图像显著性检测LC算法

标题在网上找到了LC算法，但是运行起来有一点问题，于是进行了一定的修改，亲测可用。

参考资源：https://www.jianshu.com/p/1be50bd846ed
如有侵权，一定删除

Python实现：

import cv2
import numpy as np
from skimage import io
def cal_dist(hist):
    dist = {}
    for gray in range(256):
        value = 0.0
        for k in range(256):
            value += hist[k][0] * abs(gray - k)
        dist[gray] = value
    return dist

def LC(image_gray):
    image_height = image_gray.shape[0]
    image_width = image_gray.shape[1]
    image_gray_copy = np.zeros((image_height, image_width))
    hist_array = cv2.calcHist([image_gray], [0], None, [256], [0.0, 256.0])  # 直方图，统计图像中每个灰度值的数量
    gray_dist = cal_dist(hist_array)  # 灰度值与其他值的距离
    # print(gray_dist)
    for i in range(image_width):
        for j in range(image_height):
            temp = image_gray[j][i]
            image_gray_copy[j][i] = gray_dist[temp]
    image_gray_copy = (image_gray_copy - np.min(image_gray_copy)) / (np.max(image_gray_copy) - np.min(image_gray_copy))
    return image_gray_copy

if __name__ == '__main__':
    img = cv2.imread('101.jpg',cv2.IMREAD_COLOR)
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    saliency_image = LC(img_gray)
    io.imsave('E:/1.jpg',saliency_image)#第一个参数是保存的路径与图片名称