百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 热门文章 > 正文

SLIC超像素分割算法研究(代码可下载)

bigegpt 2024-09-08 11:32 6 浏览

超像素概念是2003年Xiaofeng Ren[1]提出和发展起来的图像分割技术,是指具有相似纹理、颜色、亮度等特征的相邻像素构成的有一定视觉意义的不规则像素块。它利用像素之间特征的相似性将像素分组,用少量的超像素代替大量的像素来表达图片特征,很大程度上降低了图像后处理的复杂度,所以通常作为分割算法的预处理步骤。已经广泛用于图像分割、姿势估计、目标跟踪、目标识别等计算机视觉应用[2],而目前,OpenCV关于超像素生成,没有发现网上有相关代码,但其实在opencv_contrib目录下面的未稳定功能模块有SLIC,SEEDS,LSC算法相关实现,如果想要使用这个目录的功能,需要自己重新进行OpenCV的编译[8],有关编译和配置方法可参考[8 ,9]。一些常用的超像素分割算法和性能对比如下表[3]:

本文介绍SLIC(simple lineariterativeclustering)超像素分割算法,即简单的线性迭代聚类,该算法是目前执行速度最快的超像素分割方法[3],2015年实现并行执行速度达250FPS [4,5]。SLIC算法是2010年Achanta[6]提出的一种思想简单、实现方便的算法,将彩色图像转化为CIELAB颜色空间和XY坐标下的5维特征向量,然后对5维特征向量构造距离度量标准,对图像像素进行局部聚类的过程[2],算法基本思路与Kmeans聚类算法类似。算法具体实现过程如下[6,2]:

1. 初始化种子点(聚类中心):按照设定的超像素个数,在图像内均匀的分配种子点。假设图片总共有 N 个像素点,预分割为 K 个相同尺寸的超像素,那么每个超像素的大小为N/ K ,则相邻种子点的距离(步长)近似为S=sqrt(N/K)。

2. 在种子点的n*n邻域内重新选择种子点(一般取n=3)。具体方法为:计算该邻域内所有像素点的梯度值,将种子点移到该邻域内梯度最小的地方。这样做的目的是为了避免种子点落在梯度较大的轮廓边界上,以免影响后续聚类效果。

3. 在每个种子点周围的邻域内为每个像素点分配类标签(即属于哪个聚类中心)。和标准的k-means在整张图中搜索不同,SLIC的搜索范围限制为2S*2S,可以加速算法收敛,如下图。在此注意一点:期望的超像素尺寸为S*S,但是搜索的范围是2S*2S。

4. 距离度量。包括颜色距离和空间距离。对于每个搜索到的像素点,分别计算它和该种子点的距离。距离计算方法如下:

其中,dc代表颜色距离,ds代表空间距离,Ns是类内最大空间距离,定义为Ns=S=sqrt(N/K),适用于每个聚类。最大的颜色距离Nc既随图片不同而不同,也随聚类不同而不同,所以我们取一个固定常数m(取值范围[1,40],一般取10)代替。最终的距离度量D'如下:

由于每个像素点都会被多个种子点搜索到,所以每个像素点都会有一个与周围种子点的距离,取最小值对应的种子点作为该像素点的聚类中心。

5. 迭代优化。理论上上述步骤不断迭代直到误差收敛(可以理解为每个像素点聚类中心不再发生变化为止),实践发现10次迭代对绝大部分图片都可以得到较理想效果,所以一般迭代次数取10。

6. 增强连通性。经过上述迭代优化可能出现以下瑕疵:出现多连通情况、超像素尺寸过小,单个超像素被切割成多个不连续超像素等,这些情况可以通过增强连通性解决。主要思路是:新建一张标记表,表内元素均为-1,按照“Z”型走向(从左到右,从上到下顺序)将不连续的超像素、尺寸过小超像素重新分配给邻近的超像素,遍历过的像素点分配给相应的标签,直到所有点遍历完毕为止。

SLIC算法的代码(C++和matlab版)可到该算法发明人Achanta的页面[7]下载,我们下载该代码的C++windows版本,并编写一个简单图像格式转换函数,将SLIC超像素算法与openCV一起实现了一个简单的应用实例,因为SLIC算法输入必须是RGB彩色图像,因此我们考虑了灰度图像和彩色图像两种不同情况下的数据转换,当输入为灰度图时,将该灰度图像复制三次到其他色彩通道,主程序如下(代码运行还需要从Achanta网站[7]下载的SLIC.cpp和SLIC.h文件,有关我们测试程序的所有代码(包括了SLIC.cpp和SLIC.h文件)下载网站:http://download.csdn.net/detail/zhouxianen1987/9778247):

