SLIC分割方法

《SLIC Superpixels》

    SLIC： simple linear iterative clustering的简称，即简单的线性迭代聚类。

    这是一个基于聚类算法的超像素分割，由LAB空间以及x、y像素坐标共5维空间来计算。不仅可以分割彩色图，也可以兼容分割灰度图，它还有一个优点就是可以人为的设置需要分割的超像素的数量。

    实现方法：

1）初始化聚类中心：按照设定的超像素个数，在图像内均匀的分配聚类中心

2）在n*n邻域内打乱聚类中心（n作者取3），讲聚类中心移到邻域内梯度最小的地方，这样是为了防止聚类中心落在边界上。

3）在聚类中心的2S*2S的邻域内为每个聚类中心分配匹配点，按照各点与聚类中心的设定距离来计算（距离由labxy计算得出，具体公式见文章）。（对于这一点我有点不太理解，在这个邻域内，不比较怎样知道哪个点属于自己，哪个点不属于？我的理解是，该邻域内的点的到该聚类中心的距离，与该点属于其他邻域时到其他聚类中心的距离做比较，该点最后应该聚类到离其距离最近的聚类中心。）（S为步长，根据要分割的超像素的个数决定。）

4）计算新的聚类中心与之前聚类中心的L1距离，根据阈值判断是否需要重新打乱聚类中心（即一直进行迭代运算，知道近两次的聚类中心之间的距离小于某一阈值）。

5）结束运算

附：步长S：假设像素总数为N，要分成K个超像素，则S=sqrt（N/K）