 |
OpenCV 4.12.0
开源计算机视觉
|
|
OpenCV 4.12.0
开源计算机视觉
|
OpenCV 的 hfs 模块包含一个高效的图像分割算法。该模块是基于 ECCV 2016 论文《Hierarchical Feature Selection for Efficient Image Segmentation》实现的。原始项目由 Yun Liu 开发 (https://github.com/yun-liu/hfs)。
此算法分 3 个阶段执行
在第一阶段，算法使用 SLIC (简单线性迭代聚类) 算法获取输入图像的超像素。
在第二阶段，算法将每个超像素视为图中的一个节点。它会为图的每条边计算一个特征向量。然后，它根据特征向量和训练好的 SVM 参数为每条边计算一个权重。在获得每条边的权重后，它将利用 EGB (高效基于图的图像分割) 算法合并图中的某些节点，从而获得更粗粒度的分割。在这些操作之后，将执行一个后处理，将像素数量小于特定值的区域合并到其附近的区域。
在第三阶段，算法利用类似的机制将第二阶段中获得的较小区域进一步合并，从而获得更粗粒度的分割。
经过这三个阶段，我们可以获得图像的最终分割。有关该算法的更多详细信息，请参阅原始论文：《Hierarchical Feature Selection for Efficient Image Segmentation》，ECCV 2016。
类 | |
| 类 | cv::hfs::HfsSegment |
1.12.0 提供。