简单图像显著性特征提取matlab实现,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

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：

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

void SalientRegionDetectionBasedonLC(Mat &src){

int HistGram[256]={0};

int row=src.rows,col=src.cols;

int gray[row][col];

//int Sal_org[row][col];

int val;

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

Point3_* p;

for (int i=0;i

for (int j=0;j

p=src.ptr > (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 

{

val = 0;

for (X = 0; 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 

{

for (X = 0; X 

{

Sal.at(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

//Sal.at(Y,X) = (Dist[gray[Y][X]])*255/(max_gray);        //    计算全图每个像素的显著性

}

}