前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【手撕算法】FT显著性检测算法

【手撕算法】FT显著性检测算法

作者头像
周旋
发布2022-08-07 12:23:57
5730
发布2022-08-07 12:23:57
举报
文章被收录于专栏:行走的机械人

FT算法原理

FT算法出自论文:

代码语言:javascript
复制
Frequency-tuned salient region detection

FT算法实现也非常简单,该方法从频率角度分析图像。

图像在频率域可以分成低频部分和高频部分。低频部分反映了图像的整体信息,如物体的轮廓,基本的组成区域。高频部分反映了图像的细节信息,如物体的纹理。显著性区域检测用到的更多的是低频部分的信息。

在实际进行计算时,FT方法使用窗口5*5的高斯平滑来实现对最高频的舍去。像素的显著性可以用下面公式计算:

其中,Iu为图像的平均特征,使用Lab颜色特征,后一项为像素p在高斯平滑后的Lab颜色特征,||.||为L2范式,即计算前一项和后一项在了Lab颜色空间的欧氏距离。

算法实现

FT方法实现简单,只需要高斯平滑和平均值计算。

  1. 对图像进行5*5的高斯平滑
  2. 转换颜色空间。RGB颜色空间转换为CIELAB颜色空间
  3. 计算整幅图片的l、a、b的平均值
  4. 按照算法中的公式,计算每个像素l、a、b值同图像三个l、a、b均值的欧氏距离,得到显著图
  5. 归一化。图像中每个像素的显著值除以最大的那个显著值。得到最终的显著图

程序编写:

代码语言:javascript
复制
void FT::calculateSaliencyMap(Mat *src, Mat * dst, bool corlor,int ksize)
{
  if (corlor && (*src).channels() == 3)  //处理彩色域
  {
    Mat img3f = (*src);
    img3f.convertTo(img3f, CV_32FC3, 1.0 / 255);
    Mat sal(img3f.size(), CV_32F), tImg;
    GaussianBlur(img3f, tImg, Size(ksize, ksize), 0);//高斯平滑去除高频信息
    cvtColor(tImg, tImg, COLOR_BGR2Lab);//转换为LAB颜色空间
    Scalar colorM = mean(tImg); //计算整幅图像的LAB颜色均值
    //遍历图像
    for (int r = 0; r < tImg.rows; r++)
    {
      float *s = sal.ptr<float>(r);
      float *lab = tImg.ptr<float>(r);
      for (int c = 0; c < tImg.cols; c++, lab += 3)
        //计算每个像素LAB值与LAB均值的差,即为显著性
        s[c] = (float)(sqr(colorM[0] - lab[0]) + sqr(colorM[1] - lab[1]) + sqr(colorM[2] - lab[2]));
    }
    normalize(sal, *dst, 0, 1, NORM_MINMAX);
  }
  else //灰度域
  {
    Mat imgf, tImg;
    imgf = *src;

    if (imgf.channels() == 3)
    {
      cvtColor(imgf, imgf, COLOR_RGB2GRAY);
    }
    imgf.convertTo(imgf, CV_32FC1, 1.0 / 255);
    Scalar colorM = mean(imgf);
    GaussianBlur(imgf, tImg, Size(ksize, ksize), 0);
    Mat  sal(imgf.size(), CV_32F);
    for (int r = 0; r < tImg.rows; r++)
    {
      float *s = sal.ptr<float>(r);
      float *gray = tImg.ptr<float>(r);
      for (int c = 0; c < tImg.cols; c++)
        s[c] = (colorM[0] - gray[c])*(colorM[0] - gray[c]);
    }

    normalize(sal, *dst, 0, 1, NORM_MINMAX);
  }
}

算法效果

THE END

四个显著性检测算法到此就更完了,这四个是最最最简单的了,但也足够对显著性检测有个认识了。后续打算更图像修复的内容。

除了AC/FT/HC/LC这四个,还有很多经典的显著性检测算法,但不打算写了,这要写啥时候写的完... ...

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-03-07,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 周旋机器视觉 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档