SLIC(simple linear iterativeclustering) ,即簡單線性迭代聚類憔购。將彩色圖像轉(zhuǎn)化為CIELab顏色空間和XY坐標(biāo)下的5維特征向量导而，然后對5維特征向量構(gòu)造距離度量標(biāo)準(zhǔn)献雅，對圖像像素進(jìn)行局部聚類的過程。SLIC算法能生成緊湊占锯、近似均勻的超像素袒哥。其實(shí)質(zhì)是將K-means算法用于超像素聚類。復(fù)雜度是O(NKI), 其中消略，N是圖像的像素數(shù)堡称，K是聚類數(shù)，I是迭代次數(shù)艺演。
SLIC的具體實(shí)現(xiàn)的步驟：
（1）將圖像轉(zhuǎn)換為CIELab顏色空間;
（2）初始化K個種子點(diǎn)（聚類中心）却紧，在圖像上平均灑落K個點(diǎn)，K個點(diǎn)均勻的占滿整幅圖像;
（3）對種子點(diǎn)在內(nèi)的nXn（一般為3X3）區(qū)域計算每個像素點(diǎn)梯度值钞艇，選擇值最凶墓选（最平滑）的點(diǎn)作為新的種子點(diǎn)，這一步主要是為了防止種子點(diǎn)落在了輪廓邊界上;
（4）對種子點(diǎn)周圍2S*2S的方行區(qū)域內(nèi)的所有像素點(diǎn)計算距離度量哩照，S=sqrt(N/K), N是圖像的像素個數(shù);
（5）每個像素點(diǎn)都可能被幾個種子點(diǎn)計算距離度量挺物，選擇其中最小的距離度量對應(yīng)的種子點(diǎn)為其聚類中心。
from skimage.segmentation import slic, mark_boundaries
from skimage import io
img = io.imread('./data/coffee.png')
segments = slic(img, n_segments=400, compactness=30)
out = mark_boundaries(img,segments)
io.imsave('./data/coffee_result.png', out)
coffee.png
coffee_result.png
