GMM图像分割

// GMM——图像分割.cpp: 定义控制台应用程序的入口点。
//

#include<opencv2\opencv.hpp>
using namespace cv;
using namespace ml;

int main(int arc, char** argv) {
	Mat src = imread("C:/Users/zhang/Desktop/1.png");
	imshow("input", src);

	int width = src.cols;
	int height = src.rows;
	int dims = src.channels();
	int pointsCount = width * height;//总共数据点的个数

	Mat points(pointsCount, dims, CV_64FC1);//输入数据，与原图像有着相同通道 
	Mat labels;//输出数据，为各个数据点最终的分类索引
	int k = 3;//分别个数
	Scalar color[] = { //每个分类的颜色
		Scalar(0,0,255), 
		Scalar(0,255,0), 
		Scalar(255,0,0)
	};

	//将图像转换为数据点
	int index = 0;
	for (int i = 0; i < height; i++) {
		for (int j = 0; j < width; j++) {
			//把RGB图像的三个通道的各个像素点值分别赋给points的三个通道
			index = i * width + j;
			points.at<double>(index, 0) = src.at<Vec3b>(i, j)[0];
			points.at<double>(index, 1) = src.at<Vec3b>(i, j)[1];
			points.at<double>(index, 2) = src.at<Vec3b>(i, j)[2];
		}
	}
	//GMM分割（基于高斯混合模型的期望最大值）
	TermCriteria criteria = TermCriteria(TermCriteria::COUNT + TermCriteria::EPS, 100, 0.1);
	//10代表最大循环数目，1.0代表阈值
	Ptr<EM> em = EM::create();
	em->setClustersNumber(k);//分类个数
	em->setCovarianceMatrixType(EM::COV_MAT_SPHERICAL);//协方差矩阵类型
	em->setTermCriteria(criteria);//停止条件
	em->trainEM(points, noArray(), labels, noArray());
	//第一个：表示输入的数据集合，可以一维或者多维数据，类型是Mat类型，
	//第二个：可选项，输出一个矩阵，里面包含每个样本的似然对数值，如果不需要则为noArray()
	//第三个：labels表示计算之后各个数据点的最终的分类索引，是一个INT类型的Mat对象，类型和长宽与原图像一致
	//第四个：//可选项，输出一个矩阵，里面包含每个隐性变量的后验概率，如果不需要则为noArray()

	//将数据点转换为图像并显示
	Mat result = Mat::zeros(src.size(), CV_8UC3);
	for (int i = 0; i < height; i++) {
		for (int j = 0; j < width; j++) {
			index = i * width + j;
			int label = labels.at<int>(index, 0);////每个像素点的标签
			//把每个像素点对应的标签所对应的颜色赋给新图像
			result.at<Vec3b>(i, j)[0] = color[label][0];
			result.at<Vec3b>(i, j)[1] = color[label][1];
			result.at<Vec3b>(i, j)[2] = color[label][2];
		}
	}
	imshow("output", result);
	waitKey(0);
	return 0;
}