我正在使用 opencv 库和我使用 superpixelslic 算法做一个 android 项目。在我在某些设备上应用该算法后，图像看起来像这样的颗粒状：

这是我的超像素代码：

难道是，在我拍摄/选择一张照片后，我剪切并旋转它，失去了质量？

我使用了我在网上找到的代码并将图像分成几个部分

我想从图像中提取绿色部分并存储它们。我可以使用黑色蒙版分别显示分段图像

但我只想将绿色小分段区域显示和保存为单独的图像（如在本例中为 9 个单独的 .jpg 绿色图像），没有黑色区域。

这是我在网上找到的代码

l 有一个尺寸为 (224,224,3) 的 RGB 图像。l 使用SLIC算法对其进行超像素分割。

如下 ：

返回的段数为：

从 0 到 595。所以，我们有 596 个超像素（区域）。

让我们来看看segments_slic[0]

我想得到什么？

为每个超像素区域制作两个数组，如下所示：

1）数组：包含属于同一超像素的像素的索引。

例如

superpixel_list[0]包含属于超像素 0 的像素的所有索引。

superpixel_list[400]包含属于超像素 400 的像素的所有索引

2)superpixel_pixel_values[0] : 包含属于超像素 0 的像素的像素值（以RGB为单位）。

例如，假设像素 0、24、29、53 属于超像素 0。那么我们得到

什么是有效/优化的方法？（因为我有 l 个图像数据集要循环）

编辑-1

我们superpixel_list 应该得到一个包含属于同一超像素的像素索引的列表。例如 superpixel_list[0]应该获取受影响像素的所有像素索引到超像素 0

但是我得到以下信息：

为什么是两个数组？

例如，在 superpixel[0] 中，我们应该将每个像素的 RGB 像素值影响到超像素 0，如下所示：例如像素 0、24、29、53 受到超像素 0 的影响：

但是，当我使用您的功能时，我会得到以下信息：

感谢您的帮助

我想从其超像素表示中重建和显示图像。

让我们用一个简单的例子来说明它：

我有一个（224,224,3）图像。我对其应用超像素 SLIC 算法来获得超像素。

这是我的代码：

现在给出图像的超像素：

如何以超像素格式显示图像？

我想得到类似以下的东西：

显示相同的东西（至少在视觉上具有可比性）

我有一组 250 张图像。从每张图像中我应用 SLIC 超像素算法。

现在，给定每幅图像的超像素，我想在图像2中跟踪图像1的超像素。

怎么做 ？

以图像 1 中的 5 个超像素蒙版为例，每个蒙版具有不同的颜色。假设我们采用超像素区域 1、2、3、4 和 5

我想在图 1 中获得这些掩码，在图 2 中获得它们对应的掩码。

我的问题 ？

1）如何为每个超像素蒙版分配不同的颜色并在图像 1 和 2 中显示它们？

2) 给定图像 1中超像素 1对应的掩码 1（红色），如何在 中显示其掩码。例如 ：image 2

为了说明：

让我们将图像 1 中的区域 1 与mask_color='red'. 在图 1 中显示它并在图 2中显示其对应的区域 7具有相同的mask_color='red'

我试过什么？

这里的限制是：

1) l 显示给定图像的所有超像素，但是我想只显示一些区域

2）所有面具都是白色的，但是我正在为每个面具寻找不同的颜色

3) 不要在图像 2 中处理跟踪图像 1 的超像素区域

希望清楚 谢谢

我正在做一个关于在 python 中应用超像素方法的项目。我使用了 slic() 函数，但由于图像非常大，程序需要几分钟才能运行所有代码。我注意到 slic() 函数只使用 1 个 CPU。当我使用 MATLAB 执行与 python 中相同的操作时，我使用了名为 superpixels() 的函数，该函数使用了我计算机的所有资源（也包括 GPU），这意味着运行所有代码只需几秒钟.

所以，我想知道如何改进 python 的 slic() 函数以使其更快。我在哪里可以获得 slic() 函数的代码？

或者也许我做错了什么？

我正在研究超像素以进行特征提取。我已经成功地将超像素功能应用于图像。

现在我想从每个片段中提取纹理特征（即 Gabor 特征）。任何人请帮我解释如何在每个超像素上应用 Gabor 功能？

更新：

如何为每个变量设置单独的变量

我想使用 opencv 在 python 中实现 SEEDS 超像素分割算法，但看起来除了视频模块之外，没有其他模块可以实现它。请帮助我知道需要使用什么模块来导入种子超像素分割功能？

我想获得超像素上的 HOG 描述符。

我试过什么？

在图像上计算 hog

使用切片超像素进行图像分割

我需要得到什么？

给定segment_slic，hog_image 如何获得每个超像素的 HOG 描述符？

预期输出：

其中 100 是超像素的数量，8 是方向（HOG 的 bin 直方图）

超像素图像

这是图像，我想在将非黑色区域超像素调整为 56x56 后只保存它们。我正在研究超像素分类。