我有一个灰度值图像，它被计算为一系列图像的平均值。因此，每个像素的值都与标准误差相关联。

像素值和相对标准误差 (RSE) 在像素空间中平滑变化，因此作为基础缩小图像的平均值的缩小图像的像素将表现出较低的 RSE。这意味着高分辨率图像与高 RSE 相关联，而低分辨率图像与较低 RSE 相关联。但是，RSE 在空间上有所不同。

实际上，这就像不确定性关系的权衡：空间分辨率与平均值分辨率。

为了表示这一点，我正在寻找一种将图像划分为具有恒定 RSE 的区域的方法，这些区域在具有高 RSE 的图像部分会更大，而在具有低 RSE 的部分会更小。

目的是获得具有规则 RSE 的不规则大小的超像素，而不是我当前的图像，它包含规则网格上的像素但具有不规则 RSE。

这相当于缩小图像但不是在常规网格上。我尝试过的一种方法是在每一步中计算新距离的像素聚集聚类，但到目前为止，我找不到合适的距离和目标函数来获得或多或少规则的超像素图（通常一个大集群会吃掉它邻居）。

您是否知道任何现有的方法，或者如果不知道，这将是一个很好的聚类方法？四叉树会帮助我吗？

提前非常感谢！