ImageSaliencyFilter

ImageSaliencyFilter[image]

返回 image 的显著图.

更多信息和选项

  • 显著性滤波产生单通道图像（也称为显著图），其中强度表示像素在输入图像中的重要性或显著性.
  • ImageSaliencyFilter 通常用来聚焦于图像中特征与众不同的区域. 突显值越高越重要.
  • ImageSaliencyFilter 适用于具有任意通道数的二维图像.
  • ImageSaliencyFilter 使用 Method 选项. 可能的设置是：
  • "Itti"基于颜色、 强度和方向的突显性（默认）
    "IttiColor"Itti 算法的彩色图
    "IttiIntensity"Itti 算法的强度图
    "IttiOrientation"Itti 算法的方向图
    "HistogramContrast"基于图像像素的平均颜色差值的突显性
    "SpectralResidual"基于对数光谱残差的突显性
    "ImageSignature"基于前景估计的突显性
    "U2Net"U^2-Net 显著对象检测（默认）
  • Itti 算法基于人类视觉突显性. 对于所有基于该算法的方法，计算都是在 RGB 颜色空间进行的.
  • 对于所有基于 Itti 的方法，图像的不同尺度互相比较. 当Method->{"method",{σ1,σ2,…},{step1,step2,…}} 时，对于所有 j，尺度 σi 会和较粗糙的尺度 σi+stepj 比较. 默认设置为 {"Itti",{2,3,4},{3,4}}.
  • 使用 Method{"U2Net",TargetDevicedevice}，可以指定执行计算的设备.

范例

打开所有单元关闭所有单元

基本范例  (2)

灰度图像的突显滤波：

彩色图像的突显滤波：

选项  (6)

Method  (6)

默认情况下，使用 "U2Net"：

计算基于 Itti 视觉关注模型的突显性：

返回 Itti 算法使用的方向和密度地图：

"HistogramContrast" 方法使用量化图像估计颜色对比度：

指定使用的层数：

使用 "ImageSignature" 方法计算突显性：

使用 "SpectralResidual" 方法计算突显性：

使用 "U2Net" 神经网络的显著性过滤：

应用  (4)

使用突显将图像前景与它的背景分开：

计算图像的突显地图：

通过使用扩展的最大值对突显地图进行二值化来提取前景区域：

创建掩膜以识别图景中最突显的对象：

将突显地图二值化，并且保存最大分量：

从图像提取突显区域：

修剪图像的突显区域：

利用显著图提取图像的显著区域：

按最大显著性修剪该区域：

使用图像金字塔计算不同尺度下的显著性：

计算图像金字塔，对所有层级应用显著性滤波：

通过累积所有层级的结果来重建多尺度显著图：

将图像上的显著图显示为 Alpha 通道：

与单级显著性过滤结果相比：

与基于神经网络的显著性过滤相比：

属性和关系  (1)

设置 Method->"Itti" 下，用于比较的图越少，结果的计算就越快：

Itti 仍然比基于神经网络的方法更快：

Wolfram Research (2014)，ImageSaliencyFilter，Wolfram 语言函数，https://reference.wolfram.com/language/ref/ImageSaliencyFilter.html （更新于 2023 年）.

文本

Wolfram Research (2014)，ImageSaliencyFilter，Wolfram 语言函数，https://reference.wolfram.com/language/ref/ImageSaliencyFilter.html （更新于 2023 年）.

CMS

Wolfram 语言. 2014. "ImageSaliencyFilter." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2023. https://reference.wolfram.com/language/ref/ImageSaliencyFilter.html.

APA

Wolfram 语言. (2014). ImageSaliencyFilter. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/ImageSaliencyFilter.html 年

BibTeX

@misc{reference.wolfram_2024_imagesaliencyfilter, author="Wolfram Research", title="{ImageSaliencyFilter}", year="2023", howpublished="\url{https://reference.wolfram.com/language/ref/ImageSaliencyFilter.html}", note=[Accessed: 23-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_imagesaliencyfilter, organization={Wolfram Research}, title={ImageSaliencyFilter}, year={2023}, url={https://reference.wolfram.com/language/ref/ImageSaliencyFilter.html}, note=[Accessed: 23-November-2024 ]}