谁能解释一下 gpu::meanshiftFiltering 之间的区别吗？和 gpu::meanShiftSegmentation ？
文档并没有真正帮助。
也许这是一个不同的问题，但我的目标是提取对象的边界，如果有人能帮助我，那就太好了。
最佳答案
长话短说
mean shift 过滤旨在降低噪声并提高图像质量，它返回“更干净”的图像。
另一方面，均值偏移分割将图像分割成颜色大致相同的区域。它返回每个像素与其对应段的映射。
如果你想要对象边界，你应该使用均值偏移分割。
请参阅Comaniciu 和Meer 的开创性工作Mean shift: A robust approach toward feature space analysis (PAMI 2002) 描述了“均值偏移”程序。
“均值偏移”是一种数字程序，旨在搜索通过样本定义的分布模式(“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此空间中分布的 RGB-XY 样本的集合。
“均值偏移”程序旨在以高概率在 RGB-XY 空间中找到区域("mode" = 分布的局部最大点)。
为什么这个观点有用？您可能会问自己。好吧，考虑一个有噪声的图像，噪声使像素远离 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(嘈杂的)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，您可以问自己“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。
关于c++ - OpenCV 中 meanShiftFiltering 和 meanShiftSegmentation 的区别，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/31429342/