Python - Opencv实现图像超像素分割（SLIC、SEEDS、LSC）

超像素

  超像素是把一张图片中具有相似特征的像素进行聚类，形成一个更具有代表性的大“像素”。这个新的像素可以作为其他图像处理算法的基本单位，可以减低图像的维度和异常像素点。目前常用的超像素分割算法有SLIC、SEEDS和LSC。下面来说说这些算法基于Opencv的Python实现。

SLIC算法

  算法具体原理可参考博客：SLIC超像素算法原理
  那么我来讲讲如何在opencv去实现该算法。利用opencv中ximgproc类下的子类SuperpixelSLIC实现。
  python调用方法：

retval	=	cv.ximgproc.createSuperpixelSLIC(	image[, algorithm[, region_size[, ruler]]]	)

  其中各个参数意义如下：
    image ：输入图像
    algorithm：选择要使用的算法变体：SLIC、SLICO（默认）和MSLIC三种可选
    region_size：平均超像素大小，默认10
    ruler：超像素平滑度，默认10

  python具体实现如下：

import cv2
import numpy as npimg = cv2.imread("mao.jpg")
#初始化slic项，超像素平均尺寸20（默认为10），平滑因子20
slic = cv2.ximgproc.createSuperpixelSLIC(img,region_size=20,ruler = 20.0) 
slic.iterate(10)     #迭代次数，越大效果越好
mask_slic = slic

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！