如何利用掩码区域获取超像素的质心？

嘿，作为同样折腾过SLIC超像素的开发者，我来给你分享两种靠谱的方法搞定质心坐标，完美适配你现有的代码~

方法一：用skimage内置的regionprops（最省心） #

skimage的measure.regionprops工具专门用来提取区域的各种属性，质心就是其中之一，用它一步到位：

from skimage import measure

# 假设你已经得到了segments = slic(...)
regions = measure.regionprops(segments)

# 遍历每个超像素区域，获取质心
for region in regions:
    # 注意：centroid返回的是(y, x)坐标顺序哦
    centroid_y, centroid_x = region.centroid
    print(f"超像素{region.label}的质心坐标：({centroid_x:.2f}, {centroid_y:.2f})")

这个方法不用你自己写mask循环，直接从segments里提取所有区域的属性，效率高还不容易出错，顺便还能拿到区域面积、外接矩形等其他有用属性。

方法二：手动计算质心（适合理解原理） #

如果你想自己实现计算逻辑，也可以基于你现有的循环改造，对每个超像素的所有像素坐标求平均：

import numpy as np

# 先生成图像的坐标网格
y_coords, x_coords = np.indices(image.shape[:2])

# 遍历每个超像素
for v in np.unique(segments):
    # 获取当前超像素的像素掩码
    mask = segments == v
    # 计算x和y方向的均值，就是质心
    centroid_x = np.mean(x_coords[mask])
    centroid_y = np.mean(y_coords[mask])
    print(f"超像素{v}的质心坐标：({centroid_x:.2f}, {centroid_y:.2f})")
    
    # 你原来的A通道均值计算可以直接放在这里
    A = mean_achannel(img, mask)

这里要注意np.indices生成的是(y, x)格式的网格，所以求平均后得到的质心顺序是(y, x)，如果需要(x, y)的话交换一下数值顺序就行。

小补充 #

如果需要把所有质心存在列表里方便后续使用，可以这样写：

# 转成(x, y)格式的质心列表
centroids = [(r.centroid[1], r.centroid[0]) for r in regions]

内容的提问来源于stack exchange，提问作者Jimbo