基于SLIC的超像素图像分割

超像素图像分割是对图像进行分析和理解的关键步骤，在图像处理领域具有重要的研究和应用价值。本题目需要实现一种基于SLIC超像素图像分割的算法。首先利用SLIC对图像进行超像素分割处理，把原图像分割成大小相似、形状规则的超像素，以超像素中心点的五维特征值作为原始数据点进行聚类，确定多体素数目和分割边界。SLIC具有以下优势：1）生成的超像素如同细胞一般紧凑整齐，邻域特征比较容易表达；2）不仅可以分割彩色图，也可以兼容分割灰度图；3）需要设置的参数非常少，默认情况下只需要设置一个预分割的超像素的数量。相比其他的超像素分割方法，SLIC在运行速度、生成超像素的紧凑度、轮廓保持方面都比较理想。

#include “slic.h“

/*
 * Constructor. Nothing is done here.
 */
Slic::Slic（） {

}

/*
 * Destructor. Clear any present data.
 */
Slic::~Slic（） {
    clear_data（）;
}

/*
 * Clear the data as saved by the algorithm.
 *
 * Input : -
 * Output: -
 */
void Slic::clear_data（） {
    clusters.clear（）;
    distances.clear（）;
    centers.clear（）;
    center_counts.clear（）;
}

/*
 * Initialize the cluster centers and initial values of the pixel-wise cluster
 * assignment and distance values.
 *
 * Input : The image （IplImage*）.
 * Output: -
 */
void Slic::init_data（IplImage *image） {
    /* Initialize the cluster and distance matrices. */
    for （int i = 0; i < image->width; i++） { 
        vector cr;
        vector dr;
        for （int j = 0; j < image->height; j++） {
            cr.push_back（-1）;
            dr.push_back（FLT_MAX）;
        }
        clusters.push_back（cr）;
        distances.push_back（dr）;
    }
    
    /* Initialize the centers and counters. */
    for （int i = step; i < image->width - step/2; i += step） {
        for （int j = step; j < image->height - step/2; j += step） {
            vector center;
            /* Find the local minimum （gradient-wise）. */
            CvPoint nc = find_local_minimum（image cvPoint（ij））;
            CvScalar colour = cvGet2D（image nc.y nc.x）;
            
            /* Generate the center vector. */
            center.push_back（colour.val[0]）;
            center.push_back（colour.val[1]）;
            center.push_back（colour.val[2]）;
            center.push_back（nc.x）;
            center.push_back（nc.y）;
            
            /* Append to vector of centers. */
            centers.push_back（center）;
            center_counts.push_back（0）;
        }
    }
}

/*
 * Compute the distance between a cluster center and an individual pixel.
 *
 * Input : The cluster index （int） the pixel （CvPoint） and the Lab values of
 *         the pixel （CvScalar）.
 * Output: The distance （double）.
 */
double Slic::compute_dist（int ci CvPoint pixel CvScalar colour） {
    double dc = sqrt（pow（centers[ci][0] - colour.val[0] 2） + pow（centers[ci][1]
            - colour.val[1] 2） + pow（centers[ci][2] - colour.val[2] 2））;
    double ds = sqrt（pow（centers[ci][3] - pixel.x 2） + pow（centers[ci][4] - pixel.y 2））;
    
    return sqrt（pow（dc / nc 2） + pow（ds / ns 2））;
    
    //double w = 1.0 / （pow（ns / nc 2））;
    //return sqrt（dc） + sqrt（ds * w）;
}

/*
 * Find a local gradient minimum of a pixel in a 3x3 neighbourhood. This
 * method is called upon initialization of the cluster centers.
 *
 * Input : The image （IplImage*） and the pixel center （CvPoint）.
 * Output: The local gradient minimum （CvPoint）.
 */
CvPoint Slic::find_local_minimum（IplImage *image CvPoint center） {
    double min_grad = FLT_MAX;
    CvPoint loc_min = cvPoint（center.x center.y）;
    
    for （int i = center.x-1; i < center.x+2; i++） {
        for （int j = center.y-1; j < center.y+2; j++） {
            CvScalar c1 = cvGet2D

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件    1314594  2018-11-07 09:36  SLIC-Superpixels-master\2012-SLIC_superpixels compared to state-of-the-art superpixel methods-TPAMI-Achanta12.pdf

    .......    164271  2013-05-13 04:32  SLIC-Superpixels-master\dog.png

    .......     57263  2013-05-13 04:32  SLIC-Superpixels-master\dog_segmentation.png

    .......       611  2013-05-13 04:32  SLIC-Superpixels-master\README.md

    .......     12759  2013-05-13 04:32  SLIC-Superpixels-master\slic.cpp

    .......      2515  2013-05-13 04:32  SLIC-Superpixels-master\slic.h

    .......      1217  2013-05-13 04:32  SLIC-Superpixels-master\test_slic.cpp

     目录          0  2018-11-07 12:15  SLIC-Superpixels-master

----------- ---------  ---------- -----  ----

              1553230                    8