[html] view plain copy

  1. #if 1
  2. #include <iostream>
  3. #include <time.h>
  4. #include "opencv2/opencv.hpp"
  5. #include "SLIC.h"
  6. using namespace std;
  7. using namespace cv;
  8. int imgOpenCV2SLIC(Mat img, int &height, int &width, int &dim, unsigned int * &image);
  9. int imgSLIC2openCV(unsigned int *image, int height, int width, int dim, Mat &imgSLIC);
  10. int main()
  11. {
  12. Mat imgRGB;
  13. time_t tStart,tEnd,exeT;
  14. imgRGB= imread("0_0_77rgb.jpg");
  15. if (imgRGB.empty() == true){
  16. cout<<"can not open rgb image!"<<endl;
  17. }
  18. unsigned int *image;
  19. int height;
  20. int width;
  21. int dim;
  22. long imgSize;
  23. int numlabels(0);
  24. SLIC slic;
  25. int m_spcount= 100 ;
  26. int m_compactness=10;
  27. imgOpenCV2SLIC(imgRGB, height, width, dim, image);//OpenCV 图像数据转换成SLIC图像数据
  28. imgSize = height* width;
  29. int* labels = new int[imgSize];
  30. tStart=clock();
  31. //SLIC超像素分割,代码下载网站:http://ivrl.epfl.ch/research/superpixels#SLICO
  32. slic.DoSuperpixelSegmentation_ForGivenNumberOfSuperpixels(image, width, height, labels, numlabels, m_spcount, m_compactness);
  33. slic.DrawContoursAroundSegments(image, labels, width, height, 0);
  34. tEnd=clock();
  35. exeT=tEnd-tStart;
  36. Mat imgSLIC;
  37. imgSLIC2openCV(image, height,width,dim,imgSLIC);//SLIC结果:SLIC图像数据转换成OpenCV 图像数据
  38. //结果显示
  39. cout<<"SLIC执行时间exeT:"<<exeT<<"毫秒"<<endl;
  40. imshow("imgRGB",imgRGB);
  41. imshow("imgSLIC1",imgSLIC);
  42. waitKey();
  43. return 0;
  44. }
  45. //OpenCV Mat图像数据转换为SLIC图像数据
  46. //输入:Mat img, int &height, int &width, int &dim,
  47. //输出:unsigned int * &image,同时返回转换是否成功的标志:成功为0,识别为1
  48. int imgOpenCV2SLIC(Mat img, int &height, int &width, int &dim, unsigned int * &image)
  49. {
  50. int error=0;
  51. if( img.empty() ) //请一定检查是否成功读图
  52. {
  53. error =1;
  54. }
  55. dim=img.channels();//图像通道数目
  56. height=img.rows;
  57. width=img.cols;
  58. int imgSize=width*height;
  59. unsigned char *pImage = new unsigned char [imgSize*4];
  60. if(dim==1){
  61. for(int j = 0; j < height; j++){
  62. uchar * ptr = img.ptr<uchar>(j);
  63. for(int i = 0; i < width; i++) {
  64. pImage[j * width*4 + 4*i+3] = 0;
  65. pImage[j * width*4 + 4*i+2] = ptr[0];
  66. pImage[j * width*4 + 4*i+1] = ptr[0];
  67. pImage[j * width*4 + 4*i] = ptr[0];
  68. ptr ++;
  69. }
  70. }
  71. }
  72. else{
  73. if(dim==3){
  74. for(int j = 0; j < height; j++){
  75. Vec3b * ptr = img.ptr<Vec3b>(j);
  76. for(int i = 0; i < width; i++) {
  77. pImage[j * width*4 + 4*i+3] = 0;
  78. pImage[j * width*4 + 4*i+2] = ptr[0][2];//R
  79. pImage[j * width*4 + 4*i+1] = ptr[0][1];//G
  80. pImage[j * width*4 + 4*i] = ptr[0][0];//B
  81. ptr ++;
  82. }
  83. }
  84. }
  85. else error=1;
  86. }
  87. image = new unsigned int[imgSize];
  88. memcpy( image, (unsigned int*)pImage, imgSize*sizeof(unsigned int) );
  89. delete pImage;
  90. return error;
  91. }
  92. //SLIC图像数据转换为OpenCV Mat图像数据
  93. //输入:unsigned int *image, int height, int width, int dim
  94. //输出:Mat &imgSLIC ,同时返回转换是否成功的标志:成功为0,识别为1
  95. int imgSLIC2openCV(unsigned int *image, int height, int width, int dim, Mat &imgSLIC)
  96. {
  97. int error=0;//转换是否成功的标志:成功为0,识别为1
  98. if(dim==1){
  99. imgSLIC.create(height, width, CV_8UC1);
  100. //遍历所有像素,并设置像素值
  101. for( int j = 0; j< height; ++j)
  102. {
  103. //获取第 i行首像素指针
  104. uchar * p = imgSLIC.ptr<uchar>(j);
  105. //对第 i行的每个像素(byte)操作
  106. for( int i = 0; i < width; ++i )
  107. p[i] =(unsigned char)(image[j*width+i]& 0xFF) ;
  108. }
  109. }
  110. else{
  111. if(dim==3){
  112. imgSLIC.create(height, width, CV_8UC3);
  113. //遍历所有像素,并设置像素值
  114. for( int j = 0; j < height; ++j)
  115. {
  116. //获取第 i行首像素指针
  117. Vec3b * p = imgSLIC.ptr<Vec3b>(j);
  118. for( int i = 0; i < width; ++i )
  119. {
  120. p[i][0] = (unsigned char)(image[j*width+i] & 0xFF ); //Blue
  121. p[i][1] = (unsigned char)((image[j*width+i] >> 8 ) & 0xFF ); //Green
  122. p[i][2] = (unsigned char)((image[j*width+i] >> 16) & 0xFF ) ; //Red
  123. }
  124. }
  125. }
  126. else error= 1 ;
  127. }
  128. return error;
  129. }
  130. #endif

