Image Retargeting - 图像缩略图 图像重定向

Image Retargeting

图像缩略图、图像重定向

前言

这篇文章主要对比DL出现之前的几种上古算法，为了作为DL方法的引子而存在，顺便博客也该更新点新内容上来了，这篇博文就是介绍了我最近在玩什么。

本文方法

传统的方法主要有三种：Resize（拉伸、收缩）、Crop（裁剪）和Seam Carving（接缝裁剪）。

其中接缝裁剪这个算法挺好玩的，论文参见 Seam Carving，截止本篇博文，被引用次数是1914次，可以说是很经典的文章了。

该论文实现的效果图：

本文用到的python库

三种算法的对比由python实现，python版本为python3.8，对应下列依赖库版本为conda直接安装，不同版本请注意自己改动部分接口。

opencv 用于图像处理
scipy 用于图像卷积
notebook 提供环境
matplotlib 用于图像显示
tqdm 用于进度显示（可不用 主要是因为SC算法太慢了 会让人觉得程序卡了
numpy 用于辅助opencv

具体引用代码如下：

import cv2
import matplotlib.pyplot as plt
import numpy as np
from scipy.ndimage.filters import convolve
from tqdm import trange

图像的读入

都有opencv了，还用问么？

img = cv2.imread('test1.jpg')
imshow(img)
img.shape

图像的显示

其中imshow()函数是自己定义的，用于显示处理结果和处理过程的中间图像，这样就方便在notebook中查看了，需要注意的是opencv存储图像的格式和PIL不太一样，为bgr，需要转换。

def imshow(img):
    if (len(img.shape) == 2) :
        plt.imshow(img)
        plt.show()
        return
    b,g,r = cv2.split(img) 
    img_rgb = cv2.merge([r,g,b]) 
    plt.imshow(img_rgb)
    plt.show()

方法一：裁剪（Crop）

裁剪配合numpy的花式索引（别笑，这是正式名称）即可实现，本