2-D суперпиксельная избыточная сегментация изображений
[ вычисляет суперпиксели 2-х оттенков серого или изображения RGB L,NumLabels] = superpixels(A,N)A. N указывает количество суперпикселей, которые требуется создать. Функция возвращает L, матрица меток типа double, и NumLabels, фактическое количество вычисленных суперпикселей.
superpixels функция использует простой алгоритм линейной итеративной кластеризации (SLIC) [1]. Этот алгоритм группирует пикселы в области с аналогичными значениями. Использование этих областей в операциях обработки изображения, таких как сегментация, может уменьшить сложность этих операций.
[ вычисляет суперпиксели изображения L,NumLabels] = superpixels(A,N,Name,Value)A использование аргументов пары имя-значение, используемых для управления аспектами сегментации.
Чтение изображения в рабочую область.
A = imread('kobi.png');Вычислите суперпиксели изображения.
[L,N] = superpixels(A,500);
Отображение границ суперпикселя, наложенных на исходное изображение.
figure BW = boundarymask(L); imshow(imoverlay(A,BW,'cyan'),'InitialMagnification',67)
Установите для каждого пикселя в выходном изображении средний RGB-цвет области суперпикселя.
outputImage = zeros(size(A),'like',A); idx = label2idx(L); numRows = size(A,1); numCols = size(A,2); for labelVal = 1:N redIdx = idx{labelVal}; greenIdx = idx{labelVal}+numRows*numCols; blueIdx = idx{labelVal}+2*numRows*numCols; outputImage(redIdx) = mean(A(redIdx)); outputImage(greenIdx) = mean(A(greenIdx)); outputImage(blueIdx) = mean(A(blueIdx)); end figure imshow(outputImage,'InitialMagnification',67)
[1] Радхакришна Ачанта, Аппу Шаджи, Кевин Смит, Аурельен Лукки, Паскаль Фуа и Сабине Сусструнк, SLIC Superpixels по сравнению с современными методами суперпикселя. Транзакции IEEE по анализу шаблонов и машинному интеллекту, том 34, выпуск 11, стр. 2274-2282, май 2012 г.
boundarymask | imoverlay | label2idx | label2rgb | superpixels3