THE_SnowTree的博客

源代码是C，matlab做了接口，可以之间在64机器上运行。整个算法的输入只有一个，即超像素的个数K。 图片原有N个像素，要分割成K个像素，那么每个像素的大小是N/K。超像素之间的距离（即规则情况下超像素的边长）就是S=√N/K。 我们的目标是使代价函数（cost function）最小。具体到本算法中，就是每个像素到所属的中心点的距离之和最小。 首先，将K个超像素种子（也叫做聚类，即超像素的中心），均匀撒到图像的像素点上。 一次迭代的第一步，对每个超像素的中心，2S范围内的所有像素点，判断他们是否属于这个超像素。这样之后，就缩短了像素点到超像素中心的距离。 一次迭代的第二步，对每个超像素，将它的超像素中心移动到这个超像素的中点上。这样也缩短了像素点到超像素中心的距离。 一般来说，迭代10是聚类效果和计算成本折中的次数。