SLIC超像素算法学习笔记
一、算法步骤
1.将输入图像转化为CEILAB空间
2.输入k并计算出S：
3.创造一个以s为间距的网格
4.移动边缘的平均值
5.对图像中的每个像素在2s的邻域内进行搜索，并将该平均值分配给该像素
6.取分配给一个平均数的像素的样本平均数，并更新平均数的位置
7.转到第5步，重复一定数量的迭代次数
二、代码部分
% Written by Pratik Jain
% Subscribe me on YouTube
% https://www.youtube.com/PratikJainTutorialsclc
clear
close all
tic
1.输入图像并转化为CEILAB空间
%% Read Input Image and convert to CieLAB Space[file,path] = uigetfile('*.*'); /*选择文件*/
f = fullfile(path,file);/*输入路径，文件*/
a = imread(f);/*合并两个参数*/
a_lab = rgb2lab(a);
参数：
2.输入k并计算出S
(1) 设置m、迭代次数n、超像素数量k、总像素数量N、距离s
%% Parametersm = 15;
n = 5; %threshold on no. of iterations:迭代次数
k = 1000;
参数：m：距离公式里的m:
n:迭代次数；k：超像素数量
%%
N = size(a,1)*size(a,2);%行数×列数s = sqrt(N/k);
参数：N:像素；s:距离
(2) 设置梯度
%% Gradient Image
G = zeros(size(a,1)-1,size(a,2)-1);
for i = 2:size(a,1)-1for j = 2:size(a,2)-1gx = (squeeze(a_lab(i+1,j,:))-squeeze(a_lab(i-1,j,:)));gy = (squeeze(a_lab(i,j+1,:))-squeeze(a_lab(i,j-1,:)));G(i,j) = gx(1)^2 + gx(2)^2 + gx(3)^2 + gy(1)^2 + gy(2)^2 + gy(3)^2;end
end
% figure;
% imagesc(G); 梯度公式：
3.创造一个以s为间距的网格
(1) 初始化聚类中心
为了避免影响后续的聚类结果，种子点在邻域内的窗口内移动，同时计算所有像素点的梯度值，并且保证移动到梯度值最小的位置上，防止种子点被分配到影像的边缘位置或噪声点的位置。并且分配标签到每个种子点上。
%% Initializing the Centers
s = ceil(s); %四舍五入
cx = s:s:size(a,1)-s; %x网格; size函数：获取矩阵的行数和列数
cy = s:s:size(a,2)-s; %y网格
p=1;
for i = 1:size(cx,2)for j = 1:size(cy,2)loc(p,:) = [cx(i),cy(j)]; %loc里面存着坐标；loc函数是利用index的名字，来获取想要的行或列p=p+1;end
end %循环后生成了网格for i = 1:size(loc,1)c(i,:) = [a_lab(loc(i,1),loc(i,2),1) a_lab(loc(i,1),loc(i,2),2) a_lab(loc(i,1),loc(i,2),3) loc(i,1) loc(i,2)]; %5个参数分别代表着red green blue x y
end运行结果：
参数loc
参数c：每一行都代表一个像素
(2)生成网格
%% SLIC Algorithm
win = 7;
n1 = floor(win/2);
%%在7x7的窗口中搜索，将把聚类中心移到最小梯度的地方
lochange = -n1:n1;%lochange告诉坐标将在哪里转移%%此循环是为了把每一个聚类中心移动到最小梯度的地方
for i = 1:size(loc,1)H = G(loc(i,1)-n1:loc(i,1)+n1,loc(i,2)-n1:loc(i,2)+n1);%7X7的网格[a1,b1] = min(H);%a1:H中每一列的最小值；b1:最小值所在的行数[a2,b2] = min(a1);loc(i,1) = loc(i,1) + lochange(b1(b2));loc(i,2) = loc(i,2) + lochange(b2); %控制像素从一个位置到另一个位置c(i,:) = [a_lab(loc(i,1),loc(i,2),1) a_lab(loc(i,1),loc(i,2),2) a_lab(loc(i,1),loc(i,2),3) loc(i,1) loc(i,2)];%%把值放到c中，网格创建完成
end
理解：聚类中心就是每一个红点，我们要做的就是把每一个聚类中心都移动到梯度最小的地方
运行结果:
lochange: 表示坐标将在 -3，-2，-1，0，1，2，3处转移
H： 7X7的网格
