超像素，超像素分割

超像素分割算法

　　具体步骤为：新建一张标记表，表内元素均为-1，按照“Z”型走向（从左到右，从上到下顺序）将不连续的超像素、尺寸过小超像素重新分配给临近的超像素，遍历过的像素点分配给相应的标签，直到所有点遍历完毕为止。
　　

SLIC超像素分割

　　在计算机视觉领域里，图像分割（Segmentation）是指将数字图像分割成一些列像素集合的过程。
　　这些集合也被成为超像素。
　　因为分割是基于一定标准进行像素划分，归类的，所以形成的超像素中的像素一般具有位置相邻且颜色、亮度、纹理等。

超像素是什么

　　是一种图像压缩处理思路，以及据此开发的软件。
　　大致上是以图块（色素块）函数的方式划分并储存图像，压缩比很高。
　　先按色素划分色块，转化为函数，作为一个具有形状、性质的像素来对待。
　　这个超像素数据大于常规一个点像素数据，。

python 超像素分割怎么得到超像素点

　　在python中，使用某些算法将图像分割为多个超像素后，会产生一个与原图同样大小的标签矩阵。
　　如果想要操作其中某个超像素，即某个聚类中的所有点，可以使用 numpy.where(label_mat == label)其中label_mat是超像素的标签矩阵。

超像素分割的涵义

　　指的是将数字图像细分为多个图像子区域（像素的集合）（也被称作超像素）的过程。
　　图像分割的目的是简化或改变图像的表示形式，使得图像更容易理解和分析。
　　[1]图像分割通常用于定位图像中的物体和边界（线，曲线等）。