轉載：http://blog.csdn.net/google19890102/article/details/51030884

然後引入opencv中的pyrMeanShiftFiltering函數：

pyrMeanShiftFiltering函數

對圖像進行：均值偏移濾波

調用格式：

void cvPyrMeanShiftFiltering( const CvArr* src, CvArr* dst,
     double sp, double sr, int max_level=1,
     CvTermCriteria termcrit=cvTermCriteria(CV_TERMCRIT_ITER+CV_TERMCRIT_EPS,5,1));

src

輸入的8-比特,3-信道圖象.

dst

和源圖象相同大小,相同格式的輸出圖象.

sp

The spatial window radius.

空間窗的半徑

sr

The color window radius.

色彩窗的半徑

max_level

Maximum level of the pyramid for the segmentation.

我們先借助Mean Shift算法的分割特性將灰度值相近的元素進行聚類，然後，在此基礎上應用閾值分割算法，

達到將圖像與背景分離的目的。 簡單來說，基於Mean Shift的圖像分割過程就是首先利用Mean Shift算法對圖像中的像素進行聚類，

即把收斂到同一點的起始點歸為一類，然後把這一類的標號賦給這些起始點，同時把包含像素點太少的類去掉。

然後，采用閾值化分割的方法對圖像進行二值化處理 基於Mean Shift的圖像分割算法將圖像中灰度值相近的像素點聚類為一個灰度級，

因此，經過Mean Shift算法分割後的圖像中的灰度級較該算法處理之前有所減少。

Mean shift