from skimage.segmentation import slic, mark_boundaries import torchvision.transforms as transforms import numpy as np from PIL import Image import matplotlib.pyplot as plt import cv2 # 加载图像 image = Image.open('img.png') # 转换为 PyTorch 张量 transform = transforms.ToTensor() img_tensor = transform(image).unsqueeze(0) # 将 PyTorch 张量转换为 Numpy 数组 img_np = img_tensor.numpy().transpose(0, 2, 3, 1)[0] # 使用 SLIC 算法生成超像素标记图 segments = slic(img_np, n_segments=100, compactness=10) # 可视化超像素标记图 segment_img = mark_boundaries(img_np, segments) # 将 Numpy 数组转换为 PIL 图像 segment_img = Image.fromarray((segment_img * 255).astype(np.uint8)) # 保存超像素标记图 segment_img.save('segments.jpg') n_segments = np.max(segments) + 1 # 初始化超像素块的区域 segment_regions = np.zeros((n_segments, img_np.shape[0], img_np.shape[1])) # 遍历每个超像素块 for i in range(n_segments): # 获取当前超像素块的掩码 mask = (segments == i) # 将当前超像素块的掩码赋值给超像素块的区域 segment_regions[i][mask] = 1 # 保存超像素块的区域 np.save('segment_regions.npy', segment_regions) # 加载超像素块的区域 segment_regions = np.load('segment_regions.npy') # 取出第一个超像素块的区域 segment_region = segment_regions[0] segment_region = (segment_region * 255).astype(np.uint8) # 显示超像素块的区域 plt.imshow(segment_region, cmap='gray') plt.show()，将上述代码中，# 取出第一个超像素块的区域 segment_region = segment_regions[0]改为于一张图上取出全部超像素块的区域

要取出全部超像素块的区域，可以使用循环遍历所有超像素块的区域，将它们存储在一个列表中。以下是修改后的代码：

from skimage.segmentation import slic, mark_boundaries
import torchvision.transforms as transforms
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
import cv2

# 加载图像
image = Image.open('img.png')

# 转换为 PyTorch 张量
transform = transforms.ToTensor()
img_tensor = transform(image).unsqueeze(0)

# 将 PyTorch 张量转换为 Numpy 数组
img_np = img_tensor.numpy().transpose(0, 2, 3, 1)[0]

# 使用 SLIC 算法生成超像素标记图
segments = slic(img_np, n_segments=100, compactness=10)

# 可视化超像素标记图
segment_img = mark_boundaries(img_np, segments)

# 将 Numpy 数组转换为 PIL 图像
segment_img = Image.fromarray((segment_img * 255).astype(np.uint8))

# 保存超像素标记图
segment_img.save('segments.jpg')

n_segments = np.max(segments) + 1

# 初始化超像素块的区域列表
segment_regions = []

# 遍历每个超像素块
for i in range(n_segments):
    # 获取当前超像素块的掩码
    mask = (segments == i)
    # 将当前超像素块的掩码赋值给超像素块的区域
    segment_region = (mask * 255).astype(np.uint8)
    # 将超像素块的区域添加到列表
    segment_regions.append(segment_region)

# 显示所有超像素块的区域
fig, axs = plt.subplots(nrows=int(np.ceil(n_segments/10)), ncols=10, figsize=(20, 20))
for i, ax in enumerate(axs.flat):
    if i < n_segments:
        ax.imshow(segment_regions[i], cmap='gray')
    ax.axis('off')
plt.show()

此代码将所有超像素块的区域存储在列表 `segment_regions` 中，并使用 `subplot` 函数将所有超像素块的区域显示在同一张图上。由于超像素块数量较多，我们使用了多个子图进行显示。