基于直方图对比度的显著性检测（HC）

最新推荐文章于 2024-03-13 15:14:44 发布
最新推荐文章于 2024-03-13 15:14:44 发布
阅读量1.2w 收藏 28
点赞数 6
分类专栏： 显著性检测算法 文章标签： 显著性检测 HC 基于直方图
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/qq_22238021/article/details/72875087
版权
本文介绍了一种基于直方图对比度（HC）的显著性检测方法，该方法源于程明明老师2008年在CVPR上的论文。算法通过计算像素间的颜色差异来确定显著性值，利用颜色量化和平滑处理减少噪声。通过MATLAB实现步骤，包括颜色量化、高频颜色选择、颜色平滑和显著值计算，最终生成显著图。
摘要由CSDN通过智能技术生成

该方法为程明明老师2008年发表在cvpr上的文章Global Contrast based Salient Region Detection中提出的（详细算法见原文点击打开链接）。

该方法只用到了颜色特征。一个像素的显著值是通过与图像中的所有其它像素的色差来定义的。比如方程1：

                       

最低0.47元/天 解锁文章
Unique-You
关注
专栏目录
显著性检测代码及图片_显著性检测HC/LC/AC/FT算法_
10-01
1. **HC算法（Hou and Cheng）**：由Hou和Cheng提出的这种方法基于图像的局部对比度和边缘强度来计算显著性。它首先通过计算梯度直方图来估计局部对比度，然后利用边缘信息进行增强。算法的核心是结合这两个特征来...
显著性检测的四种经典方法
热门推荐
咸鱼半条
12-21 2万+
本文为转载 颜色，这样就可以构造一个较小的直方图用来加速，但是由于过渡量化会对结果带来一定的瑕疵。因此作者又用了一个平滑的过程。 最后和LC不同的是，作者的处理时在Lab空间进行的，而由于Lab空间和RGB并不是完全对应的，其量化过程还是在RGB空间完成的。      我们简单看看这个量化过程，对于一幅彩色图像，减少其RGB各分量的值，可以用Photoshop的色调分离功能直接看到
HC(Histogram-based Contrast) 基于直方图对比度的显著性（算法原理与代码分析）
zhangxiaio1的博客
04-05 1310
图像中像素的显著性值可以它和图像中其它像素的对比度来定义, 具体公式为:其中,为像素的颜色, n为图像中所有颜色的总数,为在图像I中出现的概率,为颜色在彩色空间Lab之间的距离.对于每个像素，使用上述公式就可以计算其显著性, 从而可以得到图像中目标的显著性.然而，上述公式存在一个问题: 对于三维颜色空间，例如RGB颜色空间, 8bit数据的颜色总数为 255ｘ２５５ｘ２５５=16581375, 计算量异常庞大，不适合实际应用.
图像显著性检测算法（学习笔记）
最新发布
Hilaryw的博客
03-13 1704
剩下的像素颜色，包含不高于5%的图像像素，这部分颜色被。基于局部对比度的方法，先将图像分割成小区域，采用的分割方法是基于图的分割，基本分割思想是将每个像素点作为无向图的顶点，两个像素点之间的不相似度作为边的权重，要求连接相同区域内的两个顶点的边的最大权重要小于连接不同区域的顶点的边的最小权重，在迭代过程中进行顶点归纳与区域合并。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。1*256矩阵记录。
全局对比度的图像显著性检测算法
小白学视觉
07-21 2687
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达 本文转自：opencv学堂显著性检测概念显著性就是可以快速引起你注意的对象或者物体，在图像或者视频...
图像直方图之图像对比度
大熊
08-14 1万+
                                                       图像直方图之图像对比度 直方图也可以描述图像对比度的情况。对比度是衡量某一图像某一场景中亮区域和暗区域之间亮度差异的尺度。宽广的直方图可以反映某一图像具有较高对比度，反之，较为窄小的直方图反映了某一图像具有较低对比度。这种对比度的差异可能由于光照条件和其他多种因素共同造成。在大雾天气中所...
基于MATLAB的直方图和区域对比度相结合的图像显著性检测.pdf
06-27
针对给定文件内容，以下是关于“基于MATLAB的直方图和区域对比度相结合的图像显著性检测”的详细知识点阐述： 1. 图像显著性检测的概念与背景：图像显著性检测，是指通过计算图像中不同区域的显著性来突出显示图像...
基于信息量增强的共生直方图显著性检测算法
03-19
该方法针对现有基于共生直方图显著性检测算法在面对高对比度边缘物体时容易受到影响的缺陷，提出了一种改进算法，即通过信息量来增强显著性检测的效果。 显著性检测是计算机视觉领域的一个重要课题，其目的是模拟...
基于物体信息的图像显著性区域检测
03-08
2. 物体特征提取：在检测到物体后，通过颜色直方图、纹理描述符、深度信息等手段提取物体的视觉特征，这些特征有助于后续的显著性分析。 3. 物体的语义理解：结合上下文信息及语义分析工具，来理解图像中物体的语义...
显著性检测—HC（matlab版）
12-14
