cv::ximgproc::SuperpixelSEEDS 类参考

实现 SEEDS（通过能量驱动采样提取的超级像素）超级像素算法的类，该算法在 [281] 中描述。 更多...

#include <opencv2/ximgproc/seeds.hpp>

cv::ximgproc::SuperpixelSEEDS 的协作图

公共成员函数
virtual	~SuperpixelSEEDS ()
virtual void	getLabelContourMask (OutputArray image, bool thick_line=false)=0
	返回存储在 SuperpixelSEEDS 对象中的超级像素分割掩码。
virtual void	getLabels (OutputArray labels_out)=0
	返回图像的分割标签。
virtual int	getNumberOfSuperpixels ()=0
	计算存储在 SuperpixelSEEDS 对象中的给定图像的超级像素分割。
virtual void	iterate (InputArray img, int num_iterations=4)=0
	使用 SuperpixelSEEDS 对象中初始化的参数，计算给定图像的超级像素分割。
从 cv::Algorithm 继承的公共成员函数
	Algorithm ()
virtual	~Algorithm ()
virtual void	clear ()
	清除算法状态。
virtual bool	empty () const
	如果 Algorithm 为空（例如，在开始时或读取失败后），则返回 true。
virtual String	getDefaultName () const
virtual void	read (const FileNode &fn)
	从文件存储区读取算法参数。
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
virtual void	write (FileStorage &fs) const
	将算法参数存储在文件存储区中。
void	write (FileStorage &fs, const String &name) const

其他继承的成员
从 cv::Algorithm 继承的静态公共成员函数
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件加载算法。
template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串加载算法。
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点读取算法。
从 cv::Algorithm 继承的受保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

实现 SEEDS（通过能量驱动采样提取的超级像素）超级像素算法的类，该算法在 [281] 中描述。

该算法使用高效的爬山算法来优化超级像素的能量函数，该能量函数基于颜色直方图和边界项（可选）。能量函数鼓励超级像素具有相同的颜色，如果边界项被激活，则超级像素具有平滑的边界并且形状相似。实际上，它从超级像素的规则网格开始，并将边界处的像素或像素块移动以细化解决方案。该算法使用单个 CPU 实时运行。

构造函数和析构函数文档

~SuperpixelSEEDS()

virtual cv::ximgproc::SuperpixelSEEDS::~SuperpixelSEEDS ( )

inlinevirtual

成员函数文档

getLabelContourMask()

virtual void cv::ximgproc::SuperpixelSEEDS::getLabelContourMask ( OutputArray  image, bool  thick_line = false  )

纯虚函数

Python
	cv.ximgproc.SuperpixelSEEDS.getLabelContourMask(	[, image[, thick_line]]	) ->	image

返回存储在 SuperpixelSEEDS 对象中的超级像素分割掩码。

参数

image	返回值：CV_8UC1 图像掩码，其中 -1 表示像素是超级像素边界，否则为 0。
thick_line	如果为 false，则边界仅为一个像素宽，否则边界上的所有像素都被屏蔽。

该函数返回超级像素分割的边界。

注意

• (Python) 有关如何从网络摄像头中的图像生成超级像素的演示，请访问 opencv_source_code/samples/python2/seeds.py
  • (cpp) 有关如何从网络摄像头中的图像生成超级像素的演示，请访问 opencv_source_code/modules/ximgproc/samples/seeds.cpp。通过添加文件图像作为命令行参数，将使用静态图像而不是网络摄像头。
  • 它将显示一个窗口，其中包含来自网络摄像头的视频，以及以红色标记的超级像素边界（见下文）。使用空格键在不同的输出模式之间切换。在窗口顶部有 4 个滑块，用户可以通过它们实时更改超级像素的数量、块级别的数量、边界先验项的强度以修改形状，以及像素级别的迭代次数。这对于使用参数并根据用户方便设置参数很有用。在控制台中，指示了算法的帧速率。

image

getLabels()

virtual void cv::ximgproc::SuperpixelSEEDS::getLabels ( OutputArray  labels_out )

纯虚函数

Python
	cv.ximgproc.SuperpixelSEEDS.getLabels(	[, labels_out]	) ->	labels_out

返回图像的分割标签。

每个标签表示一个超级像素，每个像素都分配给一个超级像素标签。

参数

labels_out

返回值：一个 CV_32UC1 整型数组，包含超级像素分割的标签。标签范围在 [0, getNumberOfSuperpixels()] 之间。

该函数返回一个图像，其中包含超级像素分割的标签。标签范围在 [0, getNumberOfSuperpixels()] 之间。

getNumberOfSuperpixels()

virtual int cv::ximgproc::SuperpixelSEEDS::getNumberOfSuperpixels ( )

纯虚函数

Python
	cv.ximgproc.SuperpixelSEEDS.getNumberOfSuperpixels(		) ->	retval

计算存储在 SuperpixelSEEDS 对象中的给定图像的超级像素分割。

该函数使用 createSuperpixelSEEDS() 函数初始化的参数计算图像的超级像素分割。

iterate()

virtual void cv::ximgproc::SuperpixelSEEDS::iterate ( InputArray  img, int  num_iterations = 4  )

纯虚函数

Python
	cv.ximgproc.SuperpixelSEEDS.iterate(	img[, num_iterations]	) ->	None

使用 SuperpixelSEEDS 对象中初始化的参数，计算给定图像的超级像素分割。

此函数可以再次被调用以处理其他图像，而无需使用 createSuperpixelSEEDS() 初始化算法。这可以节省为算法的所有结构分配内存的计算成本。

参数

img	输入图像。支持的格式：CV_8U、CV_16U、CV_32F。图像大小和通道数必须与使用 createSuperpixelSEEDS() 函数初始化的图像大小和通道数匹配。它应该在 HSV 或 Lab 颜色空间中。Lab 稍微好一些，但也更慢。
num_iterations	像素级别的迭代次数。更高的数字可以改善结果。

该函数使用 createSuperpixelSEEDS() 函数初始化的参数计算图像的超级像素分割。该算法从超级像素网格开始，然后通过提出位于边界上的像素块（从大到小）的更新来细化边界，最后提出像素更新。下面是一个说明性的例子。

image

---

此类的文档是从以下文件生成的

• opencv2/ximgproc/seeds.hpp