简单的图像显著性区域特征提取方法-----opencv实现LC,AC,FT

https://blog.csdn.net/cai13160674275/article/details/72991049?locationNum=7&fps=1

四种简单的图像显著性区域特征提取方法-----> AC/HC/LC/FT。

上文讲了几种简单的方法,显著性检测就是把一幅图像中最吸引人注意的部分提取出来。
我用opencv重写了LC,AC,FT三种算法,代码和效果如下:
 
 
1.,后面的方法其实大概都是基于这个实现的,代码样子差不多
LC思路就是利用对某个像素点累加其与全幅像素的距离(欧式距离),然后归一化到0-255,由于是rgb信息,于是用直方图优化,提前计算好每个颜色与其他的距离和
  1. void SalientRegionDetectionBasedonLC(Mat &src){
  2. int HistGram[256]={0};
  3. int row=src.rows,col=src.cols;
  4. int gray[row][col];
  5. //int Sal_org[row][col];
  6. int val;
  7. Mat Sal=Mat::zeros(src.size(),CV_8UC1 );
  8. Point3_<uchar>* p;
  9. for (int i=0;i<row;i++){
  10. for (int j=0;j<col;j++){
  11. p=src.ptr<Point3_<uchar> > (i,j);
  12. val=(p->x + (p->y) *2 + p->z)/4;
  13. HistGram[val]++;
  14. gray[i][j]=val;
  15. }
  16. }
  17. int Dist[256];
  18. int Y,X;
  19. int max_gray=0;
  20. int min_gray=1<<28;
  21. for (Y = 0; Y < 256; Y++)
  22. {
  23. val = 0;
  24. for (X = 0; X < 256; X++)
  25. val += abs(Y - X) * HistGram[X];                //    论文公式(9),灰度的距离只有绝对值,这里其实可以优化速度,但计算量不大,没必要了
  26. Dist[Y] = val;
  27. max_gray=max(max_gray,val);
  28. min_gray=min(min_gray,val);
  29. }
  30. for (Y = 0; Y < row; Y++)
  31. {
  32. for (X = 0; X < col; X++)
  33. {
  34. Sal.at<uchar>(Y,X) = (Dist[gray[Y][X]] - min_gray)*255/(max_gray - min_gray);        //    计算全图每个像素的显著性
  35. //Sal.at<uchar>(Y,X) = (Dist[gray[Y][X]])*255/(max_gray);        //    计算全图每个像素的显著性
  36. }
  37. }
  38. imshow("sal",Sal);
  39. waitKey(0);
  40. }
效果图
简单的图像显著性区域特征提取方法-----opencv实现LC,AC,FT
 
 

2.AC算法也挺有意思,利用了类似图像金字塔算法,在不同纬度(具体实现是用大小不同的均值滤波器过滤图像)与标准图像做差并累加,然后归一化,实现如下:

