对Seam Carving的初步学习（一）

1、传统图像缩放技术

1）比例缩放：下采样或降采样，上采样或图像插值

2）图像裁剪

2、图像智能缩放

重要的图像内容应该尽可能保留，而相对不重要的内容可以去掉=>缩放问题转化为：1）衡量图像内容的重要性的方法（计算图中像素的能量值，如梯度值（Seam Carving就是这种方法）） 2）尽可能减弱缩放痕迹的缩放策略

Seam Carving算子

目标：移除或插入最不被注意到的像素点

像素能量方程

（1）E1能量方程

sobel算子能量方程，以每个像素对x轴和y轴的偏导和作为像素的能量值。

其中：

（2）HOG能量方程

1）标准化gamma空间与颜色空间

为减少光照因素的影响，首先需要对整个图像进行规范化（归一化）。因为颜色信息作用不大，通常先转化为灰度图，然后

2）计算图像梯度

其中Gx(x,y)为水平方向梯度，Gy(x,y)为垂直方向梯度，H(x,y)为像素值。

(x,y)处的梯度幅值和梯度方向：

3）为每个细胞单元构建梯度方向直方图

将图像分为若干个cell，设每个cell为6*6像素，用9个bin的直方图来统计这6*6个像素的梯度信息。

因为360可以分成9个40。如为20，则分到第一个bin（0~40）。梯度幅值为权重的直方图：

4）把细胞单元cell组成大的块block，块内归一化直方图。

如：3*3cell/block，6*6pixel/cell（对应9个bin），则这一block特征数为3*3*9。

5）收集HOG特征

max(HOGI(x,y))取该像素所在区间内最大的直方图数值为分母，这样使得缝接近图像边缘，正好产生平衡效果。

3、Seam Carving缩放策略

能量值越高则说明该区域是图像重要内容可能性越大。需满足每一行移除或插入像素相同。

定义缝的能量是缝上所有像素点的能量值的总和。

移除能量最小的缝（动态规划）。

4、Saem Carving总结

可以重定位图像

可以放大局部内容

可以没有明显的拼接痕迹

可以去除目标图像