文章目錄

• • 1、實驗?zāi)康暮颓把?/li>
  • 2、什么是超像素分割
  • 3、SLIC算法實現(xiàn)超像素分割
  • • 3.1、效果圖
    • 3.2、代碼

參考
https://blog.csdn.net/qq_40268412/article/details/103915197

1、實驗?zāi)康暮颓把?/h2>

本次實驗?zāi)康?#xff1a;

• 實現(xiàn)超像素分割（無監(jiān)督聚類方式）

2、什么是超像素分割

• 是把一張圖片中具有相似特征的像素進行聚類，形成一個更具有代表性的大“像素”。
• 這個新的像素可以作為其他圖像處理算法的基本單位，可以減低圖像的維度和異常像素點。
• 目前常用的超像素分割算法有SLIC、SEEDS和LSC。

3、SLIC算法實現(xiàn)超像素分割

參考，SLIC算法原理：
https://blog.csdn.net/bailing910/article/details/79747689

• SLIC（簡單的線性迭代聚類）。
• 它采用k均值聚類方法高效地生成超像素。較以前的算法可以更好地獲取邊界。
• 同時，它具有更快的速度，更高的內(nèi)存效率，并且能提高分割性能，也可以直接擴展到超體元生成。

3.1、效果圖

3.2、代碼

import cv2 import numpy as npimg = cv2.imread("pic/dog2.jpg")#超像素平均尺寸region_size，默認10ruler：超像素平滑度ruler，默認10 slic = cv2.ximgproc.createSuperpixelSLIC(img,region_size=20,ruler = 20.0) slic.iterate(10) #迭代次數(shù)，越大效果越好mask_slic = slic.getLabelContourMask() #獲取Mask，超像素邊緣Mask==1 label_slic = slic.getLabels() #獲取超像素標簽 number_slic = slic.getNumberOfSuperpixels() #獲取超像素數(shù)目 mask_inv_slic = cv2.bitwise_not(mask_slic) img_slic = cv2.bitwise_and(img,img,mask = mask_inv_slic) #在原圖上繪制超像素邊界cv2.imshow("img_slic",img_slic) cv2.waitKey(0) cv2.destroyAllWindows()

總結(jié)

以上是生活随笔為你收集整理的【数字图像处理5.3】SLIC算法 超像素分割（无监督聚类方式）python的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。