您当前的位置:首页 > IT编程 > python
| C语言 | Java | VB | VC | python | Android | TensorFlow | C++ | oracle | 学术与代码 | cnn卷积神经网络 | gnn | 图像修复 | Keras | 数据集 | Neo4j | 自然语言处理 | 深度学习 | 医学CAD | 医学影像 | 超参数 | pointnet | pytorch | 异常检测 | Transformers | 情感分类 | 知识图谱 |

自学教程:OpenCV机器学习MeanShift算法笔记分享

51自学网 2021-10-30 22:14:40
  python
这篇教程OpenCV机器学习MeanShift算法笔记分享写得很实用,希望能帮到您。

MeanShift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:

在这里插入图片描述

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);

在这里插入图片描述

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。

在这里插入图片描述

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);

在这里插入图片描述

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。

以上就是OpenCV机器学习MeanShift算法笔记分享的详细内容,更多关于OpenCV机器学习的资料请关注51zixue.net其它相关文章!


OpenCV半小时掌握基本操作之像素加减乘除&逻辑运算
OpenCV半小时掌握基本操作之色彩空间
万事OK自学网:51自学网_软件自学网_CAD自学网自学excel、自学PS、自学CAD、自学C语言、自学css3实例,是一个通过网络自主学习工作技能的自学平台,网友喜欢的软件自学网站。