Mean-shift超像素分割
Mean-shift超像素分割
超像素概念:超像素是指具有相似纹理、颜色、亮度等特征的相邻像素构成的图像块。是通过图像分割获取的小区域,但是超像素中往往存在过分割。
现有的超像素分割方法:
l 基于图论的超像素分割方法:
1. Normalized cuts算法--该算法的特点是产生的超像素较为规则,但其边缘贴合度较差,计算速度较慢,尤其不适用于大尺寸图像分割。
l 基于梯度上升的超像素分割方法:
1. watershed算法--分水岭算法计算速度快,但过分割现象严重,且超像素边缘贴合度和紧密度较低。
2. SLIC(simple linear iterative clustering)算法—处理速度快,超像素大小均匀,紧密的好,但是如果为了后续的超像素聚合效果并不好。
3. mean-shift算法--抗噪性好,边缘贴合度好,生成的超像素极不规则。
超像素的应用:
1)有利于图像局部特征的提取和图像结构信息的表达;
2)利于降低处理对象规模和后续处理的计算复杂度。
Mean-shift适用于处理什么样的图像?
这个应该从mean-shift的原理来理解:对灰度图像如下图来说,可以看做是分布在(X,Y,DN(灰度))三维空间的数据点。假如我们以这些数据点中的一点为球心做一个单位体积的球,并求球中数据的概率密度最大值,球心从最初的一点变为概率密度最大值。如此反复,直到球心位置不再变化,这一点又叫模态点。如此,所有能移动到同一个模态点的数据点聚集成一个对象。
由此可知均值漂移的过程中需要有概率密度的变化,而对下图来说我们希望的是将不同的纹理分成不同的区域,但是对最左边的斑点的纹理来说,灰度值只有255和0,没有概率密度的梯度存在。所以当我们把三维球的空间半径设置过小时根本不能将这一区域分为一个区域,即使半径设置很大效果也不好如右图所示。
所以说,mean-shift方法更适用于自然图像,也就是说在灰度上有梯度变化的图像。
Mean-shift滤波后的处理:
l 用mean-shift方法进行平滑,把收敛到同一点的起始点归为一类,然后把这一类的标号赋给这些起始点,这其实也是一种聚类方法。
l 滤波之后的图像可能出现一些未被平滑掉的小区域、或者多连通区域等,逐点寻找未标记的区域,若这个区域太小与相邻的区域合并。
l 画出边界。
Mean-shift超像素分割相关推荐
- 超像素分割(Superpixel Segmentation)发展
转自:http://blog.csdn.net/anshan1984/article/details/8918167 最近实验需要用到超像素的一些算法,之前也有看过一下分水岭这个老算法,想着找找近年来 ...
- MATLAB显示slic,quickshift超像素分割结果图
首先介绍vlfeat库函数:vl_slic,vl_quickshift,vl_quckseg vl_slic SLIC superpixels segments = vl_slic(im,regio ...
- 图像分割:Python的SLIC超像素分割
图像分割:Python的SLIC超像素分割 1. 什么是超像素? 2. 为什么超像素在计算机视觉方面有重要的作用? 3. 简单线性迭代聚类(SLIC) 4. 效果图 5. 源码 参考 1. 什么是超像 ...
- VLFeat SLIC超像素分割(Cpp版)
这段时间对VLFeat的C接口非常的感兴趣,以前用的都是其Matlab接口,虽然很方便,而且提供的Matlab接口要比C接口功能更强大,但Matlab终归只能用来做一下快速的方法验证,所以想比较完整的 ...
- julia 调用python库_Julia调用Python实现超像素分割SLIC算法
最近想要在julia中实现 Simple Linear Iterative Clustering (SLIC) 算法对图像进行超像素分割,关于SLIC超像素分割算法,请参考SLIC Superpixe ...
- SLIC超像素分割方法
为了方便查找,记录SLIC超像素分割方法的介绍 简介 关键代码分析 应用
- 超像素分割与超像素合并/区域合并/多尺度分割
最近两年,超像素分割方法非常火爆,计算机视觉.模式识别许多方向都兴起了超像素研究的热潮,提出的方法也比较多.其实这不是个什么新鲜的东西,以前的许多分割算法所获得的结果都可以称为超像素,如Watersh ...
- SLIC 超像素分割详解(三):应用
看过上面的介绍后,我们应该思考一下:分割好的超像素有什么用?怎么用?用到哪里? 首先,超像素可以用来做跟踪,可以参考卢湖川课题组发表在IEEE TIP上的<Robust superpixeltr ...
- SLIC超像素分割的算法介绍和源码分析
前述 最近在看显著性检测,发现很多算法的基础是超像素分割,而正在看的Saliency Optimization from Robust Background Detection算法的预处理是SLIC算 ...
- 超像素分割算法————综述
参考:超像素-学习笔记 什么是超像素?评价标准?SLIC.SEED.ETPS算法 比较的指标:图像边界的粘附性.算法速度.存储效率.分割性能 超像素算法:将像素组合成感知有意义的原子区域( atomi ...
最新文章
- js页面跳转或重定向
- C++ 多继承和虚继承的内存布局
- 用CSS实现首字下沉效果,仿word的首字下沉
- 微服务技术方案:Spring Cloud 从入门到实战
- 计算机组成要素五:虚拟机 堆栈模型
- 微信红包封面小程序源码-后台独立版-带测评积分功能源码
- java将图片写入pdf
- 序列化、模块 day21
- 讨论CGContextDrawImage
- c语言20%3c=10,C语言 练习题(2)
- Volatility3 windows插件详解
- pilz pnoz s4说明书_如何使用Pilz的安全继电器PNOZ S4?
- 远程清卡失败服务器内部错误,​航天信息远程清卡失败怎么处理
- HighNewTech:Gartner发布2021年新兴技术成熟度曲线和2022年重要战略技术趋势(信任、增长和变革三大新兴技术趋势)解读
- java.io.FileNotFoundException: File does not exist: hdfs ://sxt/home/sqoop-1.4.6/lib/commons-codec-1
- 解决虚拟机-虚拟网络配置没有桥接模式,本地没有虚拟网卡
- Python 3中 mp3play module 的使用
- Linux系统有哪些?盘点常用的 8 个Linux系统!
- 如何快速读懂开源代码?
- Java Fork/Join与协程
热门文章
- 基于Docker swarm 集群搭建SSR 学习
- sql插入数据的方式
- cpda项目数据分析师与cda数据分析师的区别?不建议考CPDA
- 2022年6月深圳地区数据分析师认证(CPDA),进入了解
- arm服务器虚拟x86,云服务器arm64和x86
- PG修改表字段长度报错 cached plan must not change result type Hint: Please restore the result type
- java gbk编码_java 中文转GBK码
- android app原型设计工具,手机端APP高仿真(UEUI)原型设计(完整版)
- Scala基础入门(二) Scala下载、安装教程
- linux块设备驱动简述(Linux驱动开发篇)