Question

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

我正在使用Java编写虚拟移动机器人，我正在使用分段来分析地图以及来自相机的图像。这是Computer Vision中一个众所周知的问题，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。算法非常重要，因此您可以使用任何语言发布代码。

Answer 1

我会在colourspace和像素数下采样，使用视觉方法（可能是meanshift）并升级结果。

这很好，因为下采样也会增加对噪声的鲁棒性，并使您更有可能获得有意义的段。

如果你需要光滑度，你可以使用填充物来平滑边缘。

更多想法（回应你的评论）。

1）你在下采样时是否融合了？ y [i] =（x [2i] + x [2i + 1]）/ 2这应该消除噪音。

2）你想要多快？

3）您是否尝试过动态的meanshift？（对于所有算法x，也是google for dynamic x）

Answer 2

不确定它是否效率太高，但您可以尝试使用Kohonen neural network（或自组织地图; SOM）对相似值进行分组，其中每个像素包含原始颜色和位置，仅包含颜色用于Kohohen分组。

你应该在实现之前阅读，因为我对Kohonen网络的了解甚至用于分组数据 - 所以我不知道你的场景的性能/可行性选项。 / p>

还有Hopfield Networks。他们可以从我读到的内容中分组。

Answer 3

我现在拥有的：

制作与输入图像大小相同的缓冲区，初始化为UNSEGMENTED。
对于图像中相应缓冲区值不是UNSEGMENTED的每个像素，使用像素值填充缓冲区。

一个。通过检查像素是否在原始像素值的EPSILON（当前设置为10）内来完成泛洪的边界检查。

湾Flood filling algorithm

可能的问题：

在洪水填充算法中多次调用2.a.的边界检查。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，但这可能会增加比当前检查更多的时间。

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

可能的增强：

我可以随机选择几个点，而不是检查UNSEGMENTED的每个像素。如果您期望大约10个blob，那么按顺序选择随机点就足够了。缺点是你可能会错过一个有用但很小的blob。

Answer 4

查看Eyepatch（eyepatch.stanford.edu）。它应该在调查阶段通过提供各种可能的分割过滤器来帮助您。

Answer 5

泛洪填充的替代方法是connnected-components算法。所以，

这种方法广泛用于早期视觉方法。例如，在开创性的论文“Blobworld: A System for Region-Based Image Indexing and Retrieval”中。