主要内容

superpixels3

3 d superpixel oversegmentation的3 d图像

所有的页面崩溃

语法

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

描述

例子

(l,NumLabels)= superpixels3 (一个,N)计算三维superpixels的3 d图像一个。N指定superpixels您想创建的数量。函数返回l,一个三维矩阵,标签和NumLabels,实际的返回的superpixels数。

(l,NumLabels)= superpixels3 (一个,N,名称,值)计算superpixels图像一个使用名称-值参数来控制方面的细分。

例子

全部折叠

打开脚本

加载三维核磁共振成像数据,删除任何单维度,并将数据转换成灰度强度图像。

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

计算3 d superpixels。形成一个输出图像,每个像素设置为相应的平均颜色superpixel地区。

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

显示所有xy-planes逐步与superpixel边界。

imSize =大小(A);

创建一个堆栈的RGB图像来显示颜色的边界。

imSize imPlusBoundaries = 0 (imSize (1), (2), 3, imSize (3),“uint8”);为飞机= 1:imSize (3) BW = boundarymask (L(:,:、平面));%创建一个RGB表示这个平面的边界%的青色。imPlusBoundaries(:,:,:、平面)= imoverlay((:,:、平面),BW,“青色”);结束implay (imPlusBoundaries, 5)

输出图像中每个像素的颜色设置为superpixel地区的平均强度。显示平均下到原始图像。如果运行此代码,您可以使用implay核磁共振数据的查看每个片。

pixelIdxList = label2idx (L);meanA = 0(大小(A),“喜欢”D);为superpixel = 1: N memberPixelIdx = pixelIdxList {superpixel};meanA (memberPixelIdx) =意味着((memberPixelIdx));结束meanA implay ([], 5);

输入参数

全部折叠

卷部分,指定为一个三维数值数组。

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

所需数量的superpixels,指定为一个正整数。

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

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

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

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:B = superpixels3 (“NumIterations”, 100年,20);

superpixels形状,指定为一个正数。更高的价值使superpixels更经常的,也就是说,更多的广场。一个较低的值使得superpixels坚持边界更好,形状不规则。典型值在[0.01,0.1]。默认值为slic0方法是0.001和默认值slic方法是0.05。

请注意

如果你指定“slic0”方法,您通常不需要调整密实度论点。与“slic0”方法,superpixel3自适应改进的密实度自动参数,从而消除需要确定一个很好的价值。

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

算法用于计算superpixels,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算法来改进密实度在第一次迭代自适应。这是默认的。

“slic”

密实度在集群是恒定的。

数据类型:字符|字符串

迭代次数用于算法的聚类阶段,指定为一个正整数。对于大多数问题,没有必要调整这个参数。

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,作为三维的正整数数组返回。的值1表明一个地区,2第二个区域,每个superpixel等等地区的形象。

数据类型:双

superpixels数量计算,返回一个正数。

数据类型:双

算法

使用的算法superpixels3是一个简单的线性迭代聚类的修改版本(SLIC)所使用的算法superpixels。在高级别上,它会创建集群中心,然后反复交替之间的像素分配给最近的群集中心和更新集群中心的位置。superpixels3使用距离度量来确定最接近集群中心为每个像素。这个距离度量结合强度距离和空间距离。

函数的密实度观点来自于距离度量的数学形式。算法的密实度参数是一个标量值,控制superpixels的形状。两个像素之间的距离我和j,在那里米密实度值是:

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

在二维密实度有相同的意义superpixels功能:它决定了强度距离和空间距离的相对重要性在整个距离度量。一个较低的值使得superpixels坚持边界更好,形状不规则。更高的价值使superpixels更经常的形状。输入图像的动态范围内标准化的算法从0到1。这使得一个一致的密实度值在图像的意义。

扩展功能

版本历史

介绍了R2016b

全部展开

另请参阅

||||