Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.
Sobresegmentación de superpíxeles 3-D de la imagen 3D
[
calcula los superpíxeles de la imagen mediante pares Nombre-Valor para controlar los aspectos de la segmentación.L
,NumLabels
]
= superpixels3(___,Name,Value
,...)Un
El algoritmo utilizado en es una versión modificada del algoritmo de agrupación iterativa lineal simple (SLIC) utilizado por .superpixels3
superpixels
En un nivel alto, crea centros de clúster y, a continuación, alterna de forma iterativa entre asignar píxeles al centro de clúster más cercano y actualizar las ubicaciones de los centros de clúster. utiliza una métrica de distancia para determinar el centro de clúster más cercano para cada píxel.superpixels3
Esta métrica de distancia combina la distancia de intensidad y la distancia espacial.
El argumento de la función proviene de la forma matemática de la métrica de distancia.Compactness
El parámetro compactness del algoritmo es un valor escalar que controla la forma de los superpíxeles. La distancia entre dos píxeles y , donde está el valor de compactación, es:ijm
La compactación tiene el mismo significado que en la función 2D:superpixels
Determina la importancia relativa de la distancia de intensidad y la distancia espacial en la métrica de distancia general. Un valor más bajo hace que los superpíxeles se adhieran mejor a los límites, haciéndolos de forma irregular. Un valor más alto hace que los superpíxeles se formen con mayor regularidad. El rango permitido para la compactación es, como en la función 2D.(0 Inf)
El rango típico se ha encontrado a través de la experimentación para ser .[0.01 0.1]
El rango dinámico de imágenes de entrada se normaliza dentro del algoritmo para que sea de 0 a 1. Esto permite un significado coherente de los valores de compactación en todas las imágenes.
boundarymask
| imoverlay
| label2idx
| label2rgb
| superpixels