之前做SLIC分割的過程中在網上找到的代碼都只能得到標注分割線的圖但不能得到分割后的超像素塊，所以寫了一個能夠保存分割后的超像素塊的python程序。

進行SLIC分割部分：

import skimage from skimage.segmentation import slic,mark_boundaries from skimage import io import matplotlib.pyplot as plt from PIL import Image, ImageEnhance import numpy as np import cv2 # # np.set_printoptions(threshold=np.inf) path = 'C:\\Users\\Administrator\\Desktop\\SLIC\\' img_name = 'test.png' img = io.imread(path + img_name,as_gray=True) #as_gray是灰度讀取，得到的是歸一化值 segments = slic(img, n_segments=10, compactness=0.2,start_label = 1)#進行SLIC分割 out=mark_boundaries(img,segments) out = out*255 #io的灰度讀取是歸一化值，若讀取彩色圖片去掉該行 img3 = Image.fromarray(np.uint8(out)) img3.show() seg_img_name = 'seg.png' img3.save(path +'\\' +seg_img_name)#顯示并保存加上分割線后的圖片

對分割得到的超像素塊逐一保存

maxn = max(segments.reshape(int(segments.shape[0]*segments.shape[1]),)) for i in range(1,maxn+1):##### 保存灰度圖片的部分，as_gray=Truea = np.array(segments == i)b = img * aw,h = [],[]for x in range(b.shape[0]):for y in range(b.shape[1]):if b[x][y] != 0:w.append(x)h.append(y)c = b[min(w):max(w),min(h):max(h)]c = c*255d = c.reshape(c.shape[0],c.shape[1],1)e = np.concatenate((d,d),axis=2)e = np.concatenate((e,d),axis=2)###########'''##### 保存彩色圖片的部分，as_gray=Truea = np.array(segments == i)a = a.reshape(a.shape[0],a.shape[1],1)a1 = np.concatenate((a,a),axis=2)a = np.concatenate((a1, a), axis=2)b = img * aw,h = [],[]for x in range(b.shape[0]):for y in range(b.shape[1]):if b[x][y][0] != 0:w.append(x)h.append(y)c = b[min(w):max(w),min(h):max(h)]e = c.reshape(c.shape[0],c.shape[1],3)###################'''img2 = Image.fromarray(np.uint8(e))img2.save(path +'\\'+str(i)+'.png')print('已保存第' + str(i) + '張圖片')

由于超像素塊太小了不好找，做了一個在帶分割線的圖上的標記，標記值為保存下的圖片的名稱，雖然這個標記不太準但能起到輔助作用

img = io.imread(path+'\\'+seg_img_name)#讀取分割的圖片for i in range(1,maxn+1):w,h = [],[]for x in range(segments.shape[0]):for y in range(segments.shape[1]):if segments[x][y] == i:w.append(x)h.append(y)font=cv2.FONT_HERSHEY_SIMPLEX#使用默認字體#print((min(w),min(h)))img=cv2.putText(img,str(i),(h[int(len(h)/(2))],w[int(len(w)/2)]),font,1,(255,255,255),2)#添加文字，1.2表示字體大小，（0,40）是初始的位置，(255,255,255)表示顏色，2表示粗細 img = Image.fromarray(np.uint8(img)) img.show() img.save(path +'\\'+seg_img_name+'_label.png')

https://github.com/LarkMi/SLIC

總結

以上是生活随笔為你收集整理的SLIC超像素分割并保存分割得到的超像素块，python代码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。