OpenCV 中 meanShiftFiltering 和 meanShiftSegmentation 的区别
Difference between meanShiftFiltering and meanShiftSegmentation in OpenCV
有人可以解释一下 gpu::meanshiftFiltering and gpu::meanShiftSegmentation 之间的区别吗？
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。
TL;DR
均值偏移过滤旨在减少噪声并提高图像质量，它returns一个“更干净”的图像。
另一方面，mean shift segmentation 将图像分割成颜色大致相同的区域。它 returns 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 mean shift segmentation.
请参阅 Comaniciu 和 MeerMean shift: A robust approach toward feature space analysis (PAMI 2002) 描述“均值偏移”程序的开创性工作。
“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 space 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 RGB-XY 样本的集合，定义此 space.
中的分布
“均值偏移”程序旨在以高概率找到 RGB-XY space 中的区域（"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 space 中原始分布的模式。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，使其类似于附近最主要的颜色。
向前一步，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 space 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.
有人可以解释一下 gpu::meanshiftFiltering and gpu::meanShiftSegmentation 之间的区别吗？
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。
TL;DR
均值偏移过滤旨在减少噪声并提高图像质量，它returns一个“更干净”的图像。
另一方面，mean shift segmentation 将图像分割成颜色大致相同的区域。它 returns 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 mean shift segmentation.
请参阅 Comaniciu 和 MeerMean shift: A robust approach toward feature space analysis (PAMI 2002) 描述“均值偏移”程序的开创性工作。
“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 space 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 RGB-XY 样本的集合，定义此 space.
中的分布
“均值偏移”程序旨在以高概率找到 RGB-XY space 中的区域（"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 space 中原始分布的模式。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，使其类似于附近最主要的颜色。
向前一步，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 space 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.