毕设纪实录[9]-图像显著性区域特征提取的初步研究

要让小车正常安全地驾驶，最重要的事情就是识别出障碍物以及其存在的位置。SDK能输出mat格式的灰度图像，一个想法是图像显著性区域的提取。
在走廊环境下，如果有障碍物存在，有很大可能是一个图像的显著性区域。（比如边缘特征明显，颜色特征明显）所以提取显著性区域成为了一个油然而生的想法。

---

1.AC算法

void SRD_AC(Mat &src,int MinR2, int MaxR2,int Scale){  
    Mat Lab;  
    cvtColor(src, Lab, CV_BGR2Lab);   

    int row=src.rows,col=src.cols;  
    int Sal_org[960][1280];  
    memset(Sal_org,0,sizeof(Sal_org));  

    Mat Sal=Mat::zeros(src.size(),CV_8UC1 );  

    Point3_<uchar>* p;  
    Point3_<uchar>* p1;  
    int val;  
    Mat filter;  

    int max_v=0;  
    int min_v=1<<28;  
    for (int k=0;k<Scale;k++){  
        int len=(MaxR2 - MinR2) * k / (Scale - 1) + MinR2;  
        blur(Lab, filter, Size(len,len ));  
        for (int i=0;i<row;i++){  
            for (int j=0;j<col;j++){  
                p=Lab.ptr<Point3_<uchar> > (i,j);  
                p1=filter.ptr<Point3_<uchar> > (i,j);  

                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) );  
                Sal_org[i][j]+=val;  
                if(k==Scale-1){  
                    max_v=max(max_v,Sal_org[i][j]);  
                    min_v=min(min_v,Sal_org[i][j]);  
                }  
            }  
        }  
    }  

    cout<<max_v<<" "<<min_v<<endl;  
    int X,Y;  
    for (Y = 0; Y < row; Y++)  
    {  
        for (X = 0; X < col; X++)  
        {  
            if(max_v - min_v == 0)  Sal.at<uchar>(Y,X) =0;
            else 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  
            //Sal.at<uchar>(Y,X) = (Dist[gray[Y][X]])*255/(max_gray);        //    计算全图每个像素的显著性  
        }  
    }  
    imshow("sal",Sal);  
    waitKey(10);  
}

---

FC算法：

void SalientRegionDetectionBasedonLC(Mat &src){  
    int HistGram[256]={0};  
    int row=src.rows,col=src.cols;  
    int gray[row][col];     //这一处要修改，因为不能用变量声明一个数组
    //int Sal_org[row][col];  
    int val;  
    Mat Sal=Mat::zeros(src.size(),CV_8UC1 );  
    Point3_<uchar>* p;  
    for (int i=0;i<row;i++){  
        for (int j=0;j<col;j++){  
            p=src.ptr<Point3_<uchar> > (i,j);  
            val=(p->x + (p->y) *2 + p->z)/4;  
            HistGram[val]++;  
            gray[i][j]=val;  
        }  
    }  

    int Dist[256];  
    int Y,X;  
    int max_gray=0;  
    int min_gray=1<<28;  
    for (Y = 0; Y < 256; Y++)  
    {  
        val = 0;  
        for (X = 0; X < 256; X++)   
            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  
        Dist[Y] = val;  
        max_gray=max(max_gray,val);  
        min_gray=min(min_gray,val);  
    }  


    for (Y = 0; Y < row; Y++)  
    {  
        for (X = 0; X < col; X++)  
        {  
            if(max_v - min_v == 0)  Sal.at<uchar>(Y,X) = 0;
            else 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  
            //Sal.at<uchar>(Y,X) = (Dist[gray[Y][X]])*255/(max_gray);        //    计算全图每个像素的显著性  

        }  
    }  
    imshow("sal",Sal);  
    waitKey(10);  

}  

---

FT算法：

void SRD_FT(Mat &src){  
    Mat Lab;  
    cvtColor(src, Lab, CV_BGR2Lab);   

    int row=src.rows,col=src.cols;  

    int Sal_org[960][1280];  
    memset(Sal_org,0,sizeof(Sal_org));  

    Point3_<uchar>* p;  

    int MeanL=0,Meana=0,Meanb=0;  
    for (int i=0;i<row;i++){  
        for (int j=0;j<col;j++){  
            p=Lab.ptr<Point3_<uchar> > (i,j);  
            MeanL+=p->x;  
            Meana+=p->y;  
            Meanb+=p->z;  
        }  
    }  
    MeanL/=(row*col);  
    Meana/=(row*col);  
    Meanb/=(row*col);  

    GaussianBlur(Lab,Lab,Size(3,3),0,0);  

    Mat Sal=Mat::zeros(src.size(),CV_8UC1 );  

    int val;  

    int max_v=0;  
    int min_v=1<<28;  

    for (int i=0;i<row;i++){  
        for (int j=0;j<col;j++){  
            p=Lab.ptr<Point3_<uchar> > (i,j);  
            val=sqrt( (MeanL - p->x)*(MeanL - p->x)+ (p->y - Meana)*(p->y-Meana) + (p->z - Meanb)*(p->z - Meanb) );  
            Sal_org[i][j]=val;  
            max_v=max(max_v,val);  
            min_v=min(min_v,val);         
        }  
    }  

    cout<<max_v<<" "<<min_v<<endl;  
    int X,Y;  
    for (Y = 0; Y < row; Y++)  
    {  
        for (X = 0; X < col; X++)  
        {   if(max_v - min_v == 0)  Sal.at<uchar>(Y,X) = 0;
            else 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  
            //Sal.at<uchar>(Y,X) = (Dist[gray[Y][X]])*255/(max_gray);        //    计算全图每个像素的显著性  
        }  
    }  
    imshow("sal",Sal);  
    waitKey(10);  
}  

---

关于原理，参数说明可以参考以下几篇文章，笔者就不抛砖引玉了：
https://www.cnblogs.com/Imageshop/p/3889332.html
https://blog.csdn.net/cai13160674275/article/details/72991049

---

此外我还找到一个有意思的小应用，用于展示集中显著性提取方法的效果：
http://files.cnblogs.com/Imageshop/salientregiondetection.rar