Programming Assignment 2 Seam Carving 暴力实现
Programming Assignment 2 Seam Carving 暴力实现
felix
发布于 2018-06-12 16:05:58
发布于 2018-06-12 16:05:58
文章被收录于专栏：Felix的技术分享
Programming Assignment 2 Seam Carving 暴力实现
Robert Sedgewick教授在Coursera上开了一门算法课，这是图论中的一道编程作业题。
问题概述
图像由像素构成，可以看成是一张二维数组，其中的存储着Color，这样每个位置都有相应的颜色，就可以表示一张图片了。 这道题目的目的是resize图像，每次删除一行或一列颜色值最不明想的像素。
图像在二维数组中的表示 ：
(255,101,51) (255,101,153) (255,101,255)
(255,153,51) (255,153,153) (255,153,255)
(255,203,51) (255,204,153) (255,205,255)
(255,255,51) (255,255,153) (255,255,255) 解题思路
能量函数
如何界定某个像素是否明显，可以被删除呢？
是否明显是由周围的像素决定的，基于此有公式
pixel（x,y）的能量函数表示为：
Δx2(x, y) + Δy2(x, y)
其中，Δx2(x, y) = Rx(x, y)2 + Gx(x, y)2 + Bx(x, y)2
Rx、Gx、Bx分别为为pixel(x+1,y)与pixel(x-1,y)对应RGB的差值。
Δy2(x, y)同理。最短路径
我想到的暴力求解的笨办法是，将图像的位置映射成唯一的整型索引，并算出其能量函数的值，加上起始终点两个虚拟位置（它门的能量值都为0）以此构造一张加权有向图。找出起始点到终点的最短路径。
顶点的权重
加权有向图的权重是指边的权重，而上面构造的图形的权重值是在顶点中表示的，这需要转化为边的权重。这很简单，只需要将将一条边的两个顶点的权重相加表示成边的权重即可。
算法实现
能量函数
private Picture mPicture;
private static final double BORDER_ENERGY = 255.0 * 255 * 3;
/**
* energy of pixel at column x and row y
*/
public double energy(int x, int y) {
if (x < 0 || x >= width() || y < 0 || y >= height()) throw new IndexOutOfBoundsException();
if (isBorder(x, y)) return BORDER_ENERGY;
return energyFun(mPicture.get(x - 1, y), mPicture.get(x + 1, y))
+ energyFun(mPicture.get(x, y - 1), mPicture.get(x, y + 1));
}
private double energyFun(Color color1, Color color2) {
int r1 = color1.getRed();
int g1 = color1.getGreen();
int b1 = color1.getBlue();
int r2 = color2.getRed();
int g2 = color2.getGreen();
int b2 = color2.getBlue();
int delta = square(r1 - r2) + square(g1 - g2) + square(b1 - b2);
return delta;
}
private int square(int i) {
return i * i;
}
private boolean isBorder(int x, int y) {
if (x == 0 || x == mPicture.width() - 1) return true;
else if (y == 0 || y == mPicture.height() - 1) return true;
else return false;
}找到垂直方向的最短路径
/**
* sequence of indices for vertical seam
*
* @return
*/
public int[] findVerticalSeam() {
int[] result = new int[height()];
//解法一：构造图
EdgeWeightedDigraph verticalG = buildVerticalGraph(width(), height());
AcyclicSP sp = new AcyclicSP(verticalG, 0);
Iterable<DirectedEdge> edges = sp.pathTo(verticalG.V() - 1);
int len = 0;
for (DirectedEdge e : edges) {
//StdOut.println(e); //调试 打印路径
int v = e.from();
if (v != 0 && v != (verticalG.V() - 1)) {
result[len++] = convertToX(v);
}
}
return result;
}
/**
* 将图中标示的点映射到相应的x值
*
* @param v
* @return
*/
private int convertToX(int v) {
return (v - 1) % width();
}
/**
* //构造图，将二维矩阵转化为唯一标示的整数作为图的顶点
* //顶点的权重转化为边的权重：一条边两个顶点的权重之和
* //上下两个虚拟点的energy为0，这样把最终算出来的总权重之和除以2就是原来最短路径的顶点的权重之和了
*
* @param width
* @param height
*/
