Opencv互動式前景提取之Grabcut算法

文章目錄

• 1 理論
• 2 測試圖像
• 3 實作

1 理論

  從使用者角度，Grabcut算法是如何工作的？

  1）使用者在前景區域繪制一個舉行，應盡可能包括前景區域；

  2）算法疊代分割處理，以擷取最佳結果；

  3）目前景區域标記為背景，或者反之時，需要使用者進行精修；

  4）繼續疊代更新。

  從算法角度呢？

  1）矩形外部标記為背景，内部則标記為未知的；

  2）使用高斯混合模型對背景和未知進行模組化。未知像素根據顔色統計上與其他标記像素的關系，來标記可能的前景或背景；

  3）根據以上标記建立圖像，圖中的節點為像素，并添加兩個節點：源節點和接收器節點。

  4）前景像素都連接配接到源節點，背景像素則連接配接到接收器節點，并通過是前景的機率來定義連接配接權重。

  5）像素之間的權重由邊緣資訊或像素相似度定義。如果像素顔色差異很大，則它們之間的邊緣将降低；

  6）使用mincut算法分割圖像：将圖像切割為具有最小成本函數的兩個分離的源節點和接收器節點。成本函數是指被切割邊緣的所有權重的總和；

  7）源節點的像素變為前景，餘下變為背景 ；

  8）疊代，直至收斂。

2 測試圖像

3 實作

# coding: utf-8
import cv2 as cv
import numpy as np


def grab_cut(file_name):
    """"""
    img = cv.imread(file_name)
    # 将确定為前景的地方标記為1
    mask = np.zeros(img.shape[:2], np.uint8)
    mask[200: 1000] = 1
    bg_model = np.zeros((1, 65), np.float64)
    fg_model = np.zeros((1, 65), np.float64)
    mask, bg_model, fg_model = cv.grabCut(img, mask, None, bg_model, fg_model, 5, cv.GC_INIT_WITH_MASK)
    mask = np.where((mask == 2) | (mask == 0), 0, 1).astype('uint8')
    img = img * mask[:, :, np.newaxis]
    cv.imshow("", img)
    cv.waitKey()


if __name__ == '__main__':
    file_name = "miao.png"
    grab_cut(file_name)
           

  輸出如下：

  啊這。。