11.8. Clustering iterativo lineare semplice (Simple Linear Iterative Clustering - SLIC)

11.8.1. Panoramica

Questo filtro crea dei superpixel basati sull'algoritmo di clustering k-means.

I superpixel sono piccoli grappoli di pixels che condividono proprietà similari. I superpixel semplificano le immagini con un gran numero di pixels rendendole più facili da trattare in molti ambiti (computer vision, pattern recognition e intelligenza artificiale). Gli obiettivi di GIMP sono più modesti: creare un effetto posterizzazione.

L'algoritmo di clustering k-means è uno degli algoritmi più usati per creare superpixel. Il colore del superpixel è la media dei colori dei pixel nella regione corrispondente.

11.8.2. Attivazione del filtro

Questo filtro si trova nel menu principale sotto FiltriArtisticiClustering iterativo lineare semplice....

11.8.3. Opzioni

Figura 17.209. Opzioni di «Clustering iterativo lineare semplice»

Opzioni di «Clustering iterativo lineare semplice»

Preimpostazioni, «Tipo di ingresso», Ritaglio, Opzioni di fusione, Anteprima, Filtro di fusione, Dividi vista
[Nota] Nota

Queste opzioni sono descritte in Sezione 2, «Caratteristiche comuni».

Dimensione regioni

Incrementanto la dimensione regioni si raccolgono più pixel, perciò anche la dimensione dei superpixel aumenta.

Figura 17.210. Esempio di «Dimensione regioni»

Esempio di «Dimensione regioni»

Dimensione regione = 16

Esempio di «Dimensione regioni»

Dimensione regione = 32


Compattezza

I bordi dei superpixel possono essere irregolari. Aumentare questa opzione porta i superpixel ad avere bordi più regolari.

Figura 17.211. Esempi di «Compattezza»

Esempi di «Compattezza»

Compattezza = 20

Esempi di «Compattezza»

Compattezza = 40: guardare a cupola.


Iterazioni

Quante volte questo filtro viene ripetuto. L'incremento di questo valore porta ad avere più dettagli.

Figura 17.212. Esempio di «Dimensione regioni»

Esempio di «Dimensione regioni»

Iterazioni = 1 (predefinito)

Esempio di «Dimensione regioni»

Iterazioni = 15