OpenCV —— 映像局部與分割（二）

標籤：color   演算法   時間   學習   關係   電腦   

分水嶺演算法

將映像中的邊緣轉化成“山脈”，將均勻地區轉化為“山穀”

分水嶺演算法首先計算灰階映像的梯度，這對山穀或沒有紋理的盆地（亮度值低的點）的形成有效，也對山頭或映像中沒有主導線段的山脈（山脊對應的邊緣）的形成有效。然後開始從使用者指定點或演算法得到的點開始“灌注”盆地知道這些地區連在一起。基於這樣產生的標記就可以把地區合并到一起，合并後的地區又通過聚集的方式進行分割，好像映像被“填充”起來。

cvWatershed

用 Inpainting 修補映像

利用這些已經被破壞地區的邊緣的顏色和結構，繁殖和混合到破壞的映像裡面

cvInpaint() 

mask 是一個和src大小相同的8位元單通道映像，其中的損壞地區有非零的像素標記

修複半徑是沿著各修複像素的地區，而這像素與影像輸出像素顏色成比例關係

均值漂移分割

cvPyrMeanShiftFiltering ()

一個基於顏色的均值漂移聚類的相似演算法

均值漂移能沿時間軸找出色彩空間的峰值分布。無論對動作追蹤還是顏色分割演算法都依賴於均值漂移法找到分布模型（峰值）的能力

分割實際上由比例金字塔 （cvPyrUp  cvPyrDown）完成的，金字塔中高層的顏色簇，擁有自己的邊界，這些邊界在金字塔中被精確定義在金字塔的第一層

相似地區具有相近值

Delaunay 三角剖分和Voronoi 劃分

Delaunay 三角剖分 —— 將空間點串連為三角形，使得所有三角形中最小的角最大 —— 任何三角形的外接圓都不包含任何其他的頂點

通過檢查哪個點與外部的三個虛擬凸頂點相串連，電腦可以直接找出哪些點在點集中構成外部輪廓

Delaunay 三角剖分是串連電腦視覺與電腦圖形學的橋樑

 

Delaunay 點可以用於追蹤目標（面部通過有意義的點的實現跟蹤，由此可以識別表情）

書上內容太少，有時間重新學習！！