超畫素

詳細描述

類
類	cv::ximgproc::SuperpixelLSC
	實現 LSC（線性譜聚類）超畫素演算法的類，該演算法在 [163] 中進行了描述。 更多...
類	cv::ximgproc::SuperpixelSEEDS
	實現 SEEDS（透過能量驅動取樣提取的超畫素）超畫素演算法的類，該演算法在 [285] 中進行了描述。 更多...
類	cv::ximgproc::SuperpixelSLIC
	實現 SLIC（簡單線性迭代聚類）超畫素演算法的類，該演算法在 [1] 中進行了描述。 更多...

列舉
列舉	cv::ximgproc::SLICType {   cv::ximgproc::SLIC = 100 ,   cv::ximgproc::SLICO = 101 ,   cv::ximgproc::MSLIC = 102 }

函式
Ptr< SuperpixelLSC >	cv::ximgproc::createSuperpixelLSC (InputArray image, int region_size=10, float ratio=0.075f)
	實現 LSC（線性譜聚類）超畫素的類。
Ptr< SuperpixelSEEDS >	cv::ximgproc::createSuperpixelSEEDS (int image_width, int image_height, int image_channels, int num_superpixels, int num_levels, int prior=2, int histogram_bins=5, bool double_step=false)
	初始化一個 SuperpixelSEEDS 物件。
Ptr< SuperpixelSLIC >	cv::ximgproc::createSuperpixelSLIC (InputArray image, int algorithm=SLICO, int region_size=10, float ruler=10.0f)
	初始化一個 SuperpixelSLIC 物件。

列舉型別文件

SLICType

enum cv::ximgproc::SLICType

#include <opencv2/ximgproc/slic.hpp>

列舉器
SLIC  Python：cv.ximgproc.SLIC
SLICO  Python：cv.ximgproc.SLICO
MSLIC  Python：cv.ximgproc.MSLIC

函式文件

createSuperpixelLSC()

Ptr< SuperpixelLSC > cv::ximgproc::createSuperpixelLSC	(	InputArray	image,
		int	region_size = 10,
		float	ratio = 0.075f )

Python
	cv.ximgproc.createSuperpixelLSC(	image[, region_size[, ratio]]	) ->	retval

#include <opencv2/ximgproc/lsc.hpp>

實現 LSC（線性譜聚類）超畫素的類。

引數

image	要分割的影像
region_size	選擇以畫素為單位測量的平均超畫素大小
ratio	選擇超畫素緊湊性的強制因子

該函式初始化輸入影像的 SuperpixelLSC 物件。 它設定超畫素演算法的引數，這些引數是：region_size 和 ruler。 它預先分配一些緩衝區，用於將來在給定影像上進行計算迭代。 下圖說明了一個 LSC 示例。 為了獲得更好的結果，建議對彩色影像使用 3 x 3 小核進行少量高斯模糊預處理，並將影像額外轉換為 CieLAB 色彩空間。

image

createSuperpixelSEEDS()

Ptr< SuperpixelSEEDS > cv::ximgproc::createSuperpixelSEEDS	(	int	影像寬度,
		int	影像高度,
		int	image_channels,
		int	num_superpixels,
		int	num_levels,
		int	prior = 2,
		int	histogram_bins = 5,
		bool	double_step = false )

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

#include <opencv2/ximgproc/seeds.hpp>

初始化一個 SuperpixelSEEDS 物件。

引數

影像寬度	影像寬度。
影像高度	影像高度。
image_channels	影像的通道數。
num_superpixels	所需的超畫素數量。 請注意，由於限制（取決於影像大小和 num_levels），實際數量可能會更小。 使用 getNumberOfSuperpixels() 獲取實際數量。
num_levels	塊級別數。 級別越多，分割越準確，但需要更多的記憶體和 CPU 時間。
prior	如果 >0，則啟用 3x3 形狀平滑項。 值越大，形狀越平滑。 prior 必須在 [0, 5] 範圍內。
histogram_bins	直方圖箱數。
double_step	如果為 true，則迭代每個塊級別兩次以獲得更高的精度。

該函式初始化輸入影像的 SuperpixelSEEDS 物件。 它儲存影像的引數：image_width、image_height 和 image_channels。 它還設定 SEEDS 超畫素演算法的引數，這些引數是：num_superpixels、num_levels、use_prior、histogram_bins 和 double_step。

num_levels 中的級別數定義了演算法在最佳化中使用的塊級別數量。 初始化是一個網格，其中超畫素在影像的寬度和高度上均勻分佈。 較大的塊對應於超畫素大小，並且具有較小塊的級別是透過將較大的塊遞迴地分成 2 x 2 畫素塊來形成的，直到較小的塊級別。 下圖說明了 4 個塊級別的初始化示例。

image

createSuperpixelSLIC()

Ptr< SuperpixelSLIC > cv::ximgproc::createSuperpixelSLIC	(	InputArray	image,
		int	algorithm = SLICO,
		int	region_size = 10,
		float	ruler = 10.0f )

Python
	cv.ximgproc.createSuperpixelSLIC(	image[, algorithm[, region_size[, ruler]]]	) ->	retval

#include <opencv2/ximgproc/slic.hpp>

初始化一個 SuperpixelSLIC 物件。

引數

image	要分割的影像
algorithm	選擇要使用的演算法變體：SLIC 使用所需的 region_size 分割影像，此外，SLICO 將使用自適應緊湊性因子進行最佳化，而 MSLIC 將使用流形方法進行最佳化，從而產生更多內容敏感的超畫素。
region_size	選擇以畫素為單位測量的平均超畫素大小
ruler	選擇超畫素平滑因子的強制執行

該函式初始化輸入影像的 SuperpixelSLIC 物件。 它設定所選超畫素演算法的引數，這些引數是：region_size 和 ruler。 它預先分配一些緩衝區，用於將來在給定影像上進行計算迭代。 為了獲得更好的結果，建議對彩色影像使用 3 x 3 小核進行少量高斯模糊預處理，並將影像額外轉換為 CieLAB 色彩空間。 下圖說明了 SLIC 與 SLICO 和 MSLIC 的比較示例。

image