图像接缝裁剪（seam carving）算法实现-SIGGRAPH 2007

最新推荐文章于 2024-04-22 23:25:00 发布
最新推荐文章于 2024-04-22 23:25:00 发布
阅读量1.4w 收藏 60
点赞数 10
分类专栏： 图像处理与机器视觉 文章标签： 图像分割 内容保留 图像伸缩 动态规划
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/czl389/article/details/53746668
版权

seam carving是SIGGRAPH 2007数字图形学年会上，以色列两位教授提出的算法，用于实现“内容保留”的图像伸缩。 出自论文《Seam Carving for Content-Aware Image Resizing》，作者的个人主页有对该算法的描述。

常规的图像伸缩基于采样和插值，图像内容会产生拉伸或压缩，比如图像中有人脸等内容，通常产生糟糕的效果。seam carving的基本思想是：图像中不同的位置“能量”不同，有重要内容的地方能量大，反之，可有可无的位置能量就小。这个能量函数可以是梯度，这有一定道理，梯度大的地方亮度变化剧烈、纹理丰富，一般是重要内容；梯度小的位置亮度变化小，比如蓝天，删除一条缝隙对图像影响较小。

考虑横向或者纵向寻找一条接缝，怎么样寻找这样一条能量最小的接缝？可以通过动态规划的方法实现。看了wiki百科：seam carving和这篇博客Eric Yuan's Blog，你会发现代码实现还是很简单的。

放上代码(Matlab):

main：

%%%%%%%%%%%%%%%%
%
%使用动态规划的方法实现seam carving
%
%   2016.12.09 南京
%
%%%%%%%%%%%%%%%%
clc;
clear;
Im=imread('ori.jpg');
gauss=fspecial('gaussian',[3,3],2);
Blur=imfilter(Im,gauss,'same');

[m,n,c]=size(Im);
%灰度图
Gray=rgb2gray(Im);

%求梯度图
hy=fspecial('sobel');
hx=hy';
Iy=imfilter(double(Gray),hy,'replicate');
Ix=imfilter(double(Gray),hx,'replicate');
Gradient=sqrt(Ix.^2+Iy.^2);
%归一化
max1=max(max(Gradient)');
Gradient=Gradient./max1;

%能量值图
Energy=zeros(m,n);
%路径图
Path=zeros(m,n);
tmp=0;
for i=1:m
    for j=1:n
        if(i==1)
            Energy(i,j)=Gradient(i,j);
            Path(i,j)=0;
        else
            if(j==1)
                tmp=which_min2(Energy(i-1,j),Energy(i-1,j+1));
                Energy(i,j)=Gradient(i,j)+Energy(i-1,j+tmp);
                Path(i,j)=tmp;
            elseif(j==n)
                tmp=which_min2(Energy(i-1,j-1),Energy(i-1,j));
                Energy(i,j)=Gradient(i,j)+Energy(i-1,j-1+tmp);
                Path(i,j)=tmp-1;
            else
                tmp=which_min3(Energy(i-1,j-1),Energy(i-1,j),Energy(i-1,j+1));
                Energy(i,j)=Gradient(i,j)+Energy(i-1,j-1+tmp);
                Path(i,j)=tmp-1;
            end
        end
    end
end
%归一化
%归一化
max2=max(max(Energy)');
Energy=Energy./max2;

%能量最小路径的最后一行的纵坐标
lastCol=find(Energy(m,:)==min(Energy(m,:)));
col=lastCol(1);
%描画出分割线
Line=Im;
for i=m:-1:1
    Line(i,col,:)=[0,255,0];
    col=col+Path(i,col);
end

%消除路径上的点
Im=Im(:);
for i=m:-1:1
    Im(1*i+col)=[];
    Im(2*i+col)=[];
    Im(3*i+col)=[];
    col=col+Path(i,col);
end
Im=reshape(Im,m,n-1,3);
%Gradient是梯度图
figure,imshow(Gradient);title('Gradient Image');
%Energy是能量图
figure,imshow(Energy);title('Energy Image');
%Line是标注了分割线的图
figure,imshow(Line);title('Image with Seam');
%在Im上将分割线切掉
figure,imshow(Im);title('after Cut Seam');
which_min2函数： 

function tmp=which_min(x,y)
if(min([x,y])==x)
    tmp=0;
else
    tmp=1;
end
which_min3函数： 
function tmp=which_min3(x,y,z)
if(min([x,y,z])==y)
    tmp=1;
elseif(min([x,y,z])==x)
    tmp=0;
    else
    tmp=2;
end

