图像分割python代码_SILC超像素分割算法详解(附Python代码)

SILC算法详解

一、原理介绍

SLIC算法是simple linear iterative cluster的简称，该算法用来生成超像素(superpixel)

算法步骤：

已知一副图像大小M*N,可以从RGB空间转换为LAB空间，LAB颜色空间表现的颜色更全面

假如预定义参数K，K为预生成的超像素数量，即预计将M*N大小的图像(像素数目即为M*N)分隔为K个超像素块，每个超像素块范围大小包含[(M*N)/K]个像素

假设每个超像素区域长和宽都均匀分布的话，那么每个超像素块的长和宽均可定义为S，S=sqrt(M*N/K)

遍历操作，将每个像素块的中心点的坐标(x,y)及其lab的值保存起来，加入到事先定义好的集合中

每个像素块的中心点默认是(S/2,S/2)进行获取的，有可能落在噪音点或者像素边缘(所谓像素边缘，即指像素突变处，比如从黑色过渡到白色的交界处)，这里，利用差分方式进行梯度计算，调整中心点：

算法中，使用中心点的8领域像素点，计算获得最小梯度值的像素点，并将其作为新的中心点，差分计算梯度的公式：

Gradient(x,y)=dx(i,j) + dy(i,j);

dx(i,j) = I(i+1,j) - I(i,j);

dy(i,j) = I(i,j+1) - I(i,j);

遍历现中心点的8领域像素点，将其中计算得到最小Gradient值的像素点作为新的中心点

调整完中心点后即需要进行像素点的聚类操作

通过聚类的方式迭代计算新的聚类中心；