Meanshift（均值漂移）是一种在一组数据的密度分布中寻找局部极值的稳定的方法。Meanshift不仅能够用于图像滤波，视频跟踪，还能够用于图像切割。

    通过给出一组多维数据点，其维数是(x,y,r,g,b)，均值漂移能够用一个窗体扫描空间来找到数据密度最大的区域，能够理解为数据分布最集中的区域。

    在这里须要注意，因为空间位置（也就是上面的x和y）的变化范围与颜色的变化范围（上面的r,g,b）有极大的不同，所以，meanshift对这两个维数要採用不同的窗体半径。在opencv自带的meanshift切割函数cvPyrMeanShiftFiltering()中，就专门有2个半径參数，各自是spatialRadius和colorRadius，这两个參数分别代表的是空间半径(x,y)和颜色(r,g,b)半径。

     当均值漂移窗体移动时，经过窗体变换后收敛到数据峰值的全部点都会连通起来，而且属于该峰值。这样的所属关系从密集的尖峰辐射，形成了图像的切割。opencv中的meanshift切割实际上是由比例金字塔（cvPyrUP（）,cvPyrDown()）完毕的，相关的介绍大家能够看年learning opencv中关于图像金字塔的介绍。

     以下的代码是我自己写的，大家能够參考一下。PS：我执行的时候发现实际上cvPyrMeanShiftFiltering的执行效率并非非常高，特别是把spatialRadius的值增大以后迭代时感觉非常费时。 

#include"highgui.h"
#include"cv.h"

#include <iostream>

using namespace cv;
using namespace std;


IplImage* src;  //source image
IplImage* dst;  //the dst image after meanshift
int spatialRad=10,colorRad=20,maxPryLevel=1;


void on_Meanshift(int )  //the callback function
{

	//cout<<"spatialRad="<<spatialRad<<endl;   //for test
	//cout<<"   colorRad="<<colorRad<<endl;
	//cout<<"        maxPryLevel="<<maxPryLevel<<endl;
	cvPyrMeanShiftFiltering(src,dst,spatialRad,colorRad,maxPryLevel);  //segmentation use meanshift
	cvShowImage("dst",dst);   //show the segmented image

}
void main()
{
	src = http://www.mamicode.com/cvLoadImage("1.png");   //load the picture>
   在代码中使用了trackbar,因此能够自己 改变spatialRad,colorRad,maxPryLevel的值，以便观察不同參数下的效果。截图例如以下


以下图是源图片