超像素

详细描述

类
类	cv::ximgproc::SuperpixelLSC
	实现LSC（线性光谱聚类）超像素算法的类，该算法在[160]中描述。 更多…
类	cv::ximgproc::SuperpixelSEEDS
	实现SEEDS（通过能量驱动采样提取的超像素）超像素算法的类，该算法在[282]中描述。 更多…
类	cv::ximgproc::SuperpixelSLIC
	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…

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（线性光谱聚类）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>

枚举器
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（线性光谱聚类）超像素的类。

参数

image	待分割图像
region_size	选择以像素为单位测量的平均超像素大小
ratio	选择超像素紧凑性因子的执行力度

该函数为输入图像初始化一个SuperpixelLSC 对象。它设置超像素算法的参数，即：region_size 和 ruler。它预分配一些缓冲区，以便将来对给定图像进行计算迭代。下图显示了LSC的一个示例。为了获得更好的结果，建议对彩色图像进行预处理，使用 3 x 3 小核进行少量高斯模糊，并额外转换为 CieLAB 颜色空间。

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	所需的超像素数量。请注意，由于限制（取决于图像大小和 num_levels），实际数量可能较小。使用 getNumberOfSuperpixels() 获取实际数量。
num_levels	块级别数。级别越多，分割越准确，但需要更多内存和 CPU 时间。
prior	如果 > 0，则启用 3x3 形状平滑项。较大的值会导致更平滑的形状。prior 必须在 [0, 5] 范围内。
histogram_bins	直方图箱数。
double_step	如果为真，则迭代每个块级别两次以提高精度。

该函数为输入图像初始化一个SuperpixelSEEDS 对象。它存储图像的参数：image_width、image_height 和 image_channels。它还设置 SEEDS 超像素算法的参数，即：num_superpixels、num_levels、use_prior、histogram_bins 和 double_step。

参数 `num_levels` 中的层数定义了算法在优化过程中使用的块级数。初始化是一个网格，其中超像素在图像的宽度和高度上均匀分布。较大的块对应于超像素大小，较小块的层级是通过将较大的块递归地划分为 2 x 2 像素块形成的，直到达到最小块级。下图显示了 4 个块级初始化的示例。

image

createSuperpixelSLIC()

cv::ximgproc::createSuperpixelSLIC 返回一个 SuperpixelSLIC 对象的智能指针 Ptr< SuperpixelSLIC >	(	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	待分割图像
algorithm	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；SLICO 还会使用自适应紧凑因子进行优化；而 MSLIC 将使用流形方法进行优化，从而产生更具内容感知的超像素。
region_size	选择以像素为单位测量的平均超像素大小
ruler	选择超像素平滑因子的强制系数。

此函数为输入图像初始化一个 SuperpixelSLIC 对象。它设置所选超像素算法的参数，即：region_size 和 ruler。它预先分配一些缓冲区，以便将来对给定图像进行迭代计算。为了获得更好的结果，建议对彩色图像使用小的 3 x 3 核进行轻微的高斯模糊预处理，并将其转换为 CieLAB 颜色空间。下图显示了 SLIC、SLICO 和 MSLIC 的示例。

image