效果：


原图



能量（梯度）图



累加能量图



将要裁剪的接缝



删除接缝处的像素之后（因为仅删除一条线，和原图相比，变化甚微）


在网上搜集的C++版（使用OpenCV）

#include "opencv2/opencv.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdio.h>
#define NUM 220

void calculateEnergy(cv::Mat& srcMat,cv::Mat& dstMat,cv::Mat& traceMat)
{
	srcMat.copyTo(dstMat);   //不用“=”，防止两个矩阵指向的都是同一个矩阵，现在只需要传里面的数值

	for (int i = 1;i < srcMat.rows;i++)  //从第2行开始计算
	{
		//第一列
		if (dstMat.at<float>(i-1,0) <= dstMat.at<float>(i-1,1))
		{
			dstMat.at<float>(i,0) = srcMat.at<float>(i,0) + dstMat.at<float>(i-1,0);
			traceMat.at<float>(i,0) = 1; //traceMat记录当前位置的上一行应取那个位置，上左为0，上中1，上右为2
		}
		else
		{
			dstMat.at<float>(i,0) = srcMat.at<float>(i,0) + dstMat.at<float>(i-1,1);
			traceMat.at<float>(i,0) = 2;
		}
		
		//中间列
		for (int j = 1;j < srcMat.cols-1;j++)
		{
			float k[3];
			k[0] = dstMat.at<float>(i-1,j-1);
			k[1] = dstMat.at<float>(i-1,j);
			k[2] = dstMat.at<float>(i-1,j+1);

			int index = 0;
			if (k[1] < k[0])
				index = 1;
			if (k[2] < k[index])
				index = 2; 
			dstMat.at<float>(i,j) = srcMat.at<float>(i,j) + dstMat.at<float>(i-1,j-1+index);
			traceMat.at<float>(i,j) = index;

		}

		//最后一列
		if (dstMat.at<float>(i-1,srcMat.cols-1) <= dstMat.at<float>(i-1,srcMat.cols-2))
		{
			dstMat.at<float>(i,srcMat.cols-1) = srcMat.at<float>(i,srcMat.cols-1) + dstMat.at<float>(i-1,srcMat.cols-1);
			traceMat.at<float>(i,srcMat.cols-1) = 1; 
		}
		else
		{
			dstMat.at<float>(i,srcMat.cols-1) = srcMat.at<float>(i,srcMat.cols-1) + dstMat.at<float>(i-1,srcMat.cols-2);
			traceMat.at<float>(i,srcMat.cols-1) = 0;
		}

	}
}

// 找出最小能量线
void getMinEnergyTrace(const cv::Mat& energyMat,const cv::Mat& traceMat,cv::Mat& minTrace)
{
	int row = energyMat.rows - 1;// 取的是energyMat最后一行的数据，所以行标是rows-1

	int index = 0;	// 保存的是最小那条轨迹的最下面点在图像中的列标

	// 获得index，即最后那行最小值的位置
	for (int i = 1;i < energyMat.cols;i++)
	{
		if (energyMat.at<float>(row,i) < energyMat.at<float>(row,index))
		{
			index = i;
		} // end if
	} // end for i = ...
	
	// 以下根据traceMat，得到minTrace，minTrace是多行一列矩阵
	{
		minTrace.at<float>(row,0) = index;

		int tmpIndex = index;

		for (int i = row;i > 0;i--)
		{
			int temp = traceMat.at<float>(i,tmpIndex);// 当前位置traceMat所存的值

			if (temp == 0) // 往左走
			{
				tmpIndex = tmpIndex - 1;
			}
			else if (temp == 2) // 往右走
			{
				tmpIndex = tmpIndex + 1;
			} // 如果temp = 1，则往正上走，tmpIndex不需要做修改

			minTrace.at<float>(i-1,0) = tmpIndex;
		}
	}
}

// 删掉一列
void delOneCol(cv::Mat& srcMat,cv::Mat& dstMat,cv::Mat& minTrace,cv::Mat& beDeletedLine)
{
	
	for (int i = 0;i < dstMat.rows;i++)
	{
		int k = minTrace.at<float>(i,0);
		
