Seam carving — это алгоритм для изменения размера изображения, который сохраняет важные элементы и удаляет менее значимые. Если смотреть на изображение как на таблицу из пикселей, то на каждой итерации данного алгоритма удаляется только один пиксель из колонки (или ряда).
Если переводить дословно, то “seam carving” это “резьба по шву”. Вертикальным “швом” изображения называется последовательность связанных пикселей от верхнего ряда до нижнего, где в каждом ряду только один пиксель. Аналогично, горизонтальным “швом” называется последовательность связанных пикселе от крайней левой колонки до крайней правой, где в каждой колонке только один пиксель.
Возьмем фотографию 505-на-287 пикселей и изменим ее, используя алгоритм seam carving.
До:
После:
После того, как алгоритм закончил работу, было убрано 150 вертикальных последовательностей пикселей, что помогло уменьшить изображение на 30%. Стоит отметить, что в отличие от стандартных подходов, где изображение бы кадрировали или масштабировали с потерей пропорций, seam carving оставил набор важных объектов на фотографии нетронутыми. Алгоритм seam carving активно используется в современных графических редакторах.
Вам потребуется создать структуру данных, которая будет изменять размер изображения (WxH), использую алгоритм seam carving.
Пиксель (x, y) в исходном изображении соответствует ячейке в таблице с колокой x и строкой y. Таким образом, пиксель (0, 0) находится в левом верхний углу таблицы, а пиксель (W-1, H-1) в правом нижнем углу таблицы.
Пример таблицы 3x4:
Для описания каждого пикселя изображения используются три числа от 0 до 255.
-
На первом шаге потребуется вычислить энергию кажого пикселя. Энергия поможет определить, насколько важен пиксель. Пиксели с низкой энергией с большей вероятностью попадут в последовательность пикселей, которая будет удалена. Ниже представлена карта энергий для изображения:
Светлые пиксели — пиксели с высокой энергией.
-
На втором этапе потребуется определить вертикальную последовательность пикселей с минимальной суммарной энергией. Данная задача похожа на задачу нахождения кратчайшего пути в взвешенном графе, но есть важные отличия:
- Веса находятся в вершинах, а не на ребрах.
- Кратчайший путь нужно найти среди любых W пикселей в верхнем ряду к любым W пикселям в нижнем ряду.
- Граф ациклический. Для пикселя (x, y) есть обратные ребра только из (x - 1, y + 1), (x, y + 1), (x + 1, y + 1). Важно понимать, что если ребро идет в пиксель, чьи координаты находятся за пределами допустимых, то такое ребро должно быть проигнорировано.
-
После того, как последовательность с минимальной суммарной энергией найдена, пиксели, входящие в нее, нужно будет удалить из изображения.
Для вычисления энергии пикселя используется следующая формула:
это разность между компонентами пикселей (x + 1, y) и (x - 1, y), отвечающими за красный цвет. Аналогично определяются и отвечающие за разность зеленых и голубых компонент соответственно.
Для вычисления необходимо рассматривать пиксели (x, y + 1) и (x, y - 1).
Чтобы посчитать энергию пикселя (0, y), который находится на границе изображения, нужно будет использовать пиксели (1, y) и (W - 1, y).
Рассмотрим то, как вычислять энергию пикселей на примере изображения 3x4:
Рассмотрим пиксель (1, 2), который находится не на границе. Чтобы посчитать нам потребуется рассмотреть пиксели (0, 2) и (2, 2).
И получаем, что:
Чтобы посчитать нам потребуется рассмотреть пиксели (1, 1) и (1, 3).
И
Вам потребуется реализовать интерфейс SeamCarver
:
class SeamCarver
{
using Seam = std::vector<size_t>;
public:
SeamCarver(Image image);
/**
* Returns current image
*/
const Image& GetImage() const;
/**
* Gets current image width
*/
size_t GetImageWidth() const;
/**
* Gets current image height
*/
size_t GetImageHeight() const;
/**
* Returns pixel energy
* @param columnId column index (x)
* @param rowId row index (y)
*/
double GetPixelEnergy(size_t columnId, size_t rowId) const;
/**
* Returns sequence of pixel row indexes (y)
* (x indexes are [0:W-1])
*/
Seam FindHorizontalSeam() const;
/**
* Returns sequence of pixel column indexes (x)
* (y indexes are [0:H-1])
*/
Seam FindVerticalSeam() const;
/**
* Removes sequence of pixels from the image
*/
void RemoveHorizontalSeam(const Seam& seam);
/**
* Removes sequence of pixes from the image
*/
void RemoveVerticalSeam(const Seam& seam);
private:
Image m_image;
};
При проверке задания кроме unit-тестов можно воспользоваться python-скриптами из папки scripts
.
Пример использования:
- Генерация
csv
файла по изображениюpython scripts/img_to_csv.py data/tower.jpeg data/tower.csv
- Запуск алгоритма seam-carving
./seam-carving data/tower.csv data/tower_updated.csv
- Генерация изображения по
csv
файлуpython scripts/csv_to_img.py data/tower_updated.csv data/tower_updated.jpeg
Изображение tower_updated.jpeg
— результат работы алгоритма seam carving.
Для запуска python скриптов потребуются 3-й python и пакеты:
- imageio
- numpy
- pandas
- argparse
Для установки нужных пакетов используйте pip
:
pip install required-package-name