- 综合排序
- 最热优先
- 最新优先
- 来自专栏JNing的专栏
图像处理: 超像素(superpixels)分割 SLIC算法
超像素概念是2003年Xiaofeng Ren提出和发展起来的图像分割技术，是指具有相似纹理、颜色、亮度等特征的相邻像素构成的有一定视觉意义的不规则像素块。它利用像素之间特征的相似性将像素分组,用少量的超像素代替大量的像素来表达图片特征,很大程度上降低了图像后处理的复杂度，所以通常作为分割算法的预处理步骤。
17.1K30发布于 2018-09-28 - 来自专栏行走的机械人
【手撕算法】C++实现超像素分割算法
cvtColor(image, lab_image, COLOR_BGR2Lab); //定义超像素数以及权重 int w = image.cols, h = image.rows; int nr_superpixels = 300;//超像素数 int nc = 40;//权重m double step = sqrt((w * h) / (double)nr_superpixels); 【3】执行SLIC 超像素算法 SLIC slic; slic.generate_superpixels(&lab_image, step, nc); slic.create_connectivity(&lab_image 其中步骤【2】中需要自己定义两个变量nr_superpixels和nc。 nr_superpixels为超像素个数，你可以根据图像大小自己定义，如果图像x方向10个超像素块，y方向30个超像素块，那就是300。
1K30编辑于 2022-08-07 - 来自专栏Hi0703
2021-04-08
超像素即superpixels，由一系列位置相邻且颜色、亮度、纹理等特征相似的像素点组成的小区域。这些小区域大多保留了进一步进行图像分割的有效信息，且一般不会破坏图像中物体的边界信息。 在我看的文章里， 因为 —> superpixels通常会长城更鲁棒的处理， 所以 —> 应用了一个预处理步骤，根据像素的衰减值并使用[5]中基于图形的分割算法来聚集像素。 其中 —> [5]P.
40040发布于 2021-04-09 - 来自专栏专知
【论文推荐】最新5篇目标检测相关论文——显著目标检测、弱监督One-Shot检测、多框检测器、携带物体检测、假彩色图像检测
Initially, a foreground mask in a video frame is segmented into multi-scale superpixels. human-like regions in the segmented area are identified by matching a set of extracted features from superpixels A carried object probability map is generated using the complement of the matching probabilities of superpixels A group of superpixels with high carried object probability and strong edge support is then merged to
1.3K70发布于 2018-04-12 - 来自专栏计算机视觉life
超像素、语义分割、实例分割、全景分割
图像分割中的一些常见的术语有：superpixels（超像素）、Semantic Segmentation（语义分割）、Instance Segmentation（实例分割）、Panoptic Segmentation superpixels（超像素） 第一次听说这个超像素很容易理解错误，以为是在普通的像素基础上继续像微观细分，如果这样理解就恰好理解反了，其实超像素是一系列像素的集合，这些像素具有类似的颜色、纹理等特征
1.8K50发布于 2019-05-27 - 来自专栏图像处理与模式识别研究所
油画风格图像
idxn+=1 if is_show: plt.imshow(re_texture) plt.show() return re_texture def superPixels return segments,segments.max() img = io.imread("C:/Users/xpp/Desktop/Lena.png") segments,blocks=superPixels
40130编辑于 2022-05-29 - 来自专栏磐创AI技术团队的专栏
我们能比卷积神经网络做得更好吗？
for i, (name, sp) in enumerate(zip(['children', 'parents', 'grandparents'], [1000, 300, 21])): superpixels = slic(img, n_segments=sp) n_sp_actual.append(len(np.unique(superpixels))) avg_values_, coord _, masks_ = superpixel_features(img, superpixels) avg_values_multiscale.append(avg_values_) coord_multiscale.append
66740发布于 2019-10-25 - 来自专栏计算机视觉life
SLIC超像素分割详解（一）：简介
Slic superpixels. No. EPFL REPORT 149300. 2010. [2] Achanta,Radhakrishna, et al. "SLIC superpixels compared to state-of-the-artsuperpixel methods."
