如何有效地将2D图像分割成类似值的区域/块？

Question

如何有效地将2D图像分割成类似值的块？给定的输入是一个整数数组，包括非灰度像素的色调和灰度像素的亮度。

我正在用Java编写一个虚拟移动机器人，我用分割来分析地图和相机上的图像。这在计算机视觉中是一个众所周知的问题，但是当它在机器人上运行时，性能确实很重要，所以我需要一些输入。算法才是最重要的，所以你可以在任何语言中发布代码。

• 维基百科文章：分割(图像处理)
• 斯坦福大学CS-223-B讲座第11节和分组 (它说均值转移可能是迄今为止最好的技术)
• 均值移位图 (纸张也可从多琳·科曼西乌获得)

Answer 1

我会降低样本，在颜色空间和像素数，使用视觉方法(可能是均值偏移)和更高比例的结果。

这是好的，因为下采样也增加了对噪声的鲁棒性，并使您更有可能得到有意义的片段。

如果你需要平滑的话，你可以在事后用洪水来平滑边缘。

更多的想法(回应你的评论)。

( 1)你是否在抽样时混在一起？yi=(x2i+x2i+1)/2这应该消除噪音。

2)你希望它能有多快？

3)您是否尝试过动态均值转移？( google用于所有算法x的动态x)

Answer 2

不确定它是否太高效，但是您可以尝试使用Kohonen神经网络 (或，自组织映射；SOM)对类似的值进行分组，其中每个像素包含原始颜色和位置，并且只用于Kohohen组。

不过，在实现这一点之前，您应该阅读一下，因为我对Kohonen网络的了解一直到它用于分组数据的程度--所以我不知道您的场景的性能/可行性选项是什么。

还有Hopfield网络。根据我所读到的，他们可能会被破坏成分组。

Answer 3

我现在拥有的是：

1. 创建一个与输入映像大小相同的缓冲区，初始化为UNSEGMENTED。
2. 对于对应的缓冲区值不是UNSEGMENTED的图像中的每个像素，使用像素值淹没缓冲区。 洪泛的边界检查是通过检查像素是否位于起始像素值的EPSILON (当前设置为10)内来完成的。 b. 洪水填充算法.

可能的问题：

2.a.的边界检查在洪水填充算法中被多次调用，如果可以使用边缘检测预先计算边界，我可以将其转换为查找，但这可能会比当前的检查时间更长。

private boolean isValuesCloseEnough(int a_lhs, int a_rhs) {
    return Math.abs(a_lhs - a_rhs) <= EPSILON;
}

可能的加强：

与其检查每一个像素的UNSEGMENTED，我可以随机挑选几个点。如果你的期望在10个左右，按这个顺序选择随机点可能就足够了。缺点是你可能会错过一个有用但很小的小块。