SLIC算法（Simplified Process for Clustering Data）

论文标题：SLIC超像素方法与当前最先进的超像素技术对比研究

作者：Radhakrishna Achanta, Appu Shaji, Kevin Smith, Aurelien Lucchi, Pascal Fua, 以及 Sabine Süsstrunk（EPFL）

期刊：IEEE模式分析与机器智能汇刊（ISSN: 0162-8828），第34卷，第11期，页码2274 - 2282

算法：

1. 针对包含N个像素的图像，设定k个以特定像素为基准点、尺寸为S*S的聚类区域，

S等于根号下N除以k

将中心点迁移至3×3区域内梯度值最低的像素位置。

2. 针对N个像素点，计算其在2S×2S范围内的聚类中心距离，并将每个像素点分配给与其距离最近的聚类。

3. 对k个聚类中心进行更新，将其调整为各自所属像素点的平均值。

4. 重复执行第2与第3步骤，直至中心点停止移动，通常进行10次迭代即可完成。

5. 对孤立的“孤儿”像素实施强制连接操作

颜色信息基于LAB颜色空间进行计算

距离计算所采用的公式如下：

![](https://cdl.itadn.co