4.3K71发布于 2018-01-08 - 来自专栏CVer
没有GPU也能发顶会？看看这篇CVPR 2020论文，给你答案！
为了减轻视差伪影，将输入图像划分为多个超像素（superpixels），并根据最佳单应性自适应地warping每个超像素，该单应性是通过最小化由Warping残差加权的特征匹配误差来计算的。 ? 这里不对原文进行过多的介绍，因为需要你具有MDLT、SLIC等论文知识点的基础，有意思的是引入超像素（superpixels ），感兴趣的同学建议反复阅读原论文进行理解。
1.2K30发布于 2020-06-19 - 来自专栏专知
【论文推荐】最新5篇图像分割（Image Segmentation）相关论文—多重假设、超像素分割、自监督、图、生成对抗网络
adjacency relation, and iv) a seed pixel recomputation procedure to generate improved sets of connected superpixels The superpixels in ISF structurally correspond to spanning trees rooted at those seeds.
1.4K40发布于 2018-04-13 - 来自专栏AIUAI
计算机视觉、机器学习相关领域论文
by ChunmingLi[Project] · ClassCut for Unsupervised ClassSegmentation[code] · SEEDS: Superpixels Classification[Project] · MultipleKernel Learning for Image Classification[Project] · SLIC Superpixels
75420发布于 2019-02-18 知识扩展---高精度空转（HD、Xenium、CosMx）的ROI选择
histology_feature_extraction# down_samp_step: the down-sampling step, # default = 10 refers to only extract features for superpixels histology_feature_extraction# down_samp_step: the down-sampling step, # default = 10 refers to only extract features for superpixels
27720编辑于 2025-11-28- 来自专栏点云PCL
PCL中点云的超体素(SuperVoxel)
深度自适应Superpixels[2]最近将这种思想扩展到使用深度图像，通过增加深度和点云的法向角的维度来扩展聚类空间。 参考文献： （1）Slic superpixels compared to state-of-the-art superpixel methods. （2）Depth-adaptive superpixels （3）Histogram intersection kernel for image classification 以上内容如有错误请留言评论
2.1K11发布于 2021-04-13 - 来自专栏深度学习思考者
CV codes代码分类整理合集
[Matlab code 32bit] [Matlab code 64bit] [Updated code] Quick-Shift [7] [VLFeat] SLIC Superpixels Classification[Project] Multiple Kernel Learning for Image Classification[Project] SLIC Superpixels
1.2K30发布于 2019-05-27 - 来自专栏行走的机械人
使用OpenCV和Python标记超像素色彩
Achanta等人在2010年发表的SLIC Superpixels的原稿详细介绍了这种方法和技术。 help="path to input image") ap.add_argument("-s", "--segments", type=int, default=100, help="# of superpixels 现在我们来计算每个超像素的色彩： # loop over each of the unique superpixels for v in np.unique(segments): # construct
2.1K70发布于 2020-09-29 - 来自专栏点云PCL
点云的超体素(SuperVoxel)
深度自适应Superpixels[2]最近将这种思想扩展到使用深度图像，通过增加深度和点云的法向角的维度来扩展聚类空间。 参考文献： （1）Slic superpixels compared to state-of-the-art superpixel methods. （2）Depth-adaptive superpixels （3）Histogram intersection kernel for image classification 未经允许请勿在转载，原创不易
5.5K92发布于 2019-12-18 - 来自专栏又见苍岚
Opencv 图像超像素分割（SLIC、SEEDS、LSC）
python调用方法： retval = cv.ximgproc.createSuperpixelSEEDS( image_width, image_height, image_channels, num_superpixels
6.3K30编辑于 2022-08-10 - 来自专栏AI科技评论
图像分割二十年，Mask R-CNN 影响力仅排第十？
-TOP5- SLIC Superpixels Compared to State-of-the-Art Superpixel Methods 被引频次：4168 作者: Radhakrishna Achanta
1.7K20发布于 2020-10-27 - 来自专栏计算机视觉战队
DeepLab v2及调试过程
CRF被广泛用于语义分割，通过组合多路低层次分类器的信息，如边缘，superpixels等。CRF用于增强边缘信息示意图： ? DeepLab模型的结构如下图所示： ?
1.3K60发布于 2018-04-17 - 来自专栏全栈程序员必看
slic超像素分割算法_hdr算法
Turbopixels: Fast superpixels using geometric flows. Superpixels and supervoxels in an energy optimization framework. infoscience.epfl.ch/record/177415/files/Superpixel_PAMI2011-2.pdf 源码地址:http://ivrl.epfl.ch/research/superpixels
1.2K41编辑于 2022-11-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号