Melhor resposta
Muitos algoritmos existentes em visão computacional usam a grade de pixels como representação subjacente. Por exemplo, modelos estocásticos de imagens, como campos aleatórios de Markov, são frequentemente definidos nesta grade regular. Ou a detecção de rosto normalmente é feita combinando modelos armazenados a cada janela de tamanho fixo (digamos, 50×50) na imagem.
A grade de pixels, no entanto, é não uma representação natural de cenas visuais. É mais um “artefato” de um processo de imagem digital. Seria mais natural, e presumivelmente mais eficiente, trabalhar com entidades perceptualmente significativas obtidas de um processo de agrupamento de baixo nível. Por exemplo, podemos aplicar o algoritmo de cortes normalizados para particionar uma imagem em, digamos, 500 segmentos (o que chamamos de superpixels ).
Esse mapa de superpixel tem muitas propriedades desejadas:
- Ele é computacionalmente eficiente : ele reduz a complexidade de imagens de centenas de milhares de pixels para apenas algumas centenas de superpixels.
- Também é representacionalmente eficiente : restrições de pares entre unidades, embora apenas para pixels adjacentes no pixel-grid, agora pode modelar interações de alcance muito mais longo entre superpixels.
- Os superpixels são perceptualmente significativos : cada superpixel é perceptualmente consistente unidade, ou seja, todos os pixels em um superpixel são provavelmente uniformes em, digamos, cor e textura.
- É quase completo : porque superpixels são resultados de uma segmentação excessiva, a maioria das estruturas res na imagem são conservados. Há muito pouca perda ao passar da grade de pixels para o mapa de superpixel.
Para mais informações visite- Superpixel, estudos empíricos e aplicativos
Resposta
Caro amigo,
Super pixel- (computação gráfica) A poligonal parte de uma digital imagem , maior do que uma pixel , que é renderizado com uniforme cor e brilho .
Obrigado