在对图像进行聚类时,如何考虑像素的空间上下文
(或邻域
)(除了像素强度
) ?
目前,我使用 K-means
、GMM
和 Fuzzy C-means
,它们仅基于像素强度
的分布。但是,我需要将像素的空间上下文信息包含到聚类中,以避免由噪声 Blob 引起的错误分类。
最佳答案
分割的标准方法是将适当缩放的 X 和 Y 坐标添加到颜色值(在 RGB 或 Lab 空间中)。 例如,SLIC(x-y-Lab 空间中的 K 均值聚类)和 Quickshift(x-y-Lab 空间中的加速均值平移)。 当还考虑空间距离时,通常可以获得很大的速度。查看 scikit-image 中的实现或this blog或my blog
关于image-processing - 在图像聚类过程中包括像素的空间上下文,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/33834883/