当前位置：网站首页>Opencv 图像超像素分割（SLIC、SEEDS、LSC）

Opencv 图像超像素分割（SLIC、SEEDS、LSC）

2022-08-10 15:03:00 【为为为什么】

超像素是把一张图片中具有相似特征的像素进行聚类，形成一个更具有代表性的大“像素”。本文记录Opencv 实现方法。

简介

超像素是把一张图片中具有相似特征的像素进行聚类，形成一个更具有代表性的大“像素”。这个新的像素可以作为其他图像处理算法的基本单位，可以减低图像的维度和异常像素点。目前常用的超像素分割算法有SLIC、SEEDS和LSC。下面来说说这些算法基于Opencv的Python实现。
测试图像：

SLIC

算法具体原理可参考博客：SuperPixel 超像素分割 SLIC 算法
利用opencv中ximgproc类下的子类SuperpixelSLIC实现。
python调用方法：

retval = cv2.ximgproc.createSuperpixelSLIC(image[, algorithm[, region_size[, ruler]]]	)

其中各个参数意义如下：

代码示例

import cv2
import numpy as np
import mtutils as mt

img = mt.cv_rgb_imread("test.jpg")
#初始化slic项，超像素平均尺寸20（默认为10），平滑因子20
slic = cv2.ximgproc.createSuperpixelSLIC(img,region_size=20,ruler = 20.0) 
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
label_slic = slic.getLabels()        #获取超像素标签
number_slic = slic.getNumberOfSuperpixels()  #获取超像素数目
mask_inv_slic = cv2.bitwise_not(mask_slic)  
img_slic = cv2.bitwise_and(img,img,mask =  mask_inv_slic) #在原图上绘制超像素边界

mt.PIS(img_slic)

pass

SEEDS

利用opencv中ximgproc类下的子类 createSuperpixelSEEDS()实现。
python调用方法：

retval	=	cv.ximgproc.createSuperpixelSEEDS(	image_width, image_height, image_channels, num_superpixels, num_levels[, prior[, histogram_bins[, double_step]]]	)

其中各个参数意义如下：

python具体实现如下：

import cv2
import numpy as np
import mtutils as mt

img = mt.cv_rgb_imread("test.jpg")

#初始化seeds项，注意图片长宽的顺序
seeds = cv2.ximgproc.createSuperpixelSEEDS(img.shape[1],img.shape[0],img.shape[2],2000,15,3,5,True)
seeds.iterate(img,10)  #输入图像大小必须与初始化形状相同，迭代次数为10
mask_seeds = seeds.getLabelContourMask()
label_seeds = seeds.getLabels()
number_seeds = seeds.getNumberOfSuperpixels()
mask_inv_seeds = cv2.bitwise_not(mask_seeds)
img_seeds = cv2.bitwise_and(img,img,mask =  mask_inv_seeds)
mt.PIS(img_seeds)

pass

LSC

利用opencv中ximgproc类下的子类 createSuperpixelLSC() 实现。
python调用方法：

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

其中各个参数意义如下：

python具体实现相似，如下所示：

import cv2
import numpy as np
import mtutils as mt

img = mt.cv_rgb_imread("test.jpg")
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)

mt.PIS(img_lsc)

pass