简介

这是一张需要变窄的照片 使用图像伸缩的结果，城堡的形状变了 使用图像裁剪的结果，城堡的一部分被切掉了 接缝裁剪的结果接缝裁剪（Seam carving），是一个可以针对图像内容做正确缩放的算法（由Shai Avidan和Ariel Shamir所发表）。概念上，算法会找出一系列的接缝（seam）（接缝是在图像中最不重要的一连串像素），接着利用接缝对图像做缩放。如果是要缩小图像，则移除这些接缝，若是放大，则在这些接缝的位置上，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），将图像无失真的显示在各种大小的萤幕或位置上，比如说，手机、投影幕等等。

接缝（Seams）

接缝有两种形式，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

1. 首先，我们拿到一张需要缩小的照片（这里以缩小举例）

2. 接着我们计算照片中每一个像素的强度（energy），这一步可以由很多算法完成，这里以gradient magnitude为例。

3. 有了每一个pixel的强度后，我们可以利用一些算法，像是dynamic programming等等，找到图中数条强度较低的seams。

Seams 在gradient magnitude图中的样子:

Seams 在原始图片中的样子:

（从seams在原始图中的样子，我们可以看到所谓强度低的seam，基本上就可以表达照片中相对不重要的部分）

4. 接着我们把这些seams拿掉，就可以拿到一张缩小后的照片。

5. 若是我们需要放大图片，则我们可以在这些我们找到的seam的旁边，增加pixel，而pixel的value可以简单的取附近的pixel的平均。

计算 seams

在这个算法中，我们每次要找出一条照片中能量最小的seam，这里的能量可以想成是频率低，或者是照片中较为不重要的pixel。而找出seam的方法有很多种，我们可以利用dynamic programming或者其他算法完成。

动态规划

以下为matlab的ref code，示范的是找出水平的seam后，放大图片。

function srcImg = seam_carving(srcImg, targetH)  % srcImg为原始的图片, targetH为想要放大到的高  % h, w为原始图片的长和宽   = size( srcImg );  while h  1 && dp( j - 1, i - 1 ) < minNeighbor          minNeighbor = dp( j - 1, i - 1 );          from( j, i ) = j - 1;        end        if j < h && dp( j + 1, i - 1 ) < minNeighbor          minNeighbor = dp( j + 1, i - 1 );          from( j, i ) = j + 1;        end        dp( j, i ) = gMag( j, i ) + minNeighbor;      end    end    % 在最右侧的column找出最小强度的path的终点    mn = 10 ^ 18;    idx = -1;    for i = 1 : h      if dp( i, w )  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    % 取得新的长和宽     = size( srcImg );  endend

<!–esi –>取自“https://www.7890.net/w/index.php?title=接缝裁剪&oldid=51757181”