如何有效地将 2D 图像分割成具有相似值的区域/斑点？

题

如何有效地将 2D 图像分割成具有相似值的斑点？给定的输入是一个n整数数组，其中包括非灰色像素的色调和灰色像素的亮度。

我正在使用 Java 编写一个虚拟移动机器人，并使用分割来分析地图以及来自相机的图像。这是一个众所周知的问题计算机视觉, ，但是当它在机器人上时，性能确实很重要，所以我想要一些输入。算法才是最重要的，所以你可以用任何语言发布代码。

解决方案

我会在颜色空间和像素数量中进行下采样，使用视觉方法（可能是均值漂移）并放大结果。

这很好，因为下采样还可以提高对噪声的鲁棒性，并使您更有可能获得有意义的片段。

如果您需要平滑度，可以随后使用洪水填充来平滑边缘。

更多想法（回应您的评论）。

1) 下采样时是否进行了混合？y[i]=(x[2i]+x[2i+1])/2 这应该消除噪声。

2）你希望它有多快？

3）你尝试过动态均值漂移吗？（还可以在谷歌上搜索所有算法的动态x x）

其他提示

不确定它是否太有效，但你可以尝试使用 Kohonen 神经网络（或者，自组织映射；SOM）对相似值进行分组，其中每个像素包含原始颜色和位置，并且仅颜色用于 Kohohen 分组。

不过，在实现此功能之前，您应该先阅读一下，因为我对 Kohonen 网络的了解仅限于它用于对数据进行分组 - 所以我不知道您的场景的性能/可行性选项是什么。

还有霍普菲尔德网络公司. 。根据我读到的内容，它们可以被分成不同的组。

我现在拥有的：

创建一个与输入图像大小相同的缓冲区，初始化为 UNSEGMENTED.
对于图像中对应的缓冲区值不存在的每个像素 UNSEGMENTED, ，使用像素值淹没缓冲区。

A。泛洪的边界检查是通过检查像素是否在范围内来完成的 EPSILON （当前设置为 10）原始像素值。

b. 洪水填充算法.

可能的问题：

2.a.的边界检查在洪水填充算法中被多次调用。如果我可以使用边缘检测预先计算边界，我可以将其转换为查找，但这可能会比当前检查增加更多时间。

private boolean isValuesCloseEnough(int a_lhs, int a_rhs) {
    return Math.abs(a_lhs - a_rhs) <= EPSILON;
}

可能的增强：

而不是检查每个像素 UNSEGMENTED, ，我可以随机挑选几个点。如果您预计有大约 10 个斑点，则按该顺序随机选取点可能就足够了。缺点是您可能会错过一个有用但很小的斑点。

查看 Eyepatch (eyepatch.stanford.edu)。它应该通过提供各种可能的细分过滤器来在调查阶段为您提供帮助。

洪水填充的替代方案是连接组件算法。所以，

这种方法广泛应用于早期视觉方法中。例如，在开创性论文中“斑点世界：基于区域的图像索引和检索系统".

许可以下： CC-BY-SA 和归因