基于OpenCV的顯著圖繪制

點擊上方“小白學視覺”，選擇加"星標"或“置頂”

重磅干貨，第一時間送達

顯著性是圖像的突出部分，我們的大腦會特別關注這個部分。上圖突出了我們在看到一個場景或圖像時會注意到的部分。例如，大家有沒有曾經在看廣告的時候被一些特別的內容吸引，為此我們還特意停下來多看了一會兒？這就是廣告的顯著性，即使讓我們可以一眼看到廣告，也會被他吸引。

首先，您需要安裝OpenCV庫。如果已經安裝了pip，則可以通過運行以下命令來完成。

>?pipinstall?opencv-python> pip install opencv-contrib-python

我們可以通過以下命令驗證安裝是否成功。

> pythonPython 3.6.3 (v3.6.3:2c5fed8, Oct 3 2017, 18:11:49)Type "help", "copyright", "credits" or "license" for more information.>> import cv2>> cv2.saliency

有很多種檢測顯著性的方法。在OpenCV中，為顯著性檢測提供的算法分為三類：

顯著圖

我們將討論靜態(tài)顯著性。靜態(tài)顯著性檢測算法使用允許檢測非動態(tài)圖像的顯著對象的不同圖像特征。OpenCV中已經實現(xiàn)了兩種算法，即頻譜殘留算法和精細算法。

該算法分析了輸入圖像的對數(shù)譜，提取了圖像在光譜域中的光譜殘差，并提出了一種構造顯著圖的快速方法，該顯著圖建議了原型物體的位置。

相似性意味著冗余。對于旨在最小化冗余視覺信息的系統(tǒng)，它必須意識到輸入刺激的統(tǒng)計相似性。因此，在可以觀察到很大形狀相似性的不同對數(shù)譜中，值得我們注意的是跳出平滑曲線的信息。我們認為，頻譜中的統(tǒng)計奇異性可能是圖像中出現(xiàn)異常對象的異常區(qū)域的原因。

而且，如果繪制顯著圖，我們可以得到下面的輸出圖像。

光譜殘留

參考：Hou, Xiaodi, and Liqing Zhang. “Saliency detection: A spectral residual approach.” Computer Vision and Pattern Recognition, 2007. CVPR‘07. IEEE Conference on. IEEE, 2007

人眼的視網(wǎng)膜由神經節(jié)細胞組成。有兩種類型的神經節(jié)細胞，在中心和偏心。中心位于黑暗背景包圍的明亮區(qū)域。偏心對明亮背景包圍的黑暗區(qū)域做出反應。該算法根據(jù)中心上和中心外的差異計算顯著性。

中心神經節(jié)細胞和中心神經節(jié)細胞及其在視覺顯著性計算模型上的近似值

在我們的示例中，通過使用積分圖像有效地實現(xiàn)中心圓度差，演示了一種以原始圖像分辨率實時生成視覺顯著性的細粒度特征圖的方法。

而且，如果繪制顯著圖，大家將在下面得到輸出圖像。

B. Wang and P. Dudek “A Fast Self-tuning Background Subtraction Algorithm”, in proc of IEEE Workshop on Change Detection, 2014

交流群

歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學影像、GAN、算法競賽等微信群（以后會逐漸細分），請掃描下面微信號加群，備注：”昵稱+學校/公司+研究方向“，例如：”張三?+?上海交大?+?視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進入相關微信群。請勿在群內發(fā)送廣告，否則會請出群，謝謝理解~