显著区域 1.0.3

# Python图像处理软件
[](https://travis-ci.org/NLeSC/SalientDetector-python) [](https://www.codacy.com/app/d-vankuppevelt/SalientDetector-python?utm_source=github.com&utm_medium=referral&utm_content=NLeSC/SalientDetector-python&utm_campaign=Badge_Grade) [](https://www.codacy.com/app/d-vankuppevelt/SalientDetector-python?utm_source=github.com&utm_medium=referral&utm_content=NLeSC/SalientDetector-python&utm_campaign=Badge_Coverage)

此文件夹包含作为eStep（https://www.esciencecenter.nl/technology/expertise/computer-vision）图像处理部分之一的显著区域检测代码的Python实现。软件符合[eStep标准](https://github.com/NLeSC/estep-checklist)。

原始的MATLAB实现可以在[此存储库](https://github.com/NLeSC/SalientDetector-matlab)中找到。

文档可以在[Read the Docs](http://salientdetector-python.readthedocs.io/)上找到。

存储库包含以下子文件夹

## 笔记本
几个用于测试和说明主要功能的iPython笔记本。

## salientregions
用于显著区域检测功能的模块。

## tests
salientregions中代码的单元测试。

# 安装
## 先决条件
* Python 2.7或3.5
* pip (8.1.2)

## 使用pip安装软件包

`pip install -e git://github.com/c-martinez/SalientDetector-python.git@pip#egg=salientregions`

之后，您可以在Python中导入它

```python
import salientregions as sr
```

## 手动安装软件包
克隆或下载存储库。从requirements.txt文件安装要求

`pip install -r requirements.txt`

安装软件包本身

`pip install .`

执行测试

`nosetests test`

## 手动安装OpenCV
OpenCV应通过pip安装，但如果你有较旧的pip版本，你可能需要手动安装。有两种方法可以安装OpenCV
* 如果你使用Conda，你可以使用以下命令安装OpenCV

`conda install -c https://conda.anaconda.org/menpo opencv3`

* 否则，请按照说明手动 [安装 OpenCV 3.1.0](http://opencv-python-tutroals.readthedocs.org/en/latest/py_tutorials/py_setup/py_table_of_contents_setup/py_table_of_contents_setup.html#py-table-of-content-setup)


# 开始使用
源代码文档可以在 [这里](http://salientdetector-python.readthedocs.io/) 找到

此代码大量使用了 OpenCV 库，因此为了理解代码的工作原理，查看 [OpenCV 文档](https://docs.opencv.ac.cn/3.1.0/) 很有帮助。

## 图片
在 OpenCV 中，图片以 numpy 数组的形式表示。灰度图片由二维数组表示。彩色图片有表示颜色通道的第三个维度。显著区域检测器有一些简化假设
* 彩色图片具有 BGR 通道
* 假设图片是 8 位。对于二值图片也是如此，因此它们只有 0 和 255 的值。

## 检测器对象
显著区域检测器的完整功能都包含在检测器对象中。SalientDetector 实现了 DMSR 检测，而 MSSRDetector 实现了 MSSR 检测（有关这些算法的更多信息，请参阅相关论文）。
关于如何使用检测器的示例可以在 [这个 iPython Notebook](https://github.com/NLeSC/SalientDetector-python/blob/master/Notebooks/DetectorExample.ipynb) 中找到。

# 贡献
如果您想为代码做出贡献，请查看 [eStep 标准规范](https://github.com/NLeSC/estep-checklist)。

我们使用 numpy 风格的代码文档。

# 参考文献
Ranguelova, E.B. - Pauwels, E.J.
基于形态学的稳定显著区域检测器
国际图像和视觉计算会议论文集新西兰 2006 年，新西兰大屏障岛，p.97–102