Meanshift（均值漂移）是一种基于颜色和空间位置的非参数聚类算法，常用于图像分割。OpenCV 提供了 pyrMeanShiftFiltering 函数，可以在图像上直接得到平滑的分割结果。

原理简述

Meanshift 将每个像素看成高维空间的一个点（维度 = 空间坐标 x,y + 颜色通道 R,G,B 共5维）。算法迭代地寻找每个点在特征空间中的密度中心，流程为：

在特征空间中以某像素为起点，计算半径窗口内所有点的均值位置（颜色均值 + 空间均值）。

将窗口中心平移到该均值位置。

重复直至收敛，将该像素的颜色替换为收敛点的颜色。

对每个像素都执行，收敛到同一区域的像素形成分割块。

OpenCV 函数

void cv::pyrMeanShiftFiltering(
   InputArray src,        // 输入8位3通道图像
   OutputArray dst,       // 输出平滑分割后的图像
   double sp,             // 空间窗口半径
   double sr,             // 颜色窗口半径
   int maxLevel = 1,      // 金字塔最大层数
   TermCriteria termcrit = TermCriteria(...) // 迭代终止条件
);

参数解释：

sp：空间带宽，影响空间平滑程度。越大越平滑，分割块越少。

sr：颜色带宽，影响颜色相似度合并程度。越大更多颜色被合并，分割块越少。

maxLevel：使用图像金字塔的层数（>0时会先下采样再处理，加速并提升平滑效果）。

termcrit：迭代停止条件，通常用 TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1)。

 

实例代码如下：

#Meanshift图像分割
import cv2
# import numpy as np
from opencv_jupyter_ui import cv2_imshow

# 读取图像
img = cv2.imread('./images/flower.png')

# 均值漂移分割
sp = 20      # 空间半径
sr = 40      # 颜色半径
segmented = cv2.pyrMeanShiftFiltering(img, sp, sr, maxLevel=2)

# 显示结果
# cv2.imshow('Original', img)
# cv2.imshow('Meanshift Segmentation', segmented)
# cv2.waitKey(0)
# cv2.destroyAllWindows()
cv2_imshow('Original', img)
cv2_imshow('Meanshift Segmentation', segmented)

# 可选：提取分割后的区域（连通域标记）
gray = cv2.cvtColor(segmented, cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY)
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
   cv2.drawContours(img, [cnt], -1, (0,255,0), 2)

# cv2.imshow('Contours', img)
# cv2.waitKey(0)
# cv2.destroyAllWindows()
cv2_imshow('Contours', img)

效果图如下：

第一张图是原图