/*
 * createSuperpixelLSC(cv::InputArray img,int region_size,float ratio)
其中各個參數意義如下：
????image：輸入圖像
????region_size ：平均超像素大小，默認10
????ratio：超像素緊湊度因子，默認0.075
*/
void superpixelLSC(const Mat& img)
{
    cv::Ptr<cv::ximgproc::SuperpixelLSC> lsc=cv::ximgproc::createSuperpixelLSC(img);
    lsc->iterate(10);
    Mat labels;
    lsc->enforceLabelConnectivity();
//    int numOfSuperpixels=lsc->getNumberOfSuperpixels();
//    cout<<"numOfSuperpixels="<<numOfSuperpixels<<endl;
    lsc->getLabels(labels);
    Mat mask_lsc;
    lsc->getLabelContourMask(mask_lsc);//獲取像素分割邊界映射圖，該圖與原圖像一樣尺寸
    Mat mask_inv_lsc;
    cv::bitwise_not(mask_lsc,mask_inv_lsc);//將分割邊界映射圖按位取反
    Mat imgSeg;
    cv::bitwise_and(img,img,imgSeg,mask_inv_lsc);//將邊界映射圖疊加到原圖像上
    imshow(" segmentation",imgSeg);
}
/*
 * ximgproc::createSuperpixelSLIC(cv::inputArray image, int algorithm=SLICO, int region_size,float ruler    )
其中各個參數意義如下：
   image ：輸入圖像
   algorithm：選擇要使用的算法變體：SLIC、SLICO（默認）和MSLIC三種可選
   region_size：平均超像素大小，默認10
   ruler：超像素平滑度，默認10
*/
void superpixelSLIC(const Mat&img)
{
    //初始化slic項，超像素平均尺寸20（默認為10），平滑因子20
    Mat imgLab;
    cvtColor(img,imgLab,COLOR_BGR2Lab);
    cv::Ptr<cv::ximgproc::SuperpixelSLIC> slic=cv::ximgproc::createSuperpixelSLIC(imgLab,cv::ximgproc::SLIC,20,20);
    slic->iterate(10);//迭代次數，越大效果越好
    Mat mask_slic,mask_inv_slic,label_slic;
    slic->getLabelContourMask(mask_slic);//獲取Mask，超像素邊緣Mask==1
    cv::bitwise_not(mask_slic,mask_inv_slic);
    Mat imgSeg;
    cv::bitwise_and(img,img,imgSeg,mask_inv_slic);
    slic->getLabels(label_slic);//獲取超像素標簽
    imshow("SLIC segmentation",imgSeg);
//    int numOfSuperpixels=slic->getNumberOfSuperpixels();
//    cout<<"numOfSuperpixels="<<numOfSuperpixels<<endl;


}
/*
 * createSuperpixelSEEDS(int image_width,int image_height, int image_channels,
 *                       int num_superpixels,int prior
其中各個參數意義如下：
????image_width ：輸入圖像寬度
????image_height： 輸入圖像高度
????image_channels ：輸入圖像通道數
????num_superpixels ：期望超像素數目
????num_levels ：塊級別數，值越高，分段越準確，形狀越平滑，但需要更多的內存和CPU時間。
????histogram_bins： 直方圖bins數，默認5
????double_step： 如果為true，則每個塊級別重復兩次以提高準確性默認false。

原文鏈接：https://blog.csdn.net/qq_40268412/article/details/103915197
*/
void superpixelSeeds(const Mat&img)
{
    int num_superpixels=2000;
    int num_levels=3;
    cv::Ptr<cv::ximgproc::SuperpixelSEEDS> seeds=
            cv::ximgproc::createSuperpixelSEEDS(img.cols,img.rows,img.channels()
                                                 ,num_superpixels,num_levels);
    Mat mask_seeds,mask_inv_seeds,label_seeds,img_seeds;
    seeds->iterate(img,10);
    seeds->getLabels(label_seeds);
    seeds->getLabelContourMask(mask_seeds);
    cv::bitwise_not(mask_seeds,mask_inv_seeds);
    cv::bitwise_and(img,img,img_seeds,mask_inv_seeds);
    cout<<"label_seeds.channels()="<<mask_seeds.channels()<<endl;
    cout<<"label_seeds.size="<<mask_seeds.size()<<endl;
    imshow("seeds image",img_seeds);
}

int main()
{
    Mat img=imread("D:/Qt/MyImage/baboon.jpg",1);

    superpixelSeeds(img);
//    superpixelLSC(img);


    waitKey();
    return 0;
}