三维高斯模型 opencv实现
- OnProbabilityModel()
- {
- int i;
- for(int x=0;x<workImg->height;x++)
- {
- for(int y=0;y<workImg->width;y++)
- {
- //double cur[3];
- CvMat* cur=cvCreateMat(3,1,CV_32F);
- for(i=0;i<3;i++){
- double tt=((uchar*)(workImg->imageData+x*workImg->widthStep))[y*3+i];
- cvmSet(cur,i,0,tt);
- }
- CvMat dst=cvRGB2YCbCr(cur);
- if(CalProbability(WHITE,&dst)<0.1&&CalProbability(YELLOW,&dst)<0.1)
- for (i=0;i<3;i++)
- ((uchar*)(workImg->imageData+x*workImg->widthStep))[y*3+i]=0;
- }
- }
- Invalidate();
- }
- double CalProbability(int classid,CvMat* cur)
- {
- /************************************************************************/
- /* function:
- 一个像素点cur[3]={r,g,b}; 它属于classid色类的概率
- */
- /************************************************************************/
- double temp,t1;
- CvMat inv_w,inv_y;
- cvInitMatHeader(&inv_w,3,3,CV_32F,Inv_white);
- cvInitMatHeader(&inv_y,3,3,CV_32F,Inv_yellow);
- CvMat* tmp=cvCreateMat(1,3,CV_32F);
- CvMat* tmp1=cvCreateMat(1,3,CV_32F);
- CvMat* res=cvCreateMat(1,1,CV_32F);
- //double tmp[3][3],tmp1[3][3];
- //////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////
- temp=1/pow(2*PI,3/2)/sqrt(norm[classid]);
- //cvmGetMat()
- for (i=0;i<3;i++) {
- double x=cvmGet(cur,i,0);
- x-=mean_ycbcr[classid][i];
- if(x<0)
- x=0;
- cvmSet(cur,i,0,x);
- }
- double c1=cvmGet(cur,0,0);
- double c2=cvmGet(cur,1,0);
- double c3=cvmGet(cur,2,0);
- cvTranspose(cur,tmp);//转置
- if(classid==WHITE)
- cvmMul(tmp,&inv_w,tmp1);
- else if(classid==YELLOW)
- cvmMul(tmp,&inv_y,tmp1);
- cvmMul(tmp1,cur,res);
- //t1=cvNorm(tmp,0,CV_L1,0);
- t1=cvmGet(res,0,0);
- t1*=(-0.5);
- temp*=pow(Ezhishu,t1);
- return temp;
- }
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
- Opencv混合高斯模型前景分离
#include "stdio.h" #include "string.h" #include "iostream" #include &q ...
- 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 ...
- 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 ...
- [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( ...
- 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 ...
- [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 ...
- 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 ...
- 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 ...
- 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
- 【POJ】3648 Wedding
http://poj.org/problem?id=3648 题意:n对人(编号0-n-1,'w'表示第一个人,'h'表示第二个人),每对两个,人坐在桌子两侧.满足:1.每对人中的两个人不能坐在同一侧 ...
- NOI模拟赛Day4
看到成绩的时候我的内心** woc第一题写错了呵呵呵呵呵呵呵呵 人不能太浪,会遭报应的** ------------------------------------------------------ ...
- osg中遇到的问题
osg中遇到的问题 今天写程序的时候, 需要把键盘和鼠标消息转发出来, 就直接写了接口用signal丢出来了. 程序写的很多, 测试的时候却崩溃了.... 在场景中拖拽鼠标左键的时候, 会发现在扔出鼠 ...
- thinkphp遗留问题
$data = array( 'username' => I('username','','htmlspecialchars'), 'content' => I('content'), ' ...
- Linux下rz命令使用的实例详解
Linux中rz命令和sz命令都可用于文件传输,而rz命令主要用于文件的上传,下面将通过几个实例来给大家详细介绍下Linux下rz命令的用法,一起来学习下吧. rz命令可以批量上传文件,当然也可上传单 ...
- eclipse中中文字体过小
转自 http://www.cnblogs.com/HD/p/3654139.html
- 附件上传 使用javascript
<html xmlns="http://www.w3.org/1999/xhtml"> <head id="Head1" runat=&quo ...
- Android开发环境--eclipse和Android Studio
一.eclipse下载.安装.配置 因为eclipse是之前就下载过的,现在只能大概说一下eclipse的下载安装过程. 1.下载jdk,配置java环境变量 (1)在官网(http://www.o ...
- Hive_初步见解,安装部署与测试
一.hive是什么东东 1. 个人理解 hive就是一个基于hdfs运行于MapReduce上的一个java项目, 这个项目封装了jdbc,根据hdfs编写了处理数据库的DDL/DML,自带的 二进制 ...
- ACM Steps 2.1.4
Largest prime factor Time Limit: 5000/1000 MS (Java/Others) Memory Limit: 32768/32768 K (Java/Othe ...