OpenCV—python 显着性检测二

这里只是展示一下OpenCV自带的显着性检测函数。效果都不是很好，各位可以测试一下。
需要OpenCV 3.4或更高版本

• cv2.saliency.ObjectnessBING_create()
• cv2.saliency.StaticSaliencySpectralResidual_create()
• cv2.saliency.StaticSaliencyFineGrained_create()
• cv2.saliency.MotionSaliencyBinWangApr2014_create()

静态显着性

OpenCV实现了两种用于静态显着性检测的算法。

第一种方法来自Montabone and Soto的2010年出版的《使用移动平台进行人体检测》和源自视觉显着性机制的新颖功能。
该算法最初用于检测图像和视频流中的人，但也可以推广到其他形式的显着性。
第二种方法是Hou和Zhang在其2007年CVPR论文中提出的“ 显着性检测：一种光谱残留方法”。
关于原理【请点击】

import cv2


imgpath = r'C:\Users\xxx\Desktop\the_angry_birds_movie.jpg'
image = cv2.imread(imgpath)
saliency = cv2.saliency.StaticSaliencySpectralResidual_create()
(success, saliencyMap) = saliency.computeSaliency(image)
saliencyMap = (saliencyMap * 255).astype("uint8")
cv2.imshow("Image", image)
cv2.imshow("Output", saliencyMap)
cv2.waitKey(0)
cv2.destroyAllWindows()

=======================================================================
imgpath = r'C:\Users\xxx\Desktop\the_angry_birds_movie.jpg'
image = cv2.imread(imgpath)
saliency = cv2.saliency.StaticSaliencyFineGrained_create()
(success, saliencyMap) = saliency.computeSaliency(image)

# 对显著映射设置阈值
threshMap = cv2.threshold(saliencyMap.astype("uint8"), 0, 255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
cv2.imshow("Image", image)
cv2.imshow("Output", saliencyMap)
cv2.imshow("Thresh", threshMap)
cv2.waitKey(0)

运动显着性

OpenCV显着性检测器来自Wang和Dudek的2014年出版的一种快速自调整背景扣除算法。
https://ieeexplore.ieee.org/document/6910012/

from imutils.video import VideoStream
import imutils
import time
import cv2


saliency = None
vs = VideoStream(src=0).start()
time.sleep(2.0)

while True:
    frame = vs.read()
    frame = imutils.resize(frame, width=500)


    if saliency is None:   # 若显著性对象是None，则需要实例化
        saliency = cv2.saliency.MotionSaliencyBinWangApr2014_create()
        saliency.setImagesize(frame.shape[1], frame.shape[0])
        saliency.init()

    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    (success, saliencyMap) = saliency.computeSaliency(gray)
    saliencyMap = (saliencyMap * 255).astype("uint8")

    cv2.imshow("Frame", frame)
    cv2.imshow("Map", saliencyMap)
    key = cv2.waitKey(1) & 0xFF

    if key == ord("q"):
        break

cv2.destroyAllWindows()
vs.stop()

客观显着性

OpenCV包含一个客观性显着性检测器-BING：由Cheng等人在300fps下进行客观性估计的二值化范数梯度。（CVPR 2014）。https://mmcheng.net/bing/
OpenCV中的其他显着性检测器在实现中完全独立的不同，BING显着性检测器需要九个单独的模型文件以用于各种窗口大小，色彩空间和数学运算。
测试命令：python objectness_saliency.py --model objectness_trained_model --image images/barcelona.jpg

import numpy as np
import cv2
import argparse




ap = argparse.ArgumentParser()
ap.add_argument("-m", "--model", required=True,
	help="path to BING objectness saliency model")
ap.add_argument("-i", "--image", required=True,
	help="path to input image")
ap.add_argument("-n", "--max-detections", type=int, default=10,
	help="maximum # of detections to examine")
args = vars(ap.parse_args())



image = cv2.imread(args["image"])
saliency = cv2.saliency.ObjectnessBING_create()
saliency.setTrainingPath(args["model"])

(success, saliencyMap) = saliency.computeSaliency(image)
numDetections = saliencyMap.shape[0]


for i in range(0, min(numDetections, args["max_detections"])):
	(startX, startY, endX, endY) = saliencyMap[i].flatten()
	output = image.copy()
	color = np.random.randint(0, 255, size=(3,))
	color = [int(c) for c in color]
	cv2.rectangle(output, (startX, startY), (endX, endY), color, 2)

	cv2.imshow("Image", output)
	cv2.waitKey(0)