快速换档是模式搜索算法（如mean shift）而不是迭代地将每个点移向局部平均值相反，会形成一个与最近邻居的链接树，该树会增加密度。有关该算法的更深入描述，请参阅我们的API快速换档参考

使用快速移位查找超级像素

此演示演示了一个简单的超像素问题中的快速切换，我们试图分割此图像：

作为一个特征向量，我们选择用像素的x，y位置增强的图像的LAB颜色空间表示。vl_quickseg是一个方便的包装器函数，负责将图像转换为LAB并执行分割，使我们的工作非常简单：

比率=0.5；内核大小=2；Iseg=vl_quickseg（I，比率，内核大小，最大距离）；

哪里比率是颜色重要性和空间重要性之间的权衡（较大的值赋予颜色更多的重要性），使核化是用于估计密度的内核大小，以及最大距离是在密度增加时，要素空间中可能链接的点之间的最大距离。

多个细分

Quickshift将所有数据点排列到一棵树中，树中的父节点是特征空间中最近的邻居，这增加了密度的估计。通过限制最近邻居之间的距离(最大距离)，我们减少了搜索最近邻居所需的计算量。然而，我们也将我们的树分割成一片森林，因为密度的局部模式现在将没有在特征空间中足够近的邻居来形成链接。

在上一节中，我们创建了一个超级像素分割，将森林中的每棵树作为一个不同的簇。然而，由于最大距离简单地防止形成新的链接距离<最大距离包含在结果中。vl_quickvis让我们通过运行一次快速切换，并通过在树中切割越来越小的链接来形成多个分段，来可视化这一点。

maxdist=50；ndists=10；Iedge=vl_quickvis（I，比率，核大小，maxdist，ndists）imagesc（Iedge）；轴等距紧密；彩色地图灰度；