1. 超像素

超像素是把一张图片中具有相似特征的像素进行聚类，形成一个更具有代表性的大“像素”。这个新的像素可以作为其他图像处理算法的基本单位，可以减低图像的维度和异常像素点。目前常用的超像素分割算法有SLIC、SEEDS和LSC。下面来说说这些算法基于Opencv的Python实现。

2. SLIC算法

retval = cv2.ximgproc.createSuperpixelSLIC(image[, algorithm[, region_size[, ruler]]])

其中各个参数意义如下：
image ：输入图像
algorithm：选择要使用的算法变体：SLIC、SLICO（默认）和MSLIC三种可选
region_size：平均超像素大小，默认10
ruler：超像素平滑度，默认10

python具体实现如下：

import cv2
import numpy as npimg = cv2.imread("mao.jpg")
#初始化slic项，超像素平均尺寸20（默认为10），平滑因子20
slic = cv2.ximgproc.createSuperpixelSLIC(img,region_size=20,ruler = 20.0) 
slic.iterate(10)     #迭代次数，越大效果越好
mask_slic = slic.getLabelContourMask() #获取Mask，超像素边缘Mask==1
label_slic = slic.getLabels()        #获取超像素标签
number_slic = slic.getNumberOfSuperpixels()  #获取超像素数目
mask_inv_slic = cv2.bitwise_not(mask_slic)  
img_slic = cv2.bitwise_and(img,img,mask =  mask_inv_slic) #在原图上绘制超像素边界
cv2.imshow("img_slic",img_slic)
cv2.waitKey(0)
cv2.destroyAllWindows()

3. SEEDS算法

retval = cv.ximgproc.createSuperpixelSEEDS(image_width, image_height, image_channels, num_superpixels, num_levels[, prior[, histogram_bins[, double_step]]])

其中各个参数意义如下：
image_width ：输入图像宽度
image_height： 输入图像高度
image_channels ：输入图像通道数
num_superpixels ：期望超像素数目
num_levels ：块级别数，值越高，分段越准确，形状越平滑，但需要更多的内存和CPU时间。
histogram_bins： 直方图bins数，默认5
double_step： 如果为true，则每个块级别重复两次以提高准确性默认false。

python具体实现如下：

import cv2
import numpy as npimg = cv2.imread("mao.jpg")
#初始化seeds项，注意图片长宽的顺序
seeds = cv2.ximgproc.createSuperpixelSEEDS(img.shape[1],img.shape[0],img.shape[2],2000,15,3,5,True)
seeds.iterate(img,10)  #输入图像大小必须与初始化形状相同，迭代次数为10
mask_seeds = seeds.getLabelContourMask()
label_seeds = seeds.getLabels()
number_seeds = seeds.getNumberOfSuperpixels()
mask_inv_seeds = cv2.bitwise_not(mask_seeds)
img_seeds = cv2.bitwise_and(img,img,mask =  mask_inv_seeds)
cv2.imshow("img_seeds",img_seeds)
cv2.waitKey(0)
cv2.destroyAllWindows()

4. LSC算法

retval = cv.ximgproc.createSuperpixelLSC(image[, region_size[, ratio]])

其中各个参数意义如下：
image：输入图像
region_size ：平均超像素大小，默认10
ratio：超像素紧凑度因子，默认0.075

python具体实现相似，如下所示：

import cv2
import numpy as npimg = cv2.imread("mao.jpg")
lsc = cv2.ximgproc.createSuperpixelLSC(img)
lsc.iterate(10)
mask_lsc = lsc.getLabelContourMask()
label_lsc = lsc.getLabels()
number_lsc = lsc.getNumberOfSuperpixels()
mask_inv_lsc = cv2.bitwise_not(mask_lsc)
img_lsc = cv2.bitwise_and(img,img,mask = mask_inv_lsc)
cv2.imshow("img_lsc",img_lsc)
cv2.waitKey(0)
cv2.destroyAllWindows()

参考文献

Python - Opencv实现图像超像素分割（SLIC、SEEDS、LSC）_cv2.ximgproc.createsuperpixelslic_苏格拉-的博客-CSDN博客

Opencv 图像超像素分割（SLIC、SEEDS、LSC） - 腾讯云开发者社区-腾讯云