寫完這篇，圖像分割的傳統方法就快全了，傳統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，從幾個點開始進行聚類分割，或者一張圖不斷分裂達到分割目的；

【手撕算法】K-means算法實現主題色提取

再有就是區域生長這類的；

【手撕算法】基于隊列實現的區域增長分割算法

以及分水嶺算法，分水嶺算法代碼寫好有一段時間了，但實在不知道文章咋寫…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算法的代碼實現過程。

1，算法原理

初始化種子點（聚類中心）：按照設定的超像素個數，在圖像內均勻的分配種子點。假設圖片總共有 N 個像素點，預分割為 K 個相同尺寸的超像素，那么每個超像素的大小為N/ K ，則相鄰種子點的距離（步長）近似為S=sqrt(N/K)。

在種子點的n*n鄰域內重新選擇種子點（一般取n=3）。具體方法為：計算該鄰域內所有像素點的梯度值，將種子點移到該鄰域內梯度最小的地方。這樣做的目的是為了避免種子點落在梯度較大的輪廓邊界上，以免影響后續聚類效果。

在每個種子點周圍的鄰域內為每個像素點分配類標簽（即屬于哪個聚類中心）。和標準的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：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。對于每個搜索到的像素點，分別計算它和該種子點的距離。距離計算方法如下：

其中，dc代表顏色距離，ds代表空間距離，Ns是類內最大空間距離，定義為Ns=S=sqrt(N/K)，適用于每個聚類。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，所以我們取一個固定常數m（取值范圍[1,40],一般取10）代替。最終的距離度量D’如下：

由于每個像素點都會被多個種子點搜索到，所以每個像素點都會有一個與周圍種子點的距離，取最小值對應的種子點作為該像素點的聚類中心。

迭代優化。理論上上述步驟不斷迭代直到誤差收斂（可以理解為每個像素點聚類中心不再發生變化為止），實踐發現10次迭代對絕大部分圖片都可以得到較理想效果，所以一般迭代次數取10。

增強連通性。經過上述迭代優化可能出現以下瑕疵：出現多連通情況、超像素尺寸過小，單個超像素被切割成多個不連續超像素等，這些情況可以通過增強連通性解決。主要思路是：新建一張標記表，表內元素均為-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，遍歷過的像素點分配給相應的標簽，直到所有點遍歷完畢為止。

2，偽算法描述

3，程序介紹

程序聲明了一個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】轉換為LAB顏色空間 方便計算距離Mat lab_image = image.clone();cvtColor(image, lab_image, COLOR_BGR2Lab);//定義超像素數以及權重int w = image.cols, h = image.rows;int nr_superpixels = 300;//超像素數int nc = 40;//權重mdouble step = sqrt((w * h) / (double)nr_superpixels);【3】執行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果圖//該三個函數可以分別注釋單獨顯示查看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imshow("result", image);waitKey(0); }

一共是四個步驟。其中步驟【2】中需要自己定義兩個變量nr_superpixels和nc。

• nr_superpixels為超像素個數，你可以根據圖像大小自己定義，如果圖像x方向10個超像素塊，y方向30個超像素塊，那就是300。
• 權重變量nc，即上文【算法原理】第4步中的固定常數m，一般取1-40范圍內的整數。

3，效果展示

4，THE END

本文原創內容有限，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

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內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。