superpixels3

3-D超顶链3-D图像的过度解释

折叠所有页面

语法

[L, NumLabels] = superpixels3 (N),

[L, NumLabels] = superpixels3 (＿＿＿，名称，价值）

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

计算输入体积强度图像的三维超像素

打开脚本

加载3-D MRI数据，删除任何单例尺寸，并将数据转换为灰度强度图像。

负载MRI.;d =挤压（d）;a = IND2GRAY（D，MAP）;

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的超像素区域的平均颜色。

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

逐步向所有XY平面展示与超级XEL边界。

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表示百分比青色。impusboundaries (:，:，:， plane) = imoverlay(A(:，:， plane)，'青色')；结束implay (imPlusBoundaries, 5)

将输出图像中的每个像素的颜色设置为Superpixel区域的平均强度。显示原件旁边的平均图像。如果您运行此代码，则可以使用implay来查看每片核磁共振数据。

PIXELIDXLIST = LABEL2IDX（L）;意思是=零（大小（a），“喜欢”D);为memberPixelIdx = pixelIdxList{superpixel};meanA (memberPixelIdx) =意味着((memberPixelIdx));结束implay（[vala]，5）;

输入参数

全部折叠

`一个`- - - - - -卷分段
3-D数字数组

卷到段，指定为3-D数字数组。

数据类型:单|双|int8|int16|INT32.|uint8|uint16|uint32

`N`- - - - - -所需数量的超像素
正整数

所需数量的超像素，指定为正整数。

数据类型:单|双|int8|int16|INT32.|int64|uint8|uint16|uint32|uint64

名称-值对的观点

指定可选的逗号分隔的对名称,值论点。的名字参数名和价值是相应的价值。的名字必须出现在引号内。您可以以任何顺序指定多个名称和值对参数name1，value1，...，namen，valuen．

例子：b = superpixels3（a，100，'numiterations'，20）;

`“简洁”`- - - - - -superpixels形状
`0.001`如果方法是`SLIC0.`和`0．05`如果方法是`slic`(默认)|数字标量

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)但典型的值在范围内[0.01,0.1]．

请注意

如果您指定了“slic0”方法，通常不需要调整“简洁”参数。与“slic0”方法，superpixel3自适应改进的“简洁”参数自动参数，从而消除了确定良好价值的需要。

数据类型:单|双|int8|int16|INT32.|int64|uint8|uint16|uint32|uint64

`“方法”`- - - - - -用于计算Superpixels的算法
`“slic0”`(默认)|`“slic”`

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算法改进`“简洁”`在第一次迭代之后自适应。这是默认值。
`“slic”`	`“简洁”`在集群期间是恒定的。

数据类型:char|字符串

`“NumIterations”`- - - - - -迭代次数
`10`(默认)|正整数

算法的聚类阶段中使用的迭代次数，指定为正整数。对于大多数问题，没有必要调整此参数。

数据类型:单|双|int8|int16|INT32.|int64|uint8|uint16|uint32|uint64

输出参数

全部折叠

`l`- 标签矩阵
正整数的三维数组

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

`NumLabels`-计算的超像素数
正数

计算的超像素数，作为正数返回。

数据类型:双

算法

使用的算法superpixels3是一种修改版本的简单线性迭代聚类（SLIC）算法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。

该功能是紧凑参数来自距离度量的数学形式。算法的紧凑性参数是控制超像素的形状的标量值。两个像素之间的距离我和j,在那里米为紧性值，为:

$\begin{array}{l} d_{㈡ e n 年代我 t y} ＝ \sqrt{{（ l_{我} - l_{j} ）}^{2}} \\ d_{年代 p 一个 t 我一个 l} ＝ \sqrt{{（ x_{我} - x_{j} ）}^{2} + {（ y_{我} - y_{j} ）}^{2} + {（ z_{我} - z_{j} ）}^{2}} \\ D ＝ \sqrt{{（ \frac{d_{㈡ e n 年代我 t y}}{米} ）}^{2} + {（ \frac{d_{年代 p 一个 t 我一个 l}}{年代} ）}^{2}} \end{array}$

紧凑性与2-D中具有相同的含义superpixels功能：确定强度距离的相对重要性和整个距离度量中的空间距离。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。更高的值使得超像素更加规则。紧凑性的允许范围是（0 INF），如在2-D功能中。通过实验发现了典型的范围[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

boundarymask|IMOVERLAN.|label2idx.|label2RGB.|superpixels

介绍了R2016b

superpixels3

语法

描述

例子

计算输入体积强度图像的三维超像素

输入参数

`一个`- - - - - -卷分段
3-D数字数组

`N`- - - - - -所需数量的超像素
正整数

名称-值对的观点

`“简洁”`- - - - - -superpixels形状
`0.001`如果方法是`SLIC0.`和`0．05`如果方法是`slic`(默认)|数字标量

`“方法”`- - - - - -用于计算Superpixels的算法
`“slic0”`(默认)|`“slic”`

`“NumIterations”`- - - - - -迭代次数
`10`(默认)|正整数

输出参数

`l`- 标签矩阵
正整数的三维数组

`NumLabels`-计算的超像素数
正数

算法

另请参阅

图像处理工具箱文档

金宝app

与Matlab引入深度学习

superpixels3

语法

描述

例子

计算输入体积强度图像的三维超像素

输入参数

一个- - - - - -卷分段3-D数字数组

N- - - - - -所需数量的超像素正整数

名称-值对的观点

“简洁”- - - - - -superpixels形状0.001如果方法是SLIC0.和0．05如果方法是slic(默认)|数字标量

“方法”- - - - - -用于计算Superpixels的算法“slic0”(默认)|“slic”

“NumIterations”- - - - - -迭代次数10(默认)|正整数

输出参数

l- 标签矩阵正整数的三维数组

NumLabels-计算的超像素数正数

算法

另请参阅

图像处理工具箱文档

金宝app

与Matlab引入深度学习

`一个`- - - - - -卷分段
3-D数字数组

`N`- - - - - -所需数量的超像素
正整数

`“简洁”`- - - - - -superpixels形状
`0.001`如果方法是`SLIC0.`和`0．05`如果方法是`slic`(默认)|数字标量

`“方法”`- - - - - -用于计算Superpixels的算法
`“slic0”`(默认)|`“slic”`

`“NumIterations”`- - - - - -迭代次数
`10`(默认)|正整数

`l`- 标签矩阵
正整数的三维数组

`NumLabels`-计算的超像素数
正数