OpenCV-Python官方教程-21-使用GrabCut算法进行交互式前景提取

1 原理(略)

2 代码演示

OpenCV 提供了函数：cv2.grabCut()。我们来先看看它的参数：

• img：输入图像
• mask：掩膜图像，用来确定那些区域是背景、前景，可能是背景/前景等。可以设置为：cv2.GC_BGD,cv2.GC_FGD,cv2.GC_PR_BGD,cv2.GC_PR_FGD，
  或者直接输入 0,1,2,3 也行。
• rect：包含前景的矩形，格式为(x,y,w,h)
• bgModel，bgModel：算法内部使用的数组. 你只需要创建两个大小为 (1,65)，数据类型为 np.flfloat64 的数组。
• iterCount： 算法的迭代次数
• mode 可以设置为 cv2.GC_INIT_WITH_RECT 或 cv2.GC_INIT_WITH_MASK，也可以联合使用。这是用来确定我们进行修改的方式，矩形模式或者掩模模式。

首先，我们来看使用矩形模式。加载图片，创建掩模图像，构建 bdgModel和 fgdModel。传入矩形参数。都是这么直接。让算法迭代 5 次。由于我们在使用矩形模式所以修改模式设置为cv2.GC_INIT_WITH_RECT。运行grabcut。算法会修改掩模图像，在新的掩模图像中，所有的像素被分为类：背景，前景，可能是背景/前景使用 4 个不同的标签标记（前面参数中提到过）。然后我们来修改掩模图像，所有的 0 像素和 1 像素都被归为 0（例如背景），所有的 1 像素和 3 像素都被归为 1（前景）。我们最终的掩模图像就这样准备好
了。用它和输入图像相乘就得到了分割好的图像。

import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread('test.jpg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
mask = np.zeros(img.shape[:2], np.uint8)

bgModel = np.zeros((1, 65), np.float64)
fgModel = np.zeros((1, 65), np.float64)

rect = (50, 50, 450, 290)
# 函数返回值是更新的mask，bgModel,bgModel
cv2.grabCut(img, mask, rect, bgModel, fgModel, 5, cv2.GC_INIT_WITH_RECT)

mask2 = np.where((mask == 2) | (mask == 0), 0, 1).astype('uint8')
img_ = img * mask2[:, :, np.newaxis]

# plt.imshow(img),plt.colorbar(),plt.show()

plt.subplot(121), plt.imshow(img)
plt.title('img'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(img_)
plt.title('img_'), plt.xticks([]), plt.yticks([])

plt.show()

这里可以看到效果并不完美，但是可以制作新的掩膜图像，来进一步优化效果，这里不做展开。