Converting an image to a set of superpixels is a useful preprocessing step in many computer vision applications; it reduces the dimensionality of the data and removes noise. The most popular superpixels algorithm is the Simple Linear Iterative Clustering (SLIC). To use original SLIC with non-imagery data (for example, rasters of discrete probability distributions, time-series, or matrices describing local texture or pattern), the data needs to be converted to the false-color RGB image constructed from the first three principal components. Here we propose to extend the SLIC algorithm so it can work with non-imagery data structures without data reduction and conversion to the false-color image. The modification allows for using a data distance measure most appropriate to a particular data structure and for using a custom function for averaging values of clusters centers. Comparisons between the extended and original SLIC algorithms in three different mapping tasks are presented and discussed. The results show that the extended SLIC improves the accuracy of the final products in reverse proportion to the percentage of variability explained by the three-dimensional (RGB) approximation to multidimensional non-imagery data. Thus, the largest advantage of using the modified SLIC can be expected in applications to data that cannot be compressed to three dimensions without a significant departure from its original variability.

在许多计算机视觉应用中，将图像转换为一组超像素是一个有用的预处理步骤；它降低了数据的维数并消除了噪声。最流行的超像素算法是简单线性迭代聚类 (SLIC)。要将原始 SLIC 与非图像数据（例如，离散概率分布的栅格、时间序列或描述局部纹理或模式的矩阵）一起使用，需要将数据转换为由前三个构造的假彩色 RGB 图像主要成分。在这里，我们建议扩展 SLIC 算法，使其可以处理非图像数据结构，而无需数据缩减和转换为假彩色图像。该修改允许使用最适合特定数据结构的数据距离度量，并允许使用自定义函数来平均聚类中心的值。介绍并讨论了三种不同映射任务中扩展和原始 SLIC 算法之间的比较。结果表明，扩展的 SLIC 提高了最终产品的准确性，与多维非图像数据的三维 (RGB) 近似解释的可变性百分比成反比。因此，在不显着偏离其原始可变性的情况下，对于无法压缩到三个维度的数据的应用，可以预期使用修改后的 SLIC 的最大优势。介绍并讨论了三种不同映射任务中扩展和原始 SLIC 算法之间的比较。结果表明，扩展的 SLIC 提高了最终产品的准确性，与多维非图像数据的三维 (RGB) 近似解释的可变性百分比成反比。因此，在不显着偏离其原始可变性的情况下，对于无法压缩到三个维度的数据的应用，可以预期使用修改后的 SLIC 的最大优势。介绍并讨论了三种不同映射任务中扩展和原始 SLIC 算法之间的比较。结果表明，扩展的 SLIC 提高了最终产品的准确性，与多维非图像数据的三维 (RGB) 近似解释的可变性百分比成反比。因此，在不显着偏离其原始可变性的情况下，对于无法压缩到三个维度的数据的应用，可以预期使用修改后的 SLIC 的最大优势。