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：

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. 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

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. 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);

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. 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. }

原文地址：https://www.cnblogs.com/jukan/p/9209236.html