Android OpenCV（四十三）：图像分割（Grabcut）

最新推荐文章于 2024-06-15 21:55:13 发布

2401_84912092

最新推荐文章于 2024-06-15 21:55:13 发布

阅读量779

点赞数 24

分类专栏：程序员文章标签： android opencv 计算机视觉

本文链接：https://blog.csdn.net/2401_84912092/article/details/138670512

版权

程序员专栏收录该内容

57 篇文章 0 订阅

订阅专栏

由以上步骤可以看出，GrabCut是一个循环执行的算法，其循环的目的是为了EM（Expectation Maximization）。因为用户提供的矩形内也有部分背景像素，所以这样的种子是不完全正确的。好在GMM模型并不要求所有的训练数据正确，即使有一部分分类不正确，也可以通过EM步骤使得最终结果正确。而GrabCut正是利用了GMM的这一特性。值得注意的是，GMM有陷入局部最优的问题无法解决，所以GrabCut也有此问题。

算法论文地址：www.microsoft.com/en-us/resea…

API

public static void grabCut(Mat img, Mat mask, Rect rect, Mat bgdModel, Mat fgdModel, int iterCount, int mode)

参数一：img，输入的待分割图像。必须是8位三通道。
参数二：mask，输入/输出8位单通道掩码图像。图像中像素值取值及其含义如下。

标志位	值	含义
GC_BGD	0	一个明显为背景的像素
GC_FGD	1	一个明显为前景（对象）的像素
GC_PR_BGD	2	一个可能为背景的像素
GC_PR_FGD	3	一个可能为前景的像素

参数三：rect，包含细分对象的ROI区域。ROI外的区域被标记位"明显的背景”。当第七个参数mode为GC_INIT_WITH_RECT时，该参数才会被使用到。
参数四：bgdModel，前景模型临时对象。处理同一图像时，请勿对其进行修改。
参数五：fgdModel，背景模型临时对象。处理同一图像时，请勿对其进行修改。
参数六：iterCount，迭代次数。注意，可以通过使用mode == GC_INIT_WITH_MASK或mode == GC_EVAL进行进一步调用来完善结果。
参数七：mode，分割模式标志位。

标志位	值	含义
GC_INIT_WITH_RECT	0	使用提供的矩形初始化状态和掩码。之后根据算法进行迭代更新
GC_INIT_WITH_MASK	1	使用提供的掩码初始化状态。可以组合使用GC_INIT_WITH_RECT和GC_INIT_WITH_MASK。然后，使用GC_BGD自动初始化ROI之外的所有像素。
GC_EVAL	2	表示算法应该恢复
GC_EVAL_FREEZE_MODEL	3	表示算法仅在固定模型下运行grabCut算法（单次迭代）

操作

/**

图像分割 Grabcut
author: yidong
2020/11/21
*/
class GrabcutActivity : AppCompatActivity() {

private val mBinding: ActivityGrabcutBinding by lazy {
ActivityGrabcutBinding.inflate(layoutInflater)
}

private lateinit var mRgb: Mat

override fun onCreate(savedInstanceState: Bundle?) {
super.onCreate(savedInstanceState)
setContentView(mBinding.root)

val bgr = Utils.loadResource(this, R.drawable.lena)
mRgb = Mat()
Imgproc.cvtColor(bgr, mRgb, Imgproc.COLOR_BGR2RGB)
mBinding.ivLena.showMat(mRgb)
GlobalScope.launch(Dispatchers.IO) {
doGrabCut()
}
}

private fun doGrabCut() {
val rectMat = Mat()
mRgb.copyTo(rectMat)
val rect = Rect(80, 30, 340, 390)
Imgproc.rectangle(rectMat, rect, Scalar.all(255.0), 2)
GlobalScope.launch(Dispatchers.Main) {
mBinding.ivLena.showMat(rectMat)
}
val bgdModel = Mat.zeros(1, 65, CvType.CV_64FC1)
val fgdModel = Mat.zeros(1, 65, CvType.CV_64FC1)
val mask = Mat.zeros(mRgb.size(), CvType.CV_8UC1)
Imgproc.grabCut(mRgb, mask, rect, bgdModel, fgdModel, 5, Imgproc.GC_INIT_WITH_RECT)

val result = Mat()
for (i in 0 until mask.rows()) {
for (j in 0 until mask.cols()) {
val value = mask.get(i, j)[0].toInt()
if (value == 1 || value == 3) {
mask.put(i, j, 255.0)
} else {
mask.put(i, j, 0.0)
}
}
}
Core.bitwise_and(mRgb, mRgb, result, mask)