解释：把 一系列 位置相邻的， 比如颜色， 纹理，亮度等特征相近的 连续小区域。
超像素最直观的解释，便是把一些具有相似特性的像素“聚合”起来，形成一个更具有代表性的大“元素”。
而这个新的元素，将作为其他图像处理算法的基本单位。
一来大大降低了维度；二来可以剔除一些异常像素点。
至于根据什么特性把一个个像素点聚集起来，可以是颜色、纹理、类别等。
超像素最大的功能之一，便是作为图像处理其他算法的预处理，在不牺牲太大精确度的情况下 降维！
超像素算法判别的三个条件：
(1) Undersegmentation Error
白色是原图的一个物体，红线是一个个超像素的轮廓，而粉红色的区域就是undersegmentation的区域。显然，这部分区域越大就越不好。
(2) Boundary Recall
黑色虚线以及实现是原图物体的轮廓，红线是超像素的边界。一个好的超像素算法，应该覆盖原图物体的轮廓。在给予一定缓冲（粉红色区域）的情况下，超像素的边缘可以覆盖原图物体边缘的越多（黑色实线），该算法就越好。
(3) Compactness score
这个指标衡量了一个超像素是否“紧实”。上图，图像质量高下立判。
介绍一种State-of-the-art 噪声图片的超像素算法
参考：这里。