我如何高效地将2D图像分成类似值的斑块？给定的输入是一个整数n数组，其中包括非灰色像素的色调和灰色像素的亮度。
我正在使用Java编写虚拟移动机器人，并使用分割来分析地图以及来自相机的图像。这是计算机视觉中众所周知的问题，但当它在机器人上时，性能确实很重要，因此我想要一些输入。算法是最重要的，所以您可以使用任何语言发布代码。
我会对像素进行降采样、颜色空间进行处理，并使用视觉方法（可能是均值漂移），然后将结果进行升采样。
这很好，因为下采样还增加了对噪声的鲁棒性，并使您更有可能获得有意义的片段。
如果你需要平滑度，你可以使用泛洪填充来平滑边缘。
一些更多的想法（作为对您评论的回应）。
你在下采样时混合了吗？ y[i]=(x[2i]+x[2i+1])/2 这样可以消除噪声。
你想让它有多快？
你有尝试过动态均值漂移吗？（同时在Google上搜索所有算法x的动态x）
不确定是否效率过高，但您可以尝试使用 Kohonen 神经网络（或“自组织映射”），将相似值分组，在其中每个像素包含原始颜色和位置，仅使用颜色进行 Kohohen 分组。
你应该在实施之前先了解一下，因为我的 Kohonen 神经网络的了解仅限于它用于分组数据——所以我不知道对于你的情况，性能/可行性选项是什么。
还有 Hopfield 神经网络。据我所知，它们可以被改编成分组形式。
我现在拥有的是：
UNSEGMENTED.对于图像中每个相应缓冲值不为UNSEGMENTED的像素，使用像素值淹没缓冲区。
防洪边界检查是通过检查像素是否在起始像素 s 的值的 EPSILON （当前设置为10）内来完成的。
b. 漫水填充算法。
可能存在的问题：
洪水填充算法中，2.a. s边界检查被多次调用。如果我能使用边缘检测预先计算边界，它就可以变成查找，但这可能比当前的检查时间更长。
private boolean isValuesCloseEnough(int a_lhs, int a_rhs) {
return Math.abs(a_lhs - a_rhs) <= EPSILON;
}
可能的提升：
与其检查每个像素是否为未分割，我可以随机选择几个点。如果您期望有大约10个blob，则以该顺序选择随机点可能足够。缺点是您可能会错过一个有用但较小的blob。
请查看Eyepatch（eyepatch.stanford.edu）。它应该在调查阶段为您提供各种可能的分割过滤器。
洪水填充的替代方案是连通组件算法。因此，
这种方法在早期视觉方法中被广泛使用，例如在具有开创性的论文“Blobworld：基于区域的图像索引与检索系统”中。