我正在阅读本文Achanta-SLIC Superpixel segmentation，其中说每个超像素聚类中心位于S = root(N/k)的距离，超像素的预期空间范围是S * S的区域并且在2S*2S的空间区域中完成对类似像素的搜索。
有人可以解释我这一点，因为我被困在了吗？
答案 0 :(得分：0)
来自论文：
我们的算法将所需数量大致相同的大小作为输入 超像素K。
所以，我们假设我们的SP大致是正方形。你将拥有K个。
对于具有N个像素的图像，每个超像素的近似大小 因此是N / K像素
如果在N SP中划分图像区域K，则每个SP都有（几乎）N/K像素。即，每个SP的面积为N/K。
对于大致相同大小的超像素，每个网格间隔S = sqrt（N / K）都会有一个超像素中心。
假设每个SP都是平方的，区域为N/K。广场的一侧将是sqrt(area) = sqrt(N/K) = S。这意味着SP中心远离邻居的中心S。
由于任何超像素的空间范围大约为S ^ 2（超像素的近似区域）
嗯，每个方格的边是S，那么它的区域是S^2（与N/K = sqrt(N/K)^2 = S^2相同）。
我们可以放心地假设与此群集关联的像素 中心位于超像素中心周围的2S×2S区域内
我们提到广场的每一边都是S，然后SP的每个像素将位于距离中心sqrt(S/2)的对角线的一半大小内，这小于边{ {1}}。但SP并不是正方形，所以我们希望更灵活，并说所有像素都在这个距离的两倍范围内：sqrt(S/2) < S。