日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網站首頁 編程語言 正文

openCV顯著性檢測的使用_python

作者：山居秋暝LS ? 更新時間： 2022-05-31 編程語言

1. 概念

顯著性檢測，就是使用圖像處理技術和計算機視覺算法來定位圖片中最“顯著”的區域。顯著區域就是指圖片中引人注目的區域或比較重要的區域，例如人眼在觀看一幅圖片時會首先關注的區域。例如下圖，我們人眼一眼看過去首先注意到的不是草坪，而是躺在草坪上的內馬爾，內馬爾所在的區域就是顯著性區域。這種自動定位圖像或場景重要區域的過程稱為顯著性檢測。顯著性檢測在目標檢測、機器人領域有很多應用。

在OpenCV的saliency模塊中有三種顯著性檢測算法：

  • Static saliency：此類顯著性檢測算法依賴于圖像特征和統計信息來定位圖像中顯著性區域。
  • Motion saliency: 此類顯著性檢測算法輸入為視頻或一系列連續幀。運動顯著性算法處理這些連續的幀，并跟蹤幀中“移動”的對象。這些移動的對象被認為是顯著性區域。
  • Objectness：這類顯著性檢測算法計算出一個個的建議區域（proposals），這些建議區域被認為是目標可能存在的區域。

OpenCV提供類4種顯著性檢測算法的實現：

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

2 靜態顯著性檢測

static_saliency.py使用兩種Static saliency算法：cv2.saliency.StaticSaliencySpectralResidual_create()和cv2.saliency.StaticSaliencyFineGrained_create()。使用computeSaliency()計算圖片的顯著性區域，返回結果是和輸入圖片一樣大小的矩陣，每個像素位置的取值[0,1]，值越大表示該像素位置越顯著。最后我將返回顯著性矩陣可視化出來。

3 代碼

'''
2 圖像凸顯
'''
import cv2
import matplotlib.pyplot as plt

# 1 read
img = cv2.imread('luna.png',1)
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

# 2 StaticSaliencySpectralResidual_create()
Residual = cv2.saliency.StaticSaliencySpectralResidual_create()
_,img_Residual = Residual.computeSaliency(img)
img_Residual = (img_Residual * 255).astype("uint8")

# 3 saliency.StaticSaliencyFineGrained_create()
Grained = cv2.saliency.StaticSaliencyFineGrained_create()
_,img_Grained = Grained.computeSaliency(img)
img_Grained = (img_Grained*255).astype('uint8')
thre = cv2.threshold(img_Grained, 0, 255,
? ? ? ? ? ? ? ? ? ? ?cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]


# 4 show
plt.subplot(221)
plt.imshow(img)
plt.title('img')

plt.subplot(222)
plt.imshow(img_Residual)
plt.title('img_Residual')
#
plt.subplot(223)
plt.imshow(img_Grained)
plt.title('img_Grained')

plt.subplot(224)
plt.imshow(thre)
plt.title('thre')

plt.show()

原文鏈接：https://blog.csdn.net/qq_35732321/article/details/123532399

欄目分類
最近更新