执行效果如下:

相关推荐

Redis集群对比:主从复制、哨兵模式、Cluster一文看懂所有优缺点

在分布式系统中,Redis作为高性能的内存数据库,其集群方案的选择直接影响到系统的稳定性、可用性和扩展性。本文将全面对比Redis的三种主流集群方案:主从复制、哨兵模式和Cluster模式,帮助开发者...

redis的主从复制,读写分离,主从切换

当数据量变得庞大的时候,读写分离还是很有必要的。同时避免一个redis服务宕机,导致应用宕机的情况,我们启用sentinel(哨兵)服务,实现主从切换的功能。redis提供了一个master,多个sl...

# Redis 入门到精通(九)-- 主从复制(3)

#Redis入门到精通(九)--主从复制(3)##一、redis主从复制-常见问题(1)###1、伴随着redis系统的运行,master的数据量会越来越大,一旦master重启...

redis - 主从复制(Redis主从复制时序图)

1引言在上一篇文章中,我们了解了Redis两种不同的持久化方式,Redis服务器通过持久化,把Redis内存中持久化到硬盘当中,当Redis宕机时,我们重启Redis服务器时,可以由RDB文件或AO...

# Redis 入门到精通(九)-- 主从复制(2)

#Redis入门到精通(九)--主从复制(2)##一、redis主从复制--数据同步阶段注意事项###1、数据同步阶段master说明1)如果master数据量巨大,数据同步阶段应...

Redis主从复制(redis主从复制主节点挂了)

介绍Redis有两种不同的持久化方式,Redis服务器通过持久化,把Redis内存中持久化到硬盘当中,当Redis宕机时,我们重启Redis服务器时,可以由RDB文件或AOF文件恢复内存中的数据。不过...

深入解析 Redis 集群的主从复制实现方式

在互联网大厂的后端开发领域,Redis作为一款高性能的内存数据库,被广泛应用于缓存、消息队列等场景。而Redis集群中的主从复制机制,更是保障数据安全、实现读写分离以及提升系统性能的关键所在。今...

Redis主从架构详解(redis主从架构高可用如何实现)

Redis主从架构搭建Redis主节点配置创建主节点目录(/opt/redis-master),复制redis.conf到该目录下,redis.conf配置项修改#后台启动daemonizeyes...

抖音“四大包塘战神”:承包了全网的快乐

在抖音钓鱼垂类领域,"包塘战神"军团正掀起一场黑色幽默风暴。空军华、大表坑、李赔光、透心良四位创作者,以承包鱼塘为舞台,用连续翻车的钓鱼直播构筑起流量奇观。当钓鱼佬在抖音集体转型喜剧人...

ORACLE 11G RAC 安装-通过VM配置共享磁盘

简介:在自己的电脑上通过VM软件搭建Oracle11GRAC,通过修改VM的参数文件来实现磁盘共享!目标:搭建RAC环境实现:使用VMwareWorkstation8.0.0+ORACLE...

Linux操作系统安全配置(linux系统安全配置包括)

一、服务相关命令systemctlenable服务名#开机自启动systemctldisable服务名#禁用开机自启动systemctlstop服务名#停止服务systemctls...

关于Linux性能调优中网络I/O的一些笔记

写在前面和小伙伴分享一些Linux网络优化的笔记,内容很浅,可以用作入门博文内容结合《Linux性能优化》读书笔记整理涉及内容包括常用的优化工具(mii-tool,ethtool,ifconfig,i...

从 Sonatype Nexus Repository Manager 迁移到 Artifactory

1.Nexus1.1下载下载链接:https://help.sonatype.com/repomanager3/product-information/download/download-archiv...

Ubuntu20安装zabbix5.0企业监控系统亲测教程

前言示例主机:zabbix10.0.100.10,将安装在UbuntuServer上教程说明:因使用官方教程无法安装成功,所以本教程与官方教程有所不同安装前提:已安装UbuntuServer2...

Linux内核设计与实现—进程管理(linux内核程序设计)

进程进程就是处于执行期的程序(目标码存放在某种存储介质上)。进并不仅仅局限于一段可执行程序代码(Unix称其为代码段,textsection)。通常进程还要包含其他资源,像打开的文件,挂起的信号,...