数字图像处理之超像素图像分割

算法实现是我的毕设，在补充了一下基础知识后，今天开始进行算法的编码，参考网上相关文章，太多了，不列了

相关基础知识主要如下：

1. 冈萨雷斯的数字图像处理中的图像分割
2. 周志华的机器学习中的聚类
3. python相关：skimage、jupyter（IDE）[科学计算库不列了~]
4. 相关论文：谷歌上有，就是SLIC的，我已经打算毕设直接致敬人家~~

实现思路：

1. 均匀播撒K个种子到图像的lab ndarray中（lab包含明度）
2. 调整种子位子到梯度较小的周围像素处
3. 初始化数组，确定像素的中心点及其距离
4. 对种子周围2s内像素计算五维距离，此距离为欧式距离，更新中心点和距离
5. update种子位子
6. 重复4，5直到稳定

未完成编码如下：

K = 30
rgb = io.imread("D:\zhang.jpg")
image_data = color.rgb2lab(rgb)
image_height = image_data.shape[0]
image_width = image_data.shape[1]
N = image_height*image_width
S = int(math.sqrt(N/K))

clusters = []
label = {}
dis = np.full((image_height,image_width), np.inf)

init_clusters##初始化种子
move_clusters##将种子移到梯度较低的位置，排除噪声干扰
##for ck in clusters:
##    for i in 2s compute Di：
##        if Di < label[i]:
##            label[i]=ck

##update clusters
##save lab2rbg
            

未完成点：

1. 自己先实现完
2. 整理代码格式
3. 收敛速度
4. 欧式距离的维度权重竟然都一样