		for (int j = 0;j < k;j++)
		{
			dstMat.at<cv::Vec3b>(i,j)[0] = srcMat.at<cv::Vec3b>(i,j)[0];
			dstMat.at<cv::Vec3b>(i,j)[1] = srcMat.at<cv::Vec3b>(i,j)[1];
			dstMat.at<cv::Vec3b>(i,j)[2] = srcMat.at<cv::Vec3b>(i,j)[2];
		}
		for (int j = k;j < dstMat.cols-1;j++)
		{
			if (j == dstMat.cols-1)
			{
				int a = 1;
			}
			dstMat.at<cv::Vec3b>(i,j)[0] = srcMat.at<cv::Vec3b>(i,j+1)[0];
			dstMat.at<cv::Vec3b>(i,j)[1] = srcMat.at<cv::Vec3b>(i,j+1)[1];
			dstMat.at<cv::Vec3b>(i,j)[2] = srcMat.at<cv::Vec3b>(i,j+1)[2];

		}
		{
			beDeletedLine.at<cv::Vec3b>(i,0)[0] = srcMat.at<cv::Vec3b>(i,k)[0];
			beDeletedLine.at<cv::Vec3b>(i,0)[1] = srcMat.at<cv::Vec3b>(i,k)[1];
			beDeletedLine.at<cv::Vec3b>(i,0)[2] = srcMat.at<cv::Vec3b>(i,k)[2];
		}
	}
}

void run(cv::Mat& image,cv::Mat& outImage,cv::Mat& outMinTrace,cv::Mat& outDeletedLine)
{
	cv::Mat image_gray(image.rows,image.cols,CV_8U,cv::Scalar(0));
	cv::cvtColor(image,image_gray,CV_BGR2GRAY); //彩色图像转换为灰度图像

	cv::Mat gradiant_H(image.rows,image.cols,CV_32F,cv::Scalar(0));//水平梯度矩阵
	cv::Mat gradiant_V(image.rows,image.cols,CV_32F,cv::Scalar(0));//垂直梯度矩阵

	cv::Mat kernel_H = (cv::Mat_<float>(3,3) << 0, 0, 0, 0, 1, -1, 0, 0, 0); //求水平梯度所使用的卷积核（赋初始值）
	cv::Mat kernel_V = (cv::Mat_<float>(3,3) << 0, 0, 0, 0, 1, 0, 0, -1, 0); //求垂直梯度所使用的卷积核（赋初始值）

	cv::filter2D(image_gray,gradiant_H,gradiant_H.depth(),kernel_H);
	cv::filter2D(image_gray,gradiant_V,gradiant_V.depth(),kernel_V);

	cv::Mat gradMag_mat(image.rows,image.rows,CV_32F,cv::Scalar(0));
	cv::add(cv::abs(gradiant_H),cv::abs(gradiant_V),gradMag_mat);//水平与垂直滤波结果的绝对值相加，可以得到近似梯度大小

	如果要显示梯度大小这个图，因为gradMag_mat深度是CV_32F，所以需要先转换为CV_8U
	//cv::Mat testMat;
	//gradMag_mat.convertTo(testMat,CV_8U,1,0);
	//cv::imshow("Image Show Window2",testMat);

	//计算能量线
	cv::Mat energyMat(image.rows,image.cols,CV_32F,cv::Scalar(0));//累计能量矩阵
	cv::Mat traceMat(image.rows,image.cols,CV_32F,cv::Scalar(0));//能量最小轨迹矩阵
	calculateEnergy(gradMag_mat,energyMat,traceMat); 

	//找出最小能量线
	cv::Mat minTrace(image.rows,1,CV_32F,cv::Scalar(0));//能量最小轨迹矩阵中的最小的一条的轨迹
	getMinEnergyTrace(energyMat,traceMat,minTrace);

	//显示最小能量线
	cv::Mat tmpImage(image.rows,image.cols,image.type());
	image.copyTo(tmpImage);
	for (int i = 0;i < image.rows;i++)
	{
		int k = minTrace.at<float>(i,0);
		tmpImage.at<cv::Vec3b>(i,k)[0] = 0;
		tmpImage.at<cv::Vec3b>(i,k)[1] = 0;
		tmpImage.at<cv::Vec3b>(i,k)[2] = 255;
	}
	cv::imshow("Image Show Window (A)",tmpImage);

