超像素

详细描述

类
类	cv::ximgproc::SuperpixelLSC
	实现 LSC（线性谱聚类）超像素算法的类，该算法在 [163] 中进行了描述。 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 [285] 中进行了描述。 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] 中进行了描述。 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

enum 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（线性谱聚类）超像素的类。

参数

image	要分割的图像
region_size	选择以像素为单位测量的平均超像素大小
ratio	选择超像素紧凑性的强制因子

该函数初始化输入图像的 SuperpixelLSC 对象。 它设置超像素算法的参数，这些参数是：region_size 和 ruler。 它预先分配一些缓冲区，用于将来在给定图像上进行计算迭代。 下图说明了一个 LSC 示例。 为了获得更好的结果，建议对彩色图像使用 3 x 3 小核进行少量高斯模糊预处理，并将图像额外转换为 CieLAB 色彩空间。

image

createSuperpixelSEEDS()

Ptr< SuperpixelSEEDS > cv::ximgproc::createSuperpixelSEEDS	(	int	图像宽度,
		int	图像高度,
		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

图像宽度	图像宽度。
图像高度	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），实际数量可能会更小。 使用 getNumberOfSuperpixels() 获取实际数量。
num_levels	块级别数。 级别越多，分割越准确，但需要更多的内存和 CPU 时间。
prior	如果 >0，则启用 3x3 形状平滑项。 值越大，形状越平滑。 prior 必须在 [0, 5] 范围内。
histogram_bins	直方图箱数。
double_step	如果为 true，则迭代每个块级别两次以获得更高的精度。

该函数初始化输入图像的 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，这些参数是：num_superpixels、num_levels、use_prior、histogram_bins 和 double_step。

num_levels 中的级别数定义了算法在优化中使用的块级别数量。 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，并且具有较小块的级别是通过将较大的块递归地分成 2 x 2 像素块来形成的，直到较小的块级别。 下图说明了 4 个块级别的初始化示例。

image

createSuperpixelSLIC()

Ptr< SuperpixelSLIC > cv::ximgproc::createSuperpixelSLIC	(	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	要分割的图像
algorithm	选择要使用的算法变体：SLIC 使用所需的 region_size 分割图像，此外，SLICO 将使用自适应紧凑性因子进行优化，而 MSLIC 将使用流形方法进行优化，从而产生更多内容敏感的超像素。
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执行

该函数初始化输入图像的 SuperpixelSLIC 对象。 它设置所选超像素算法的参数，这些参数是：region_size 和 ruler。 它预先分配一些缓冲区，用于将来在给定图像上进行计算迭代。 为了获得更好的结果，建议对彩色图像使用 3 x 3 小核进行少量高斯模糊预处理，并将图像额外转换为 CieLAB 色彩空间。 下图说明了 SLIC 与 SLICO 和 MSLIC 的比较示例。

image