OPENCV中基于EM聚类的背景-前景分割

我尝试使用下面的代码执行基于EM的后台前景分割…我也在Stackoverflow中找到了…但似乎在某个地方出现了一些错误，因为我从未看到要执行的第二个printf语句。基本上，它永远不会到达代码的分类/聚类部分。下面给出了代码。有人能帮我吗

#include <opencv2/opencv.hpp>
#include <opencv2/legacy/legacy.hpp>


char str1[60];

int main()
{

    cv::Mat source = cv::imread("C:\\Image Input\\part1.bmp" ); 
    if(!source.data)
        printf(" No data \n");
    //ouput images
    cv::Mat meanImg(source.rows, source.cols, CV_32FC3);
    cv::Mat fgImg(source.rows, source.cols, CV_8UC3);
    cv::Mat bgImg(source.rows, source.cols, CV_8UC3);

    //convert the input image to float
    cv::Mat floatSource;
    source.convertTo(floatSource, CV_32F);

    //now convert the float image to column vector
    cv::Mat samples(source.rows * source.cols, 3, CV_32FC1);
    int idx = 0;
    for (int y = 0; y < source.rows; y++) {

        cv::Vec3f* row = floatSource.ptr<cv::Vec3f > (y);
        for (int x = 0; x < source.cols; x++) {
            samples.at<cv::Vec3f > (idx++, 0) = row[x];
        }
    }
    printf(" After Loop \n");
    //we need just 2 clusters
    cv::EMParams params(2);
    cv::ExpectationMaximization em(samples, cv::Mat(), params);

    //the two dominating colors
    cv::Mat means = em.getMeans();
    //the weights of the two dominant colors
    cv::Mat weights = em.getWeights();

    //we define the foreground as the dominant color with the largest weight
    const int fgId = weights.at<float>(0) > weights.at<float>(1) ? 0 : 1;
    printf(" After Training \n");
    //now classify each of the source pixels
    idx = 0;
    for (int y = 0; y < source.rows; y++) 
    {
        printf(" Now Classify\n");
        for (int x = 0; x < source.cols; x++)
        {


            //classify
            const int result = cvRound(em.predict(samples.row(idx++), NULL));
            //get the according mean (dominant color)
            const double* ps = means.ptr<double>(result, 0);

            //set the according mean value to the mean image
            float* pd = meanImg.ptr<float>(y, x);
            //float images need to be in [0..1] range
            pd[0] = ps[0] / 255.0;
            pd[1] = ps[1] / 255.0;
            pd[2] = ps[2] / 255.0;

            //set either foreground or background
            if (result == fgId) {
                fgImg.at<cv::Point3_<uchar> >(y, x, 0) = source.at<cv::Point3_<uchar> >(y, x, 0);
            } else {
                bgImg.at<cv::Point3_<uchar> >(y, x, 0) = source.at<cv::Point3_<uchar> >(y, x, 0);
            }
        }
    }

    printf(" Show Images \n");
    cv::imshow("Means", meanImg);
    cv::imshow("Foreground", fgImg);
    cv::imshow("Background", bgImg);
    cv::waitKey(0);

    return 0;
}

#包括
#包括
char-str1[60]；
int main（）
{
cv:：Mat source=cv:：imread（“C:\\Image Input\\part1.bmp”）；
如果（！source.data）
printf（“无数据”）；
//输出图像
cv:：Mat meanImg（source.rows、source.cols、cv_32FC3）；
cv:：Mat fgImg（source.rows、source.cols、cv_8UC3）；
cv:：Mat bgImg（source.rows、source.cols、cv_8UC3）；
//将输入图像转换为浮点
cv:：Mat-floatSource；
source.convertTo（floatSource，CV_32F）；
//现在将浮点图像转换为列向量
cv:：Mat样本（source.rows*source.cols，3，cv_32FC1）；
int-idx=0；
对于（int y=0；y在（1）处的权重？0:1；
printf（“培训后”\n）；
//现在对每个源像素进行分类
idx=0；
对于（int y=0；y

代码工作正常。我认为你使用的图像太大，学习时间太长。尝试处理小图像

仅需1次校正，用零初始化图像：

//ouput images
cv::Mat meanImg=Mat::zeros(source.rows, source.cols, CV_32FC3);
cv::Mat fgImg=Mat::zeros(source.rows, source.cols, CV_8UC3);
cv::Mat bgImg=Mat::zeros(source.rows, source.cols, CV_8UC3);

---

谢谢你的友好回复，但是如果我像你提到的那样用0初始化矩阵，它会给我编译错误…其他东西是const int fgId=weights.at（0）>weights.at（1）？0 : 1; 这一行也给了我一个运行时错误。因此，如果只是将int-fgId初始化为0或1，那么它运行良好。。。。你能告诉我为什么吗？问题在哪里！！！