使用超像素进行区域合并

Question

我实施了SLIC算法来查找标签，我获得了标签。我想计算一个颜色特征向量，其中包含每个区域的颜色特征的平均值。对于每对相邻区域，如果它们的特征向量之间的欧几里德距离小于阈值，我将合并这两个区域。我会为所有相邻区域做这个。然后，我将重复步骤，直到不能合并任何区域对。但是，我不知道如何实施这些步骤。

Answer 1

您的颜色功能有几个选择，它们实际上取决于您的颜色空间，以及您要查找的信息。

1. 如果您的目标是找到颜色相同的对象（对光照不变），我强烈建议您使用rgb2hsv转换常规rgb图像的hsv颜色空间，HSV颜色空间有三个通道（仅如RGB），它们是通道1 = H = Hue =颜色，通道2 = S =饱和度=颜色多么鲜艳，通道3 = V =亮度值=颜色有多亮。如果您想要找到不依赖于灯光的颜色，则所有值都在0和1之间。您的功能将仅仅是Hue通道。关于色调通道的一点是它实际上是循环的，所以0和1实际上是相同的（红色）。所以你的距离必须环绕。例如，像素A具有h = .7像素B具有H = 0.3像素C具有H = .01。哪个更接近像素A？你会立即猜测像素B，因为delta_H = .4但实际上delta和H对于a和c只有0.31

2. 如果你不仅仅是通过色调对简单的颜色模型感兴趣，其他选择是YCbCr，YUV（大多数人只是使用YCbCr，因为matlab中没有TRUE YUV），CIE（也不是完全原生的matlab）但它在this example）中得到支持。这些中的每一个代表第一通道中的图像亮度。并且颜色由最后2个通道表示。使用最后两个通道，您可以轻松地绘制二维笛卡尔平面上的颜色，其中一个轴为channel2，另一个为通道3，就像这样（此示例特别是YCbCr色彩空间）

   并且相似性度量可以是两种颜色之间的欧氏距离

我猜你的总体目标是某种压缩。所以我要做的只是替换像素值。因此，如果像素A和B相似，则使像素B的值=像素A.这意味着每次迭代都会减少图像中不同颜色的总数。而对于平均值，您仍然保持着许多不同的颜色。这样想吧

替换 1.迭代1，像素A = x B = x + delta，它们足够接近，所以你说A = B = x 2.迭代2，像素B = x，C = x-delta，它们接近，所以你说B = C = x 3.此时你有A = B = C = x所以颜色数量从3减少到1

平均 1.迭代1，像素A=x B=x+delta，它们现在很接近A=B=x+.5delta 2.迭代2，像素B=x+.5delta, C=x-delta，它们现在是B 3.此时你有A = B = C = x所以颜色数量从3减少到1