主要内容

superpixels

二维超像素图像过分割

在页面中全部折叠

语法

[L, numLabels] = superpixels (N),
[L, numLabels] = superpixels (N,名称,值)

描述

例子

［l，numLabels) = superpixels (一个，N）计算二维灰度或RGB图像的超像素一个．N指定要创建的超像素的数量。函数返回标签矩阵l计算出的超像素的实际数量，numLabels．

的superpixels函数采用简单线性迭代聚类(SLIC)算法[1]．该算法将像素分组到具有相似值的区域。在图像处理操作中使用这些区域，如分割，可以降低这些操作的复杂性。

［l，numLabels) = superpixels (一个，N，名称,值）计算图像的超像素一个使用名称-值参数来控制分段的各个方面。

例子

全部折叠

打开生活的脚本

将图像读入工作区。

一个= imread (“kobi.png”）;

计算图像的超像素。

[L, N] = superpixels (, 500);

显示覆盖在原始图像上的超像素边界。

图BW =边界掩码(L);imshow (imoverlay (BW,“青色”)，“InitialMagnification”, 67)

图中包含一个axes对象。坐标轴对象包含一个image类型的对象。

将输出图像中每个像素的颜色设置为超像素区域的平均RGB颜色。

outputImage = 0(大小(A),“喜欢”,);idx = label2idx (L);numRows =大小(1);numCols =大小(2);为label = 1:N redIdx = idx{labelVal};greenIdx = idx {labelVal} + numRows * numCols;blueIdx = idx {labelVal} + 2 * numRows * numCols;outputImage (redIdx) =意味着((redIdx));outputImage (greenIdx) =意味着((greenIdx));outputImage (blueIdx) =意味着((blueIdx));结束图imshow (outputImage,“InitialMagnification”, 67)

图中包含一个axes对象。坐标轴对象包含一个image类型的对象。

输入参数

全部折叠

要分割的图像，指定为二维灰度图像或二维真彩色图像。为int16数据,一个必须是灰度图像。当参数isInputLab是真正的，输入图像必须为数据类型单或双．

数据类型:单|双|int16|uint8|uint16

期望的超像素数，指定为正整数。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里的名字参数名称和价值对应的值。名-值参数必须出现在其他参数之后，但对的顺序并不重要。

例子:B = superpixels3(100年,NumIterations = 20);

在R2021a之前，名称和值之间用逗号隔开，并括起来的名字在报价。

例子:B = superpixels3(“NumIterations”,100年,20);

超像素的形状，指定为正数。SLIC算法的紧致度参数控制了超像素的形状。数值越高，超级像素的形状就越规则，也就是正方形。较低的值使超像素更好地坚持边界，使它们不规则形状。压实度的典型值在[1,20]的范围内。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

输入的图像数据在L * a * b *颜色空间，指定为真正的或假．

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64|逻辑

用于计算超像素的算法，指定为以下值之一。的superpixels函数使用了简单线性迭代聚类(SLIC)算法的两个变体。

价值

意义

“slic0”

superpixels采用SLIC0算法进行细化密实度自适应地在第一次迭代之后。这是默认设置。

“slic”

密实度在聚类过程中不变。

数据类型:字符|字符串

在算法的聚类阶段使用的迭代次数，指定为正整数。对于大多数问题，不需要调整这个参数。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

输出参数

全部折叠

标签矩阵，作为正整数数组返回。的值1表示第一个区域，2第二个区域，以此类推，对于图像中的每个超像素区域。

数据类型:双

计算的超像素数，作为正整数返回。

数据类型:双

参考文献

Radhakrishna Achanta, Appu Shaji, Kevin Smith, Aurelien Lucchi, Pascal Fua和Sabine Susstrunk，SLIC超像素与最先进超像素方法的比较．IEEE模式分析与机器智能汇刊，第34卷，第11期，第2274-2282页，2012年5月

扩展功能

版本历史

介绍了R2016a

全部展开

另请参阅

||||

主题

Baidu
map