接縫裁剪（Seam carving），是一個可以針對图像內容做正確縮放的算法（由Shai Avidan和Ariel Shamir所發表）。概念上，算法會找出一系列的接缝（seam）（接缝是在图像中最不重要的一連串像素），接著利用接缝對图像做縮放。如果是要縮小图像，則移除這些接缝，若是放大，則在這些接缝的位置上，插入一些像素。接缝裁剪可以人工定义一些不会被修改的像素区域，也可以从图像中移除整个物体。
接缝裁剪算法的主要目的是图像重定向（image retargeting），將图像无失真的显示在各種大小的螢幕或位置上，比如說，手機、投影幕等等。
接缝（Seams）
接缝有兩種形式，水平或垂直的。接缝本身是一条由像素构成的路径，水平的接缝连接图像的左侧和右侧，路径中的像素个数和图像的列数一致。垂直接缝则类似，连接图像的顶部和底部，像素个数和图像的行数一致。接缝上每个像素都有存在一个称为重要性或者能量的指标，这个指标的值是根据像素的邻接像素计算得到的。一个像素和周边像素的相似度越高，则其重要性或者说能量就越低。
算法
- 首先，我們拿到一張需要縮小的照片（這裡以縮小舉例）
- 接著我們計算照片中每一個像素的強度（energy），這一步可以由很多演算法完成，這裡以gradient magnitude為例。
- 有了每一個pixel的強度後，我們可以利用一些演算法，像是dynamic programming等等，找到圖中數條強度較低的seams。
Seams 在gradient magnitude圖中的樣子:
Seams 在原始圖片中的樣子:
（從seams在原始圖中的樣子，我們可以看到所謂強度低的seam，基本上就可以表達照片中相對不重要的部分）
- 接著我們把這些seams拿掉，就可以拿到一張縮小後的照片。
- 若是我們需要放大圖片，則我們可以在這些我們找到的seam的旁邊，增加pixel，而pixel的value可以簡單的取附近的pixel的平均。
計算 seams
在這個演算法中，我們每次要找出一條照片中能量最小的seam，這裡的能量可以想成是頻率低，或者是照片中較為不重要的pixel。而找出seam的方法有很多種，我們可以利用dynamic programming或者其他演算法完成。
動態規劃
以下為matlab的ref code，示範的是找出水平的seam後，放大圖片。
function srcImg = seam_carving(srcImg, targetH)
% srcImg為原始的圖片, targetH為想要放大到的高
% h, w為原始圖片的長和寬
[ h, w, ~ ] = size( srcImg );
while h 1 && dp( j - 1, i - 1 ) h
srcImg( path( 1, i ) + 1, i, : ) = srcImg( path( 1, i ), i, : );
else
srcImg( path( 1, i ) + 1, i, : ) = srcImg( path( 1, i ), i, : ) / 2 + ...
srcImg( path( 1, i ) + 2, i, : ) / 2;
end
end
% 取得新的長和寬
[ h, w ] = size( srcImg );
end
end
评论 (0)