private EdgeWeightedDigraph buildVerticalGraph(int width, int height) {
EdgeWeightedDigraph G = new EdgeWeightedDigraph(width * height + 2);
for (int i = 0; i < G.V() - 1; i++) { //上方的起始虚拟点
if (i == 0) {
for (int j = 1; j <= width; j++) {
G.addEdge(new DirectedEdge(0, j, 0 + energy(j - 1, 0)));
}
} else if (i >= G.V() - 1 - width) { //最下方的所有点连接 下方的终点虚拟点
G.addEdge(new DirectedEdge(i, G.V() - 1, energy((i - 1) % width, height - 1) + 0));
} else {
int fromX = (i - 1) % width;
int fromY = (i - 1) / width;
int toX = fromX; //正下方
int toY = fromY + 1;
if ((i - 1) % width == 0) { //最左边的点(以排除最下方的最左侧的点)
toX = fromX; //正下方
toY = fromY + 1;
double fromWeight = energy(fromX, fromY);
double toWeight = energy(toX, toY);
G.addEdge(new DirectedEdge(i, i + width, fromWeight + toWeight));
toX = fromX + 1; //右下方
toY = fromY + 1;
toWeight = energy(toX, toY);
G.addEdge(new DirectedEdge(i, i + width + 1, fromWeight + toWeight));
} else if ((i - 1) % width == (width - 1)) {//最右边的点（(以排除最下方的点）
toX = fromX; //正下方
toY = fromY + 1;
double fromWeight = energy(fromX, fromY);
double toWeight = energy(toX, toY);
G.addEdge(new DirectedEdge(i, i + width, fromWeight + toWeight));
toX = fromX - 1; //左下方
toY = fromY + 1;
toWeight = energy(toX, toY);
G.addEdge(new DirectedEdge(i, i + width - 1, fromWeight + toWeight));
} else { //一般的点都有3个有向边发出（(以排除最下方的）
toX = fromX; //正下方
toY = fromY + 1;
double fromWeight = energy(fromX, fromY);
double toWeight = energy(toX, toY);
G.addEdge(new DirectedEdge(i, i + width, fromWeight + toWeight));
toX = fromX - 1; //左下方
toY = fromY + 1;
toWeight = energy(toX, toY);
G.addEdge(new DirectedEdge(i, i + width - 1, fromWeight + toWeight));
toX = fromX + 1; //右下方
toY = fromY + 1;
toWeight = energy(toX, toY);
G.addEdge(new DirectedEdge(i, i + width + 1, fromWeight + toWeight));
}
}
}
return G;
}从图像中删除垂直最短路径（即最不明显的像素）
/**
* remove vertical seam from current picture
*
* @param seam
*/
public void removeVerticalSeam(int[] seam) {
if (height() <= 1)
throw new java.lang.IllegalArgumentException();
Picture pic = new Picture(width() - 1, height());
for (int h = 0; h < pic.height(); h++) {
for (int w = 0; w < seam[h]; w++) {
pic.set(w, h, mPicture.get(w, h));
}
for (int w = seam[h] + 1; w < width(); w++) {
pic.set(w - 1, h, mPicture.get(w, h));
}
}
this.mPicture = pic;
}后记
提交了n次，虽然通过了正确性测试，但是timing的5个测试全部没有通过，看样子此算法还是太过复杂了。
本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。
原始发表：2015年04月04日，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
相关产品与服务
对象存储
对象存储（Cloud Object Storage，COS）是由腾讯云推出的无目录层次结构、无数据格式限制，可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限，无需分区管理，适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。
腾讯云开发者
