直方图的OpenCV高斯混合模型答案

【问题标题】：OpenCV Gaussian Mixture Model of histogram直方图的OpenCV高斯混合模型
【发布时间】：2015-09-12 00:09:07
【问题描述】：

给定一个直方图，我想训练一个高斯混合模型：

int calcGMMThreshold(cv::Mat & hist, cv::Mat & labels){

   cv::Mat samples(hist.rows,2, CV_32FC1); // for building 2 dim samples

    // output variables
    cv::Mat probs, log_likelihoods;

   // building 2 dimensional Mat -->[value][#value]
   for(int i = 0; i<hist.rows; i++)
   {
       samples.at<float>(i,0) = (float)i;
       samples.at<float>(i,1) = hist.at<float>(i);
   }

   assert(samples.cols == 2);
   assert(samples.rows == 256);

   ///set up gmm

   //gmm object with 3 gmms
   cv::EM gmm(3);


   /*train gmms*/
   gmm.train(samples, log_likelihoods, labels, probs);

}

当我 plot 带有标签的直方图时，看起来我的 gmms 将绝对值而不是二维输入分开。

我预计直方图的每个峰值都有 3 个高斯分布。

【问题讨论】：

您确定要训练 2D gmm 吗？你的数据不是一维数据吗？
我想得到强度的块。我认为我绘制的结果是 1d gmm？所以这不是我想要的。
这是真的，绘制直方图需要它的标签，即直方图的桶。但是您示例中的 gmm “看到”了一组 2D 数据（标签 + 值）并在它们上近似 2D 高斯分布，不是吗？您应该只对值执行 gmm。
实际上，如果我理解正确，您正在尝试对存储桶的标签进行 gmm 并通过直方图的值对它们进行加权，在这种情况下，您的样本是值 0 到 hist.rows你的权重是 hist 的值
你可以像这样测试它（我在 opencv 中没有看到加权 gmm）： 1. 定义采样率 S（比如 1000）。 2. 为每个b=0..hist.rows-1 生成hist.at<float>(b)/S 样本（b 的副本）以及从样本索引到b 的映射。 3. 执行 1D gmm 并将生成的标签映射到b。

标签： opencv

【解决方案1】：

要计算高斯混合模型，请使用实际图像数据，而不是上面代码中预期的直方图。

【讨论】：