图像超像素（superpixels）分割算法——简单线性迭代聚类（SLIC）

图像超像素（superpixels）分割算法——简单线性迭代聚类（SLIC）

原理

　　SILC（simple linear iterative clustering）是一种图像分割算法。默认情况下，该算法的唯一参数是k，约等于超像素尺寸的期望数量。对于CIELAB彩色空间的图像，在相隔S像素上采样得到初始聚类中心。为了产生大致相同尺寸的超像素，格点的距离是$S=\sqrt{N/k}$。中心需要被移到3x3领域内的最低梯度处，这样做是为了避免超像素中心在边缘和噪声点上。

　　接下来为每一个像素$i$设置最近的聚类中心，该聚类中心的搜索区域要覆盖该像素的位置。这是本算法加速的关键，因为通过限制搜索区域的大小减小了距离计算的数量，并且相对于传统的k-means聚类算法有显著的速度优势，因为后者的每个像素都必须和所有的聚类中心进行比较。一个超像素的预期空间范围是约为SxS的区域，这里对于相似像素的搜索是在超像素中心的2Sx2S区域完成。

　　一旦每个像素被关联到最近的聚类中心后，就通过求聚类中心所有像素的