程明明老师Global contrast based salient region detection的HC部分的matlab实现，测试很快，好用。文件很全，包括HC.m ， RGB2lab.m , lab2RGB.m ,作者的源代码也放了进去。
HC，RC显著性探测代码
10-11
程明明显著性探测文章中的代码，他的个人网站上有可以下载 ，方便大家，在此提供！
Codes-ECCV12ITTI_图像显著性检测_
10-03
传统的显著性检测方法通常基于低级特征如色彩对比度和边缘强度，而随着深度学习的发展，现代方法更倾向于利用卷积神经网络（CNNs）来学习高级语义特征。 这个压缩包中的代码可能包含了以下关键组成部分： 1. **...
显著性物体检测: Global Contrast based Salient Region Detection (RC 和 HC)
wae42675的博客
04-30 5077
前言：论文链接：Global Contrast based Salient Region Detection2013年，CVPR，来自于程明明团队，主要提出一种基于全局对比度的显著性区域检测算法。作者主要认为：全局对比，避免仅在物体轮廓处产生较高显著值（局部对比的缺点）；有利于为相似区域分配一个相近的显著值，均匀突出目标；物体显著性，主要由它与周围区域对比度决定，相距很远的区域起作用较小；算法细节...
图像处理1：图像的直方图优化算法（增强图像的对比度）（附matlab和python代码）
weixin_44719615的博客
05-17 2372
图像的增强： 1.频域处理法：以卷积为基础，傅里叶变换，小波变换 2.空域处理法：图像灰度映射变换为基础，图像的对比度增强，图像的灰度层次优化 直方图优化算法：其基本思想是把原始图像的灰度统计直方图变换成均匀分布的形式，这样就增强了像素灰度值的动态范围，从而达到增强图像整体对比度的效果。直方图均衡化经常用来使所有的图片具有相同的亮度条件的参考工具，这在很多情况下都很有用，例如，脸部识别，在训练分类器前，训练集 的所有图片都要先进行直方图均衡化从而使它们达到相同的亮度条件。 %%%mat..
【手撕算法】HC显著性检测算法
qq_43667130的博客
03-05 4044
前言 HC算法出自程明明老师的论文： Global Contrast based Salient Region Detection 这个论文一共提到了两种算法，分别是HC与RC。 HC仅仅是考虑了颜色特征，而RC考虑了空间特征。我们上一篇文章介绍的LC算法就是仅考虑了颜色特征。 HC算法和LC算法本质上是没有什么区别的， 但上篇LC算法我们给出代码处理的是灰度图，而HC算法是在LAB颜色空间处理的彩色图。 RC以后再说。 此外我建了一个微信交流群，号主我比较菜，不过群里有厉害的哈哈，欢迎大家进群一起学习.
HC(Histogram-based Contrast) 基于直方图对比度的显著性
yfor1008
10-13 931
HC(Histogram-based Contrast) 基于直方图对比度的显著性 来源于: 2011, Global contrast based salient region detection, ChengSaliencyCVPR2011.pdf (mmcheng.net) 详见作者主页: Global contrast based salient region detection – 程明明个人主页 (mmcheng.net) 显著性定义 图像中像素的显著性值可以它和图像中其它像素的对比度来定义,
Python 实现基于直方图对比度的显著性检测
03-31
以下是一个基于直方图对比度的显著性检测的 Python 实现示例： ```python import cv2 import numpy as np # 读取图像 img = cv2.imread('image.jpg') # 计算图像的灰度直方图 hist = cv2.calcHist([img], [0], None, [256], [0, 256]) # 计算灰度直方图的均值 hist_mean = np.mean(hist) # 计算灰度直方图的标准差 hist_std = np.std(hist) # 计算灰度直方图的对比度 hist_contrast = (hist_std / hist_mean) # 显示原始图像和计算结果 cv2.imshow('Image', img) print('Contrast:', hist_contrast) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这个示例中，我们首先使用 OpenCV 的 `cv2.imread()` 函数读取了一张图像。然后，使用 `cv2.calcHist()` 函数计算了图像的灰度直方图。接下来，计算了灰度直方图的均值和标准差，以及由此计算得出的对比度。最后，使用 `cv2.imshow()` 函数显示了原始图像，并在控制台输出了计算结果。 需要注意的是，这个示例中仅仅是对图像的灰度直方图进行了分析，而没有考虑到其他的视觉特征。因此，这个基于直方图对比度的显著性检测方法仅仅是一种简单的示例，仅适用于某些特定的图像。在实际应用中，我们需要考虑到其他的因素，例如图像的颜色、纹理等等。
评论
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