本文介绍了Coursera算法课程中的Seam Carving技术，用于图像调整大小。相比于简单的缩放和裁剪，Seam Carving能更好地保留图像信息。文章详细讲解了算法的四个步骤：计算能量、找出seam、移除seam，并提供了代码链接。在计算能量时，使用了dual-gradient energy function，通过比较像素差异来确定能量值。寻找seam时，通过虚拟点和relax操作找到能量最低的路径。最后，移除seam涉及能量的重新计算和图像像素的重新布局。
全部代码：https://github.com/RedemptionC/CourseraAlgorithms/tree/master/seam
这是学完最小生成树，最短路径之后的编程作业
这个算法是用在resize图片时，和裁剪和scaling相比，它可以最大程度的保留图片信息，比如：
原图：
scaling之后：
裁剪之后：
seam carving：
可以看到，scaling之后，塔变得细长了，而裁剪之后则大量丢失了信息，相对而言，seam carving确实最大程度保留了图片信息
本次只需要提交一个类：
SeamCarver
notation
本实验中，(x,y)代表第x列，第y行，并且(0,0)代表左上角，(w-1,h-1)代表右下角
并且假设像素的颜色为RGB形式，用三个0~255间的整数表示
计算能量
这一步需要计算每个像素的能量，能量越高，就越不可能在seam中被移除
这里定义的能量计算公式是：dual-gradient energy function
E(x,y)=
其中
最低0.47元/天 解锁文章
扫一扫
4663
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
