主要内容

superpixels3

三维图像的三维超像素过分割

在页面中全部折叠

语法

[L, NumLabels] = superpixels3 (N),
[L, NumLabels] = superpixels3 (N,名称,值)

描述

例子

［l，NumLabels) = superpixels3 (一个，N）计算3d图像的3d超像素一个．N指定要创建的超像素的数量。函数返回l，一个三维标签矩阵，和NumLabels，实际返回的超像素数。

［l，NumLabels) = superpixels3 (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

打开脚本

加载3-D MRI数据，删除任何单一维度，并将数据转换为灰度强度图像。

负载核磁共振成像；D =紧缩(D);一个= ind2gray (D,地图);

计算3d超像素。形成一个输出图像，其中每个像素设置为其对应超像素区域的平均颜色。

[L, N] = superpixels3 (A, 34);

用超像素边界逐步显示所有xy平面。

imSize =大小(A);

创建一个RGB图像堆栈，以彩色显示边界。

imSize imPlusBoundaries = 0 (imSize (1), (2), 3, imSize (3),“uint8”）;为平面= 1:imSize(3) BW =边界掩码(L(:，:，平面));创建该平面的RGB表示，并显示其边界%的青色。imPlusBoundaries(:，:，:，平面)= imoverlay(A(:，:，平面)，BW，“青色”）;结束implay (imPlusBoundaries, 5)

将输出图像中每个像素的颜色设置为超像素区域的平均强度。在原始图像旁边显示平均图像。如果运行此代码，您可以使用implay查看每片MRI数据。

pixelIdxList = label2idx (L);meanA = 0(大小(A),“喜欢”D);为superpixel = 1:N memberPixelIdx = pixelIdxList{superpixel};meanA (memberPixelIdx) =意味着((memberPixelIdx));结束meanA implay ([], 5);

输入参数

全部折叠

卷到段，指定为3-D数值数组。

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

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。较高的值使超像素的形状更规则，也就是说，更正方形。较低的值使超像素更好地坚持边界，使它们不规则形状。典型值在[0.01,0.1]的范围内。的默认值slic0方法是0.001的默认值slic方法是0.05．

请注意

如果指定“slic0”方法，通常不需要调整密实度论点。与“slic0”方法,superpixel3自适应改进的密实度参数，从而消除了确定好值的需要。

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

用于计算超像素的算法，指定为以下值之一。有关更多信息，请参见算法．

价值

意义

“slic0”

superpixels3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，作为正整数的3-D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，返回为正数。

数据类型:双

算法

使用的算法superpixels3是使用的简单线性迭代聚类(SLIC)算法的修改版本superpixels．在较高的级别上，它创建群集中心，然后迭代地在向最近的群集中心分配像素和更新群集中心的位置之间进行交替。superpixels3使用距离度量来确定每个像素最近的聚类中心。这个距离度量结合了强度距离和空间距离。

函数的密实度论证来自于距离度量的数学形式。算法的紧致度参数是一个控制超像素形状的标量值。两个像素之间的距离我而且j,在那里米为紧凑度值，为:

d int e n 年代 我 t y ＝ （ l 我 − l j ） 2 d 年代 p 一个 t 我 一个 l ＝ （ x 我 − x j ） 2 + （ y 我 − y j ） 2 + （ z 我 − z j ） 2 D ＝ （ d int e n 年代 我 t y 米 ） 2 + （ d 年代 p 一个 t 我 一个 l 年代 ） 2

紧致性与二维空间的含义相同superpixels函数:它决定了强度距离和空间距离在整体距离度量中的相对重要性。较低的值使超像素更好地坚持边界，使它们不规则形状。较高的值使超像素的形状更规则。在算法中，将输入图像的动态范围归一化为从0到1。这使得图像之间的紧凑度值具有一致的含义。

扩展功能

版本历史

介绍了R2016b

全部展开

另请参阅

||||

Baidu
map