实现 SLIC（简单线性迭代聚类）超像素算法的类，该算法在 [1] 中描述。更多…

#include <opencv2/ximgproc/slic.hpp>

cv::ximgproc::SuperpixelSLIC 协作图

公共成员函数
虚函数 void	enforceLabelConnectivity (int min_element_size=25)=0
	强制标签连接。

虚函数 void	getLabelContourMask (OutputArray image, bool thick_line=true) const =0
	返回存储在 SuperpixelSLIC 对象中的超像素分割掩码。

虚函数 void	getLabels (OutputArray labels_out) const =0
	返回图像的分割标签。

虚函数 int	getNumberOfSuperpixels () const =0
	计算在给定的分割中实际的超像素数量，该分割已计算并在 SuperpixelSLIC 对象中存储。

虚函数 void	iterate (int num_iterations=10)=0
	使用在 SuperpixelSLIC 对象中初始化的参数，计算给定图像的超像素分割。

继承自 cv::Algorithm 的公共成员函数
	Algorithm ()

虚函数	~Algorithm ()

虚函数 void	clear ()
	清除算法状态。

虚函数 bool	empty () const
	如果 Algorithm 为空（例如，在开始时或读取失败后），则返回 true。

虚函数 String	getDefaultName () const

虚函数 void	read (const FileNode &fn)
	从文件存储中读取算法参数。

虚函数 void	save (const String &filename) const

void	write (const Ptr< FileStorage > &fs, const String &name=String()) const

虚函数 void	write (FileStorage &fs) const
	将算法参数存储在文件存储中。

void	write (FileStorage &fs, const String &name) const

其他继承成员
继承自 cv::Algorithm 的静态公共成员函数
模板<typename _Tp >
静态 Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。

模板<typename _Tp >
静态 Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串加载算法。

模板<typename _Tp >
静态 Ptr< _Tp >	read (const FileNode &fn)
	从文件节点读取算法。

继承自 cv::Algorithm 的保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

实现 SLIC（简单线性迭代聚类）超像素算法的类，该算法在 [1] 中描述。

SLIC（简单线性迭代聚类）使用像素通道和图像平面空间对像素进行聚类，以高效地生成紧凑、几乎均匀的超像素。这种方法的简单性使其易于使用，只需一个参数即可指定超像素的数量，并且算法的效率使其非常实用。SLIC 类有几种优化方法：SLICO 代表“零参数 SLIC”，它是 [1] 中描述的基线 SLIC 的优化。MSLIC 代表“流形 SLIC”，它是 [169] 中描述的基线 SLIC 的优化。

成员函数文档

◆ enforceLabelConnectivity()

虚函数 void cv::ximgproc::SuperpixelSLIC::enforceLabelConnectivity ( int min_element_size = 25 )

纯虚函数

Python
	cv.ximgproc.SuperpixelSLIC.enforceLabelConnectivity(	[, min_element_size]	) ->	None

强制标签连接。

参数

min_element_size 应吸收为较大超像素的最小元素大小（百分比）。给定生成的平均超像素大小，有效值应在 0-100 范围内，25 表示应吸收小于四分之一大小的超像素，这是默认值。

该函数合并太小的组件，将先前找到的相邻标签分配给该组件。调用此函数可能会更改最终的超像素数量。

◆ getLabelContourMask()

虚函数 void cv::ximgproc::SuperpixelSLIC::getLabelContourMask	(	OutputArray	image,
		bool	thick_line = true ) const

纯虚函数

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

返回存储在 SuperpixelSLIC 对象中的超像素分割掩码。

参数

image	返回：CV_8U1 图像掩码，其中 -1 表示像素是超像素边界，否则为 0。
thick_line	如果为 false，则边界只有一像素宽，否则边界上的所有像素都被屏蔽。

该函数返回超像素分割的边界。

◆ getLabels()

虚函数 void cv::ximgproc::SuperpixelSLIC::getLabels ( OutputArray labels_out ) const

纯虚函数

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

返回图像的分割标签。

每个标签代表一个超像素，每个像素都分配给一个超像素标签。

参数

labels_out 返回：一个 CV_32SC1 整型数组，包含超像素分割的标签。标签范围为 [0, getNumberOfSuperpixels()]。

该函数返回一个包含超像素分割标签的图像。标签范围为 [0, getNumberOfSuperpixels()]。

◆ getNumberOfSuperpixels()

virtual int cv::ximgproc::SuperpixelSLIC::getNumberOfSuperpixels ( ) const

纯虚函数

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

计算在给定的分割中实际的超像素数量，该分割已计算并在 SuperpixelSLIC 对象中存储。

◆ iterate()

virtual void cv::ximgproc::SuperpixelSLIC::iterate ( int num_iterations = 10 )

纯虚函数

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

使用在 SuperpixelSLIC 对象中初始化的参数，计算给定图像的超像素分割。

此函数可以再次调用，无需使用 createSuperpixelSLIC() 初始化算法。这节省了为算法的所有结构分配内存的计算成本。

参数

num_iterations 迭代次数。次数越高，结果越好。

该函数使用函数 createSuperpixelSLIC() 初始化的参数计算图像的超像素分割。算法从超像素网格开始，然后通过提出更新边缘边界来细化边界。

此类的文档是从以下文件生成的

opencv2/ximgproc/slic.hpp

公共成员函数

其他继承成员

详细描述

成员函数文档

◆ enforceLabelConnectivity()

◆ getLabelContourMask()

◆ getLabels()

◆ getNumberOfSuperpixels()

◆ iterate()