1.完整项目描述和程序获取
>面包多安全交易平台:https://mbd.pub/o/bread/Y5qal59u
>如果链接失效，可以直接打开本站店铺搜索相关店铺：
>如果链接失效，程序调试报错或者项目合作也可以加微信或者QQ联系。
2.部分仿真图预览
3.算法概述
meanshift算法其实通过名字就可以看到该算法的核心，mean（均值），shift（偏移），简单的说，也就是有一个点 ,它的周围有很多个点 我们计算点 移动到每个点 所需要的偏移量之和，求平均，就得到平均偏移量，（该偏移量的方向是周围点分布密集的方向）该偏移量是包含大小和方向的。然后点 就往平均偏移量方向移动，再以此为新的起点不断迭代直到满足一定条件结束。
中心点就是我们上面所说的 周围的小红点就是 黄色的箭头就是我们求解得到的平均偏移向量。那么图中“大圆圈”是什么东西呢？我们上面所说的周围的点 周围是个什么概念？总的有个东西来限制一下吧。那个“圆圈”就是我们的限制条件，或者说在图像处理中，就是我们搜索迭代时的窗口大小。
步骤1、首先设定起始点 ，我们说了，是球，所以有半径 ， 所有在球内的点就是 , 黑色箭头就是我们计算出来的向量 , 将所有的向量 进行求和计算平均就得到我们的meanshift 向量，也就是图中黄色的向量。
接着，再以meanshift向量的重点为圆心，再做一个高维的球，如下图所示，重复上面的步骤，最终就可以收敛到点的分布中密度最大的地方
算法步骤：
1）在未被标记的数据点中随机选择一个点作为起始中心点center；
2）找出以center为中心半径为radius的区域中出现的所有数据点，认为这些点同属于一个聚类C，同时在该聚类中记录数据点出现的次数加1；
3）以center为中心点，计算从center开始到集合M中每个元素的向量，将这些向量相加，得到向量shift;
4）center=center+shift,即center沿着shift方向移动，移动距离为||shift||；
5）重复步骤2，3，4，直到shift很小，记得此时的center。注意，这个迭代过程中遇到的点都应该归类到簇C；
6）如果收敛时当前簇C的center与其它已经存在的簇C2中心的距离小于阈值，那么把C2与C合并，数据点出现次数也对应合并。否则把C作为新的聚类；
7）重复1，2，3，4，5直到所有点都被标记为已访问；
8）分类：根据每个类，对每个点的访问频率，取访问频率最大的那个类，作为当前点集的所属类。
4.部分源码
........................
[cmin, cmax, rmin, rmax ] = select( Image1 );
cmin = round(cmin);
cmax = round(cmax);
rmin = round(rmin);
rmax = round(rmax);
wsize(1) = abs(rmax - rmin);
wsize(2) = abs(cmax - cmin);
hsvimage = rgb2hsv(Image1);
% pull out the h
huenorm = hsvimage(:,:,1);
hue = huenorm*255;
hue=uint8(hue);
histogram = zeros(256);
for i=rmin:rmax
for j=cmin:cmax
index = uint8(hue(i,j)+1);
histogram(index) = histogram(index) + 1;
end
end
disp('start');
for i = 50:numberofframes-10
disp('Processing frame');
disp(i);
% Frame = M(1, i);
I = allFrames(:,:,:,i);
% translate to hsv
hsvimage = rgb2hsv(I);
% pull out the h
huenorm = hsvimage(:,:,1);
% scale to 0 to 255
hue = huenorm*255;
% set unit type
hue=uint8(hue);
[rows cols] = size(hue);
probmap = zeros(rows, cols);
for r=1:rows
for c=1:cols
if(hue(r,c) ~= 0)
probmap(r,c)= histogram(hue(r,c));
end
end
end
probmap = probmap/max(max(probmap));
probmap = probmap*255;
count = 0;
rowcenter = 0; % any number just so it runs through at least twice
colcenter = 0;
rowcenterold = 30;
colcenterold = 30;
while (((abs(rowcenter - rowcenterold) > 2) && (abs(colcenter - colcenterold) > 2)) || (count < 15) )
rmin = max(min(rmin - 15,R),1); %increase window size and check for center
rmax = max(min(rmax + 15,R),1);
cmin = max(min(cmin - 15,C),1);
cmax = max(min(cmax + 15,C),1);
rowcenterold = rowcenter; %save old center for convergence check
colcenterold = colcenter;
[ rowcenter colcenter M00 ] = meanshift(I, rmin, rmax, cmin,cmax, probmap);
rmin = round(rowcenter - wsize(1)/2);
rmax = round(rowcenter + wsize(1)/2);
cmin = round(colcenter - wsize(2)/2);
cmax = round(colcenter + wsize(2)/2);
wsize(1) = abs(rmax - rmin);
wsize(2) = abs(cmax - cmin);
count = count + 1;
end
G = .2989*I(:,:,1)+.5870*I(:,:,2)+.1140*I(:,:,3);
trackim=I;
if isnan(cmin)==0 & isnan(cmax)==0 & isnan(rmin)==0 & isnan(rmax)==0
for r= rmin:rmax
trackim(r, cmin,:) = 255;
trackim(r, cmax,:) = 255;
end
for c= cmin:cmax
trackim(rmin, c,:) = 255;
trackim(rmax, c,:) = 255;
end
end
centers(i,:) = [colcenter rowcenter];
% Set window size = 2 * (Moo/256)^1/2
windowsize = 2 * (M00/256)^.5;
sidelength = sqrt(windowsize);
A145
