FT演算法來自文獻：《Frequency-tuned Salient Region Detection》

FT演算法由Achanta等提出，利用顏色特徵的中央-周邊運算元來得到顯著圖。其求解過程非常簡單：

其演算法原理如下圖所示：

原理比較簡單：

作者主要利用的是顏色特徵和亮度特徵。

1. 對影象img進行高斯濾波得到gfrgb；
2. 將影象imgrgb由RGB顏色空間轉換為LAB顏色空間imglab；
3. 對轉換後的影象imglab 的L,A,B三個通道的影象分別取均值得到lm,am,bm；
4. 計算顯著值，即對分別對三個通道的均值影象和濾波得到的影象取歐氏距離並求和；
5. 利用最大值對顯著圖歸一化。

作者主頁開源了其matlab程式碼，如下：

im=imread('./srcimgs/test.jpg');      %讀圖

gfrgb = imfilter(im, fspecial('gaussian', 3, 3), 'symmetric', 'conv'); %高斯濾波，核3*3或5*5

%gfrgb = im;
cform = makecform('srgb2lab');%顏色空間轉換，RGB--->Lab空間，獲取一個轉換模板cform

lab = applycform(gfrgb,cform);%顏色空間轉換，完成RGB--->Lab空間轉換



l = double(lab(:,:,1
 
));%L通道
lm = mean(mean(l));%整幅圖片的l均值

a = double(lab(:,:,2)); 
am = mean(mean(a));%整幅圖片的a均值

b = double(lab(:,:,3)); 
bm = mean(mean(b));%整幅圖片的b均值

sm = (l-lm).^2 + (a-am).^2 + (b-bm).^2;%計算畫素的顯著度
s=max(sm(:));      %顯著圖中最大值
sa=sm./s;          %歸一化

imshow(sa);        %顯示

matlab程式碼執行結果：

原圖：

FT顯著檢測結果：

嘗試用opencv實現了下，程式碼比較簡單，其中轉lab空間的部分直接呼叫了opencv中的cvtcolor函式，不知道為什麼搜其它部落格很少直接這麼做的，我輸入了一張測試圖進行測試，轉出的lab空間中的lab三通道值與作者提供的matlab程式碼中的數值大致相同，不同應該是因為計算時浮點數不同。

實現環境：VS2013 + opencv2.4.9

程式碼：

/*===========================================================================
[email protected], Harbin Institute of Technology
Date:Apr,13,2018
Contact:[email protected]
blog: https://blog.csdn.net/yinhuan1649
===========================================================================*/
#include <iostream>
#include <highgui.h>
# include <opencv2/opencv.hpp> 
#include <fstream> 
using namespace cv;
using namespace std;

void writeMatToFile(cv::Mat& m, const char* filename)        //把矩陣寫入txt檔案
{
    std::ofstream fout(filename);

    if (!fout)
    {
        std::cout << "File Not Opened" << std::endl;
        return;
    }

    for (int i = 0; i<m.rows; i++)
    {
        for (int j = 0; j<m.cols; j++)
        {
            fout << m.at<double>(i, j) << "\t";
        }
        fout << std::endl;
    }

    fout.close();
}

int main(){
    Mat srcimg,grgbimg, labimg;

    srcimg = imread("./srcimgs/test.jpg");         
    int height = srcimg.rows;
    int width = srcimg.cols;
    GaussianBlur(srcimg, srcimg, Size(3, 3), 0, 0, BORDER_REFLECT);            // 高斯模糊
    cvtColor(srcimg, labimg, CV_BGR2Lab);                                      //轉到lab空間

    cv:Scalar tempVal = cv::mean(labimg);                                      //求各通道均值

    double lmean = tempVal.val[0];
    double amean = tempVal.val[1];
    double bmean = tempVal.val[2];

    Mat salientMap = Mat::zeros(height, width, CV_64F);                        //定義顯著圖，因為是double型別，所以在這裡初始化型別為CV_64F
    for (int i = 0; i < height; i++){
        for (int j = 0; j < width; j++){
            //顯著值計算，對應matlab程式碼中sm = (l-lm).^2 + (a-am).^2 + (b-bm).^2;
            salientMap.at<double>(i, j) = ((double)labimg.at<Vec3b>(i, j)[0] - lmean)*((double)labimg.at<Vec3b>(i, j)[0] - lmean)
                                        + ((double)labimg.at<Vec3b>(i, j)[1] - amean)*((double)labimg.at<Vec3b>(i, j)[1] - amean)
                                        + ((double)labimg.at<Vec3b>(i, j)[2] - bmean)*((double)labimg.at<Vec3b>(i, j)[2] - bmean);

        }
    }

    //double max, min;
    //cv::Point min_loc, max_loc;
    //cv::minMaxLoc(salientMap, &min, &max, &min_loc, &max_loc);//求mat中最值
    //cout << "max:"<< max << endl;


    //for (int i = 0; i < salientMap.rows; i++)
    //{
    //  for (int j = 0; j < salientMap.cols; j++)
    //  {
    //      salientMap.at<double>(i, j) = salientMap.at<double>(i, j) / max;
    //  }
    //}


    normalize(salientMap, salientMap, 1.00, 0.00, NORM_MINMAX);                // 1值歸一化
    writeMatToFile(salientMap, "F:\\test.txt");
    cout << "yes!!" << endl;
    //cout << "salientMap:" << salientMap << endl;
    imshow("salientMap:", salientMap);
    waitKey();

    system("pause");
    return 0;
}

opencv+vs FT顯著圖檢測結果：

matlab(上)與opencv（下）對比：

如有錯誤之處敬請指正！