SLIC是一种基于网格化KMeans聚类的超像素分割算法，其计算复杂度为O(N)，其中N为像素点个数。SLIC的原理比较简单精致，具体的原理我这里就不介绍了，推荐大家自己去读原始论文加深理解（但我以为看下面这个算法流程图就足够理解原理了）。SLIC的算法流程如下：
如所有其他聚类算法一样，SLIC不能保证连通性，所以需要后处理将旁生的连通域合并到邻近的主连通域上，但是论文中并未给出具体的后处理方法。我给出的方法是按照轮廓接触点个数最多原则合并连通域。由于每个聚类都有自己的“势力范围”，即每个标签覆盖的区域不会超过聚类时限定的范围（一般是2S*2S大小，边缘栅格的聚类例外），所以合并处理时只需要在该范围内操作即可。
下面给出本人实现的SLIC算法程序（控制色域与空域权重比例的系数wDs应设为函数形参，这里就不改了。注意！迭代中限定聚类的栅格是不变的！！！）：
脚本文件：
测试图像：
栅格划分结果：
聚类过程：
聚类最终结果：
连通域合并后的结果：
原图+轮廓线：
具体的我就不解释了，自觉程序写得还是很有条理的，读者自己跟踪程序运行进行理解吧。
版权声明：
本文来源网络，所有图片文章版权属于原作者，如有侵权，联系删除。
本文网址：https://www.mushiming.com/mjsbk/8554.html