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，所以想比较完整的去学习它的C接口。谷歌其C接口方面的资料能够查到的也非常的有限，所以后面只能慢慢的啃官网提供的文档了。这篇VLFeat SLIC超像素分割的主要参考的是Running VLFeat’s SLIC Superpixels using CMake and C++对这篇文章，可以当做是C接口调用的入门。

其实前几天就在Win7下跑过该代码，代码写的非常的简洁和便于理解，源代码用CMake方式进行编译，不过本小子一般都用IDE，所以就先在VS2010里面做VLFeat做了下配置，VLFeat在VS里面的配置非常的简单，怎么配置可以参阅Vlfeat图像库在vs2010，vs2012下的配置这篇博文，官网也提供了在Visual C++ Express 2008 on Windows XP，有点老还是建议按第一篇博文来，整个配置下来非常的简单，另外还需要配置OpenCV2.x，本小子的VS2010里已经配置好，如果没配置的话，可以参阅网上大把的资料。配置完后把代码复制过来便可运行了。也可从这里复制：

//
//  main.cpp
//  vlfeat-slic
//
//  Created by willard on 15/7/9.
//#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;extern "C"{#include <vl/generic.h>
#include <vl/slic.h>
}int main(int argc, const char * argv[]) {// insert code here...std::cout << "Hello, World!\n";VL_PRINT("hello, VLFeat!\n");// Read the Lenna image. The matrix 'mat' will have 3 8 bit channels// corresponding to BGR color space.Mat mat = imread("/Users/willard/Pictures/Lenna.png", CV_LOAD_IMAGE_COLOR);// Convert image to one-dimensional array.float* image = new float[mat.rows*mat.cols*mat.channels()];for (int i = 0; i < mat.rows; ++i) {for (int j = 0; j < mat.cols; ++j) {// Assuming three channels ...image[j + mat.cols*i + mat.cols*mat.rows*0] = mat.at<cv::Vec3b>(i, j)[0];image[j + mat.cols*i + mat.cols*mat.rows*1] = mat.at<cv::Vec3b>(i, j)[1];image[j + mat.cols*i + mat.cols*mat.rows*2] = mat.at<cv::Vec3b>(i, j)[2];}}// The algorithm will store the final segmentation in a one-dimensional array.vl_uint32* segmentation = new vl_uint32[mat.rows*mat.cols];vl_size height = mat.rows;vl_size width = mat.cols;vl_size channels = mat.channels();// The region size defines the number of superpixels obtained.// Regularization describes a trade-off between the color term and the// spatial term.vl_size region = 30;float regularization = 10000.;vl_size minRegion = 10;vl_slic_segment(segmentation, image, width, height, channels, region, regularization, minRegion);// Convert segmentation.int** labels = new int*[mat.rows];for (int i = 0; i < mat.rows; ++i) {labels[i] = new int[mat.cols];for (int j = 0; j < mat.cols; ++j) {labels[i][j] = (int) segmentation[j + mat.cols*i];}}int label = 0;int labelTop = -1;int labelBottom = -1;int labelLeft = -1;int labelRight = -1;for (int i = 0; i < mat.rows; i++) {for (int j = 0; j < mat.cols; j++) {label = labels[i][j];labelTop = label;if (i > 0) {labelTop = labels[i - 1][j];}labelBottom = label;if (i < mat.rows - 1) {labelBottom = labels[i + 1][j];}labelLeft = label;if (j > 0) {labelLeft = labels[i][j - 1];}labelRight = label;if (j < mat.cols - 1) {labelRight = labels[i][j + 1];}if (label != labelTop || label != labelBottom || label!= labelLeft || label != labelRight) {mat.at<cv::Vec3b>(i, j)[0] = 0;mat.at<cv::Vec3b>(i, j)[1] = 0;mat.at<cv::Vec3b>(i, j)[2] = 255;}}}imwrite("Lenna_contours.png", mat);imshow("SLIC image", mat);waitKey();return 0;
}

VLFeat中SLIC函数具体怎么调用，可以参考对slic.h，这里面对参数的传入说的还是比较好理解的：

The function computes the SLIC superpixels of the specified image image. image is a pointer to an width by height by by numChannles array of float. segmentation is a pointer to a width by height array of vl_uint32. segmentation contain the labels of each image pixels, from 0 to the number of regions minus one.

Mac下的配置，哈哈，其实这才是我要说的重点。因为现在我的MBP只用而且以后也只会装一个Mac系统了，所以要在宿舍里也能玩VLFeat的话，得把VLFeat在Xcode里搞起。Mac下怎么安装OpenCV可以参阅我前面的Mac下安装OpenCV3.0和Anaconda和Mac下OpenCV3.0和OpenCV2.x自由切换，另外推荐一篇Xcode下配置OpenCV非常不错的博文Mac10.9安装OpenCV2.4.8及在XCode5中的使用，本小子在配置OpenCV就是按照这个来的，配置后完美运行OpenCV方面的程序。为了比较清楚的描述整个配置过程，可以按照此流程来：建立项目，配置OpenCV，然后再配置VLFeat，VlFeat配置可以参考官网给出的方案Xcode，在官网最后给出的一个处理动态链接库的方式，我尝试了很多次，就是通过从Xcode里将动态链接库添加进编译过程：

To copy libvl.dylib in the executable directory, we add a Copy Files build phase to the project. Right-click the vlfeat-client target in the project panel and select Add > New Build Phase > New Copy Files Build Phase. Select Destination: Executables. Then drag-and-drop the libvl.dylib item from the panel to the Copy Files build phase.

试了很多次都没有成功，后来干脆不这么玩了，编译完后，在出现下面错误的时候：

把libvl.dylib(注意是64位的，因为Mac OS从某个版本后就全部都是64位系统了)拷贝到Debug目录下面就可以了。

下面是一些超像素分割结果，保持region = 30和minRegion = 10，变化regularization。

regularization为10的结果：regularization为100的结果：regularization为1000的结果：regularization为10000的结果：

保持regularization = 10000和minRegion = 10，变化region: region为20的结果：region为30的结果：

from:　http://yongyuan.name/blog/vlfeat-slic-cpp.html

VLFeat SLIC超像素分割(Cpp版)相关推荐

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 ...
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
SLIC超像素分割详解
SLIC超像素分割详解(一) 超像素概念是2003年Xiaofeng Ren提出和发展起来的图像分割技术,是指具有相似纹理.颜色.亮度等特征的相邻像素构成的有一定视觉意义的不规则像素块.它利用像素之间 ...
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 ...
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 ...
【转】 SLIC超像素分割详解（一）：简介
http://blog.csdn.net/electech6/article/details/45509779 转载于:https://www.cnblogs.com/nfydream/p/57749 ...
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 ...
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 ...
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 ...

VLFeat SLIC超像素分割(Cpp版)

VLFeat SLIC超像素分割(Cpp版)相关推荐

最新文章

热门文章