如何在Python中获取每个SLIC超像素的质心？

嘿，作为经常用skimage处理超像素的开发者，我来给你拆解怎么拿到每个超像素的质心～你已经用segments = slic(image, n_segments=numSegments, sigma=1, convert2lab=True)得到了超像素分割结果，接下来只需要对每个超像素的像素坐标求均值就行，具体步骤如下：

核心思路 #

segments是一个和输入图像尺寸完全一致的数组，每个位置的数值代表该像素所属的超像素标签。质心其实就是某个超像素下所有像素坐标的平均值（因为每个像素权重相同）。

完整代码实现 #

首先确保你导入了需要的库：

import numpy as np
from skimage.segmentation import slic
from skimage.io import imread
import matplotlib.pyplot as plt

然后跟着步骤来：

1. 先读取图像并完成超像素分割（你已经写了这部分，这里再贴一遍方便连贯）：

# 读取示例图像
image = imread("your_image.jpg")
numSegments = 100  # 你设定的超像素数量
segments = slic(image, n_segments=numSegments, sigma=1, convert2lab=True)

2. 获取所有唯一的超像素标签，遍历每个标签计算质心：

# 获取所有不重复的超像素标签
unique_labels = np.unique(segments)

# 存储每个超像素的质心，格式可以是字典{标签: (x, y)}或者列表
centroids = {}

for label in unique_labels:
    # 找到当前标签下所有像素的坐标（注意：segments的形状是(H, W)，所以坐标是(row, col)，对应图像的(y, x)）
    y_coords, x_coords = np.where(segments == label)
    
    # 计算质心坐标：取所有x的均值和y的均值
    centroid_x = np.mean(x_coords)
    centroid_y = np.mean(y_coords)
    
    # 把质心存入字典，标签作为键
    centroids[label] = (centroid_x, centroid_y)

3. （可选）可视化验证：把质心画在原图上，确认位置是否合理

plt.figure(figsize=(10, 10))
plt.imshow(image)
for label, (cx, cy) in centroids.items():
    # 用红色圆点标记质心，大小可以调整
    plt.scatter(cx, cy, c='red', s=20)
plt.axis('off')
plt.show()

注意事项 #

• 坐标顺序：np.where返回的是(行索引, 列索引)，对应图像的y轴和x轴，所以如果需要和OpenCV的(x, y)格式一致，要把centroid_x（列均值）放前面，centroid_y（行均值）放后面，这点别搞混哦～
• 如果你的图像是灰度图，代码完全通用，因为segments的生成逻辑和彩色图一样。
• 如果你不需要标签对应关系，也可以直接把所有质心存在一个列表里，比如centroid_list = [(np.mean(x_coords), np.mean(y_coords)) for label in unique_labels]

内容的提问来源于stack exchange，提问作者Jimbo