1. OnProbabilityModel()
  2. {
  3. int i;
  4. for(int x=0;x<workImg->height;x++)
  5. {
  6. for(int y=0;y<workImg->width;y++)
  7. {
  8. //double cur[3];
  9. CvMat* cur=cvCreateMat(3,1,CV_32F);
  10. for(i=0;i<3;i++){
  11. double tt=((uchar*)(workImg->imageData+x*workImg->widthStep))[y*3+i];
  12. cvmSet(cur,i,0,tt);
  13. }
  14. CvMat dst=cvRGB2YCbCr(cur);
  15. if(CalProbability(WHITE,&dst)<0.1&&CalProbability(YELLOW,&dst)<0.1)
  16. for (i=0;i<3;i++)
  17. ((uchar*)(workImg->imageData+x*workImg->widthStep))[y*3+i]=0;
  18. }
  19. }
  20. Invalidate();
  21. }
  1. double CalProbability(int classid,CvMat* cur)
  2. {
  3. /************************************************************************/
  4. /* function:
  5. 一个像素点cur[3]={r,g,b}; 它属于classid色类的概率
  6. */
  7. /************************************************************************/
  8. double temp,t1;
  9. CvMat inv_w,inv_y;
  10. cvInitMatHeader(&inv_w,3,3,CV_32F,Inv_white);
  11. cvInitMatHeader(&inv_y,3,3,CV_32F,Inv_yellow);
  12. CvMat* tmp=cvCreateMat(1,3,CV_32F);
  13. CvMat* tmp1=cvCreateMat(1,3,CV_32F);
  14. CvMat* res=cvCreateMat(1,1,CV_32F);
  15. //double tmp[3][3],tmp1[3][3];
  16. //////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////
  17. temp=1/pow(2*PI,3/2)/sqrt(norm[classid]);
  18. //cvmGetMat()
  19. for (i=0;i<3;i++)    {
  20. double x=cvmGet(cur,i,0);
  21. x-=mean_ycbcr[classid][i];
  22. if(x<0)
  23. x=0;
  24. cvmSet(cur,i,0,x);
  25. }
  26. double c1=cvmGet(cur,0,0);
  27. double c2=cvmGet(cur,1,0);
  28. double c3=cvmGet(cur,2,0);
  29. cvTranspose(cur,tmp);//转置
  30. if(classid==WHITE)
  31. cvmMul(tmp,&inv_w,tmp1);
  32. else if(classid==YELLOW)
  33. cvmMul(tmp,&inv_y,tmp1);
  34. cvmMul(tmp1,cur,res);
  35. //t1=cvNorm(tmp,0,CV_L1,0);
  36. t1=cvmGet(res,0,0);
  37. t1*=(-0.5);
  38. temp*=pow(Ezhishu,t1);
  39. return temp;
  40. }

from: http://blog.csdn.net/abcjennifer/article/details/7392373

三维高斯模型 opencv实现的更多相关文章

  1. Opencv混合高斯模型前景分离

    #include "stdio.h" #include "string.h" #include "iostream" #include &q ...

  2. 混合高斯模型:opencv中MOG2的代码结构梳理

    /* 头文件:OurGaussmix2.h */ #include "opencv2/core/core.hpp" #include <list> #include&q ...

  3. OpenCV混合高斯模型函数注释说明

    OpenCV混合高斯模型函数注释说明 一.cvaux.h #define CV_BGFG_MOG_MAX_NGAUSSIANS 500 //高斯背景检测算法的默认参数设置 #define CV_BGF ...

  4. [zz] 混合高斯模型 Gaussian Mixture Model

    聚类(1)——混合高斯模型 Gaussian Mixture Model http://blog.csdn.net/jwh_bupt/article/details/7663885 聚类系列: 聚类( ...

  5. 运动检测(前景检测)之(二)混合高斯模型GMM

    运动检测(前景检测)之(二)混合高斯模型GMM zouxy09@qq.com http://blog.csdn.net/zouxy09 因为监控发展的需求,目前前景检测的研究还是很多的,也出现了很多新 ...

  6. [转]运动检测(前景检测)之(二)混合高斯模型GMM

    转自:http://blog.csdn.net/zouxy09/article/details/9622401 因为监控发展的需求,目前前景检测的研究还是很多的,也出现了很多新的方法和思路.个人了解的 ...

  7. PRML读书会第九章 Mixture Models and EM(Kmeans,混合高斯模型,Expectation Maximization)

    主讲人 网络上的尼采 (新浪微博: @Nietzsche_复杂网络机器学习) 网络上的尼采(813394698) 9:10:56 今天的主要内容有k-means.混合高斯模型. EM算法.对于k-me ...

  8. 混合高斯模型(GMM)推导及实现

    作者:桂. 时间:2017-03-20  06:20:54 链接:http://www.cnblogs.com/xingshansi/p/6584555.html 声明:欢迎被转载,不过记得注明出处哦 ...

  9. 混合高斯模型(Mixtures of Gaussians)和EM算法

    这篇讨论使用期望最大化算法(Expectation-Maximization)来进行密度估计(density estimation). 与k-means一样,给定的训练样本是,我们将隐含类别标签用表示 ...

随机推荐

  1. Hibernate条件查询

    设计上可以灵活的根据 Criteria 的特点来方便地进行查询条件的组装.现在对 Hibernate的Criteria 的用法进行总结:Hibernate 设计了 CriteriaSpecificat ...

  2. Facebook通过oAuth验证获取json数据

    首先下载facebook相关的动态库,下载文件:facebook.dll 获取授权token方法: private string SetToken(string gettoken)//此处是你的短to ...

  3. 一个简单的零配置命令行HTTP服务器 - http-server (nodeJs)

    http-server 是一个简单的零配置命令行HTTP服务器, 基于 nodeJs. 如果你不想重复的写 nodeJs 的 web-server.js, 则可以使用这个. 安装 (全局安装加 -g) ...

  4. sencha怎么在control层调用按钮

    暂时在这里总结了3种方法: config: { refs: { sendMaint: 'sendMaint', basicinfolist:'basicinfolist',refreshButton: ...

  5. Oracle基础及三层分页查询

    一.数据库表空间和数据文件 解析:一个数据库下可以开N个表空间,一个表空间可以包含N个数据文件.表空间是逻辑概念. 二.关于listener.ora位置 修改该界面上的数据,会影响指定路径的监听配置文 ...

  6. MVC VS2012 Code First 数据库迁移教程

    1.在“服务资源管理器”连接数据库 2.打开工具-Nuget程序包管理器“程序包管理器控制台” 3.控制台输入命令:PM> Enable-Migrations -StartUpProjectNa ...

  7. ACM Steps 2.1.8

    小数化分数2   Time Limit: 1000/1000 MS (Java/Others) Memory Limit: 32768/32768 K (Java/Others)  Total Sub ...

  8. Learn ZYNQ Programming(1)

    GPIO LED AND KEY: part1:gpio leds and gpio btns combination. (include 1~4) part2:use gpio btns inter ...

  9. javascript中字符串的常用方法

    <script type="text/javascript"> String substring(start,end): slice(start,end); 这两个函数 ...

  10. 解决PHP下导出csv乱码小记

    我们之前都是使用PHPexcel导出我们的一些数据的,由于Phpexcel对导出超出1万条数据会导至超时和内存暴涨,后来我们就改用数据导出成csv格式的. 相信很多朋友们在用PHP导出csv文件时都遇 ...