qū)域選的不好，有可能會(huì)找不到向日葵所在的區(qū)域。
所以meanshift 并不是萬能的。
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);
下面是輸出結(jié)果，藍(lán)框是我們隨便選的初始區(qū)域，紅框是得到的結(jié)果。可以看到準(zhǔn)確的找到了向日葵所在區(qū)域。
如果我們初始區(qū)域選的不太好，就會(huì)找不到向日葵。比如下面的代碼。
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，但是區(qū)域一點(diǎn)沒動(dòng)。一般來說我們可以隨機(jī)選擇初始區(qū)域，如果一個(gè)區(qū)域 meanshift失敗了，就再隨機(jī)選另一個(gè)區(qū)域。這樣試幾次就能得到不錯(cuò)的結(jié)果。
您可能感興趣的文章: 在OpenCV里使用Camshift算法的實(shí)現(xiàn) python實(shí)現(xiàn)mean-shift聚類算法 Opencv基于CamShift算法實(shí)現(xiàn)目標(biāo)跟蹤
