SLIC（simple linear iterative clustering）：主要是利用K-Means聚类算法进行超像素的处理。其大体思路如下图所说明：
在计算距离时，用到了颜色Lab值及空间位置信息（x,y）的取值，即5维的特征。
计算每个像素到各种子点的距离，选择距离最近的种子点label作为其像素的label，类似于K-Means的原理，迭代进行像素点类别的划分，直至收敛。于此便完成了SLIC超像素的处理。需要注意的是，此处需要设置一个超参数，即种子点的个数，也即超像素类别数K，相当于是将整幅图像划分成多少个网格，因为每个网格对应一个种子点，在对网格选取种子点时，需注意，单纯地选取中心点并不可取，因为需要避免噪点的影响，故在选取时是选取网格中梯度值最小的像素点作为种子点。
