包 org.opencv.ximgproc

SuperpixelSEEDS 类

java.lang.Object

org.opencv.core.Algorithm

org.opencv.ximgproc.SuperpixelSEEDS

public class SuperpixelSEEDS
extends Algorithm

此类实现了SEEDS（通过能量驱动采样提取的超像素）超像素算法，如CITE: VBRV14中所述。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。

字段摘要

继承自类 org.opencv.core.Algorithm 的字段

nativeObj

构造函数摘要

构造函数

修饰符	构造函数	描述
protected	SuperpixelSEEDS(long addr)

方法摘要

修饰符和类型	方法	描述
static SuperpixelSEEDS	__fromPtr__(long addr)
protected void	finalize()
void	getLabelContourMask(Mat image)	返回存储在 SuperpixelSEEDS 对象中的超像素分割掩码。
void	getLabelContourMask(Mat image, boolean thick_line)	返回存储在 SuperpixelSEEDS 对象中的超像素分割掩码。
void	getLabels(Mat labels_out)	返回图像的分割标签。
int	getNumberOfSuperpixels()	计算存储在 SuperpixelSEEDS 对象中的给定图像上的超像素分割。
void	iterate(Mat img)	使用 SuperpixelSEEDS 对象中初始化的参数计算给定图像上的超像素分割。
void	iterate(Mat img, int num_iterations)	使用 SuperpixelSEEDS 对象中初始化的参数计算给定图像上的超像素分割。

继承自类 org.opencv.core.Algorithm 的方法

clear, empty, getDefaultName, getNativeObjAddr, save

继承自类 java.lang.Object 的方法

clone, equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

构造函数详情

SuperpixelSEEDS

protected SuperpixelSEEDS(long addr)

方法详情

__fromPtr__

public static SuperpixelSEEDS __fromPtr__(long addr)

getNumberOfSuperpixels

public int getNumberOfSuperpixels()

计算存储在 SuperpixelSEEDS 对象中的给定图像上的超像素分割。该函数使用 createSuperpixelSEEDS() 函数初始化的参数计算图像的超像素分割。

返回

自动生成

iterate

public void iterate(Mat img,
                    int num_iterations)

使用 SuperpixelSEEDS 对象中初始化的参数计算给定图像上的超像素分割。此函数可以再次用于其他图像，无需使用 createSuperpixelSEEDS() 函数初始化算法。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 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 - 像素级迭代次数。数字越高，结果越好。该函数使用 createSuperpixelSEEDS() 函数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，然后通过建议位于边界处的像素块的更新（从大到小）来细化边界，最后建议像素更新。下面可以看到一个说明性示例。

iterate

public void iterate(Mat img)

使用 SuperpixelSEEDS 对象中初始化的参数计算给定图像上的超像素分割。此函数可以再次用于其他图像，无需使用 createSuperpixelSEEDS() 函数初始化算法。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 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。该函数使用 createSuperpixelSEEDS() 函数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，然后通过建议位于边界处的像素块的更新（从大到小）来细化边界，最后建议像素更新。下面可以看到一个说明性示例。

getLabels

public void getLabels(Mat 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：包含超像素分割标签的 CV_32UC1 整数数组。标签范围为 [0, getNumberOfSuperpixels()]。该函数返回一个包含超像素分割标签的图像。标签范围为 [0, getNumberOfSuperpixels()]。

getLabelContourMask

public void getLabelContourMask(Mat image,
                                boolean thick_line)

返回存储在 SuperpixelSEEDS 对象中的超像素分割掩码。

参数

image - 返回：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，并用红色标记超像素边界（见下文）。使用空格键可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数量、块级别数、边界先验项的强度（以修改形状）以及像素级迭代次数。这对于使用参数并根据用户方便设置参数非常有用。控制台中会显示算法的帧速率。
  

getLabelContourMask

public void getLabelContourMask(Mat 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。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，并用红色标记超像素边界（见下文）。使用空格键可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数量、块级别数、边界先验项的强度（以修改形状）以及像素级迭代次数。这对于使用参数并根据用户方便设置参数非常有用。控制台中会显示算法的帧速率。
  

finalize

protected void finalize()
                 throws java.lang.Throwable

重写

finalize 在类 Algorithm中

抛出异常

java.lang.Throwable