简单的图像显著性区域特征提取方法-----opencv实现LC,AC,FT

Posted 2020-11-19 jukan

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：

 

利用频谱来做的显著性提取的方式

 

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

[cpp] view plain copy

 

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.   
18.     int Dist[256];  
19.     int Y,X;  
20.     int max_gray=0;  
21.     int min_gray=1<<28;  
22.     for (Y = 0; Y < 256; Y++)  
23.     {  
24.         val = 0;  
25.         for (X = 0; X < 256; X++)   
26.             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  
27.         Dist[Y] = val;  
28.         max_gray=max(max_gray,val);  
29.         min_gray=min(min_gray,val);  
30.     }  
31.   
32.       
33.     for (Y = 0; Y < row; Y++)  
34.     {  
35.         for (X = 0; X < col; X++)  
36.         {  
37.             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  
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.     }  
42.     imshow("sal",Sal);  
43.     waitKey(0);  
44.   
45. }  

效果图

 

 

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:

[cpp] view plain copy

 

1. void SalientRegionDetectionBasedonAC(Mat &src,int MinR2, int MaxR2,int Scale){  
2.     Mat Lab;  
3.     cvtColor(src, Lab, CV_BGR2Lab);   
4.   
5.     int row=src.rows,col=src.cols;  
6.     int Sal_org[row][col];  
7.     memset(Sal_org,0,sizeof(Sal_org));  
8.       
9.     Mat Sal=Mat::zeros(src.size(),CV_8UC1 );  
10.   
11.     Point3_<uchar>* p;  
12.     Point3_<uchar>* p1;  
13.     int val;  
14.     Mat filter;  
15.   
16.     int max_v=0;  
17.     int min_v=1<<28;  
18.     for (int k=0;k<Scale;k++){  
19.         int len=(MaxR2 - MinR2) * k / (Scale - 1) + MinR2;  
20.         blur(Lab, filter, Size(len,len ));  
21.         for (int i=0;i<row;i++){  
22.             for (int j=0;j<col;j++){  
23.                 p=Lab.ptr<Point3_<uchar> > (i,j);  
24.                 p1=filter.ptr<Point3_<uchar> > (i,j);  
25.                 //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) <<" ";  
26.                   
27.                 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) );  
28.                 Sal_org[i][j]+=val;  
29.                 if(k==Scale-1){  
30.                     max_v=max(max_v,Sal_org[i][j]);  
31.                     min_v=min(min_v,Sal_org[i][j]);  
32.                 }  
33.             }  
34.         }  
35.     }  
36.       
37.     cout<<max_v<<" "<<min_v<<endl;  
38.     int X,Y;  
39.     for (Y = 0; Y < row; Y++)  
40.     {  
41.         for (X = 0; X < col; X++)  
42.         {  
43.             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  
44.             //Sal.at<uchar>(Y,X) = (Dist[gray[Y][X]])*255/(max_gray);        //    计算全图每个像素的显著性  
45.         }  
46.     }  
47.     imshow("sal",Sal);  
48.     waitKey(0);  
49. }  

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

 

 

3.FT算法

lab空间的均值减去当前像素值

[cpp] view plain copy

 

1. void SalientRegionDetectionBasedonFT(Mat &src){  
2.     Mat Lab;  
3.     cvtColor(src, Lab, CV_BGR2Lab);   
4.   
5.     int row=src.rows,col=src.cols;  
6.   
7.     int Sal_org[row][col];  
8.     memset(Sal_org,0,sizeof(Sal_org));  
9.       
10.     Point3_<uchar>* p;  
11.   
12.     int MeanL=0,Meana=0,Meanb=0;  
13.     for (int i=0;i<row;i++){  
14.         for (int j=0;j<col;j++){  
15.             p=Lab.ptr<Point3_<uchar> > (i,j);  
16.             MeanL+=p->x;  
17.             Meana+=p->y;  
18.             Meanb+=p->z;  
19.         }  
20.     }  
21.     MeanL/=(row*col);  
22.     Meana/=(row*col);  
23.     Meanb/=(row*col);  
24.   
25.     GaussianBlur(Lab,Lab,Size(3,3),0,0);  
26.   
27.     Mat Sal=Mat::zeros(src.size(),CV_8UC1 );  
28.   
29.     int val;  
30.   
31.     int max_v=0;  
32.     int min_v=1<<28;  
33.   
34.     for (int i=0;i<row;i++){  
35.         for (int j=0;j<col;j++){  
36.             p=Lab.ptr<Point3_<uchar> > (i,j);  
37.             val=sqrt( (MeanL - p->x)*(MeanL - p->x)+ (p->y - Meana)*(p->y-Meana) + (p->z - Meanb)*(p->z - Meanb) );  
38.             Sal_org[i][j]=val;  
39.             max_v=max(max_v,val);  
40.             min_v=min(min_v,val);         
41.         }  
42.     }  
43.       
44.     cout<<max_v<<" "<<min_v<<endl;  
45.     int X,Y;  
46.     for (Y = 0; Y < row; Y++)  
47.     {  
48.         for (X = 0; X < col; X++)  
49.         {  
50.             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  
51.             //Sal.at<uchar>(Y,X) = (Dist[gray[Y][X]])*255/(max_gray);        //    计算全图每个像素的显著性  
52.         }  
53.     }  
54.     imshow("sal",Sal);  
55.     waitKey(0);  
56. }