1.前提假设:图像分割区域较明显。
2.算法步骤:
2-1算法预处理:对输入图像按区域进行样本提取,对提取后的区域,按一定比例按类别存储。(亦是制作训练样本集的过程)
2-2.算法执行:(1)提取每一类别的像素值,并按照通道数求其平均值。然后分别进行存储。
(2)提取输入图像的每一个像素值(包括RGB)信息。
(3)对输入的每一个像素值分别和每一个类别的平均像素值做平方差计算,并求其最小平方差。
(4)通过步骤(3)即可将输入图像的每一个像素值分到每一类别样本中。
3.算法效果:通过该算法基本能实习图像分割的目的。但是,对于图像边缘区域的分割效果不够理想。

4.代码实现:
import time
import numpy as np #导入numpy库
import matplotlib.image as mpimg

本文介绍了基于KNN的像素级图像分割算法,包括前提假设、算法步骤和实际效果。算法通过计算输入图像像素与类别平均值的平方差,实现像素分类,达到图像分割目的。然而,该算法在图像边缘区域的分割效果不佳。

8914

被折叠的 条评论
为什么被折叠?



