9、图像分割：基于区域与Gabor滤波器的方法

图像分割：基于区域与Gabor滤波器的方法

1. 基于超像素的区域分割

在图像分割中，基于区域的分割是一种重要的方法。下面我们通过一个示例来展示如何使用超像素进行图像分割，并最终提取出感兴趣的区域。

1.1 超像素图像的显示与处理

首先，我们需要对超像素图像进行一些处理，包括显示叠加边界的图像和超像素图像本身。以下是具体的代码：

% Show overlay on superpixel image. 
mask = boundarymask(Lsp); 
fSPO = imoverlay(fSP,mask,'w'); 
figure, imshow(fSPO) % Fig. 11.28(b).
% Show the superpixel image. 
figure, imshow(fSP) % Fig. 11.28(c).

从图11.28(c)可以看出，一个包含100个超像素的图像保留了所有重要的区域，而图11.28(b)则展示了花朵超像素对两个感兴趣区域的捕捉效果。

1.2 使用k - means聚类进行分割

接下来，我们使用k - means聚类算法对彩色超像素图像进行分割。具体步骤如下：
1. 提取RGB分量图像。
2. 形成Z矩阵，使得每个z对应一个RGB像素。
3. 确定我们感兴趣的区域数量（这里是3个：红色花朵、绿色植被和背景）。
4. 应用k - means算法进行聚类。
5. 将标签分配给像素。
6. 缩放强度并显示结果。

<