SLIC算法理解(仅为个人笔记)

MATLAB中有超像素分割算法superpixels函数,https://ww2.mathworks.cn/help/images/ref/superpixels.html?s_tid=doc_ta#bu1_lce-4,原理就是SLIC超像素分割。

1.SLIC超像素分割论文(翻译版)

https://blog.csdn.net/Fighting_Dreamer/article/details/77170859

2.原理详解

https://blog.csdn.net/electech6/article/details/45509779#commentBox

3.c++代码解读

https://blog.csdn.net/electech6/article/details/45535203

SLIC是基于K-means算法的生成超像素新方法,主要不同:

每次迭代K-means是全部数据在做聚类,其中每个像素必须与所有聚类中心比较。SLIC是超像素中心周围的区域2S×2S中进行类似像素的搜索

算法原理图

初始化聚类中心-------->每个聚类中心:2S*2S区域内对每个像素点进行聚类中心判断(即确定Label)------------->迭代:更新每个聚类中心

距离度量D是重点,由颜色距离和像素距离两部分决定

疑惑很久的部分:每个聚类中心:2S*2S区域内对每个像素点进行聚类中心判断(即确定Label)

对于某个聚类中心Ck:遍历种子(聚类中心)2S*2S内的每个像素点i,计算这个像素点与聚类中心的距离D,如果D<d(i)就把这个像素点的标签打为k。并且更新d(i)=D;下次遍历另一个聚类中心时,可能还会遇见这个点i,要是算出D比上次的D(就是d(i))小,就把这个点i的标签换成现在这个聚类中心的。

  • 4
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 5
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值