Clustering 기법중의 하나이다.
색상에 대한 histogram 을 clustering 해서 비슷한 색갈별로 segmentation 하는데 적용 가능하다.
----일단 이해한대로 정리 ---
모든 점에 대해서 색깔 정보를 3차원(RGB의 경우) 에 매핑 한다.
매핑된 색갈 정보 점 에 대해서 clustering 될 대표값들을 찾는 작업을 하게 된다.
모든 점은 일정한 영역(Window:W) 내에 포함된 점들의 평균 (mean)을 구하게 되며, 그 평균 점에서
가장 가까운 점을 (mode : 대표값) 으로 선택하게 된다.
더이상 움직이지 않는 상태(convergence) 가 될때까지 반복.
자신이 속한 대표값으로 이미지를 표현해주면 이미지의 segmentation 이 되게 된다.
Iterative Mode Search (From class ppt)
1. Initialize random seed, and window W
2. Calculate center of gravity (the "mean") of W.
3. Shift the search window to the mean.
4. Repeat Step 2 until convergence.
c.f.
K-mean algorithm
K-mean 은 랜덤하게 클러스터링의 중심점을 뿌린 뒤,
각 중심별로 가까운 점들의 평균을 구하고,
그 평균으로 줌심점을 이동, 다시 중심점 별로 가까운 점들의 평균을 하는것을 반복하는 것으로,
클리스터링 하는데 중심을 주는 반면 mean-shift는 대표값(mode)를 고려한 클러스터링을 하며, 영역의 크기(Window size)를 제외한 어떠한 파라메터 값도 필요하기 않다는 특징이 있다.(k-mean 은 클러스터의 수를 입력해 줘야 함)
