姓名：袁卓成魄缚；學(xué)號(hào)：20021210612框往； 學(xué)院：電子工程學(xué)院
轉(zhuǎn)自https://blog.csdn.net/studyeboy/article/details/93981017
【嵌牛導(dǎo)讀】本文介紹了超像素分割算法的原理
【嵌牛鼻子】超像素分割
【嵌牛提問】超像素塊的形狀由哪些參數(shù)來控制梗醇？
【嵌牛正文】
概念
超像素由一系列位置相鄰且顏色知允、亮度、紋理等特征相似的像素點(diǎn)組成的小區(qū)域叙谨。這些小區(qū)域大多保留了進(jìn)一步進(jìn)行圖像分割的有效信息温鸽，且一般不會(huì)破壞圖像中物體的邊界信息。
超像素是吧一幅像素級(jí)（pixel-level）的圖唉俗，劃分成區(qū)域級(jí)（district-level）的圖嗤朴，是對(duì)基本信息元素進(jìn)行的抽象。
超像素最大的功能之一是作為圖像處理其他算法的預(yù)處理吱雏，在不犧牲太大精確度的情況下降維。
超像素最直觀的解釋是把一些具有相似特性的像素“聚合”起來瘾境，形成一個(gè)更具有代表性的大“元素”歧杏。而這個(gè)新元素，將作為其他圖像處理算法的基本單位迷守。這樣可以降低維度犬绒，剔除一些異常像素點(diǎn)。
理論上兑凿，任何圖像分割算法的過度分割（over-segmentation）即可生成超像素凯力。
圖像分割中的超像素是指具有相似紋理、顏色礼华、亮度等特征的相鄰相似構(gòu)成的具有一定意義的不規(guī)則的像素塊咐鹤。它利用像素之間特征的相似性將像素分組，用少量的超像素代替大量的像素來表達(dá)圖像特征圣絮，很大程度上降低了圖像處理的復(fù)雜度祈惶，所以通常作為分割算法的預(yù)處理步驟。
超像素初始化的方法
種子像素初始化
SLIC利用了簡(jiǎn)單的聚類（貪婪）算法扮匠，初始時(shí)捧请，每一個(gè)聚類的中心被平均的分布在圖像中，而超像素的個(gè)數(shù)棒搜，可以基本由這些中心點(diǎn)來決定血久。每一步迭代，種子像素合并周圍的像素帮非，形成超像素氧吐。
矩形區(qū)域初始化
SEEDS的初始化是把圖像平均分割成很多矩形讹蘑，初始超像素即為這些矩形。每一步迭代筑舅，超像素的邊緣不斷變化座慰，直到匯合。
超像素算法
SLIC算法
SLIC（simple linear iterative clustering）翠拣，即簡(jiǎn)單的線性迭代聚類宴杀。它是2010年提出的一種思想簡(jiǎn)單划栓、實(shí)現(xiàn)方便的算法，將彩色圖像轉(zhuǎn)換為CIELAB顏色空間和XY坐標(biāo)下的5維特征向量，然后對(duì)5維特征向量構(gòu)造距離度量標(biāo)準(zhǔn)丧靡，對(duì)圖像像素進(jìn)行局部聚類的過程付秕。SLIC算法能生成緊湊近似均勻的超像素辙喂，在運(yùn)算速度对湃，物體輪廓保持、超像素形狀方面具有較高的綜合評(píng)價(jià)欣范，比較符合人們期望的分割效果变泄。
SLIC優(yōu)點(diǎn)：
生成的超像素如同細(xì)胞一般緊湊整齊，鄰域特征比較容易表達(dá)恼琼。這樣基于像素方法可以比較容易的改造為基于超像素的方法妨蛹。
不僅可以分割彩色圖像，也可以兼容分割灰度圖晴竞。
需要設(shè)置的參數(shù)非常少蛙卤，默認(rèn)情況下只需要設(shè)置一個(gè)預(yù)分割的超像素的數(shù)量。
相比其他的超像素的分割方法噩死，SLIC在運(yùn)行速度颤难、生成超像素的緊湊度、輪廓保持方面都比較理想甜滨。
算法步驟：
初始化種子點(diǎn)（聚類中心）：按照設(shè)定的超像素的個(gè)數(shù)乐严，在圖像內(nèi)均勻的分配種子點(diǎn)瘤袖。假設(shè)圖像總共有N個(gè)像素點(diǎn)衣摩，預(yù)分割為K個(gè)相同尺寸的超像素，那么每個(gè)超像素的大小為N/K捂敌，則相鄰種子點(diǎn)的距離（步長(zhǎng)）近似為S = sqrt(N/K)艾扮。
在種子點(diǎn)的n*n領(lǐng)域內(nèi)重新選擇種子點(diǎn)（一般取n=3）：計(jì)算該領(lǐng)域內(nèi)所有像素點(diǎn)的梯度值，將種子點(diǎn)移到該領(lǐng)域內(nèi)梯度最小的地方占婉。避免種子點(diǎn)落在梯度較大的輪廓邊界上泡嘴，以免影響后續(xù)聚類效果。
在每個(gè)種子點(diǎn)周圍的領(lǐng)域內(nèi)為每個(gè)像素點(diǎn)分配類別標(biāo)簽（即屬于哪個(gè)聚類中心）：SLIC的搜索范圍是2Sx2S酌予，期望的超像素尺寸為SxS磺箕，這樣可以加速算法收斂屠列。
距離度量：包括顏色距離和空間距離蝌诡。對(duì)每個(gè)搜索到的像素點(diǎn)例隆，分別計(jì)算它和該種子點(diǎn)的距離甥捺。
其中，代表顏色距離镀层，
代表空間距離，
是類內(nèi)最大空間距離唱逢，定義為
= S = sqrt(N/K) 吴侦，適用于每個(gè)聚類。最大的顏色距離
既隨圖像不同而不同個(gè)坞古，也隨聚類不同而不同备韧，所以取一個(gè)固定常數(shù)m（取值范圍[1,40]，一般取10）代替痪枫，最終的聚類度量如下：
由于每個(gè)像素點(diǎn)都會(huì)被多個(gè)種子點(diǎn)搜索到织堂，所以每個(gè)像素點(diǎn)都會(huì)有一個(gè)與周圍種子點(diǎn)的距離叠艳，取最小值對(duì)應(yīng)的種子點(diǎn)作為該像素點(diǎn)的聚類中心。
迭代優(yōu)化：理論上上述步驟不斷迭代知道誤差收斂（每個(gè)像素點(diǎn)聚類中心不再發(fā)生變化為止）易阳，實(shí)踐發(fā)現(xiàn)10次迭代對(duì)絕大部分圖片都可以得到較理想效果虑绵，所以一般迭代次數(shù)取10。
增強(qiáng)連通性：解決經(jīng)過迭代后出現(xiàn)的多連通情況闽烙、超像素尺寸過小翅睛、單個(gè)超像素被切割成多個(gè)不連續(xù)超像素的情況。具體步驟為：新建一張標(biāo)記表黑竞，表內(nèi)元素均為-1捕发，按照“Z”型走向（從左到右，從上到下順序）將不連續(xù)的超像素很魂、尺寸過小超像素重新分配給臨近的超像素扎酷，遍歷過的像素點(diǎn)分配給相應(yīng)的標(biāo)簽，直到所有點(diǎn)遍歷完畢為止遏匆。
