skimage SLIC：让相邻部分

有一个很好的实现超分辨率段代（SLIC）的skimage.segmentation包在Python sklearn包。skimage SLIC：让相邻部分

在SLIC（）方法返回的整数集的标签。我的问题是如何获得彼此的空间邻居的分段？我想要做的是使用这些段来构建图形，并且边缘将连接直接的邻居。但是，我无法弄清楚如何获得细分市场的直接邻居。

的Python代码来执行SLIC如下：

from skimage import io 
from skimage.segmentation import slic 
from skimage.segmentation import find_boundaries 
# An image of dimensions 300, 300 
image = img_as_float(io.imread("image.png")) 

# call slic. This returns an numpy array which assigns to every 
# pixel in the image an integer label 
# So segments is a numpy array of shape (300, 300) 
segments = slic(image, 100, sigma = 5) 

# Now I want to know the neighbourhood segment for each super-pixel 
# There is a method called find_boundaries which returns a boolean 
# for every pixel to show if it is a boundary pixel or not. 

b = find_boundaries(segments)

在这里，我坚持。我想知道如何解析这个边界索引并找出给定的标签索引（比如0），哪些标签索引共享一个索引为0的边界。有没有一种方法可以有效地完成这个操作，而不需要遍历边界数组为每个标签索引？

来源

2014-10-07 Luca

它总是重要的是要告诉人们[你已经试过（http://whathaveyoutried.com/），包括任何片段失败的尝试，使他们能够了解什么门路，你已经错过了。这很重要，因为它激励人们回答问题，这很重要，因为它可以让问题更容易提供高质量的相关答案。就目前的问题来看，这尚未实现。 – Veedrac 2014-10-07 14:05:10

这是一个公平点。我会稍后更新这个问题。 – Luca 2014-10-07 14:12:30

我做到这一点的方法是构建包含从每个像素到其左侧和底部的像素（因此一个4附近）的边缘的曲线图，与他们的超像素数标记它们并删除重复。你可以在my blog post找到代码和详细信息。

你可以找到一些相关的功能here，还以为他们是（还）没有很好的记录。

来源

2014-10-07 18:57:38

非常感谢！很多从你的代码中学习。 – Luca 2014-10-07 22:09:45

我一直希望写一篇博客文章解释整个分段回购。很快;） – 2014-10-08 15:16:02

skimage SLIC：让相邻部分

回答

相关问题