	//删除一列
	cv::Mat image2(image.rows,image.cols-1,image.type());
	cv::Mat beDeletedLine(image.rows,1,CV_8UC3);//记录被删掉的那一列的值
	delOneCol(image,image2,minTrace,beDeletedLine);
	cv::imshow("Image Show Window",image2);

	image2.copyTo(outImage);
	minTrace.copyTo(outMinTrace);
	beDeletedLine.copyTo(outDeletedLine);
}

void recoverOneLine(cv::Mat& inImage,cv::Mat&inTrace,cv::Mat& inDeletedLine,cv::Mat& outImage)
{
	
	cv::Mat recorvedImage(inImage.rows,inImage.cols+1,CV_8UC3);
	for (int i = 0; i < inImage.rows; i++)
	{
		int k = inTrace.at<float>(i);
		for (int j = 0; j < k; j++)
		{
			recorvedImage.at<cv::Vec3b>(i,j)[0] = inImage.at<cv::Vec3b>(i,j)[0];
			recorvedImage.at<cv::Vec3b>(i,j)[1] = inImage.at<cv::Vec3b>(i,j)[1];
			recorvedImage.at<cv::Vec3b>(i,j)[2] = inImage.at<cv::Vec3b>(i,j)[2];
		}
		recorvedImage.at<cv::Vec3b>(i,k)[0] = inDeletedLine.at<cv::Vec3b>(i,0)[0];
		recorvedImage.at<cv::Vec3b>(i,k)[1] = inDeletedLine.at<cv::Vec3b>(i,0)[1];
		recorvedImage.at<cv::Vec3b>(i,k)[2] = inDeletedLine.at<cv::Vec3b>(i,0)[2];

		for (int j = k + 1;j < inImage.cols + 1; j++)
		{
			recorvedImage.at<cv::Vec3b>(i,j)[0] = inImage.at<cv::Vec3b>(i,j-1)[0];
			recorvedImage.at<cv::Vec3b>(i,j)[1] = inImage.at<cv::Vec3b>(i,j-1)[1];
			recorvedImage.at<cv::Vec3b>(i,j)[2] = inImage.at<cv::Vec3b>(i,j-1)[2];
		}
	}

	//显示恢复的轨迹
	cv::Mat tmpImage(recorvedImage.rows,recorvedImage.cols,recorvedImage.type());
	recorvedImage.copyTo(tmpImage);
	for (int i = 0;i < tmpImage.rows;i++)
	{
		int k = inTrace.at<float>(i,0);
		tmpImage.at<cv::Vec3b>(i,k)[0] = 0;
		tmpImage.at<cv::Vec3b>(i,k)[1] = 255;
		tmpImage.at<cv::Vec3b>(i,k)[2] = 0;
	}
	cv::imshow("Image Show Window (B)",tmpImage);

	recorvedImage.copyTo(outImage);
}

int main(int argc,char* argv)
{
	cv::Mat image = cv::imread("1.jpg");
	cv::namedWindow("Original Image");
	cv::imshow("Original Image",image);
	
	cv::Mat tmpMat;
	image.copyTo(tmpMat);

	cv::Mat traces[NUM];
	cv::Mat deletedLines[NUM];

	cv::Mat outImage;

	cv::waitKey(2000);

	for (int i = 0;i < NUM;i++)
	{
		run(tmpMat,outImage,traces[i],deletedLines[i]);
		tmpMat = outImage;
		cv::waitKey(50);
	}

	cv::Mat tmpMat2;
	outImage.copyTo(tmpMat2);

	for (int i = 0; i < NUM; i++)
	{
		
		recoverOneLine(tmpMat2,traces[NUM-i-1],deletedLines[NUM-i-1],outImage);
		tmpMat2 = outImage;
		cv::waitKey(50);
	}
	cv::waitKey(115000);
	return 0;

