V2EX 有做图像处理的同学吗？写了个 SLIC 超像素分割算法+OpenCV2 的类，简单易用~

[answer42]

代码

github链接：np-csu/SLIC-superpixel

Class explanation

• void SLIC::GenerateSuperpixels(cv::Mat& img, UINT numSuperpixels)

  Perform SLIC algorithm on the given image with the given number of superpixels.

• cv::Mat SLIC::GetImgWithContours(cv::Scalar color)

  Get the result image with contours on the given color.

• int* SLIC::GetLabel()

  Get label on each pixel which shows the number of superpixel it belongs to.

Example

original image

200 superpixels

500 superpixels

## 增加了参数说明

* `void SLIC::GenerateSuperpixels(cv::Mat& img, UINT numSuperpixels)`

Perform SLIC algorithm on the given image with the given number of superpixels.

`img` - 24-bit or 8-bit cv::Mat

`numSuperpixels` - an appropriate number, no more than total number of pixels

* `cv::Mat SLIC::GetImgWithContours(cv::Scalar color)`

Get the result image with contours on the given color.

`color` - If input image is 24-bit, the color may be cv::Scalar(255, 0, 0) or cv::Scalar(0, 255, 0) or cv::Scalar(0, 0, 255).

If input image is 8-bit, the color may be cv::Scalar(0) or cv::Scalar(128) or cv::Scalar(255)

[ooxxcc]

颜色空间转换可以直接用opencv内部的吧……

[answer42]

@ooxxcc 你指的是哪个过程中的颜色转换？

[answer42]

@ooxxcc 你指的是哪个过程中的颜色空间转换？

[answer42]

@ooxxcc 论文作者发布的代码只能够处理32位的图片，我增加了对8位图片的支持。

[zerh925]

如果是边缘没有这么明显的图片呢

[ooxxcc]

@answer42 啊，我说的是 RGB LAB XYZ等颜色空间转换

例如 RGB2XYZ RGB2LAB等，没仔细看代码，有错勿怪

[answer42]

@ooxxcc 是的，OpenCV自带一些颜色空间转换的函数，针对的是Mat格式。SLIC类中所带的转换函数针对的是unsigned int格式。

[answer42]

@zerh925 算法基于K均值聚类，提取像素的位置(x, y)以及像素的值(r, g, b)作为特征。

在已有超像素分割算法中效果还是不错的。

对于边缘没那么明显的图片，你可以尝试增大超像素的个数。

[ooxxcc]

@answer42 转一下就好……

C++: Mat::Mat(Size size, int type, void* data, size_t step=AUTO_STEP)

opencv自带的一些函数有各种优化，一般我都直接用，就不自己造轮子了。。

[Valyrian]

computer vision课作业写过。。。

[ooxxcc]

cv相关专业但是不知道为啥一直在做嵌入式学术上一事无成的飘过。。

[theoractice]

看起来很好玩。想问下这个有啥应用呢？

[shakoon]

看着很不错呢，楼主加油！

[jimmy66]

这学期在学，先star了

[answer42]

@Valyrian 这个难度确实适合大作业完成。今年带一个本科生做毕业设计，也是超像素分割。

[answer42]

@ooxxcc 现在我做的一个工业项目，也是相当尴尬。

工业上对于图像识别的准确率，几乎要求100%。

即使算法能够达到99%，也意味着100次操作会出现一次失误，而失误的代价是很大的。

[answer42]

@theoractice 超像素分割算法是图像预处理的一部分。

它将相似邻近的像素抽象出来，视为一体。

这样做一方面能够让我们更方便把握图像的纹理结构信息。另一方面，降低了后期算法的复杂度。

[answer42]

@shakoon 谢谢~

[answer42]

@jimmy66 嗯，多交流~

[ooxxcc]

@answer42 金融机具相关，要求识别错误率小于万分之三，另一个指标是小于万分之零点五

简直坑

[ywisax]

必须star，太牛了

[answer42]

@ooxxcc 所以说，做图像处理的想要在工业领域做出产品，太难了。

你看知乎这个问题： http://www.zhihu.com/question/22990970

-_-|||

[mantoka]

@answer42 这很正常啊，汽车行业许多保安件都要求做到1PPM，就是百万分之一。即使这样那1件残次品装车的后果也不堪设想。对于动辄上10W+的总量，99%的识别率毫无意义。这块还是依靠人工100%多批次检查来保证。