【手撕算法】C++实现超像素分割算法
寫完這篇，圖像分割的傳統(tǒng)方法就快全了，傳統(tǒng)圖像分割大體有基于閾值的，這類就沒啥算法可以寫，所以直接略過了；然后就是K-means這種聚類/分裂的，從幾個(gè)點(diǎn)開始進(jìn)行聚類分割，或者一張圖不斷分裂達(dá)到分割目的；
【手撕算法】K-means算法實(shí)現(xiàn)主題色提取
再有就是區(qū)域生長這類的；
【手撕算法】基于隊(duì)列實(shí)現(xiàn)的區(qū)域增長分割算法
以及分水嶺算法，分水嶺算法代碼寫好有一段時(shí)間了，但實(shí)在不知道文章咋寫…就再放放吧；最后就是超像素分割了，超像素分割有k-means算法的影子，所以可以先看看k-means算法的代碼實(shí)現(xiàn)過程。
1，算法原理
初始化種子點(diǎn)（聚類中心）：按照設(shè)定的超像素個(gè)數(shù)，在圖像內(nèi)均勻的分配種子點(diǎn)。假設(shè)圖片總共有 N 個(gè)像素點(diǎn)，預(yù)分割為 K 個(gè)相同尺寸的超像素，那么每個(gè)超像素的大小為N/ K ，則相鄰種子點(diǎn)的距離（步長）近似為S=sqrt(N/K)。
在種子點(diǎn)的n*n鄰域內(nèi)重新選擇種子點(diǎn)（一般取n=3）。具體方法為：計(jì)算該鄰域內(nèi)所有像素點(diǎn)的梯度值，將種子點(diǎn)移到該鄰域內(nèi)梯度最小的地方。這樣做的目的是為了避免種子點(diǎn)落在梯度較大的輪廓邊界上，以免影響后續(xù)聚類效果。
在每個(gè)種子點(diǎn)周圍的鄰域內(nèi)為每個(gè)像素點(diǎn)分配類標(biāo)簽（即屬于哪個(gè)聚類中心）。和標(biāo)準(zhǔn)的k-means在整張圖中搜索不同，SLIC的搜索范圍限制為2S2S，可以加速算法收斂，如下圖。在此注意一點(diǎn)：期望的超像素尺寸為SS，但是搜索的范圍是2S*2S。
距離度量。包括顏色距離和空間距離。對(duì)于每個(gè)搜索到的像素點(diǎn)，分別計(jì)算它和該種子點(diǎn)的距離。距離計(jì)算方法如下：
其中，dc代表顏色距離，ds代表空間距離，Ns是類內(nèi)最大空間距離，定義為Ns=S=sqrt(N/K)，適用于每個(gè)聚類。最大的顏色距離Nc既隨圖片不同而不同，也隨聚類不同而不同，所以我們?nèi)∫粋€(gè)固定常數(shù)m（取值范圍[1,40],一般取10）代替。最終的距離度量D’如下：
由于每個(gè)像素點(diǎn)都會(huì)被多個(gè)種子點(diǎn)搜索到，所以每個(gè)像素點(diǎn)都會(huì)有一個(gè)與周圍種子點(diǎn)的距離，取最小值對(duì)應(yīng)的種子點(diǎn)作為該像素點(diǎn)的聚類中心。
迭代優(yōu)化。理論上上述步驟不斷迭代直到誤差收斂（可以理解為每個(gè)像素點(diǎn)聚類中心不再發(fā)生變化為止），實(shí)踐發(fā)現(xiàn)10次迭代對(duì)絕大部分圖片都可以得到較理想效果，所以一般迭代次數(shù)取10。
增強(qiáng)連通性。經(jīng)過上述迭代優(yōu)化可能出現(xiàn)以下瑕疵：出現(xiàn)多連通情況、超像素尺寸過小，單個(gè)超像素被切割成多個(gè)不連續(xù)超像素等，這些情況可以通過增強(qiáng)連通性解決。主要思路是：新建一張標(biāo)記表，表內(nèi)元素均為-1，按照“Z”型走向（從左到右，從上到下順序）將不連續(xù)的超像素、尺寸過小超像素重新分配給鄰近的超像素，遍歷過的像素點(diǎn)分配給相應(yīng)的標(biāo)簽，直到所有點(diǎn)遍歷完畢為止。
2，偽算法描述
3，程序介紹
程序聲明了一個(gè)SLIC算法類，類的具體程序太長了，就不貼了，大家可以去qq群【222954293】下載程序自己看，都注釋好了。
就看一下主程序吧：
int main() {【1】讀取原圖并顯示Mat image = imread("千矢.png",33);if (image.empty()){printf_s("圖片讀取失敗");return -1;}imshow("原圖", image);【2】轉(zhuǎn)換為LAB顏色空間 方便計(jì)算距離Mat lab_image = image.clone();cvtColor(image, lab_image, COLOR_BGR2Lab);//定義超像素?cái)?shù)以及權(quán)重int w = image.cols, h = image.rows;int nr_superpixels = 300;//超像素?cái)?shù)int nc = 40;//權(quán)重mdouble step = sqrt((w * h) / (double)nr_superpixels);【3】執(zhí)行SLIC超像素算法SLIC slic;slic.generate_superpixels(&lab_image, step, nc);slic.create_connectivity(&lab_image);【4】顯示分割輪廓和分割結(jié)果圖//該三個(gè)函數(shù)可以分別注釋單獨(dú)顯示查看slic.colour_with_cluster_means(&image);//顏色均值填充slic.display_contours(&image, Scalar(0, 0, 255));//顯示輪廓//slic.display_center_grid(&image, Scalar(255, 0, 0));//顯示中心點(diǎn)imshow("result", image);waitKey(0); }一共是四個(gè)步驟。其中步驟【2】中需要自己定義兩個(gè)變量nr_superpixels和nc。
- nr_superpixels為超像素個(gè)數(shù)，你可以根據(jù)圖像大小自己定義，如果圖像x方向10個(gè)超像素塊，y方向30個(gè)超像素塊，那就是300。
- 權(quán)重變量nc，即上文【算法原理】第4步中的固定常數(shù)m，一般取1-40范圍內(nèi)的整數(shù)。
3，效果展示
4，THE END
本文原創(chuàng)內(nèi)容有限，就是整合了一下自己看的超像素分割的博客，兩篇不錯(cuò)的鏈接放這兒了：
https://blog.csdn.net/zhj_matlab/article/details/52986700 https://blog.csdn.net/qq_26129959/article/details/90760028代碼放qq群【222954293】了，今天就到這里啦。
總結(jié)
以上是生活随笔為你收集整理的【手撕算法】C++实现超像素分割算法的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 计算机黑屏什么原因,教您电脑黑屏的原因是
- 下一篇： s3c2440移植MQTT