}


czl389
关注
  • 10
    点赞
  • 踩
  • 60
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
Matlab实现SeamCarving算法 放大缩小图片(包含GUI)
02-05
SeamCarving是一种图像处理技术，它通过删除或添加垂直或水平的像素“接缝”来改变图像的尺寸，而尽量保持视觉质量。在Matlab中实现SeamCarving算法，可以为图像的无损缩放提供一种有效的方法。下面我们将深入探讨这...
SeamCarving相关介绍及MATLAB实现
galaxyMrfanfan的博客
03-09 4426
SeamCarving是一款图像智能缩放的技术，他能在改变图像大小的同时，不影响图像的重要内容。由于是小组合作,这里就只发布我做的第一部分,裁剪线的删除和增加部分,以及GUI部分不做叙述. 如上，在这张图中，明显重要的内容就是飞鸟，而背景则不重要。传统的缩放技术，一是等比例缩放，如果纵向和横线缩放的比例不一致，就会导致图像严重变形；二是裁剪，那就会把边缘的飞鸟也裁剪掉。示范图例如下：从以上的对比图...
seam-carving算法:一种有效的图像大小调整方法
深度学习与计算机视觉
10-31 2493
介绍在本文中，我们将深入研究一种有趣的算法，称为“seam-carving”，它可以调整图像的大小而不裁剪或扭曲其内容。本文我们将逐步构建，从头开始实现接缝雕刻算法，同时查看其背后的一些...
Seam Carving 算法的 Python 高效实现
最新发布
Razirp's blog
04-22 2020
Seam Carving 算法的高效 Python 实现，相较于常见代码的性能提升达 20~40 倍。代码已开源在 GitHub。
CV | 智能缩放：浅谈Seam Carving算法 (1)
iLOVEJohnny的博客
07-14 7128
最近整合任务有点重，所以现在才更= =。之前做过一个图像智能缩放（retargeting）算法的报告，其中主要学习的是Shai于07年提出的Seam Carving，今天在这里复习一下，这个方法已经提出快10年了，所以后续也有很多优秀的算法，欢迎大家一起讨论分享。    1. 传统的图像缩放技术 首先介绍算法提出的背景，图像是当代信息传播的重要媒介，然而多种多样的显示设备和应用对图像尺
【图像处理】Seam Carving for Content-Aware Image Resizing
无极阁
07-05 3384
高效的图像放缩还需要考虑图像的内容，作者提出的方法是一种称为seam carving的简单图像操作，可以实现content-aware的图像放缩。其中，seam是一张图像从上到下或从左到右上一条可选的八连接像素路径，由图像能量函数定义。通过不断地切开或连接seam，通过在各个方向应用这个操作可以将图像放缩到一个新的尺寸。seam的选择与顺序可以保留图像基于能量函数定义的内容。seam carving同样可以用于图像内容增强和物体移除。
【opencv-python】SeamCarving
jxyyyy的博客
03-26 1826
SeamCarving中Seam的计算过程 给出能量矩阵，计算Seam 原理 给出能量矩阵，计算seam 能量矩阵：八联通，第一行值不变，从第二行开始找出能够到达该节点的最小和，采用动态规划，不断计算下一个值，直至最后一行。 实例 假设能量矩阵如下（深蓝色标记是已经计算的结果）， 举例：对于第一个图到第二个图，5、8、12都与 2 是联通的，其中最小值为（5+2），故2 更新为 7，依此类推，如下： 动态规划 import time import cv2 import numpy as np
智能缩放：浅谈Seam Carving算法 (2)
bbbeoy的专栏
09-25 589
https://blog.csdn.net/iLOVEJohnny/article/details/51915048
[译]使用 Python 实现接缝裁剪算法
weixin_33749131的博客
07-12 733
原文地址：Implementing Seam Carving with Python 原文作者：Karthik Karanth 译文出自：掘金翻译计划 本文永久链接：github.com/xitu/gold-m… 译者：caoyi0905 校对者：yqian1991 接缝裁剪是一种新型的裁剪图像的方式，它不会丢失图像中的重要内容。这通常被称之为“内容感知”裁剪或图像重定向。你可以从这张照片...
基于Python实现的数字图像Seam Carving算法复现实验.zip
07-06
阅读Seam Carving for Content-Aware Image Resizing论文，使用python复现论文中的算法并加入到pygame模块中，使其成为一个可交互的兼顾展示过程的demo。 详细介绍参考：...
