简单线性迭代聚类SLIC的原理及opencv实现

简单线性迭代聚类（SLIC）是在 K-Means 聚类算法的基础上扩展而来的，是一种简单而高效的构建超像素的方法。SLIC 算法有两个参数K和m，K为超像素个数，m为超像素紧凑程度。将颜色向量和位置向量结合到一起，构成5维空间向量[l,a,b,x,y]。对于 N 个像素的图像，每个超像素约有 N/J 个像素点，那么每个超像素的网格宽度为 S = √N/J，再由S来选定K个初始聚类中心，然后计算每个聚类中心和它2S2S范围内的像素之间的距离，并把每个像素对应的最小距离的聚类中心作为该像素的标签，也就是标签表明该像素属于哪个聚类中心。其中，距离的测量公式为：

其中，dlab表示第k个聚类中心与第i个像素点的颜色距离，dxy表示第k个聚类中心与第i个像素点的空间距离，而Ds是颜色距离和归一化的空间距离的和。公式中的变量m用来权衡颜色相似度和空间临近性的影响。m越大，空间影响越大，超像素更紧凑；m越小，颜色影响越大，超像素更贴合图像边缘。

SLIC作者的源码：SLIC作者源码
前期看代码时，总想把作者源码中算法重要部分提取出来，直接用opencv实现，从而方便用opencv下一步处理，所以实现了以下代码：opencv实现分割的输出
这样就可以用opencv直接处理SLIC分割超像素，并在代码中加入了一个时间类。