基于SLIC方法的超像素分割算法代码，纯MATLAB编写。

线性光谱聚类（LSC）的超像素分割算法，该算法可以生成具有低计算成本的紧凑且均匀的超像素。基本上，基于测量图像像素之间的颜色相似性和空间接近度的相似性度量，采用超像素分割的归一化切割公式。然而，代替使用传统的基于特征的算法，我们使用核函数来近似相似性度量，导致将像素值和坐标明确映射到高维特征空间。我们证明，通过适当地加权该特征空间中的每个点，加权K均值和归一化切割的目标函数共享相同的最佳点。因此，通过在所提出的特征空间中迭代地应用简单的K均值聚类，可以优化归一化切割的成本函数。LSC具有线性计算复杂性和高内存效率，并且能够保留图像的全局属性。实验结果表明，LSC在图像分割中的几种常用评估度量方面表现出与现有技术的超像素分割算法相同或更好的性能。

图像显著性matlab代码，将所需要检测的图像放到test文件夹中，灰度图像，然后运行demo.m即可

slic超像素分割方法源代码。c++实现，简洁明了

SLIC超像素分割，可选图片，可选大小，可执行exe，适用于进行图像分割，可以存储分割好的图片

将SLIC作者的源码中主要算法部分的代码提取出来，并用opencv输出处理图像，方便后续的程序的处理。

超像素图像分割是对图像进行分析和理解的关键步骤，在图像处理领域具有重要的研究和应用价值。本题目需要实现一种基于SLIC超像素图像分割的算法。首先利用SLIC对图像进行超像素分割处理，把原图像分割成大小相似、形状规则的超像素，以超像素中心点的五维特征值作为原始数据点进行聚类，确定多体素数目和分割边界。SLIC具有以下优势：1）生成的超像素如同细胞一般紧凑整齐，邻域特征比较容易表达；2）不仅可以分割彩色图，也可以兼容分割灰度图；3）需要设置的参数非常少，默认情况下只需要设置一个预分割的超像素的数量。相比其他的超像素分割方法，SLIC在运行速度、生成超像素的紧凑度、轮廓保持方面都比较理想。

基于熵率的超像素分割代码

超像素分割为图像分割，图像处理的基础，文件为MATLAB和C混编的代码，demo为主程序，运行demo主程序进行超像素分割。

简单，可运行，代码只有几行，直接调用函数，图片都有。