【youcans 的 OpenCV 例程200篇】174.LSC 超像素区域分割

youcans_

已于 2022-06-02 09:24:54 修改

阅读量2.3k

点赞数 3

分类专栏： # OpenCV例程-youcans 文章标签： opencv python 计算机视觉图像处理算法

于 2022-05-09 08:00:00 首次发布

本文链接：https://blog.csdn.net/youcans/article/details/124643704

版权

OpenCV例程-youcans 专栏收录该内容

261 篇文章 2293 订阅

订阅专栏

本文介绍了OpenCV中的LSC（LinearSpectralClustering）超像素区域分割算法，作为SLIC的改进版，LSC提供更紧凑且均匀的超像素。通过cv.ximgproc.createSuperpixelLSC函数实现，它具有线性计算复杂性和高内存效率。示例代码展示了如何使用LSC进行超像素分割，并与SLIC进行了对比展示。

摘要由CSDN通过智能技术生成

【OpenCV 例程200篇总目录-202206更新】**

【youcans 的 OpenCV 例程200篇】174.LSC 超像素区域分割

5.5 LSC 超像素区域分割

线性谱聚类（Linear Spectral Clustering，LSC）是 SLIC 的改进方案，可以生成紧凑且均匀的超像素，将图像分割成大小均匀，边界光滑的小块。

LSC 可以生成具有低计算成本的紧凑且均匀的超像素。

谱聚类是从图论中演化出来的算法，其基本思想是把所有数据看做空间中的点，点之间可以用边连接。距离较远的点之间的边权重值较低，而距离较近的点之间的边权重值较高。通过对所有数据点组成的图进行切图，让切图后不同的子图间边权重和尽可能的低，而子图内的边权重和尽可能的高，从而达到聚类的目的。

LSC 具有线性计算复杂性和高内存效率，并且能够保留图像的全局属性。

例程 11.31： LSC 超像素区域分割

OpenCV 在 ximgproc 模块提供了 cv.ximgproc.createSuperpixelLSC 函数实现 LSC 算法。

函数说明：

cv.ximgproc.createSuperpixelLSC(image[, region_size[, ratio]]) → retval

参数说明：

image：输入图像
region_size：区域尺寸，平均超像素大小，默认值 10
ratio：超像素的紧凑度因子，默认值 0.075

    # 11.31 LSC 超像素区域分割
    # 注意：本例程需要 opencv-contrib-python 包的支持
    img = cv2.imread("../images/imgLena.tif", flags=1)  # 读取彩色图像(BGR)
    imgHSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV_FULL)  # BGR-HSV 转换

    # SLIC 算法
    slic = cv2.ximgproc.createSuperpixelSLIC(img, region_size=20, ruler=10.0)  # 初始化 SLIC
    slic.iterate(10)  # 迭代次数，越大效果越好
    mask_slic = slic.getLabelContourMask()  # 获取 Mask，超像素边缘 Mask==1
    img_slic = cv2.bitwise_and(img, img, mask=cv2.bitwise_not(mask_slic))  # 在原图上绘制超像素边界

    # LSC 算法 (Linear Spectral Clustering)
    lsc = cv2.ximgproc.createSuperpixelLSC(img)
    lsc.iterate(10)
    mask_lsc = lsc.getLabelContourMask()
    label_lsc = lsc.getLabels()
    number_lsc = lsc.getNumberOfSuperpixels()
    mask_inv_lsc = cv2.bitwise_not(mask_lsc)
    img_lsc = cv2.bitwise_and(img, img, mask=mask_inv_lsc)

    plt.figure(figsize=(9, 7))
    plt.subplot(221), plt.axis('off'), plt.title("Origin image")
    plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))  # 显示 img(RGB)
    plt.subplot(222), plt.axis('off'), plt.title("LSC mask")
    plt.imshow(mask_lsc, 'gray')
    plt.subplot(223), plt.axis('off'), plt.title("SLIC image")
    plt.imshow(cv2.cvtColor(img_slic, cv2.COLOR_BGR2RGB))
    plt.subplot(224), plt.axis('off'), plt.title("LSC image")
    plt.imshow(cv2.cvtColor(img_lsc, cv2.COLOR_BGR2RGB))
    plt.tight_layout()
    plt.show()

在这里插入图片描述

（本节完）

OpenCV 例程200篇总目录-202205更新
youcans@xupt 原创作品，转载必须标注原文链接：(https://blog.csdn.net/youcans/article/details/124643704)

欢迎关注『youcans 的 OpenCV 例程 200 篇』系列，持续更新中
欢迎关注『youcans 的 OpenCV学习课』系列，持续更新中

【youcans 的 OpenCV 例程200篇】171.SLIC 超像素区域分割
 【youcans 的 OpenCV 例程200篇】172.SLIC 超像素区域分割算法比较
 【youcans 的 OpenCV 例程200篇】173.SEEDS 超像素区域分割
 【youcans 的 OpenCV 例程200篇】174.LSC 超像素区域分割
 【youcans 的 OpenCV 例程200篇】175.超像素区域分割方法比较
更多内容，请见：
【OpenCV 例程200篇总目录-202206更新】