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. POJ 2823 Sliding Window 题解

    POJ 2823 Sliding  Window 题解 Description An array of size n ≤ 106 is given to you. There is a sliding ...

  2. ThinkPHP3.2.3--Linux服务器首页文件index.php路径配置问题

    在windows服务器环境下,可以define ('SITE_URL','http://192.168.1.101/'); 但上传到linux服务器环境下不能正常解析,可使用相对路径:define ( ...

  3. linux命令之 top, free,ps

    linux终端查看cpu和内存使用情况 t一.op进入全屏实时系统资源使用信息查看 PID:进程的ID USER:进程所有者 PR:进程的优先级别,越小越优先被执行 NInice:值 VIRT:进程占 ...

  4. Secrets

    https://www.youtube.com/watch?v=qHm9MG9xw1o I need another storySomething to get off my chestMy life ...

  5. ios面试(2015.10.30)

    今天去深圳市丰泰瑞达实业有限公司面试,面试分为笔试和面试两部分,结果非常不理想,不过学到很多.面试题记录如下: 1.tableview的三个常用方法的实现 - (NSInteger)numberOfS ...

  6. MongoDB介绍及安装

    一.介绍: 1.NoSql(非关系型的数据库)成了一个极其热门的新领域,非关系数据库产品的发展非常迅速.MongoDB是NoSql的其中一种较为热门的非关系型数据库.查阅很多资料.其他博客和网站,借着 ...

  7. ios修改产品名

    在创建项目的时候,会设置一个项目名,以后生成的APP名字也就是这个了,但由于某种原因,我想修改APP名字,也就是屏幕程序图标下面显示的那个,这该怎么办呢? 下面有三种方法都可以: 修改Product ...

  8. kinderEditor + Struts2整合

    环境: kinderEditor4.1.5 Struts2.3.5 Spring3.0.5 Hibernate3.6 代码: FileManageAction package com.hcsoft.p ...

  9. Jfinal中手动提交/回滚 事物

    在Jfinal中有个Tx类为事物声明类 在方法或controller上面加@Before({Tx.class})即可,可是这样并不能满足有的业务场景 下面是今天写的手动提交的事物处理方法,希望对大家有 ...

  10. 屏蔽Enter触发的事件

    无论是 <button type="button" onclick="console.log('123');">123</button> ...