图像处理：人群计数中密度图的生成——以ShanghaiTechA数据集为例

1. 前言

记录密度图的生成，防止以后找不到。代码也是从别人那得来的

2. 高斯核模糊

在生成伪装密度图时，使用如下公式：

\[F(x) = \sum^N_{i=1} \delta(x-x_i) * G_{\sigma}(x) \]

其实就是在有人头的地方，首先把像素的值设为1，然后对它及周围的区域进行高斯平滑

这就是模糊图放大后的样子。

3. 代码

import  scipy.io as io   # 读取mat文件的坐标
import cv2  # 读取图像和在高斯核计算时使用
import numpy as np
from matplotlib import pyplot as plt

# 获取标注
pixes = io.loadmat("./GT_IMG_1.mat")
counts = pixes['image_info'][0][0][0][0][1][0][0]  # 标签总人数 嵌套了很多层数组
xy = pixes['image_info'][0][0][0][0][0]  # (counts,2)的数组

# 获得高斯核
def fspecial(ksize_x=5, ksize_y = 5, sigma=4):
    # 返回大小为(ksize,ksize)的二维高斯滤波器核矩阵
    # 完全等价于matlab中的fspecial('Gaussian',[ksize, ksize],sigma);
    kx = cv2.getGaussianKernel(ksize_x, sigma)
    ky = cv2.getGaussianKernel(ksize_y, sigma)
    return np.multiply(kx,np.transpose(ky)) # 原理可参考https://blog.csdn.net/yl_best/article/details/106357056

# 读取图片文件主要是为了获取尺寸
from PIL import Image
img = Image.open("./IMG_1.jpg").convert("L")
img = np.array(img)

# 以灰度图形式显示，不显示坐标轴
plt.imshow(img,cmap='Greys_r')
plt.axis('off')
plt.show()

# 开始生成密度图了
h,w = img.shape
# 密度图
labels = np.zeros(shape=(h,w))

for loc in xy:
    f_size = 15
    sigma = 4.0
    H = fspecial(f_size,f_size,sigma)
    x = min(abs(int(loc[0])),int(w))  # 头部坐标
    y = min(abs(int(loc[1])),int(h))  # 防止越界

    # 邻域的对角 考虑选择 (x1,y1) 到 (x2,y2) 区域
    x1 = x - f_size/2 ; y1 = y - f_size/2
    x2 = x + f_size/2 ; y2 = y + f_size/2
    dfx1 = 0; dfy1 = 0; dfx2 = 0; dfy2 = 0  # 偏移
    change_H = False
    
    if x1 < 0 :
        # 左上角在图像外了
        dfx1 = abs(x1) # 偏移量就是它的绝对值
        x1 = 0 # 左上角直接置零，源码中是1，因为matlab矩阵索引从0开始
        change_H = True
    if y1 < 0:
        dfy1 = abs(y1)
        y1 = 0
        change_H = True
    if x2 > w:
        dfx2 = x2 - w
        x2 =w-1  # 右下角超出，那么直接是最后一行/列，索引值是h-1和w-1
        change_H =True
    if y2 > h:
        dfy2 = y2 -h
        y2 = h-1
        change_H =True
    x1h = 1+dfx1
    y1h = 1 + dfy1  
    x2h = f_size - dfx2 # x2h-x1h +1 = f_size - dfx2 - dfx1  其中dfx2+dfx1 
    y2h = f_size - dfy2 # y2h-y1h +1 =  f_size - dfy2 -1 - dfy1 +1 = f_size - dfy2 - dfy1
    if change_H:
        H = fspecial(int(y2h-y1h+1), int(x2h-x1h+1),sigma)
    labels[int(y1):int(y2), int(x1):int(x2)] = labels[int(y1):int(y2), int(x1):int(x2)] + H

plt.imshow(labels,cmap='jet')
plt.axis('off')