1. 이니셜라이제이션(Initialization):
- 이미지를 3x3 그리드로 나누고, 각 그리드 셀의 중심에 초기 슈퍼픽셀을 배치합니다.
2. 클러스터링(Clustering):
- 픽셀 A의 색상이 (50, 30, 10)이고, 이 픽셀이 위치한 공간 좌표가 (10, 10)이라고 합시다.
- 각 슈퍼픽셀의 중심과의 색상 거리와 공간적 거리를 계산합니다.
- 예를 들어, 슈퍼픽셀 1의 중심 색상이 (40, 25, 5)이고 위치가 (5, 5)이라면, 색상 거리와 공간적 거리를 계산합니다.
- 이때 색상 거리는 (50-40)^2 + (30-25)^2 + (10-5)^2와 같이 계산됩니다.
- 공간적 거리는 (10-5)^2 + (10-5)^2와 같이 계산됩니다.
- 이 두 거리를 합친 총 거리를 계산하고, 가장 거리가 짧은 슈퍼픽셀에 해당 픽셀을 할당합니다.
3. 업데이트(Update):
- 각 클러스터의 중심은 해당 클러스터에 속한 픽셀들의 평균값으로 업데이트됩니다.
- 이렇게 함으로써 슈퍼픽셀의 중심이 더욱 정확한 위치로 이동하게 되며, 클러스터의 특징을 더 잘 대표할 수 있게 됩니다.
이런 식으로 모든 픽셀에 대해 클러스터링과 업데이트를 반복하면서 알고리즘이 수렴하게 됩니다.
'딥러닝(Deep Learning) > 컴퓨터 비전' 카테고리의 다른 글
ModuleNotFoundError: No module named PyQt5(Feat. pylint) (0) | 2024.01.18 |
---|---|
Snake Curve(Feat. internal Energy, image Energy) (0) | 2024.01.12 |
k-mean Clustering(feat. 군집화) (1) | 2024.01.08 |
허프 변환(Hough Transformation)(Feat. 컴퓨터 비전과 딥러닝 p131) (1) | 2024.01.04 |
cv2.findContours() (Feat. 컴퓨터 비전과 딥러닝, P129) (2) | 2024.01.04 |