解釋：把 一系列 位置相鄰的， 比如顏色， 紋理，亮度等特徵相近的 連續小區域。
超像素最直觀的解釋，便是把一些具有相似特性的像素“聚合”起來，形成一個更具有代表性的大“元素”。
而這個新的元素，將作爲其他圖像處理算法的基本單位。
一來大大降低了維度；二來可以剔除一些異常像素點。
至於根據什麼特性把一個個像素點聚集起來，可以是顏色、紋理、類別等。
超像素最大的功能之一，便是作爲圖像處理其他算法的預處理，在不犧牲太大精確度的情況下 降維！
超像素算法判別的三個條件：
(1) Undersegmentation Error
白色是原圖的一個物體，紅線是一個個超像素的輪廓，而粉紅色的區域就是undersegmentation的區域。顯然，這部分區域越大就越不好。
(2) Boundary Recall
黑色虛線以及實現是原圖物體的輪廓，紅線是超像素的邊界。一個好的超像素算法，應該覆蓋原圖物體的輪廓。在給予一定緩衝（粉紅色區域）的情況下，超像素的邊緣可以覆蓋原圖物體邊緣的越多（黑色實線），該算法就越好。
(3) Compactness score
這個指標衡量了一個超像素是否“緊實”。上圖，圖像質量高下立判。
介紹一種State-of-the-art 噪聲圖片的超像素算法
參考：這裏。