一句话一幅图理解meanshift算法：

对于集合中的每一个元素，对它执行下面的操作：把该元素移动到它邻域中所有元素的特征值的均值的位置，不断重复直到收敛。

准确的说，不是真正移动元素，而是把该元素与它的收敛位置的元素标记为同一类。对于图像来说，所有元素程矩阵排列，特征值便是像素的灰度值。

Meanshift的这种思想可以应用于目标跟踪、图像平滑、边缘检测、聚类等，是一种适应性很好的算法，缺点是速度非常慢。

本文以图像平滑为例对其说明

　　从网上找代码不如自己动手写。说明一下两个参数的含义，hs和hr是核函数的窗口大小，hs是距离核函数，控制子窗口的大小，同时也影响计算速度。hr是颜色核函数，是颜色差值的阈值，maxiter是最大迭代次数。转载请注明出处，谢谢。本文算法只是用作实验之用，没有进行优化，计算时会有重复计算的地方，速度非常慢，且只支持3通道图像。

hs和hr的控制可以参阅下图