  1. void SalientRegionDetectionBasedonAC(Mat &src,int MinR2, int MaxR2,int Scale){
  2. Mat Lab;
  3. cvtColor(src, Lab, CV_BGR2Lab);
  4. int row=src.rows,col=src.cols;
  5. int Sal_org[row][col];
  6. memset(Sal_org,0,sizeof(Sal_org));
  7. Mat Sal=Mat::zeros(src.size(),CV_8UC1 );
  8. Point3_<uchar>* p;
  9. Point3_<uchar>* p1;
  10. int val;
  11. Mat filter;
  12. int max_v=0;
  13. int min_v=1<<28;
  14. for (int k=0;k<Scale;k++){
  15. int len=(MaxR2 - MinR2) * k / (Scale - 1) + MinR2;
  16. blur(Lab, filter, Size(len,len ));
  17. for (int i=0;i<row;i++){
  18. for (int j=0;j<col;j++){
  19. p=Lab.ptr<Point3_<uchar> > (i,j);
  20. p1=filter.ptr<Point3_<uchar> > (i,j);
  21. //cout<<(p->x - p1->x)*(p->x - p1->x)+ (p->y - p1->y)*(p->y-p1->y) + (p->z - p1->z)*(p->z - p1->z) <<" ";
  22. val=sqrt( (p->x - p1->x)*(p->x - p1->x)+ (p->y - p1->y)*(p->y-p1->y) + (p->z - p1->z)*(p->z - p1->z) );
  23. Sal_org[i][j]+=val;
  24. if(k==Scale-1){
  25. max_v=max(max_v,Sal_org[i][j]);
  26. min_v=min(min_v,Sal_org[i][j]);
  27. }
  28. }
  29. }
  30. }
  31. cout<<max_v<<" "<<min_v<<endl;
  32. int X,Y;
  33. for (Y = 0; Y < row; Y++)
  34. {
  35. for (X = 0; X < col; X++)
  36. {
  37. Sal.at<uchar>(Y,X) = (Sal_org[Y][X] - min_v)*255/(max_v - min_v);        //    计算全图每个像素的显著性
  38. //Sal.at<uchar>(Y,X) = (Dist[gray[Y][X]])*255/(max_gray);        //    计算全图每个像素的显著性
  39. }
  40. }
  41. imshow("sal",Sal);
  42. waitKey(0);
  43. }

SalientRegionDetectionBasedonAC(test,test.rows/8,test.rows/2,3);

 
简单的图像显著性区域特征提取方法-----opencv实现LC,AC,FT
 
3.FT算法
lab空间的均值减去当前像素值
  1. void SalientRegionDetectionBasedonFT(Mat &src){
  2. Mat Lab;
  3. cvtColor(src, Lab, CV_BGR2Lab);
  4. int row=src.rows,col=src.cols;
  5. int Sal_org[row][col];
  6. memset(Sal_org,0,sizeof(Sal_org));
  7. Point3_<uchar>* p;
  8. int MeanL=0,Meana=0,Meanb=0;
  9. for (int i=0;i<row;i++){
  10. for (int j=0;j<col;j++){
  11. p=Lab.ptr<Point3_<uchar> > (i,j);
  12. MeanL+=p->x;
  13. Meana+=p->y;
  14. Meanb+=p->z;
  15. }
  16. }
  17. MeanL/=(row*col);
  18. Meana/=(row*col);
  19. Meanb/=(row*col);
  20. GaussianBlur(Lab,Lab,Size(3,3),0,0);
  21. Mat Sal=Mat::zeros(src.size(),CV_8UC1 );
  22. int val;
  23. int max_v=0;
  24. int min_v=1<<28;
  25. for (int i=0;i<row;i++){
  26. for (int j=0;j<col;j++){
  27. p=Lab.ptr<Point3_<uchar> > (i,j);
  28. val=sqrt( (MeanL - p->x)*(MeanL - p->x)+ (p->y - Meana)*(p->y-Meana) + (p->z - Meanb)*(p->z - Meanb) );
  29. Sal_org[i][j]=val;
  30. max_v=max(max_v,val);
  31. min_v=min(min_v,val);
  32. }
  33. }
  34. cout<<max_v<<" "<<min_v<<endl;
  35. int X,Y;
  36. for (Y = 0; Y < row; Y++)
  37. {
  38. for (X = 0; X < col; X++)
  39. {
  40. Sal.at<uchar>(Y,X) = (Sal_org[Y][X] - min_v)*255/(max_v - min_v);        //    计算全图每个像素的显著性
  41. //Sal.at<uchar>(Y,X) = (Dist[gray[Y][X]])*255/(max_gray);        //    计算全图每个像素的显著性
  42. }
  43. }
  44. imshow("sal",Sal);
  45. waitKey(0);
  46. }
简单的图像显著性区域特征提取方法-----opencv实现LC,AC,FT
上一篇:学习ASP.NET Core Razor 编程系列十二——在页面中增加校验


下一篇:eclipse maven 创建总POM 工程