2-D сверхэгментацию изображений
[ вычисляет суперпиксели 2-D изображения в полутоновом или RGB L,NumLabels]
= superpixels(A,N)A. N задает количество суперпикселей, которые необходимо создать. Функция возвращается L, матрица меток типа double, и NumLabels, фактическое количество вычисленных суперпикселей.
The superpixels функция использует простой алгоритм линейной итерационной кластеризации (SLIC) [1]. Этот алгоритм группирует пиксели в области с аналогичными значениями. Использование этих областей в операциях обработки изображений, таких как сегментация, может уменьшить сложность этих операций.
[ вычисляет суперпиксели изображения L,NumLabels]
= superpixels(A,N,Name,Value)A использование аргументов пары "имя-значение" для управления аспектами сегментации.
Чтение изображения в рабочую область.
A = imread('kobi.png');Вычислите суперпиксели изображения.
[L,N] = superpixels(A,500);
Отобразите суперпиксельные контуры, наложенные на оригинальное изображение.
figure BW = boundarymask(L); imshow(imoverlay(A,BW,'cyan'),'InitialMagnification',67)
Установите цвет каждого пикселя в выходном изображении в среднее значение цвета RGB 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] Radhakrishna Achanta, Appu Shaji, Kevin Smith, Aurelien Lucchi, Pascal Fua и Sabine Susstrunk, суперпиксели SLIC по сравнению с современными суперпиксельными методами. Транзакции IEEE по анализу шаблонов и машинной разведке, том 34, выпуск 11, стр. 2274-2282, май 2012 г.
boundarymask | imoverlay | label2idx | label2rgb | superpixels3