スーパーピクセル

詳細説明

クラス
class	cv::ximgproc::SuperpixelLSC
	[166] で説明されているLSC (Linear Spectral Clustering) スーパーピクセルアルゴリズムを実装したクラス。 続きを読む...
class	cv::ximgproc::SuperpixelSEEDS
	[288] で説明されているSEEDS（Superpixels Extracted via Energy-Driven Sampling）スーパーピクセルアルゴリズムを実装したクラス。 続き...
class	cv::ximgproc::SuperpixelSLIC
	[1] で説明されているSLIC (Simple Linear Iterative Clustering) スーパーピクセルアルゴリズムを実装したクラス。 続きを読む...

列挙型
enum	cv::ximgproc::SLICType {   cv::ximgproc::SLIC = 100 ,   cv::ximgproc::SLICO = 101 ,   cv::ximgproc::MSLIC = 102 }

関数
Ptr< SuperpixelLSC >	cv::ximgproc::createSuperpixelLSC (InputArray image, int region_size=10, float ratio=0.075f)
	LSC (Linear Spectral Clustering) スーパーピクセルを実装したクラス。
Ptr< SuperpixelSEEDS >	cv::ximgproc::createSuperpixelSEEDS (int image_width, int image_height, int image_channels, int num_superpixels, int num_levels, int prior=2, int histogram_bins=5, bool double_step=false)
	SuperpixelSEEDS オブジェクトを初期化する。
Ptr< SuperpixelSLIC >	cv::ximgproc::createSuperpixelSLIC (InputArray image, int algorithm=SLICO, int region_size=10, float ruler=10.0f)
	SuperpixelSLIC オブジェクトを初期化する。

列挙型詳解

SLICType

enum cv::ximgproc::SLICType

#include <opencv2/ximgproc/slic.hpp>

列挙値
SLIC  Python: cv.ximgproc.SLIC
SLICO  Python: cv.ximgproc.SLICO
MSLIC  Python: cv.ximgproc.MSLIC

関数詳解

createSuperpixelLSC()

Ptr< SuperpixelLSC > cv::ximgproc::createSuperpixelLSC	(	InputArray	image,
		int	region_size = 10,
		float	ratio = 0.075f )

Python:
	cv.ximgproc.createSuperpixelLSC(	image[, region_size[, ratio]]	) ->	retval

#include <opencv2/ximgproc/lsc.hpp>

LSC (Linear Spectral Clustering) スーパーピクセルを実装するクラス。

引数

image	領域分割する画像
region_size	ピクセル単位で測定される平均スーパーピクセルサイズを選択する
ratio	スーパーピクセルのコンパクトさ係数の強制度を選択する

この関数は入力画像に対してSuperpixelLSCオブジェクトを初期化する。スーパーピクセルアルゴリズムの引数であるregion_sizeとrulerを設定する。与えられた画像に対する以降の計算反復のために、いくつかのバッファをあらかじめ確保する。LSCの例を次の図に示す。より良い結果を得るには、カラー画像の場合、小さな3 x 3カーネルによる軽いガウシアンブラーで前処理し、さらにCieLAB色空間へ変換することを推奨する。

image

createSuperpixelSEEDS()

Ptr< SuperpixelSEEDS > cv::ximgproc::createSuperpixelSEEDS	(	int	image_width,
		int	image_height,
		int	image_channels,
		int	num_superpixels,
		int	num_levels,
		int	prior = 2,
		int	histogram_bins = 5,
		bool	double_step = false )

Python:
	cv.ximgproc.createSuperpixelSEEDS(	image_width, image_height, image_channels, num_superpixels, num_levels[, prior[, histogram_bins[, double_step]]]	) ->	retval

#include <opencv2/ximgproc/seeds.hpp>

SuperpixelSEEDSオブジェクトを初期化する。

引数

image_width	画像の幅。
image_height	画像の高さ。
image_channels	画像のチャンネル数。
num_superpixels	希望するスーパーピクセル数。実際の数は制約（画像サイズおよびnum_levelsに依存）により小さくなる場合があることに注意。実際の数を取得するにはgetNumberOfSuperpixels()を使用する。
num_levels	ブロックレベルの数。レベルが多いほどセグメンテーションは正確になるが、より多くのメモリとCPU時間を必要とする。
prior	>0の場合に3x3形状平滑化項を有効にする。値が大きいほど形状は滑らかになる。priorは範囲[0, 5]内でなければならない。
histogram_bins	ヒストグラムのビン数。
double_step	trueの場合、より高い精度を得るために各ブロックレベルを2回反復する。

この関数は入力画像に対してSuperpixelSEEDSオブジェクトを初期化する。画像の引数であるimage_width、image_height、image_channelsを保持する。また、SEEDSスーパーピクセルアルゴリズムの引数であるnum_superpixels、num_levels、use_prior、histogram_bins、double_stepも設定する。

num_levelsで指定されるレベル数は、アルゴリズムが最適化で使用するブロックレベルの量を定義する。初期化はグリッドであり、スーパーピクセルは画像の幅と高さに均等に分布する。大きいブロックはスーパーピクセルのサイズに対応し、小さいブロックを持つレベルは、大きいブロックを2 x 2ピクセルのブロックに分割することを最小のブロックレベルまで再帰的に繰り返して形成される。4つのブロックレベルの初期化の例を次の図に示す。

image

createSuperpixelSLIC()

Ptr< SuperpixelSLIC > cv::ximgproc::createSuperpixelSLIC	(	InputArray	image,
		int	algorithm = SLICO,
		int	region_size = 10,
		float	ruler = 10.0f )

Python:
	cv.ximgproc.createSuperpixelSLIC(	image[, algorithm[, region_size[, ruler]]]	) ->	retval

#include <opencv2/ximgproc/slic.hpp>

SuperpixelSLICオブジェクトを初期化する。

引数

image	領域分割する画像
algorithm	使用するアルゴリズムのバリアントを選択する: SLICは希望するregion_sizeを用いて画像を領域分割し、さらにSLICOは適応的なコンパクトさ係数を用いて最適化し、MSLICはマニフォールド法を用いて最適化することで、よりコンテンツに敏感なスーパーピクセルを得る。
region_size	ピクセル単位で測定される平均スーパーピクセルサイズを選択する
ruler	スーパーピクセルの滑らかさ係数の強制度を選択する

この関数は入力画像に対してSuperpixelSLICオブジェクトを初期化する。選択したスーパーピクセルアルゴリズムの引数であるregion_sizeとrulerを設定する。与えられた画像に対する以降の計算反復のために、いくつかのバッファをあらかじめ確保する。より良い結果を得るには、カラー画像の場合、小さな3 x 3カーネルによる軽いガウシアンブラーで前処理し、さらにCieLAB色空間へ変換することを推奨する。SLICとSLICOおよびMSLICの比較例を次の図に示す。

image