Opencv 图像超像素分割(SLIC、SEEDS、LSC)

本文最后更新于:2022年7月7日 下午

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

1
retval = cv2.ximgproc.createSuperpixelSLIC(image[, algorithm[, region_size[, ruler]]]	)
  • 其中各个参数意义如下:

    参数 含义
    image 输入图像
    algorithm 选择要使用的算法变体:SLIC、SLICO(默认)和MSLIC三种可选
    region_size 平均超像素大小,默认10
    ruler 超像素平滑度,默认10
  • 代码示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
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:
1
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:

    参数 含义
    image_width 输入图像宽度
    image_height 输入图像高度
    image_channels 输入图像通道数
    num_superpixels 期望超像素数目
    num_levels 块级别数,值越高,分段越准确,形状越平滑,但需要更多的内存和CPU时间。
    histogram_bins 直方图bins数,默认5
    double_step 如果为true,则每个块级别重复两次以提高准确性默认false。
  • python具体实现如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
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:
1
retval	=	cv.ximgproc.createSuperpixelLSC(	image[, region_size[, ratio]]	)
  • 其中各个参数意义如下:

    参数 含义
    image 输入图像
    region_size 平均超像素大小,默认10
    ratio 超像素紧凑度因子,默认0.075
  • python具体实现相似,如下所示:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
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

参考资料


Opencv 图像超像素分割(SLIC、SEEDS、LSC)
https://www.zywvvd.com/notes/study/image-processing/opencv/opencv-superpixel/super-pixel/
作者
Yiwei Zhang
发布于
2022年7月7日
许可协议