SLIC聚类算法

参考博客:图像处理: 超像素(superpixels)分割 SLIC算法

原理

超像素概念是2003年Xiaofeng Ren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。

常见的超像素分割方法包括： Graph-based 、NCut 、Turbopixel 、 Quick-shift 、 Graph-cut a、Graph-cut b 以及 SLIC 。

SLIC算法

其中，SLIC（simple linear iterativeclustering），即 简单线性迭代聚类 。 它是2010年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。

SLIC主要优点：

1. 生成的超像素如同细胞一般紧凑整齐，邻域特征比较容易表达。这样基于像素的方法可以比较容易的改造为基于超像素的方法。
2. 不仅可以分割彩色图，也可以兼容分割灰度图。
3. 需要设置的参数非常少，默认情况下只需要设置一个预分割的超像素的数量。
4. 相比其他的超像素分割方法，SLIC在运行速度、生成超像素的紧凑度、轮廓保持方面都比较理想。

效果图

经过观察发现，在迭代至第10轮后，分割效果基本不再发生变化。

SLIC聚类算法

原文：https://www.cnblogs.com/guoben/p/12913657.html