问题标签 [superpixels]

让我们假设 A 是，

我需要识别与特定强度值相邻的所有数字。例如，强度 1、3 和 4 与强度值 2 相邻。在 Matlab 中有效的方法是什么？

我可以使用以下内容，

但是如果 A 有大量的强度值，例如 10000 graycomatrix，则不是一种有效的方法。

让A：

我需要识别特定超像素的相邻像素，

例如

的第一个邻接2是1, 3,4

的第二个邻接2是5,6

的第三个邻接2是...

最快的方法是什么？

我想提取图像超像素段的颜色、形状和纹理特征。然后，我想可视化这些特征以选择重要的特征。

我在这个链接使用代码： https ://github.com/np-csu/SLIC-superpixel

我想像这项研究一样访问分割图像的每个集群：http: //www.pyimagesearch.com/2014/12/29/accessing-individual-superpixel-segmentations-python/

但是，我找不到代码的相关部分。

背景：

我已经使用gSLICr计算了图像的 SLIC 超像素，它给出了图像超像素的“每像素图”作为索引（0 到超像素的数量-1）。

此映射是指向const int*包含索引的整数 const 数组 () 的指针。

我现在想使用 OpenCV 计算每个超像素的质心。

来自 Matlab 背景，我会使用以下方法来做到这一点regionprops：

我不知道这是如何使用 OpenCV 完成的。

问题：

(i) 如何将const int*数组转换为cv::Mat？

(ii) 如何从 (i) 中的矩阵计算超像素质心？

我对通过能量驱动采样 (SEEDS) 提取的超像素感兴趣，这是一种使用超像素进行图像分割的方法。这也是 OpenCV 用来创建超像素的方法。我在查找 SEEDS 算法背后的文档时遇到了麻烦。OpenCV 给出了一个非常笼统的描述，可以在这里找到。

我正在寻找有关 SEEDS 功能的更深入描述（一般演练或数学解释）。任何有关该算法的链接或想法将不胜感激！我似乎找不到任何好的材料。谢谢！

我正在阅读这篇论文Achanta -SLIC 超像素分割，其中说每个超像素簇中心都位于.S = root(N/k)S * S2S*2S

有人可以解释我这一点，因为我被困住了吗？

我正在使用 cv::ximgproc::SuperpixelSLIC opencv c++ 来生成图像片段。我希望每个段标签都是唯一的。这是我的代码。

在label.txt文件中，我观察到标签 0 已分配给两个段（即段包括像素（0,0）和像素（692,442）。这两个段相距甚远。

这是正常现象还是我的代码不正确。请帮我找到每个段的唯一标签。

我使用 scikit 图像库中的 quickshift 方法分割了我的图像。如何计算超像素的平均颜色和面积？如何解释 quickshift() 方法的返回值？文档说返回值是“指示段标签的整数掩码”，但这对我来说并不清楚。我怎样才能制作一个原始图像形状的布尔数组，填充那些存在特定超像素的布尔数组，在这个演示文稿中我的生活会更轻松（我曾经在 OpenCV 中使用这种掩码）。你能帮我解决这个问题吗？我的代码（来自 scikit-image 网站的简化示例）：

下午好，我有一个卷积神经网络可以对一批图像的 6 类进行像素分类。我想将超像素算法（opencv 中的那个）应用于网络的输出。实际上，超像素将从输入图像中计算出来，然后对于网络输出中的每个超像素位置，我将计算输出类的模式，以便为输入图像的每个超像素提供相同的输出类. 由于在前馈传递期间网络的输出是 [batch, w, h, 6] 大小的张量，我正在考虑将张量重塑为 [batch*w, h, 6] 然后对每个类进行迭代（对于i in range(6)) 并为每个超像素计算该类的模式，然后重新整形回原始大小。

我在基于 numpy 的脚本中编写的代码应该类似于：

虽然这在 numpy 中绝对容易编码，但我在尝试在 tensorflow 中执行它时遇到问题，因为我不知道如何实现 for 循环或如何管理它们。

你能帮我吗？

谢谢，

MC

我有这段代码，我在图像上应用算法切片超像素。然后在用 imageview 显示我的图像后，用户应该通过触摸选择他想要选择的超像素。我的问题是如何访问单个超像素，以便我可以对其进行着色以指出？现在，我所做的是：

在这里，我将超像素算法应用于我的图像并展示它