【手撕算法】C++实现超像素分割算法

写完这篇，图像分割的传统方法就快全了，传统图像分割大体有基于阈值的，这类就没啥算法可以写，所以直接略过了；然后就是K-means这种聚类/分裂的，从几个点开始进行聚类分割，或者一张图不断分裂达到分割目的；

【手撕算法】K-means算法实现主题色提取

再有就是区域生长这类的；

【手撕算法】基于队列实现的区域增长分割算法

以及分水岭算法，分水岭算法代码写好有一段时间了，但实在不知道文章咋写...就再放放吧；最后就是超像素分割了，超像素分割有k-means算法的影子，所以可以先看看k-means算法的代码实现过程。

算法原理

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2S2S，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SS，但是搜索的范围是2S*2S。

1. 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。

1. 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。
2. 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。

伪算法描述

程序介绍

程序声明了一个SLIC算法类，类的具体程序太长了，就不贴了。

就看一下主程序吧：

int main()
{
  【1】读取原图并显示
  Mat image = imread("千矢.png",33);
  if (image.empty())
  {
    printf_s("图片读取失败");
    return -1;
  }
  imshow("原图", image);
  【2】转换为LAB颜色空间  方便计算距离
  Mat lab_image = image.clone();
  cvtColor(image, lab_image, COLOR_BGR2Lab);

  //定义超像素数以及权重
  int w = image.cols, h = image.rows;
  int nr_superpixels = 300;//超像素数
  int nc = 40;//权重m
  double step = sqrt((w * h) / (double)nr_superpixels);
  【3】执行SLIC超像素算法
  SLIC slic;
  slic.generate_superpixels(&lab_image, step, nc);
  slic.create_connectivity(&lab_image);

  【4】显示分割轮廓和分割结果图
  //该三个函数可以分别注释单独显示查看
  slic.colour_with_cluster_means(&image);//颜色均值填充
  slic.display_contours(&image, Scalar(0, 0, 255));//显示轮廓
  //slic.display_center_grid(&image, Scalar(255, 0, 0));//显示中心点
  imshow("result", image);
  waitKey(0);
}

一共是四个步骤。其中步骤【2】中需要自己定义两个变量nr_superpixels和nc。

• nr_superpixels为超像素个数，你可以根据图像大小自己定义，如果图像x方向10个超像素块，y方向30个超像素块，那就是300。
• 权重变量nc，即上文【算法原理】第4步中的固定常数m，一般取1-40范围内的整数。

效果展示

THE END

本文原创内容有限，就是整合了一下自己看的超像素分割的博客，两篇不错的链接放这儿了：

https://blog.csdn.net/zhj_matlab/article/details/52986700
https://blog.csdn.net/qq_26129959/article/details/90760028