线剪裁算法简介

点击上方"蓝色小字"关注我呀

本文来自光头哥哥的博客【Seam carving with OpenCV, Python, and scikit-image】，仅做学习分享。

原文链接：https://www.pyimagesearch.com/2017/01/23/seam-carving-with-opencv-python-and-scikit-image/

在计算机视觉文献中，我最喜欢的一篇论文是来自三菱电机研究实验室(MERL)的Avidan和Shamir的文章：

Seam Carving for contaware Image Resizing

这篇论文，连同作者的演示视频，让这个算法感觉像魔术一样，特别是对于一个刚刚涉足计算机视觉和图像处理领域的学生来说。

原文链接：https://perso.crans.org/frenoy/matlab2012/seamcarving.pdf

线剪裁算法的工作原理是找到被称为接缝的低能量像素(即最不重要的)，而且这些低能量像素从左到右或从上到下贯穿整个图像。

随后将这些接缝从原始图像中移除，从而达到调整调整图像的大小，同时保留主要内容的目的(原始算法也支持添加接缝，允许我们增加图像的大小)。

接缝雕刻算法是由Avidan和Shimar在2007年引入的，它通过移除/添加低能量的接缝来调整图像的大小(下采样或上采样)。

因此，该算法需要两个重要的输入：

• 原始图像：这是我们想要调整大小的输入图像。
• 能量地图：我们从原始图像中得到了能量图。能量图应该代表图像中最突出的区域。通常，这要么是梯度幅度表示(例如，Sobel、Scharr等操作符的输出)，要么是熵映射，要么是显著性映射。

例如，让我们看看下面的图片：

使用这张图片作为输入,我们可以计算出梯度作为我们的能量地图：

有了我们的能量图，我们可以生成一组接缝，它们可以从左到右或者从上到下横跨图像：

这些接缝是经过动态规划和能量级排序得到的。低能量接缝排序靠前，高能量层排序靠后。 为了调整一个图像的大小，我们要么按能量级去除低能量的接缝来降低一个图像的大小，要么我们重复低能量的接缝来增加图像大小。 下面是上面例子的原始图像删除低能量级接缝后输出的大小：

请记住，线剪裁的目的是保存主要对象(即“有趣的”)区域的图像，同时调整图像本身的大小。 使用传统的方法调整大小会改变整个图像的尺寸，不需要考虑图像的哪个部分最重要或最不重要。

相反，线剪裁应用路径规划算法从能量图中导出接缝来确定图像的哪些区域可以删除或复制，以确保图像中所有“感兴趣的”区域被保留。 比较传统的大小调整和线剪裁算法：

这张图片的宽度是600像素，我想把它的大小调整到大约500像素。 使用传统的插值方法，我的图像大小将看起来像这样：

但是，通过使用线剪裁，我可以沿着水平维度“缩小”图像，在不改变图像高度的情况下，仍然保留图像中最有趣的区域：

THE END

原文后半部分为代码介绍，但用的是python的skimage包，并不是opencv算法，所以就不放了，感兴趣可以去原文查看，也可以看原论文复现一下算法。