主要内容

superpixels3

三维图像的三维超像素过分割

折叠所有页面

语法

[L, NumLabels] = superpixels3 (N),
[L, NumLabels] = superpixels3 (＿＿＿、名称、值)

描述

例子

［l，NumLabels) = superpixels3 (一个，N）计算三维图像的三维超像素一个．N指定要创建的超像素的数量。函数返回l， 3-D标签矩阵，还有NumLabels，返回的实际超像素数。

［l，NumLabels) = superpixels3 (＿＿＿，名称,值）计算图像的超像素一个使用名称-值对来控制分段的各个方面。

例子

全部折叠

打开脚本

加载3-D MRI数据，去除任何单维，并将数据转换为灰度强度图像。

负载核磁共振成像；D =紧缩(D);一个= ind2gray (D,地图);

计算3-D超像素。形成输出图像，其中每个像素设置为其相应超像素区域的平均颜色。

[L, N] = superpixels3 (A, 34);

用超像素边界逐步显示所有xy平面。

imSize =大小(A);

创建一个RGB图像堆栈，以颜色显示边界。

imSize imPlusBoundaries = 0 (imSize (1), (2), 3, imSize (3),“uint8”)；为平面= 1:imSize(3) BW =边界掩模(L(:，:， plane));%创建一个带有边界的平面的RGB表示%的青色。impusboundaries (:，:，:， plane) = imoverlay(A(:，:， plane)，“青色”)；结束implay (imPlusBoundaries, 5)

设置输出图像中每个像素的颜色为超像素区域的平均强度。在原始图像旁边显示平均值图像。如果运行此代码，可以使用implay来查看每片核磁共振数据。

pixelIdxList = label2idx (L);meanA = 0(大小(A),“喜欢”D);为memberPixelIdx = pixelIdxList{superpixel};meanA (memberPixelIdx) =意味着((memberPixelIdx));结束meanA implay ([], 5);

输入参数

全部折叠

卷到段，指定为3-D数字数组。

数据类型:单|双|int8|int16|int32|uint8|uint16|uint32

期望的超像素数，指定为正整数。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

名称-值参数

指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:B = superpixels3(A,100，'NumIterations'， 20);

超像素的形状，指定为数字标量。SLIC算法的紧致度参数控制超像素的形状。值越高，超像素的形状就越规则，也就是一个正方形。一个较低的值会使超像素更好地遵守边界，使它们形状不规则。您可以指定范围内的任何值[0正)但典型值都在这个范围内[0.01, 0.1]．

请注意

如果指定“slic0”方法，一般不需要调整“简洁”参数。与“slic0”方法,superpixel3自适应改进的“简洁”参数自动确定，从而无需确定一个好的值。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

用于计算超像素的算法，指定为以下值之一。有关更多信息，请参见算法．

价值

意义

“slic0”

superpixels3使用SLIC0算法进行优化“简洁”自适应地在第一次迭代之后。这是默认值。

“slic”

“简洁”在集群期间是恒定的。

数据类型:字符|字符串

算法在聚类阶段使用的迭代次数，指定为正整数。对于大多数问题，不需要调整此参数。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

输出参数

全部折叠

标签矩阵，作为正整数的三维数组返回。的值1第一个区域，2第二个区域，以此类推对于图像中的每个超像素区域。

数据类型:双

计算的超像素数，作为正数返回。

数据类型:双

算法

应用于superpixels3是简单线性迭代聚类(SLIC)算法的改进版本superpixels．在较高的层次上，它创建聚类中心，然后迭代地交替分配像素到最近的聚类中心和更新聚类中心的位置。superpixels3使用距离度量来确定每个像素最近的聚类中心。这个距离度量结合了强度距离和空间距离。

函数的密实度论证来自于距离度量的数学形式。该算法的紧性参数是控制超像素形状的标量值。两个像素之间的距离我和j,在那里米为紧性值，为:

d int e n 年代 我 t y ＝ （ l 我 − l j ） 2 d 年代 p 一个 t 我 一个 l ＝ （ x 我 − x j ） 2 + （ y 我 − y j ） 2 + （ z 我 − z j ） 2 D ＝ （ d int e n 年代 我 t y 米 ） 2 + （ d 年代 p 一个 t 我 一个 l 年代 ） 2

紧性与二维的意义相同superpixels函数:它决定了强度距离和空间距离在整体距离度量中的相对重要性。一个较低的值会使超像素更好地遵守边界，使它们形状不规则。值越高，超像素的形状就越有规律。紧实度的允许范围是(0正)，就像二维函数一样。通过实验，发现其典型范围为(0.01 - 0.1)．该算法将输入图像的动态范围归一化为0 ~ 1。这使得不同图像的紧凑值具有一致的含义。

另请参阅

||||

介绍了R2016b

图像处理工具箱文档

万博1manbetx

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书