1. Mean Shift 簡介

Mean Shift 是一種聚類算法，通過尋找圖像中顏色相似的區域來實現分割。它非常適合用于場景分割或物體檢測等任務。本教程將它與 Canny 邊緣檢測結合，突出分割區域的邊界。

---

2. 圖像分割流程

我們將按照以下步驟完成圖像分割和邊緣檢測：

1. 加載圖像：讀取一張原始圖像。
2. 應用 Mean Shift 算法：對圖像進行顏色區域分割。
3. 應用 Canny 邊緣檢測：在分割后的圖像上提取邊緣。
4. 顯示結果：展示原始圖像、分割后的圖像和邊緣檢測結果。

---

3. 代碼示例

以下是一個完整的 Python 代碼示例，展示如何結合 Mean Shift 和 Canny：

import cv2
import numpy as np# 加載圖像
image = cv2.imread('your_image.jpg')  # 替換為你的圖像路徑# 應用 Mean Shift 算法
# spatial_radius: 空間窗口半徑
# color_radius: 顏色窗口半徑
# max_level: 最大金字塔層數
segmented_image = cv2.pyrMeanShiftFiltering(image, spatial_radius=10, color_radius=30, max_level=1)# 應用 Canny 邊緣檢測
# 轉換圖像為灰度圖
gray = cv2.cvtColor(segmented_image, cv2.COLOR_BGR2GRAY)
# 應用 Canny 算法
edges = cv2.Canny(gray, threshold1=100, threshold2=200)# 顯示原始圖像、分割后的圖像和邊緣檢測結果
cv2.imshow('Original Image', image)
cv2.imshow('Segmented Image', segmented_image)
cv2.imshow('Canny Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

運行說明：

• 將 'your_image.jpg' 替換為你的圖像文件路徑。
• 運行代碼后，會彈出三個窗口：原始圖像、Mean Shift 分割后的圖像和 Canny 邊緣檢測結果。
• 按任意鍵關閉所有窗口。

---

4. 參數解釋

Mean Shift 參數

• spatial_radius：空間窗口半徑，控制空間鄰域的大小。
  • 值越大，分割越平滑；值越小，保留細節越多。
• color_radius：顏色窗口半徑，控制顏色相似性的閾值。
  • 值越小，細節更多；值越大，區域合并更多。
• max_level：金字塔層數，用于加速計算。
  • 通常設為 1 或 2。

Canny 參數

• threshold1：低閾值，用于邊緣連接。
• threshold2：高閾值，用于邊緣檢測。
  • 建議比例為 1:2 或 1:3（如 100 和 200）。

參數調整建議：

• 如果 Mean Shift 分割太粗糙，試著減小 spatial_radius 和 color_radius。
• 如果 Canny 邊緣檢測結果噪聲太多，增大 threshold1 和 threshold2。

---

5. 結果分析

• Mean Shift 分割：將圖像中顏色相似的區域合并，形成平滑的分割塊。
• Canny 邊緣檢測：在分割后的圖像上提取邊緣，突出區域邊界。

效果描述：

• 輸入圖像：假設是一張多彩風景照。
• Mean Shift 輸出：天空、樹木、草地被分割成不同顏色區域。
• Canny 輸出：這些區域的邊界被勾勒為白色線條。

---