已经分割的超像素图像子块合并为原图，并为每个子块相同标签附上相同颜色，代码

以下是一个使用Python和OpenCV库实现已经分割的超像素图像子块合并为原图，并为每个子块相同标签附上相同颜色的示例代码：

import cv2
import numpy as np

# 读取超像素分割后的图像和标签
img = cv2.imread('superpixel_image.png')
labels = cv2.imread('superpixel_labels.png', cv2.IMREAD_GRAYSCALE)

# 获取超像素块的数量和大小
num_labels = np.max(labels) + 1
label_size = img.shape[0] * img.shape[1] // num_labels

# 为每个超像素块赋予随机颜色
colors = np.random.randint(0, 255, (num_labels, 3))

# 定义子块的大小和重叠量
block_size = 100
overlap = 50

# 创建一个空白的合并图像
merged_img = np.zeros_like(img)

# 遍历每个子块并在合并图像中赋予相应的颜色
for y in range(0, img.shape[0], block_size-overlap):
    for x in range(0, img.shape[1], block_size-overlap):
        # 获取子块的标签和掩膜
        label = labels[y:y+block_size, x:x+block_size][0, 0]
        mask = np.zeros_like(labels)
        mask[y:y+block_size, x:x+block_size][labels[y:y+block_size, x:x+block_size] == label] = 255

        # 获取子块的颜色和大小
        color = colors[label]
        size = cv2.countNonZero(mask)

        # 如果子块的大小大于标签大小的一半，则将其合并为一个超像素块
        if size > label_size // 2:
            merged_img = cv2.seamlessClone(img, img, mask, (x+block_size//2, y+block_size//2), cv2.NORMAL_CLONE)
            cv2.drawContours(merged_img, [cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]], -1, color, 2)
        # 否则，在合并图像中为子块赋予相应的颜色
        else:
            merged_img[y:y+block_size, x:x+block_size][mask[y:y+block_size, x:x+block_size] > 0] = color
            cv2.drawContours(merged_img, [cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]], -1, (255,255,255), 2)

# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Merged Image', merged_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

这个代码首先读取了分割后的超像素图像和标签。然后，计算超像素块数量和大小，并为每个超像素块赋予随机颜色。接着，定义子块的大小和重叠量，并创建一个空白的合并图像。然后，遍历每个子块，为其赋予相应的颜色。如果子块的大小大于标签大小的一半，则将其合并为一个超像素块。否则，在合并图像中为子块赋予相应的颜色，并附上白色的边框。最后，使用imshow()方法显示原始图像和合并后的图像。