IPCC Preliminary SLIC algorithm
SLIC
超像素算法就是将图像中的像素依据某种相似性进行聚类,形成一个大“像素”,这个大“像素”可以作为其他图像处理算法的基础。 或者是超像素算法将像素组合成感知有意义的原子区域( atomic regions),其可以用于替换像素网格的刚性结构。它们捕获图像冗余,提供计算图像特征的方便原语( primitive ),并且大大降低了后续图像处理任务的复杂性。
SLIC 算法的基本思想是: 1. 首先将图像从 RGB 颜色空间转换到 CIE-Lab 颜色空间,并把每个像素的(L,a, b)颜色值和(x, y)坐标值组成一个 5 维的特征向量 V[L, a, b, x, y], 1. 然后,根据给定的网格步长 \(S=\sqrt{N/k}\),初始化聚类中心 \(\(C_k=[L_k, a_k, b_k, x_k, y_k]^T\)\) 2. 之后在每个聚类中心 Ck 的邻域(2Sx2S),计算邻域内各像素与该 Ck 点 的相似性度量,从而对邻域内的像素点进行聚类, 3. 之后迭代更新聚类中心,直至满足收敛条件。
算法特点
- 通过将搜索空间限制为与超像素大小成比例的区域,显着地减少了优化中的距离计算的数量。
- 加权距离度量组合颜色和空间接近度,同时提供对超像素的尺寸和紧凑性的控制。
- 默认情况下,算法的唯一参数是k,其含义是大小大致相等的超像素的个数。
距离测量
参考文献
https://blog.csdn.net/bailing910/article/details/79747689