OpenCV學習 20 grabcut分割演算法

在opencv中，實現了grabcut分割演算法，該演算法可以方便的分割出前景影象，操作簡單，而且分割的效果很好。演算法的原理參見papaer：「grabcut」 — interactive foreground extraction using iterated graph cuts

比如下面的一副圖，我們只要選定乙個四邊形框，把框中的影象作為grabcut的乙個輸入引數，表示該框中的畫素可能屬於前景，但框外的部分一定屬於背景。

然後呼叫grabcut函式，就可以分割出城堡來。具體**如下：

// 矩形外的畫素是背景

cv::rect rectangle(50,70,image.cols-150,image.rows-180);

cv::mat result;

//兩個臨時矩陣變數，作為演算法的中間變數使用，不用care

cv::mat bgmodel,fgmodel;

double tt = cv::gettickcount();

// grabcut 分段

cv::grabcut(image, //輸入影象

result, //分段結果

rectangle,// 包含前景的矩形

bgmodel,fgmodel, // 前景、背景

1, // 迭代次數

cv::gc_init_with_rect); // 用矩形

//比較函式保留值為gc_pr_fgd的畫素

cv::compare(result,cv::gc_pr_fgd,result,cv::cmp_eq);

// 產生輸出影象

cv::mat foreground(image.size(),cv_8uc3,cv::scalar(255,255,255));

//背景值為 gc_bgd=0，作為掩碼

image.copyto(foreground,result);

grabcut函式的第乙個引數為我們要處理的影象，本程式中就是image，影象的型別必須為：cv_8uc3

第二個引數是mask影象，它的大小和image一樣，但是它的格式為cv_8uc1，只能是單通道的，grabcut演算法的結果就儲存在該影象中。

前面的**中，我們並沒有對mask影象(result)進行初始化設定，因為第6個引數為cv::gc_init_with_rect，它表示演算法會根據rectangle的範圍，來生成乙個初始化的mask影象。

cv::grabcut(image, //輸入影象

result, //分段結果

rectangle, // 包含前景的矩形

bgmodel,fgmodel, // 前景、背景

1, // 迭代次數

cv::gc_init_with_rect); // 用矩形

mask影象的值只能為下面下面4個值(pr，probably表示可能的)：

gc_bgd = 0, //背景

gc_fgd = 1, //前景

gc_pr_bgd = 2, //可能背景

gc_pr_fgd = 3 //可能前景

根據rectangle生成的mask影象規則為：四邊形外面的部分一定是背景，所以在mask圖中對應的畫素值為gc_bgd，而四邊形內部的的值可能為前景，所以對應的畫素值為gc_pr_fgd。所以我們程式中使用mask影象應該如下圖所示。

如果第7個引數為gc_init_with_mask，這時第三個引數rectangle沒有使用，我們必須在呼叫grabcut函式之前，手工設定mask影象(變數result)，如果我們把result設定成上圖所示的灰度圖。那個呼叫函式

cv::grabcut(image1, //輸入影象

result1, //分段結果

rectangle, // 包含前景的矩形

bgmodel,fgmodel, // 前景、背景

1, // 迭代次數

cv::gc_init_with_mask); // 用矩形

可以得到同樣的結果。

cv::mat result1= cv::mat(image1.rows, image1.cols,cv_8uc1, cv::scalar(cv::gc_bgd));
//注意給子矩陣賦值的方法
cv::mat roi(result1, cv::rect(50,70,result1.cols-150,result.rows-180));
roi = cv::scalar(cv::gc_pr_fgd);
tt = cv::gettickcount();
// grabcut 分段
cv::grabcut(image1,    //輸入影象
result1,   //分段結果
rectangle,// 包含前景的矩形 
bgmodel,fgmodel, // 前景、背景
1,        // 迭代次數
cv::gc_init_with_mask); // 用矩形
//比較函式保留值為gc_pr_fgd的畫素
cv::compare(result1,cv::gc_pr_fgd,result,cv::cmp_eq);
// 產生輸出影象
cv::mat foreground1(image1.size(),cv_8uc3,cv::scalar(255,255,255));
//背景值為 gc_bgd=0，作為掩碼
image.copyto(foreground1,result1);

第3個引數是rectangle的大小位置，如果第7個引數為gc_init_with_mask，則該引數沒有作用。

第4，5個引數是兩個演算法在執行過程中使用臨時矩陣變數，不用care它們的內容。

第6個引數是迭代次數，迭代越多，效果越好，但劃時間也越長。

第7個引數是操作模式，通常情況下為gc_init_with_rect和gc_init_with_mask。

從上面的圖中，我們可以看到，grabcut演算法的效果很好，但是花的時間也很長，上面影象在我的筆記本上需要4.4秒。

程式源**：工程firstopencv13

OpenCV學習 20 grabcut分割演算法

OpenCV學習記錄20

如何安裝OpenCV2 0

《學習OpenCV》初探OpenCV（三）

OpenCV學習 20 grabcut分割演算法

OpenCV學習記錄20

如何安裝OpenCV2 0

《學習OpenCV》 初探OpenCV（三）

相關推薦

《學習OpenCV》初探OpenCV（三）