OpenCV2编程手册笔记之 5.6GrabCut提取前景

相比分水岭算法，GrabCut算法不是基于数学形态学，虽然相比分水岭算法计算的复杂度更高，但是其产生的结果更加精确。

适用范围：从静态图像中提取前景物体。

缺点：运行计算速度较慢，无法对连续的视频文件进行处理

grabCut函数拥有七个参数，分别为

cv::grabCut(image,  //输入图像
        result,              //分割结果（这应该是一个掩模版）
        rectangle2,      //自定义矩形（包含前景）
        bkgModel, fgrModel,  //函数中的模型
        5,                    //迭代次数
        cv::GC_INIT_WITH_RECT); //矩形进行初始化

这个函数中，result这个分割结果图像可以有四种数值：

cv::GC_BGD;//确定属于背景元素
cv::GC_FGD;//确定属于前景元素
cv::GC_PR_BGD;//可能属于背景元素
cv::GC_PR_FGD;//可能属于前景元素

现在，我们使用compare函数对result进行比较赋值：（compare函数的原型在这里不过多解释）

将result中符合cv::GC_PR_FGD的值赋值给result，得到只有可能前景的result

也就是说，在应用grabCut函数之后，result有四个可能的值，所以这个时候如果你在grabCut函数之后加一句imshow，会得到一幅全黑图像

这时应用compare，可以将符合GC_PR_FGD的元素提取出来，这时再应用imsho