1. 基本概念

MeanShift严格说来并不是用来对图像进行分割的，而是在色彩层面的平滑滤波。它会中和色彩分布相近的颜色，平滑色彩细节，侵蚀掉面积较小的的颜色区域，它以图像上任意一点P为圆心，半径为sp，色彩幅值为sr进行不断地迭代。

语法：pyrMeanShiftFiltering(img, double sp, double sr, maxLevel = 1, termcrit = TermCriteria…)
img：要平滑的图像
sp：检测半径，越大模糊越高，效果越好。
sr：色彩幅值，越大，连成一片的可能性越大。
剩下的参数都为默认值就可以。

2.代码示例

首先使用MeanShift平滑图片，然后使用Canny检测边缘，最后画出边缘即可，画出的边缘就是前景。

import cv2


img = cv2.imread('./image/flower.png')
mean_img = cv2.pyrMeanShiftFiltering(img, 20, 30)

# 使用canny检测边缘
canny_img = cv2.Canny(mean_img, 150, 300)

# 检测轮廓
contours, _ = cv2.findContours(canny_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

cv2.drawContours(img, contours, -1, (0, 0, 255), 1)

cv2.imshow('img', img)
cv2.imshow('mean_img', mean_img)
cv2.imshow('canny_img', canny_img)
cv2.waitKey(0)

效果如下：

以上就是MeanShift()算法的使用介绍，如有问题，欢迎在评论区讨论。