a1: H中每一列的最小值
b1:最小值所在的行数
c:移动聚类中心后的像素值
（3）设置进度条
msg = 'Segmenting ...';
x = 0;%x代表进度
f = waitbar(x,msg);
4.对图像中的每个像素在2s的邻域内进行搜索，并将该平均值分配给该像素
相似性度量：对每个像素进行搜索，计算像素点与种子点之间的相似程度，包括颜色距离和空间距离，不断迭代直到收敛
参数设置会影响到超像素分割的结果
（1）在2s邻域内进行搜索，并将平均值分给该像素
while iter < nfor i2 = 1:size(a,1) %%算距离，用公式for j2 = 1:size(a,2)dis = [];for k2 = 1:size(loc,1)if sqrt((i2-loc(k2,1))^2 + (j2 - loc(k2,2))^2) < 2*sd = sqrt((a_lab(i2,j2,1)-c(k2,1))^2 + (a_lab(i2,j2,2)-c(k2,2))^2 + (a_lab(i2,j2,3)-c(k2,3))^2) + m/s*sqrt((i2-c(k2,4))^2 + (j2-c(k2,5))^2);dis = [dis;d k2];%% 参数 dis:有多少平均值接近；d：实际距离；k2:它接近于哪一个平均值endendif isempty(dis) %如果是处于边界的像素，有时距离为0，这时什么也不运行else %如果不是空的[mind,I] = min(dis(:,1)); %提取最小值o(i2,j2) = dis(I,2); %通过dis命令得到k2;把平均值分给每个像素endendend距离公式：
（2）像k-means算法一样更新平均数位置
在此循环中所有的主要位置都得到更新
for i3 = 1:size(loc,1)[row,col] = find(o==i3); %得到了行和列的索引；有多少像素在这个平均数上if isempty(row) && isempty(col)elserowmean = round(mean(row)); %行更新平均值colmean = round(mean(col)); %列更新平均值c(i3,:)=[a_lab(rowmean,colmean,1) a_lab(rowmean,colmean,2) a_lab(rowmean,colmean,3) rowmean colmean]; endend
（3）每次迭代都输出一次图像
%% Uncomment Following lines to see the image at every stepfor i4 = 1:size(a,1)for j4 = 1:size(a,2)for k4 = 1:3if o(i4,j4)~=0out(i4,j4,k4) = c(o(i4,j4),k4);endendendend
%% out1 = lab2rgb(out)*255;figure;imshow(uint8(out1));
%%outvid(:,:,:,iter) = uint8(out1);
(4)迭代并输出图像
%%
for i4 = 1:size(a,1) %i4代表每一次迭代for j4 = 1:size(a,2)for k4 = 1:3if o(i4,j4)~=0out(i4,j4,k4) = c(o(i4,j4),k4);endendend
end
%
% cform = makecform('lab2srgb');
% out1 = applycform(out,cform);
out1 = lab2rgb(out)*255;
imshow(uint8(out1)); %转换图片输出
5.给图像加边缘线
%% Edges on the image
d = double(edge((rgb2gray(uint8(out1))),'canny'));
d(find(d==1)) = 255;
d(find(d==0)) = 1;
d(find(d==255)) = 0;
f1 = out1.*d;
figure;
imshow(uint8(f1))
,cform);
out1 = lab2rgb(out)*255;
imshow(uint8(out1)); %转换图片输出
## 5.给图像加边缘线```matlab
%% Edges on the image
d = double(edge((rgb2gray(uint8(out1))),'canny'));
d(find(d==1)) = 255;
d(find(d==0)) = 1;
d(find(d==255)) = 0;
f1 = out1.*d;
figure;
imshow(uint8(f1))
SLIC超像素算法学习笔记相关推荐
- 【youcans 的 OpenCV 例程200篇】172.SLIC 超像素区域分割算法比较
OpenCV 例程200篇 总目录-202205更新 [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 ...
