Быстрый ответ
Mean Shift LSH, который является обновлением в известного алгоритма Mean Shift в хорошо известен своей способностью к сегментации изображенияO ( n )O ( n2)
Некоторые объяснения
Если вы хотите действительно неконтролируемый подход к сегментации изображений, используйте алгоритмы кластеризации . Дело в том, что существует множество алгоритмов с разной временной сложностью и специфичностью . Возьмите самый известный, -Means, он в очень быстрый, но вы должны указать, сколько кластеров вы хотите, а это не то, что вы намереваетесь, исследуя неизвестное изображение без какой-либо информации о количестве фигур. подарки в нем. Более того, даже если вы предполагаете, что знаете, сколько фигур присутствует, мы можем предположить, что фигуры являются случайными, что является еще одной точкой, в которой средние терпят неудачу, потому что это дизайн, чтобы найти эллиптические кластеры, а НЕO ( n ) KКO ( n )К случайные формы.
Напротив, у нас есть Среднее смещение, которое способно автоматически определять количество кластеров - что полезно, когда вы не знаете, что ищете - со случайными формами .
Конечно , вы заменить параметр -средних на другие средние параметры сдвига , который может быть сложно точно выверенных , но не существует инструмент , который позволит вам сделать магию , если вы не занимаетесь , чтобы сделать магию.ККK
Советы по кластеризации сегментации изображений
Преобразуйте свое цветовое пространство из RGB в LUV, что лучше для евклидова расстояния.
K -средство против средней сложности сдвига LSH по времени
- Среднее смещение:O(α.n)
- K-средства:O(β.n)
- α>β
Mean Shift LSH медленнее, но лучше соответствует вашим потребностям. Он остается линейным и также масштабируется с помощью упомянутой реализации.
PS: Моя аватарка представляет собой приложение Mean Shift LSH, если оно поможет понять, как оно работает.