cv::ximgproc::SuperpixelSEEDS 类参考

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] 中有描述。 更多…

#include <opencv2/ximgproc/seeds.hpp>

cv::ximgproc::SuperpixelSEEDS 的协作图

公有成员函数
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 对象中给定图像的超像素分割。
virtual void	iterate (InputArray img, int num_iterations=4)=0
	使用 SuperpixelSEEDS 对象中初始化的参数，计算给定图像的超像素分割。
从 cv::Algorithm 继承的公有成员函数
	Algorithm ()
virtual	~Algorithm ()
virtual void	clear ()
	清除算法状态。
virtual bool	empty () const
	如果 Algorithm 为空（例如，在开始时或读取不成功后），则返回 true。
virtual String	getDefaultName () const
virtual void	read (const FileNode &fn)
	从文件存储中读取算法参数。
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
virtual void	write (FileStorage &fs) const
	将算法参数存储到文件存储中。
void	write (FileStorage &fs, const String &name) const

其他继承成员
从 cv::Algorithm 继承的静态公有成员函数
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。
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像素）超像素算法的类，该算法在 [282] 中有描述。

该算法使用高效的爬山算法来优化超像素的能量函数，该函数基于颜色直方图和可选的边界项。能量函数鼓励超像素具有相同的颜色，如果激活边界项，则超像素具有平滑的边界并且形状相似。在实践中，它从超像素的规则网格开始，并移动边界处的像素或像素块以细化解决方案。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 ( )

内联虚函数

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掩码。

该函数返回超像素分割的边界。

注意

• (Python) 如何从网络摄像头中的图像生成超像素的演示可以在opencv_source_code/samples/python2/seeds.py中找到。
  • (cpp) 如何从网络摄像头中的图像生成超像素的演示可以在opencv_source_code/modules/ximgproc/samples/seeds.cpp中找到。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，以及用红色标记的超像素边界（见下文）。使用空格键在不同的输出模式之间切换。窗口顶部有4个滑块，用户可以动态更改超像素的数量、块级别数、用于修改形状的边界先验项强度以及像素级别的迭代次数。这对于玩弄参数并将其设置为用户方便非常有用。控制台显示算法的帧率。

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

返回值：包含超像素分割标签的CV_32UC1整数数组。标签范围为[0, getNumberOfSuperpixels()]。

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

getNumberOfSuperpixels()

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

纯虚函数

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

计算存储在 SuperpixelSEEDS 对象中给定图像的超像素分割。

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

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]	) ->	无

使用 SuperpixelSEEDS 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其他图像，无需使用createSuperpixelSEEDS()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

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函数createSuperpixelSEEDS()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	像素级迭代次数。数量越高，结果越好。

该函数使用函数createSuperpixelSEEDS()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，然后通过提出位于从大到小尺寸边界的像素块的更新来细化边界，最后提出像素更新。下面可以看到一个说明性示例。

image

---

此类的文档是从以下文件生成的

• opencv2/ximgproc/seeds.hpp