图像中超像素的相邻和非相邻超像素

Question

将图像分割成N个超像素后，我需要指定与一个超像素相邻或不相邻的超像素，并确定所有超像素的这种关系。

[L,NumLabels] = superpixels(A,200);

如何为每个超像素指定相邻的超像素？

更新

我尝试了@Cris Luengo引入的解决方案。但是出现了以下错误：

B=imread('H.jpg');
[L,N] = superpixels(B,200);
glcms=graycomatrix(L);
k=glcms(:,50);    %SupNum=50
[r,~]=find(k>0); 
aa=find(r==50);
r(aa)=[];

更新2 我按照MATLAB帮助中的说明进行操作，但对我不起作用。 对于SupNum = 8，产生了以下结果：

Answer 1

在回答this question on MATLAB Answers时，暗示graycomatrix是解决此问题的好方法。但是，这些答案是不完整的。

graycomatrix需要几个参数来完成我们需要做的事情。它计算灰度共生矩阵。这是一个矩阵，表示在单元格(i,j)中，灰度值i在另一个灰度值j旁边出现的频率。可以在此函数中定义“相邻”关系。默认情况下，graycomatrix返回一个8x8矩阵，它将矩阵中的所有灰度值归为8个bin，并寻找组i中任何出现在组中任何灰度值旁边的灰度值j。

因此，我们需要在此共生矩阵中将超像素图像中的每个标签都分开（有N个不同的标签或灰度值）。我们还需要将“下一个”关系指定为[1,0]或[0,1]，即水平或垂直彼此相邻的两个像素。当指定两个“相邻”关系时，我们以3D矩阵的形式返回两个共现矩阵。还要注意，共生矩阵不是对称的，在我们的超像素图像中，标签i可能会出现在标签j的左侧，但是在这种情况下，j也不太可能发生在i的左侧。因此，glcms(i,j)的计数将为非零，而glcms(j,i)的计数将为零。在下面的代码中，我们通过显式使矩阵对称来克服此问题。

这是代码：

B = imread('kobi.png'); % using one of MATLAB's standard images
[L,N] = superpixels(B,200);
glcms = graycomatrix(L,'NumLevels',N,'GrayLimits',[1,N],'Offset',[0,1;1,0]);
glcms = sum(glcms,3);    % add together the two matrices
glcms = glcms + glcms.'; % add upper and lower triangles together, make it symmetric
glcms(1:N+1:end) = 0;    % set the diagonal to zero, we don't want to see "1 is neighbor of 1"

glcms现在是邻接矩阵。如果超像素glcms(i,j)和i是邻居，则j的值不为零。该值指示两个超像素之间的边界有多大。

要计算邻接表：

[I,J] = find(glcms);     % returns coordinates of non-zero elements
neighbors = [J,I]

Answer 2

在这里，我以Peppers.png为例。 from django.template.defaultfilters import truncatechars class Response(models.Model): ... def __str__(self): return (str(self.id) + " " + self.author_name + "|" + truncatechars(self.resonse_content, 10)) 变量中描述了相邻超像素中的像素。唯一的问题是调整Graycomatrix的参数。也许您需要为图像使用不同的参数，但这应该可以帮助您入门。在该图中，所选的超像素应显示为黑色，而相邻的像素应显示为白色。

maskNeighb