【youcans 的 OpenCV 例程200篇】172.SLIC 超像素区域分割算法比较
5. 区域分割之聚类方法
5.3 SLIC 超像素区域分割
SLIC 基于网格化 K-means 聚类方法，原理简单，计算复杂度为O(N)，N 为像素点个数。
SLIC 通常使用包含三个颜色分量和两个空间坐标的五维向量，例如 z = [ r , g , b , x , y ] T z=[r,g,b,x,y]^T z =[r ,g ,b ,x ,y ]T。以均匀的规则网格取样点的初始的聚类中心，用 k-means 聚类算法计算出聚类中心和边界。
对彩色图像可以使用 RGB 颜色空间，也可以转化为 CIELab 或其它颜色空间。对于灰度图像，则使用灰度级与空间坐标构成的三维向量。
SLIC 算法能生成紧凑、近似均匀的超像素，在运算速度，物体轮廓保持、超像素形状方面具有较高的综合评价，比较符合人们期望的分割效果。
SLIC 的优点是：（1）生成的超像素紧凑整齐，邻域特征比较容易表达；（2）可以应用于彩色图像或灰度图像；（3）参数设置少，基本参数只有超像素数量；（4）运行速度、超像素紧凑度、轮廓保持都比较理想。
OpenCV 在 ximgproc 模块提供了 cv.ximgproc.createSuperpixelSLIC 函数实现SLIC算法。
该函数用于初始化输入图像的 SuperpixelSLIC 对象。它设置所选超级像素算法的参数，即：区域大小和标尺。它为给定图像上的未来计算迭代预先分配了一些缓冲区。对于最终结果，建议彩色图像使用一个小的3 x 3内核预处理具有少量高斯模糊的图像，并将其额外转换为CieLAB颜色空间。SLIC与SLICO和MSLIC的对比示例如下图所示。
函数说明：
cv.ximgproc.createSuperpixelSLIC(image[, algorithm=SLICO, region_size=10, ruler=10.0f]) → retval
参数说明：
- image：原始图像
- algorithm：选择算法
- SLIC ：使用所需的区域大小分割图像
- SLICO ：使用自适应紧致因子进行优化
- MSLIC ：使用流形方法进行优化
- region_size：区域尺寸，以像素为单位的超像素大小，默认值 10
- ruler：超像素的平滑因子，默认值 10
MSLIC 是对 SLIC 的优化，密集区域的超像素较小，稀疏区域的超像素较大，从而产生对内容更敏感的超像素。
例程 11.29： SLIC 超像素区域分割之算法比较
img = cv2.imread("../images/imgLena.tif", flags=1)
imgHSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV_FULL)
plt.figure(figsize=(9, 7))
plt.subplot(221), plt.axis('off'), plt.title("Origin")
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
algorithms = [
('SLIC', cv2.ximgproc.SLIC),
('SLICO', cv2.ximgproc.SLICO),
('MSLIC', cv2.ximgproc.MSLIC)]
region_size = 20
ruler = 10
edgeColor = np.ones((img.shape[0], img.shape[1], 3), np.uint8) * 255
for i in range(3):
slic = cv2.ximgproc.createSuperpixelSLIC(imgHSV, algorithms[i][1], region_size, float(ruler))
slic.iterate(5)
slic.enforceLabelConnectivity(100)
mask_slic = slic.getLabelContourMask()
mask_color = np.array([mask_slic for i in range(3)]).transpose(1, 2, 0)
img_slic = cv2.bitwise_and(img, img, mask=cv2.bitwise_not(mask_slic))
plt.subplot(2,2,i+2), plt.axis('off'), plt.title("Slic ({})".format(algorithms[i][0]))
plt.imshow(cv2.cvtColor(img_slic, cv2.COLOR_BGR2RGB))
plt.tight_layout()
plt.show()
（本节完）
版权声明：
OpenCV 例程200篇 总目录-202205更新
youcans@xupt 原创作品，转载必须标注原文链接：(https://blog.csdn.net/youcans/article/details/124576598)
Copyright 2022 youcans, XUPT
Crated：2022-5-4
欢迎关注『youcans 的 OpenCV 例程 200 篇』 系列，持续更新中
欢迎关注『youcans 的 OpenCV学习课』 系列，持续更新中
【youcans 的 OpenCV 例程200篇】171.SLIC 超像素区域分割
【youcans 的 OpenCV 例程200篇】172.SLIC 超像素区域分割算法比较
【youcans 的 OpenCV 例程200篇】173.SEEDS 超像素区域分割
【youcans 的 OpenCV 例程200篇】174.LSC 超像素区域分割
【youcans 的 OpenCV 例程200篇】175.超像素区域分割方法比较
更多内容，请见：
【OpenCV 例程200篇 总目录-202206更新】Original: https://blog.csdn.net/youcans/article/details/124576598
Author: YouCans
Title: 【youcans 的 OpenCV 例程200篇】172.SLIC 超像素区域分割算法比较
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/563243/
转载文章受原作者版权保护。转载请注明原作者出处！