分类器——高斯混合模型/Gaussian-Mixture-Models(GMM)之图像分割

图像分割之高斯混合模型

使用GMM的步骤如下：

首先，GMM由create_class_gmm创建。

然后，通过add_sample_class_gmm添加训练向量，然后可以使用write_samples_class_gmm将它们写入磁盘。

通过train_class_gmm确定分类器中心参数（如上定义）。

此外，它们可以与write_class_gmm一起保存，以便以后分类。

**********************************************************************************************************

如下实例，将树莓的红色和绿色分割出来

*分类器使用2种不同的颜色进行训练。
*与其他分类器相比，未经训练的颜色很容易被拒绝。
dev_update_off ()
dev_close_window ()
dev_open_window (0, 0, 735, 485, 'black', WindowHandle)
set_display_font (WindowHandle, 14, 'mono', 'true', 'false')
dev_set_draw ('margin')
dev_set_colored (6)
dev_set_line_width (3)
read_image (Image, 'test')
dev_display (Image)
Color := ['indian red','cornflower blue','white','black','yellow']

*创建包含2个类的训练样本的区域
draw_circle(WindowHandle, Row, Column, Radius)
gen_circle(Red, Row, Column, Radius)
draw_circle(WindowHandle, Row, Column, Radius)
gen_circle(Green, Row, Column, Radius)
concat_obj(Green,Red,Classes)

Message := 'Training regions for the color classifier'
disp_message (WindowHandle, Message, 'window', 12, 12, 'cyan', 'false')
disp_continue_message (WindowHandle, 'cyan', 'false')
stop ()

*创建分类器和添加分类器样本
create_class_gmm (3, 2, [1,10], 'full', 'none', 2, 42, GMMHandle)
add_samples_image_class_gmm (Image, Classes, GMMHandle, 2.0)

dev_display (Image)
Message := '训练中 ...'
disp_message (WindowHandle, Message, 'window', 12, 12, 'cyan', 'false')

*训练分类器
train_class_gmm (GMMHandle, 500, 1e-4, 'uniform', 1e-4, Centers, Iter)
Message := Message + ' 完成.'
Message[1] := '分割/分类图像'
disp_message (WindowHandle, Message, 'window', 12, 12, 'cyan', 'false')

*分割/分类图像
classify_image_class_gmm (Image, ClassRegions, GMMHandle, 0.0001)
region_to_mean (ClassRegions, Image, ImageClass)
dev_display (ImageClass)
Message[1] := Message[1] + ' 完成.'
disp_message (WindowHandle, Message, 'window', 12, 12, 'cyan', 'false')

原图

 分割后图像

1.create_class_gmm — Create a Gaussian Mixture Model for classification　　创建一个高斯混合模型分类器

　　create_class_gmm( : : NumDim, NumClasses, NumCenters, CovarType, Preprocessing, NumComponents, RandSeed : GMMHandle)

　　　　*NumDim 　　数据维数，如2D图像数据为2

　　　　*NumClasses　　分类器分类种数

　　　　*NumCenters　　每个类中心数量设置

2.region_to_mean — Paint regions with their average gray value.　　使用区域的平均灰度值绘制区域。