Question

我想提取图像的超像素段的颜色，形状和纹理特征。然后，我想想象这些功能，以便选择重要的功能。

我正在使用此链接中的代码： https://github.com/np-csu/SLIC-superpixel

我想像本研究一样访问分段图像的每个群集： http://www.pyimagesearch.com/2014/12/29/accessing-individual-superpixel-segmentations-python/

然而，我无法＆＃39;找到代码的相关部分。

Answer 1

方法int* SLIC::GetLabel()返回每个像素的标签。您可以为Mat创建int*标题，以便于访问：

Mat1i labelImg(img.rows, img.cols, slic.GetLabel());

然后你可以为每个超像素（标签）创建一个掩码：

Mat1b superpixel_mask = labelImg == label;

并检索原始图像中的超像素：

Mat3b superpixel_in_img;
img.copyTo(superpixel_in_img, superpixel_mask);

然后你可以计算出你需要的任何统计数据。

这里有完整的参考代码：

#include <opencv2/opencv.hpp>
#include "slic.h"

int main()
{
    // Load an image
    Mat3b img = imread("path_to_image");

    // Set the maximum number of superpixels
    UINT n_of_superpixels = 200;
    SLIC slic;

    // Compute the superpixels
    slic.GenerateSuperpixels(img, n_of_superpixels);

    // Visualize superpixels
    //Mat3b res = slic.GetImgWithContours(Scalar(0,0,255));

    // Get the labels
    Mat1i labelImg(img.rows, img.cols, slic.GetLabel());

    // Get the actual number of labels
    // may be less that n_of_superpixels
    double max_dlabel;
    minMaxLoc(labelImg, NULL, &max_dlabel);
    int max_label = int(max_dlabel);

    // Iterate over each label
    for (int label = 0; label <= max_label; ++label)
    {
        // Mask for each label
        Mat1b superpixel_mask = labelImg == label;

        // Superpixel in original image
        Mat3b superpixel_in_img;
        img.copyTo(superpixel_in_img, superpixel_mask);

        // Now you have the binary mask of each superpixel: superpixel_mask
        // and the superpixel in the original image: superpixel_in_img
    }

    return 0;
}

如何访问图像的细分

1 个答案: