*superpixel とは 　似た傾向を持つ画素をひとまとめにした領域です．superpixelは，物体認識や画像加工などの前処理に良く利用されます．Achanta[1]で紹介されているSLIC(Simple Linear Iterative Clustering)は，画像をsuperpixelに分割する代表的なアルゴリズムです． 　図１はSLICを用いて，画像をsuperpixelに分割した例を示します． [img:7kj9] {{small:図１　左：入力画像，右：superpixelに分割した結果}} {{small:[1]R.Achanta, A.Shaji, K.Smith, A.Lucchi, P.Fua, and S.Susstrunk, "SLIC superpixels compared to state-of-the-art superpixel methods", IEEE Transactions on Pattern Analysis and Machine Intelligence(PAMI), 2011. [link:https://infoscience.epfl.ch/record/177415/files/Superpixel_PAMI2011-2.pdf] }} *サンプルコード (C++) ライブラリ：[link:simplesp] サンプルコード：simplesp/sample/sp/imgproc Lennaの画像をsuperpixelに分割します． *アルゴリズム ここでは，SLICの処理の手順を説明します．処理は次の３つの段階に分かれます １．等間隔でsuperpixelの領域を決め，そのパラメータ（中心位置と色の情報）を初期化する ２．各画素の色と位置の情報を元に，どのsuperpixelに所属するかを決定する ３．各superpixelのパラメータを更新する 処理２と３を繰り返すことで，段階的に精度を向上させます．その繰り返し回数は固定値を設定するか，或いは処理３の更新の程度を見て決定します． 図２では処理のフローチャートとsuperpixelの初期状態を示します． [img:cytn] {{small:図２ 処理のフローチャートとsuperpixelの初期状態}} **１．superpixelの初期化 　等間隔でsuperpixelの代表の位置を設定します．ここでは，注目する位置の周囲3x3画素も見て，色の勾配が最も小さい位置を選択します．これは，エッジやノイズの強い画素が選ばれないようにする工夫です．また，選択した位置の画素の色を，superpixelの代表の色として設定します． **２．各画素の所属を決定 　各画素について，色と位置の情報が最も類似するsuperpixelを決定します．ただし，各画素と各superpixelの組み合わせをすべて比較する処理は時間がかかります．そこでSLICでは，各superpixelを中心とした一定サイズの矩形を定義し，その範囲内にある画素とのみ比較を行うことで，処理を効率化します． **３．各superpixelのパラメータを更新 　各superpixelの位置と色のパラメータを更新します．ここでは．各superpixelに所属する画素の位置と色をそれぞれ平均し，新しいパラメータとして設定ます．