SLIC算法理解（仅为我的笔记）

MATLAB中有超像素分割算法superpixels函数，https://ww2.mathworks.cn/help/images/ref/superpixels.html?s_tid=doc_ta#bu1_lce-4，原理就是SLIC超像素分割。

1.SLIC超像素分割论文（翻译版）

https://blog.csdn.net/Fighting_Dreamer/article/details/77170859

2.原理详解

http://www.javashuo.com/article/p-xoswvjxo-no.html

3.c++代码解读

https://blog.csdn.net/electech6/article/details/45535203

SLIC是基于K-means算法的生成超像素新方法，主要不一样：

每次迭代K-means是所有数据在作聚类，其中每一个像素必须与全部聚类中心比较。SLIC是超像素中心周围的区域2S×2S中进行相似像素的搜索

算法原理图

初始化聚类中心-------->每一个聚类中心：2S*2S区域内对每一个像素点进行聚类中心判断（即肯定Label）------------->迭代：更新每一个聚类中心

距离度量D是重点，由颜色距离和像素距离两部分决定

疑惑好久的部分：每一个聚类中心：2S*2S区域内对每一个像素点进行聚类中心判断（即肯定Label）

对于某个聚类中心Ck：遍历种子（聚类中心）2S*2S内的每一个像素点i，计算这个像素点与聚类中心的距离D，若是D<d(i)就把这个像素点的标签打为k。而且更新d(i)=D；下次遍历另外一个聚类中心时，可能还会碰见这个点i，要是算出D比上次的D(就是d(i))小，就把这个点i的标签换成如今这个聚类中心的。