圖像處理高手請進！請問什麽是均值漂移圖像分割技術？它的原理是什麽？小弟謝了啊！

上網搜了壹下，還沒發現把mean shift原理說的很清楚的文章，我就來寫壹段了：

首先妳要知道這是PAMI 2003的壹篇文章，非常經典的哦，Mean Shift: A Robust Approach Toward Feature Space Analysis。當然原文有17頁，都是壹些復雜的公式。。。。。

Mean shift主要用在圖像平滑和圖像分割（那個跟蹤我現在還不清楚），先介紹壹下平滑的原理：

輸入是壹個5維的空間，2維的（x，y）地理坐標，3維的（L，u，v）的顏色空間坐標，當然妳原理也可以改寫成rgb色彩空間或者是紋理特征空間。

先介紹壹下核函數，有uniform的，也有高斯的核函數，不管是哪個的，其基本思想如下：簡單的平滑算法用壹個模板平均壹下，對所有的像素，利用周圍的像素平均壹下就完事了，

這個mean shift的是基於概率密度分布來的，而且是壹種無參的取樣。有參的取樣就是假設所有的樣本服從壹個有參數的概率分布函數，比如說泊松分布，正態分布等等，高中生都知道概率公式裏面是有參數的，在說壹下特征空間是壹個5維的空間，距離用歐幾裏德空間就可以了，至少代碼裏就是這樣實現的，而本文的無參取樣是這樣的：在特征空間裏有3維的窗口（想象壹下2維空間的窗口），對於壹個特征空間的點，對應壹個5維的向量，可以計算該點的壹個密度函數，如果是有參的直接帶入該點的坐標就可以求出概率密度了，基於窗函數的思想就是考慮它鄰近窗口裏的點對它的貢獻，它假設密度會往密集壹點的地方轉移，算出移動之後的壹個5維坐標，該坐標並會穩定，叠代了幾次之後，穩定的地方是modes。這樣每壹個像素點都對應壹個這麽壹個modes，用該點的後3維的值就是平滑的結果了，當然在算每個點的時候，有些地方可能重復計算了，有興趣的化妳可以參考壹下源代碼，確實是可以優化的。總結壹下mean shift的平滑原理就是在特征空間中向密度更高的地方shift（轉移）。

其次是怎麽利用mean shift分割圖像

先對圖像進行平滑，

第2步利用平滑結果建立區域鄰接矩陣或者區域鄰接鏈表，就是在特征空間比較近的二間在2維的圖像平面也比較接近的像素算成壹個區域，這樣就對應壹個區域的鄰接鏈表，記錄每個像素點的label值。當然代碼中有壹個傳遞凸胞的計算，合並2個表面張力很接近的相鄰區域，這個我還沒想怎麽明白，希望比較清楚的朋友講壹講。最後還有壹個合並面積較小的區域的操作，壹個區域不是對應壹個modes值嘛，在待合並的較小的那個區域中，尋找所有的鄰接區域，找到距離最小的那個區域，合並到那個區域就ok了。

void msImageProcessor::Filter(int sigmaS, float sigmaR, SpeedUpLevel speedUpLevel)這個是平滑操作，sigmaS是2維的平面窗口的窗函數，sigmaR是顏色空間的窗函數，最後壹個參數表示是否加速算法。

void msImageProcessor::FuseRegions(float sigmaS, int minRegion)這個就是合並較小區域的壹個函數。

void msImageProcessor::Segment(int sigmaS, float sigmaR, int minRegion, SpeedUpLevel speedUpLevel)這個是分割函數，裏面包括了平滑功能。再詳細的我也不說了。。。。。

最後是怎麽調用問題：void CImageProcessing::mydebug()

{

int x,y;

int width_ = imageWidth;

int height_ = imageHeight;

unsigned char *tmp = new unsigned char[width_ * height_ * 3];

unsigned char *dst = tmp;

for (x = 0;x < imageHeight; x ++)

for(y = 0;y < imageWidth; y++)