Meanshift图像平滑之opencv实现

一句话一幅图理解meanshift算法：

对于集合中的每一个元素，对它执行下面的操作：把该元素移动到它邻域中所有元素的特征值的均值的位置，不断重复直到收敛。

准确的说，不是真正移动元素，而是把该元素与它的收敛位置的元素标记为同一类。对于图像来说，所有元素程矩阵排列，特征值便是像素的灰度值。

 

Meanshift的这种思想可以应用于目标跟踪、图像平滑、边缘检测、聚类等，是一种适应性很好的算法，缺点是速度非常慢。

本文以图像平滑为例对其说明

　　从网上找代码不如自己动手写。说明一下两个参数的含义，hs和hr是核函数的窗口大小，hs是距离核函数，控制子窗口的大小，同时也影响计算速度。hr是颜色核函数，是颜色差值的阈值，maxiter是最大迭代次数。转载请注明出处，谢谢。本文算法只是用作实验之用，没有进行优化，计算时会有重复计算的地方，速度非常慢，且只支持3通道图像。

 1 void MyTreasureBox::MeanShiftSmooth(const IplImage* src, IplImage* dst, int hs, int hr, int maxIter)

 2 {

 3     if(!src)return ;

 4 

 5     IplImage* srcLUV = cvCreateImage( cvGetSize( src ), src->depth, src->nChannels );

 6     IplImage* dstLUV = cvCreateImage( cvGetSize( src ), src->depth, src->nChannels );

 7 

 8     cvCvtColor( src, srcLUV, CV_RGB2Luv);

 9     cvCopy( srcLUV, dstLUV );

10 

11     int widthstep = srcLUV->widthStep;

12     int channel = srcLUV->nChannels;

13 

14     for( int y = 0; y<src->height; y++ )

15     {

16         for( int x = 0; x<src->width; x++ )

17         {

18             uchar L = (uchar)srcLUV->imageData[y *widthstep + x *channel];

19             uchar U = (uchar)srcLUV->imageData[y *widthstep + x *channel + 1];

20             uchar V = (uchar)srcLUV->imageData[y *widthstep + x *channel + 2];

21             int xx = x;

22             int yy = y;

23 

24             int nIter = 0;

25             int count, sumL, sumu, sumv, sumx, sumy;

26 

27             while(nIter < maxIter)

28             {

29                 count = 0;

30                 sumL = sumu = sumv = 0;

31                 sumx = sumy = 0;

32 

33                 for( int m = y - hs; m <= y + hs; m++ )

34                 {

35                     for( int n = x - hs; n <= x + hs; n++ )

36                     {

37                         if(m >= 0 && m < src->height && n >= 0 && n < src->width)

38                         {

39                             uchar l = (uchar)srcLUV->imageData[m *widthstep + n *channel];

40                             uchar u = (uchar)srcLUV->imageData[m *widthstep + n *channel + 1];

41                             uchar v = (uchar)srcLUV->imageData[m *widthstep + n *channel + 2];

42 

43                             double dist = sqrt( (double)((L - l)^2 + (U - u)^2 + (V - v)^2) );

44                             if( dist < hr )

45                             {

46                                 count++;

47                                 sumL += l;

48                                 sumu += u;

49                                 sumv += v;

50                                 sumx += n;

51                                 sumy += m;

52                             }

53                         }

54                     }                    

55                 }

56                 if(count == 0)break;

57                 L = sumL / count;

58                 U = sumu / count;

59                 V = sumv / count;

60                 xx = sumx / count;

61                 yy = sumy / count;

62 

63                 nIter++;

64             }

65             dstLUV->imageData[y *widthstep + x *channel] = L;

66             dstLUV->imageData[y *widthstep + x *channel + 1] = U;

67             dstLUV->imageData[y *widthstep + x *channel + 2] = V;

68         }

69     }

70 

71     cvCvtColor( dstLUV, dst, CV_Luv2RGB );

72     cvReleaseImage(&srcLUV);

73     cvReleaseImage(&dstLUV);

74 }

hs和hr的控制可以参阅下图