超像素

详细说明

类
类	cv::ximgproc::SuperpixelLSC
	实现 LSC（线性谱聚类）超像素算法的类，在 [160] 中进行了描述。 更多内容...
类	cv::ximgproc::SuperpixelSEEDS
	实现 SEEDS（通过能量驱动的采样提取的超像素）超像素算法的类，在 [281] 中进行了描述。 更多内容...
类	cv::ximgproc::SuperpixelSLIC
	实现 SLIC（简单线性迭代聚类）超像素算法的类，在 [1] 中进行了描述。 更多内容...

枚举
枚举	cv::ximgproc::SLICType {   cv::ximgproc::SLIC = 100 ,   cv::ximgproc::SLICO = 101 ,   cv::ximgproc::MSLIC = 102 }

函数
Ptr< SuperpixelLSC >	cv::ximgproc::createSuperpixelLSC (InputArray image, int region_size=10, float ratio=0.075f)
	实现 LSC（线性谱聚类）超像素的类。
Ptr< SuperpixelSEEDS >	cv::ximgproc::createSuperpixelSEEDS (int image_width, int image_height, int image_channels, int num_superpixels, int num_levels, int prior=2, int histogram_bins=5, bool double_step=false)
	初始化一个 SuperpixelSEEDS 对象。
Ptr< SuperpixelSLIC >	cv::ximgproc::createSuperpixelSLIC (InputArray image, int algorithm=SLICO, int region_size=10, float ruler=10.0f)
	初始化一个 SuperpixelSLIC 对象。

枚举类型文档

SLICType

枚举 cv::ximgproc::SLICType

#include <opencv2/ximgproc/slic.hpp>

枚举
SLIC  Python: cv.ximgproc.SLIC
SLICO  Python: cv.ximgproc.SLICO
MSLIC  Python: cv.ximgproc.MSLIC

函数文档

createSuperpixelLSC()

Ptr< SuperpixelLSC > cv::ximgproc::createSuperpixelLSC	(	InputArray	image,
		int	region_size = 10,
		float	ratio = 0.075f
	)

Python
	cv.ximgproc.createSuperpixelLSC(	image[, region_size[, ratio]]	) ->	retval

#include <opencv2/ximgproc/lsc.hpp>

实现 LSC（线性谱聚类）超像素的类。

参数

image	需要分割的图像
region_size	选择采用像素测量的平均超像素大小
ratio	选择超像素密集程度因子

该函数为输入图像初始化一个SuperpixelLSC对象。它设置了超像素算法的参数，其中包括：region_size和ruler。它预先分配了一些缓冲区，以便在给定的图像上进行计算迭代。 以下图片对 LSC 的一个例子进行了说明。为获得更好的效果，推荐使用小尺寸 3 x 3 的核对彩色图像进行高斯模糊处理，并将其转换为 CieLAB 色彩空间，然后进行预处理。

image

createSuperpixelSEEDS()

Ptr< SuperpixelSEEDS > cv::ximgproc::createSuperpixelSEEDS	(	int	image_width,
		int	image_height,
		int	image_channels,
		int	num_superpixels,
		int	num_levels,
		int	prior = 2,
		int	histogram_bins = 5,
		bool	double_step = false
	)

Python
	cv.ximgproc.createSuperpixelSEEDS(	image_width, image_height, image_channels, num_superpixels, num_levels[, prior[, histogram_bins[, double_step]]]	) ->	retval

#include <opencv2/ximgproc/seeds.hpp>

初始化一个 SuperpixelSEEDS 对象。

参数

image_width	图像宽度。
image_height	图像高度。
image_channels	图像的通道数。
num_superpixels	目标超像素数量。请注意，实际数量可能较小，具体取决于图像大小和num_levels。使用getNumberOfSuperpixels()获取实际数量。
num_levels	块层次数目。层次越多，分割就越准确，但需要更多的内存和 CPU 时间。
prior	启用 3x3 形状平滑项，如果 >0。值越大，形状越平滑。prior 必须在 [0, 5] 范围中。
直方图区间	直方图区间的数量。
双步	如果为真，则为提高准确性，遍历每个块级别两次。

该函数初始化一个 SuperpixelSEEDS 对象用于输入图像。它存储图像的参数：image_width、image_height 和 image_channels。它还设置种子超像素算法的参数，即：num_superpixels、num_levels、use_prior、histogram_bins 和 double_step。

num_levels 中的级别数量定义了算法在优化中使用的块级别的数量。初始化是一个网格，其中超像素在图像的宽度和高度中平均分布。较大的块对应于超像素大小，较小块的级别通过递归将较大的块分成 2 x 2 像素块，直到较小的块级别。下图说明了 4 个块级别的初始化示例。

image

createSuperpixelSLIC()

Ptr< SuperpixelSLIC > cv::ximgproc::createSuperpixelSLIC	(	InputArray	image,
		int	algorithm = SLICO,
		int	region_size = 10,
		float	ruler = 10.0f
	)

Python
	cv.ximgproc.createSuperpixelSLIC(	image[, algorithm[, region_size[, ruler]]]	) ->	retval

#include <opencv2/ximgproc/slic.hpp>

初始化一个 SuperpixelSLIC 对象。

参数

image	需要分割的图像
算法	选择要使用的算法变体：SLIC 使用所需的 region_size 对图像进行分割，此外，SLICO 会优化使用自适应紧凑性因子，而 MSLIC 则优化使用流形方法，生成内容更敏感的超像素。
region_size	选择采用像素测量的平均超像素大小
尺子	选择强制执行超像素平滑度因子的超像素

该函数初始化一个 SuperpixelSLIC 对象用于输入图像。它设置所选超像素算法的参数，即：region_size 和 ruler。为所给图像上的未来计算迭代预先分配一些缓冲区。对于增强结果，建议使用小的高斯模糊对彩色图像进行预处理，使用小型的 3 x 3 内核并额外转换为 CieLAB 色彩空间。SLIC 与 SLICO 和 MSLIC 的示例说明如下。

image