OpenCV中meanShiftFiltering和meanShiftSegmentation的区别

Question

谁能解释一下gpu::meanshiftFiltering 和gpu::meanShiftSegmentation 之间的区别？

文档并没有真正的帮助。

也许这是一个不同的问题，但我的目标是提取对象的边界，如果有人可以帮助我，那就太好了。

Answer 1

TL;DR

均值偏移过滤旨在减少噪声并提高图像质量，它会返回“更干净”的图像。
另一方面，mean shift segmentation 将图像分割成具有大致相同颜色的区域。它将每个像素的映射返回到其对应的段。
如果你想要对象边界，你应该使用均值偏移segmentation。

---

请参阅 Comaniciu 和 Meer Mean shift: A robust approach toward feature space analysis (PAMI 2002) 的开创性工作，描述了“均值偏移”过程。

“均值偏移”是一种数值程序，旨在搜索通过样本定义的分布的模式（“集中点”）。在图像处理的上下文中用更简单的话来说：您可以将图像的所有像素视为 RGB-XY 空间中的样本。图像中的“红色”区域可以被视为在该区域的 XY 坐标中具有红色的像素的“高概率”。 因此，您可以将图像视为定义该空间分布的 RGB-XY 样本的集合。
“均值偏移”过程旨在以高概率（"mode" = 分布的局部最大点）在 RGB-XY 空间中找到区域。

为什么这个观点有用？你可能会问自己。好吧，考虑一个嘈杂的图像，噪声驱使像素远离 RGB-XY 空间中的原始分布模式。如果您可以将每个像素从其当前（嘈杂）颜色“转移”到一种分布模式，您可能会减少噪声。

因此，均值偏移过滤会改变像素的颜色，使其与附近最主要的颜色相似。

向前迈出一步，你可以问自己“每个像素属于哪一种模式？”。因此，如果您有m 模式（在 RGB-XY 空间中），您可以将每个像素分配给这些m 模式之一，从而有效地将图像分割成m 段。此过程称为均值偏移分割。