博客
关于我
图像分割系列5_GMM(高斯混合模型)对图像进行分割
阅读量:686 次
发布时间:2019-03-17

本文共 2311 字,大约阅读时间需要 7 分钟。

实例5:GMM(高斯混合模型)图像分割

#include 
#include
using namespace cv;using namespace cv::ml;using namespace std;int main(int argc, char** argv) { Mat src = imread("toux.jpg"); if (src.empty()) { printf("could not load iamge...\n"); return -1; } namedWindow("input image", CV_WINDOW_AUTOSIZE); imshow("input image", src); // 初始化 int numCluster = 3; const Scalar colors[] = { Scalar(255, 0, 0), Scalar(0, 255, 0), Scalar(0, 0, 255), Scalar(255, 255, 0) }; int width = src.cols; int height = src.rows; int dims = src.channels(); int nsamples = width*height; Mat points(nsamples, dims, CV_64FC1); Mat labels; Mat result = Mat::zeros(src.size(), CV_8UC3); // 图像RGB像素数据转换为样本数据 int index = 0; for (int row = 0; row < height; row++) { for (int col = 0; col < width; col++) { index = row*width + col; Vec3b rgb = src.at
(row, col); points.at
(index, 0) = static_cast
(rgb[0]); points.at
(index, 1) = static_cast
(rgb[1]); points.at
(index, 2) = static_cast
(rgb[2]); } } // EM Cluster Train Ptr
em_model = EM::create(); em_model->setClustersNumber(numCluster); em_model->setCovarianceMatrixType(EM::COV_MAT_SPHERICAL);//设置协方差矩阵 //设置停止条件,训练100次结束 em_model->setTermCriteria(TermCriteria(TermCriteria::EPS + TermCriteria::COUNT, 100, 0.1)); em_model->trainEM(points, noArray(), labels, noArray()); // 对每个像素标记颜色与显示 Mat sample(dims, 1, CV_64FC1); double time = getTickCount(); int r = 0, g = 0, b = 0; for (int row = 0; row < height; row++) { for (int col = 0; col < width; col++) { index = row*width + col; int label = labels.at
(index, 0); Scalar c = colors[label]; result.at
(row, col)[0] = c[0]; result.at
(row, col)[1] = c[1]; result.at
(row, col)[2] = c[2]; /*b = src.at
(row, col)[0]; g = src.at
(row, col)[1]; r = src.at
(row, col)[2]; sample.at
(0) = b; sample.at
(1) = g; sample.at
(2) = r; int response = cvRound(em_model->predict2(sample, noArray())[1]); Scalar c = colors[response]; result.at
(row, col)[0] = c[0]; result.at
(row, col)[1] = c[1]; result.at
(row, col)[2] = c[2];*/ } } printf("execution time(ms) : %.2f\n", (getTickCount() - time)/getTickFrequency()*1000); imshow("EM-Segmentation", result); waitKey(0); return 0;}

           执行时间:

可见,GMM算法处理时间较长,并不适合工程实时图像处理。

转载地址:http://ezuhz.baihongyu.com/

你可能感兴趣的文章
MySQL 多表联合查询:UNION 和 JOIN 分析
查看>>
MySQL 大数据量快速插入方法和语句优化
查看>>
mysql 如何给SQL添加索引
查看>>
mysql 字段区分大小写
查看>>
mysql 字段合并问题(group_concat)
查看>>
mysql 字段类型类型
查看>>
MySQL 字符串截取函数,字段截取,字符串截取
查看>>
MySQL 存储引擎
查看>>
mysql 存储过程 注入_mysql 视图 事务 存储过程 SQL注入
查看>>
MySQL 存储过程参数:in、out、inout
查看>>
mysql 存储过程每隔一段时间执行一次
查看>>
mysql 存在update不存在insert
查看>>
Mysql 学习总结(86)—— Mysql 的 JSON 数据类型正确使用姿势
查看>>
Mysql 学习总结(87)—— Mysql 执行计划(Explain)再总结
查看>>
Mysql 学习总结(88)—— Mysql 官方为什么不推荐用雪花 id 和 uuid 做 MySQL 主键
查看>>
Mysql 学习总结(89)—— Mysql 库表容量统计
查看>>
mysql 实现主从复制/主从同步
查看>>
mysql 审核_审核MySQL数据库上的登录
查看>>
mysql 导入 sql 文件时 ERROR 1046 (3D000) no database selected 错误的解决
查看>>
mysql 导入导出大文件
查看>>