超像素经典的算法SLIC就属于上述1%的一员，他有论文的介绍原理性的东西，有数学公式的推导，有和其他算法的比较数据，更重要的是他还有和论文完全对应的参考代码，而且有C++、matlab以及GPU版本，可以说是非常有良心的一篇论文。虽然是优质代码，但是当你真正的去研究他的代码时，你就会发现离实际的应用距离还有很远的路要走：可怕的内存占用，大量的浮点计算还是很客观的时间开销。你在网络上搜索，包括github上，可以找到一些相关的用SLIC做图像分割的代码，而百度上所搜SLIC也能找到一些博客园或者CSDN的博客的介绍，不过大部分都停留在对源代码的解释上。

阅读段普宏先生的论文《Fusion of Multiple Edge-Preserving Operations》整理的阅读笔记PPT

Matlab的m文件，可以转换图像像素成像

结构光三维成像是近年来三维成像领域的研究热点之一。整体设计及实现了条纹结构光三维重构系统，并重点研究了点云生成三角网格方法。该系统使用整体阈值与局部滑动阈值相结合的方法提取到条纹中心特征点，以像素索引值为中间媒介进行编码值插值计算，并利用像素索引值为媒介对点云进行三角网格化处理。利用像素索引值的方法简化了点云插值和点云生成三角网格的处理过程，并且能够精确得到每个点上的颜色值并进行颜色渲染。最后利用提出的方法对石膏模型和实际人脸面部进行了三维测量和重建，并分析了该方法测量的精度。结果表明提出的方法达到了实验精度的要求并取得了非常好的三维重构效果。

将机器视觉技术引入到了茶小绿叶蝉的自动识别领域, 以实现茶园中茶小绿叶蝉的准确及时预报。采集了自然场景下黄色诱虫板的图像,利用超像素分割算法和多DBSCAN聚类图像融合的方法对采集的图像进行区域分割,保证了目标区域的准确性和完整性。在此基础上,提取了目标图像子区域的L、a、b均值和标准差特征,构建了最小二乘支持向量机(LSSVM)自动识别模型。为解决训练样本中茶小绿叶蝉和其他害虫数量不均衡带来的分类超平面偏移问题,采用改进SMOTE算法和KS算法来提高模型对茶小绿叶蝉小样本的识别精度。结果表明,该算法的整体识别精度可达到99.03%,茶小绿叶蝉的查准率可达91.76%,为茶小绿叶蝉的实时检测提供了有效途径。

基于互相关和修正矩算法的非常快速和准确的亚像素图像配准或对齐。 根据信噪比和图像大小，其精度约为 0.01-0.1 像素。 输入标准图像：第一张图像compimage：第二个图像。 它应该与第一张图像的大小相同输出m：X 的偏移n：Y 的偏移 此代码基于以下算法实现。 请引用： http://ieeexplore.ieee.org/xpl/articleDetails.jsp?tp=&arnumber=6463241 宋敏，2013 年 6 月

在印刷电路板的自动光学检测中,被检对象的空间对准是一个关键步骤。而传统的图像匹配技术由于其只能在像素级定位,而无法适应印刷电路板精确对准的要求。本文利用圆的几何对称性,提出一种在亚像素精度快速定位圆心的算法。实验表明:它对于无噪声图像的测量误差小于0.01像素;在有噪声的情况下,该算法仍具有较小的测量误差。

使用像素着色器实现Sobel边缘检测和卡通效果。

使用像素着色器实现Sobel边缘检测和卡通效果。

SLIC超像素分割源码和使用实例Main函数