人像晶格化-超像素预分割+块内均值

人像晶格化-超像素预分割+块内均值

一、晶格化效果

使用超像素分割算法SLIC进行聚类，在每个类中进行均值化。
项目地址：https://github.com/wchstrife/DigitalImageProcessing

1.1 运行环境

• python 3.7
• skimage
• tqdm
• numpy

1.2 运行

1. cd SLIC-Superpixels
2. python slic.py

1.3 算法原理

SLIC算法采用了K-means的算法思想，对于像素进行聚类，同时为了降低算法复杂度，只考虑某一区域进行聚类。在考量距离时，同时考虑LAB颜色空间和XY距离空间。

算法的输入只有一个参数K，代表要分割K个像素，假设原来图像有N个像素，则每个超像素大小为N/K，超像素的边长为$S=\sqrt{N/K}$。

首先将K个聚类的中心均匀的分布在图像上，然后调整聚类中心的位置：放在K为中心3*3的区域内梯度最小的点上，这样可以防止超像素中心落在噪点和边界上。

用一个label数组记录像素点属于哪个聚类，dist数组记录到像素中心的距离。

对于聚类中心X，计算周围2S范围内的点，使用公式更新dist数组中的最小距离，并且更新其属于哪个聚类。距离公式如下：

$$d_c=\sqrt{(l_j}$$