OpenCV图像滤波(13)均值迁移滤波函数pyrMeanShiftFiltering()的使用

• 操作系统：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 编程语言：C++11

算法描述

函数执行均值迁移图像分割的初始步骤。
该函数实现了均值迁移分割的过滤阶段，即输出是经过滤波的“海报化”图像，其中颜色梯度和平滑纹理已被平坦化。对于输入图像（或缩小的输入图像，见下文）的每一个像素 (X,Y)，函数都会执行均值迁移迭代，也就是说，在联合空间-色彩超空间中考虑像素 (X,Y) 的邻域：
$$(x,y):X-\text{sp}\le x\le X+\text{sp},Y-\text{sp}\le y\le Y+\text{sp},||(R,G,B)-(r,g,b)||\le \text{sr}$$
其中 (R,G,B) 和 (r,g,b) 分别是在 (X,Y) 和 (x,y) 上的颜色分量向量（尽管算法并不依赖于所使用的颜色空间，因此任何 3 组件颜色空间都可以使用）。在邻域内找到平均空间值 (X’,Y’) 和平均颜色向量 (R’,G’,B’)，它们作为下一次迭代的邻域中心：
$$(X,Y)(X^{\prime },Y^{\prime }),(R,G,B)(R^{\prime },G^{\prime },B^{\prime }).$$
迭代完成后，初始像素（即迭代开始的像素）的颜色分量设置为最终值（最后一次迭代的平均颜色）：
$$I(X,Y)<-(R\ast ,G\ast ,B\ast )$$
当 maxLevel > 0 时，构建高斯金字塔，包含 maxLevel+1 层，并首先在最小层上运行上述过程。之后，结果传播到较大的层，并且仅在金字塔较低分辨率层的颜色与当前层的颜色相差超过 sr 的像素上再次运行迭代。这使得颜色区域的边界更加清晰。需要注意的是，结果实际上与在整个原始图像上运行均值迁移程序（即 maxLevel==0）的结果不同。

pyrMeanShiftFiltering 是 OpenCV 中的一个函数，用于实现均值迁移滤波（Mean Shift Filtering）。这是一种非局部均值滤波技术，可以用于图像分割、降噪等多种图像处理任务。

函数原型

void cv::pyrMeanShiftFiltering
(InputArray 	src,OutputArray 	dst,double 	sp,double 	sr,int 	maxLevel = 1,TermCriteria 	termcrit = TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 5, 1) 
)		

参数

• 参数src 源图像，8 位、3 通道。
• 参数dst 目标图像，与源图像格式和大小相同。
• 参数sp 空间窗口半径。
• 参数sr 颜色窗口半径。
• 参数maxLevel 用于分割的最大金字塔层级。
• 参数termcrit 终止准则：何时停止均值迁移迭代。

代码示例

#include <opencv2/opencv.hpp>
#include <iostream>int main() {// 加载图像cv::Mat img = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/erik.jpg", cv::IMREAD_COLOR);if (img.empty()) {std::cout << "无法加载图像，请检查路径是否正确。" << std::endl;return -1;}cv::Size sz2Sh( 400, 600 );cv::resize( img, img, sz2Sh, 0, 0, cv::INTER_LINEAR_EXACT );// 使用 pyrMeanShiftFiltering 对图像进行滤波cv::Mat filtered_img;double spatial_radius = 10; // 空间窗口半径double color_radius = 20;   // 颜色窗口半径int max_level = 1;          // 最大金字塔层级cv::TermCriteria term_crit(cv::TermCriteria::MAX_ITER+cv::TermCriteria::EPS, 5, 1); // 终止准则cv::pyrMeanShiftFiltering(img, filtered_img, spatial_radius, color_radius, max_level, term_crit);// 显示结果cv::namedWindow("Original Image", cv::WINDOW_NORMAL);cv::imshow("Original Image", img);cv::namedWindow("Filtered Image", cv::WINDOW_NORMAL);cv::imshow("Filtered Image", filtered_img);cv::waitKey(0); // 等待按键return 0;
}

运行结果