如何使超像素的標簽在灰度圖中局部一致？

Question

我有一堆分解成超像素的灰度圖像。 這些圖像中的每個超像素的標簽范圍均為[0-1]。 您可以在下面看到一張圖片樣本。

這是挑戰：我希望在空間上（局部）相鄰的超像素具有一致的標簽 （值接近）。

我對平滑局部標簽很感興趣，但不想像某些同事建議的那樣應用高斯平滑函數或其他方法。 我也聽說過條件隨機場（CRF）。 有幫助嗎？

任何建議都將受到歡迎。

Answer 1

我對平滑局部標簽很感興趣，但不想像某些同事建議的那樣應用高斯平滑函數或其他方法。

為什么是這樣？ 為什么您不考慮同事的有用建議，這實際上是對的 。 應用平滑功能是最合理的方法。

我也聽說過條件隨機場（CRF）。 有幫助嗎？

這也表明，您應該選擇同事的建議，因為CRF與您的問題無關。 CRF是精確的分類器，是序列分類器，它需要標記的示例進行學習，並且與給出的設置無關。

有哪些典型方法？

• 同事們提出的確切建議是，您應該定義一個平滑函數並將其應用於函數值（我不會使用術語“標簽”，因為這會誤導您，您的確有[0,1]中的值，連續值， “標簽”表示機器學習中的類別變量）及其附近。
• 另一種方法是定義一些優化問題，其中當前的值分配是一個目標，而第二個是“緊密度”，例如：

讓我們假設你有百分點值{(x_i, y_i)}_{i=1}^N和n(x)返回的相鄰點的指數x 。

因此，您試圖找到{a_i}_{i=1}^N ，以使它們最小化

SUM_{i=1}^N (y_i - a_i)^2 + C * SUM_{i=1}^N SUM_{j \in n(x_i)} (a_i - a_j)^2
-------------------------   -   --------------------------------------------
closeness to current   constant to      closeness to neighbouring values
       values         weight each part

您可以使用多種技術來解決上述優化問題，例如通過scipy.optimize.minimize模塊。

Answer 2

我不確定您的要求是否有意義。

對於附近的超像素具有接近的標簽值是不重要的：采用（X，Y）的一些平滑函數，例如常數或仿射，采用[0,1]范圍內的值，並將函數值分配給以（X為中心的超像素，Y）。

您還可以從平面上的任意點獲取距離函數。

但這沒有用，因為它與圖像內容無關。