Seam carving for content-aware image resizing:Seam carving的实现-matlab开发
05-29
为 GUI 运行 seamCarving_GUI.m 运行 test_code 进行简单测试阅读“Readme.pdf”了解更多技术信息。... “用于内容感知图像大小调整的接缝雕刻。” ACM 图形交易 (TOG)。 卷26. 第 3 期。ACM，2007 年。
Seam-Carving:Java中Seam Carving算法的实现
05-09
在Java中实现了Seam Carving算法。 GUI使用Java Swing开发。 实现了基于线程的用于调整图像大小的过程，该过程允许调整大小的过程在后台工作。 用户可以在调整大小后保存图像。 运行项目 要从命令行运行项目，请...
基于Seam Carving算法的图像拉伸收缩算法matlab仿真，含仿真操作录像
02-26
1.版本：matlab2021a，包含仿真操作录像，操作录像使用...3.内容：基于Seam Carving算法的图像拉伸收缩算法matlab仿真 4.注意事项：注意MATLAB左侧当前文件夹路径，必须是程序所在文件夹位置，具体可以参考视频录。
图像处理（二）Seam Carving算法-Siggraph 2007
hjimce的专栏
04-07 2万+
这边只介绍缩小算法，且是图像宽度缩小的算法，对于图像高度缩小，只需对图像转置处理。 该过程是通过迭代实现的，每次只能移除一列，迭代直到宽度满足要求。下面介绍寻找移除能量线的方法，需要注意的是，每次移除一列，都要重新计算能量图，也就是说，梯度图要重新计算，才能进行下一轮的移除工作。 算法第一步：计算图像能量图  能量图一般是图像像素的梯度模值，为了简化计算可先转换成灰度图像，然后直接采用如下公
基于Seam Carving算法的无感知图像缩放系统
whxhy666的博客
07-19 1244
图像缩放算法主要分为两类，分别是几何变换缩放算法和保持图像内容缩放算法。几何变换缩放算法常用的有均值法、最近领域法以及插值算法等。而基于图像内容的SeamCarving算法，能够较好的保持物体的内容和特征，缩放效果更好。......
seam carving
studyeboy的专栏
01-06 2027
Seam Carving andrewdcampbell/seam-carving 17. 如何通过缝隙雕刻图像：Seam Carving
基于Seam+Carving和显著性分析的图像缩放方法MATLAB仿真
FPGA/MATLAB学习教程/源码/项目合作开发
02-26 2244
本课题的主要工作是使用seam+carving算法对图像进行非等比例缩放以及无缝拼接，关于seam+caring算法的理论，这里不再重复，主要见如下的参考文献（已经提供）。 下面介绍本系统的主要操作方法以及对应的函数说明： 打开图片： 选择图片： 得到如下的仿真结果： 下面开始非等比例缩放： 从上面的图中，你可以看到人物的大小基本不变，然偶人物上方的蓝天的背景基本被缩小了。这个就是非等比例缩放的效果. 无缝拼接，利用seam-curing算法对图片进行裁剪。 ..
算法导论 接缝裁剪
cncnlg的专栏
12-24 1006
给定一副彩色图像，它由一个mxn的像素数组A[1..m,1..n]构成，每个像素是一个红绿蓝(RGB)亮度的三元组。假定我们希望轻度压缩这幅图像。具体地，我们希望从每一行中删除一个像素，使得图像变窄一个像素。但为了避免影响视觉效果，我们要求相邻两行中删除的像素必须位于同一列或相邻列。也就是说，删除的像素构成从顶端行到底端行的一条“接缝”(seam)，相邻像素均在垂直或对角线方向上相邻。   
图像拼接（一）：柱面投影+模板匹配+渐入渐出融合
热门推荐
czl389的专栏
01-18 5万+
这种拼接方法的假设前提是：待拼接的两幅图像之间的变换模型是平移模型，即两幅图像同名点位置之间只相差两个未知量：Δx\Delta x 和Δy\Delta y，自由度为2，模型收得最紧。所以只有所有图像都是用同一水平线或者同一已知倾斜角的摄像机拍摄时，这种方法才适用。 整个过程为：首先对输入的两幅图像做柱面投影；然后通过模板匹配求取Δx\Delta x 和Δy\Delta y；最后采用渐入渐出的融合方
Seam carving算法实现
04-27
Seam carving算法实现是一种图像缩放技术，它可以保持图像的主要内容不变，同时进行像素的删除或添加，以达到缩放图像的效果。实现的基本步骤包括：首先计算图像的能量矩阵，然后根据能量矩阵找到最小能量路径，最后通过删除或插入像素来进行图像的缩放。其中，能量矩阵的计算可以采用基于图像灰度值或颜色的方法。如果您有具体的问题或疑问，可以进一步和我交流探讨。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值