- SLIC与目前最优超像素算法的比较 SLIC Superpixels Compared to State-of-the-art Superpixel Methods
SLIC与目前最优超像素算法的比较 Radhakrishna Achanta, Appu Shaji, Kevin Smith, Aurelien Lucchi, Pascal Fua, and Sa ...
- SLIC与目前最优超像素算法的比较
SLIC与目前最优超像素算法的比较 Radhakrishna Achanta, Appu Shaji, Kevin Smith, Aurelien Lucchi, Pascal Fua, and Sa ...
- 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 ...
- 波束形成算法学习笔记之一（Endfire，broadside）
波束形成算法学习笔记 Broadside 结构 特点 空间响应(频率变化) 频率响应(角度变化) Endfire结构 特点 空间响应(频率变化) 空间响应(延迟变化) 频率响应(角度变化) 总结 麦克 ...
- 基于MVS的三维重建算法学习笔记（二）— 立体视觉的几何基础总结
基于MVS的三维重建算法学习笔记(二)- 立体视觉的几何基础总结 声明 概述 1. 常见三维数据类型 2. 三维形状的几种表达形式 3. 三维空间刚体运动 4. 李群和李代数 5. 相机标定 6. 非 ...
- LMS与RLS算法学习笔记
LMS与RLS算法学习笔记 一. 研究目的 1.1最陡下降法理论 1.2$LMS$算法 1.3$RLS$算法 1.4研究目标 二.代码解析 三.结果 实现代码点击 这里下载 一. 研究目的 1.1最陡 ...
- 基于MVS的三维重建算法学习笔记（一）— MVS三维重建概述与OpenMVS开源框架配置
基于MVS的三维重建算法学习笔记(一)- MVS三维重建概述与OpenMVS开源框架配置 声明 1. MVS(Multi-view stereo)概述 稀疏重建与稠密重建的区别 稀疏重建--SFM(S ...
- 基于MVS的三维重建算法学习笔记（五）— 立体匹配经典算法PatchMatch论文翻译及要点解读
基于MVS的三维重建算法学习笔记(五)- 立体匹配经典算法PatchMatch论文翻译及要点解读 声明 问题提出 问题建模 通过PatchMatch获取平面参数--Inference via Patc ...
最新文章
- 【ACM】杭电OJ 2018
- python的class的__str__()和__repr__()函数
- IB网络用户数量超过私有网络近4倍
- java系统架构图设计，先收藏了
- java set 取第一个_set集合取第一个元素的几种方法
- linux命令学习记录一
- ue4缓存位置怎么改_怎么从蓝图节点跳转到C++源码？
- 在线教育雪崩：藏在家长群里的“水军”消失了
- EC-JET喷码机报EC2.01偏转板电压故障
- python图像风格迁移_Python 超简单实现9种图像风格迁移
- 史上最强的融资方案商业计划书
- 裸机服务器装系统步骤,组装裸机如何装系统？
- ReentrantReadWriteLock、StampedLock读写锁
- 怎样从旧版本激活TeamViewer新版本界面？
- EXCEL中对一列数据每隔n行提取数据出来
- 加密技术和PKI系统
- 打开谷歌自动翻译功能
- js 截取文件后缀名
- 人大信息分析是计算机专业吗,【考研经验分享】——中国人民大学信息分析专业...
- WebBrowser 设置IE兼容性