SLIC 알고리즘, Superpixel segmentation

 

Simple Linear Iterative Clustering (SLIC)은 주로 이미지 처리에서 사용되는 슈퍼픽셀 생성 알고리즘이다. 

SLIC  알고리즘은 의미적으로 관련된 픽셀을 그룹화하여 슈퍼픽셀을 생성하는데 사용된다. 

 

슈퍼픽셀(Super pixel, segmented pixel)은 인접한 픽셀들을 하나의 그룹으로 묶어 시각적으로 의미 있는 영역을 형성하는 작은 블록 또는 패치를 의미한다. 이러한 슈퍼픽셀은 전통적인 픽셀 단위의 이미지 처리 대신 의미적으로 유사한 "영역"을 고려하여 이미지를 분할한다. 

 

예컨데 산과 강 그리고 하늘, 나무를 담고있는 이미지에서 특정 픽셀들의 영역은 어떤 의미를 가지고 있다. 

아래 그림에서 박스를 친 부분은 색이 파란색이고 땅 부분과는 분리되어 '강' 이라는 의미를 가진다.

SLIC 를 사용하면 이미지를 의미있는 영역인 슈퍼픽셀 단위로 분할을 할 수 있다. 

SLIC를 적용하면 이미지의 영역이 이렇게 수퍼픽셀 단위로 분할된다. 

skimage.segmentation.slic() 함수를 사용하면 이미지를 몇개의 슈퍼픽셀 (segments) 로 세분화할지, 또는 슈퍼 픽셀의 크기를 얼마나 크게 할지 조절할 수 있다. 

import cv2 as cv
import skimage
from skimage.segmentation import slic
from skimage.segmentation import mark_boundaries
from skimage.util import img_as_float
from skimage import io
import matplotlib.pyplot as plt

img = cv.imread('nature.jpg')
cv.imshow('Image', img)

segments = slic(img, n_segments=20, compactness=10, sigma=1)
segments1 = mark_boundaries(img, segments, color=(1,1,1), outline_color=(1,1,1))
cv.imshow('Super pixels (compact 10)',segments1)
cv.waitKey()
cv.destroyAllWindows()

 

 

skimage의 slic 함수는 슈퍼 화소 분할을 수행하고 결과를 segments 에 저장한다. 

compactness 인수는 슈퍼 화소의 모양을 조절한다.

compactness 값이 클수록 네모에 가까운 모양이 만들어지는 대신 슈퍼 픽셀 내에서 색상균일성은 희생된다. 

n_segments 인수는 슈퍼 화소의 개수를 20개로 지정한다. 

mark_boundaries 함수는 분할 결과(segments 객체에 저장됨) 를 시각적으로 표현하기 위해 사용되며 , 각 슈퍼 픽셀의 경계에 선을 그려준다.