一、算法原理
1、概述
人类视觉感知到的图像信息并不是从某一个孤立的像素点得到的,而是从由大量像素点组合而成的区域得到的,孤立的单一像素点并没有具体的实际意义, 只有许多像素点组合在一起才对人类的视觉感知有意义。可见,像素并不是视觉感知的着重点。在这种需求下,二维图像处理领域产生了“ 超像素” 的概念。所谓超像素,是由许多像素点构成的小区域,这些像素点在位置上是相邻的,并且在某些特征(图像的亮度、颜色、纹理等特征)存在一定的相似性,这些小区域大都没有破坏图像的边界信息,而且还保留了对图像进行进一步分割的有效信息。
现在超像素越来越被广泛地应用于计算机视觉领域中,并且作为图像分割和模式识别的初始阶段,最根本的原因是: 一方面使用超像素后可以有效地减少图像局部信息的冗余,使图像处理的复杂度和运算量大大降低;另一方面基于像素级的传统的图像处理方法,也不能准确的定位目标区域的边界,只能给出一个大概的位置。在三维点云数据处理领域,借鉴类似于超像素的概念,在三维空间引出超体素的概念。在本节中, 我们将学习如何利用pcl :: SupervoxelClustering
把点云分割成一定数址的超体素聚类,并学习如何使用和可视化邻接图信息与超体素本身。