超像素分割cv2代码示例

示例程序的基本流程如下。

• 阅读图片
• 将输入图像的色彩空间从BGR转换为HSV。
• 创建一个超像素实例。 cv2.ximgproc.createSuperpixel ***()
• 计算参数设置。迭代()，forcenLabelConnectivity()
• 获取细分的边界。 getLabelContourMask()
• 在读取的彩色图像中反映边界线。
• 显示

关于输入图像

输入图像使用上面的F-15图像。
图片来源是国防部网站上的"自卫队摄影工作室"的图像，该图像已缩小为400x533。

超级像素LSC

示例程序

lsc.py

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

import cv2 import numpy as np def main():     image = cv2.imread('F-15_400x533.jpg')     # BGR-HSV変換     converted = cv2.cvtColor(image, cv2.COLOR_BGR2HSV_FULL)     # パラメータ     region_size = 20     ruler = 0.1     min_element_size = 10     num_iterations = 4     # LSCインスタンス生成     slc = cv2.ximgproc.createSuperpixelLSC(converted, region_size,float(ruler))     slc.iterate(num_iterations)     slc.enforceLabelConnectivity(min_element_size)     # スーパーピクセルセグメンテーションの境界を取得     contour_mask = slc.getLabelContourMask(False)     image[0 < contour_mask] = (0, 255, 255)     cv2.imshow('LSC result', image)     cv2.waitKey(0) if __name__ == '__main__':     main()

使用cv2.ximgproc.createSuperpixelLSC()函数设置参数并创建LSC实例。
设置生成和计算参数。
获取边界线信息并将其反映在加载的图像中以进行显示。

超像素LSC实例

retval = cv.ximgproc.createSuperpixelLSC(图像[，region_size [，标尺]]])
image-分段图像
region_size-超像素的平均大小
标尺-超级像素平滑系数
retval-返回值：LSC实例

超像素LSC执行结果

超级像素种子

示例程序

种子

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35

import cv2 import numpy as np def main():     image = cv2.imread('F-15_400x533.jpg')     # パラメータ     height, width, channels= image.shape[:3]     num_iterations = 5     prior = 2     double_step = True     num_superpixels = 700     num_levels = 4     num_histogram_bins = 5     # スーパーピクセルSEEDSの生成     seeds = cv2.ximgproc.createSuperpixelSEEDS(width, height, channels, num_superpixels,             num_levels, prior, num_histogram_bins, double_step)     converted = cv2.cvtColor(image, cv2.COLOR_BGR2HSV_FULL)     # 画像のスーパーピクセルSEEDSを計算     seeds.iterate(converted, num_iterations)     # スーパーピクセルセグメンテーションの境界を取得     contour_mask = seeds.getLabelContourMask(False)     result = image.copy()     result[0 < contour_mask] = (0, 255, 255)     # 画像表示     cv2.imshow('SEEDS result', result)     cv2.waitKey(0) if __name__ == '__main__':     main()

cv2.ximgproc.createSuperpixelSEEDS()用于创建实例，但在此阶段
不设置输入图像。使用iterate()方法设置输入图像。

超级像素SEEDS

的实例化

retval = cv.ximgproc.createSuperpixelSEEDS(图像宽度，图像高度，图像通道，
num_superpixels，num_levels [，先前[，histogram_bins [，double_step]]])
image_width-图像宽度
image_height-图像高度
image_channels-图像通道
num_superpixels-所需的超像素分割数
num_levels-块级别数
优先级-平滑选项(0-5)启用3x3平滑。
histogram_bins-直方图箱数
double_step-如果为True，则将每个块级别加倍以提高准确性
retval-返回值：Superpixel SEEDS

的实例

超像素SEEDS执行结果

超像素SLIC

示例程序

切片

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

import cv2 import numpy as np def main():     image = cv2.imread('F-15_400x533.jpg')     # パラメータ     algorithms = [         ('SLIC', cv2.ximgproc.SLIC),         ('SLICO', cv2.ximgproc.SLICO),         ('MSLIC', cv2.ximgproc.MSLIC) ]     region_size = 20     ruler = 30     min_element_size = 10     num_iterations = 4     # BGR-HSV変換     converted = cv2.cvtColor(image, cv2.COLOR_BGR2HSV_FULL)     for alg in algorithms:         slic = cv2.ximgproc.createSuperpixelSLIC(converted, alg[1], region_size,float(ruler))         slic.iterate(num_iterations)         slic.enforceLabelConnectivity(min_element_size)         result = image.copy()         # スーパーピクセルセグメンテーションの境界を取得         contour_mask = slic.getLabelContourMask(False)         result[0 < contour_mask] = (0, 255, 255)         cv2.imshow('SLIC ('+ alg[0] + ') result', result)         cv2.imwrite('images/SLIC_'+alg[0]+'_result.jpg', result)         cv2.waitKey(0) if __name__ == '__main__':     main()

基本主体与Super Pixel LSC相同。
由于我们正在执行3种类型的算法，因此正在循环。

超像素SLIC

的实例化

retval = cv.ximgproc.createSuperpixelSLIC(图像[，算法[，region_size [，标尺]]])
image-分段图像
算法-算法(SLIC，SLICO，MSLIC)
region_size-超像素的平均大小
标尺-超级像素平滑系数
retval-返回值：超像素SLIC实例