opencv 学习笔记（十四） grabCut

---

前言

grabCut算法利用了图像中的纹理（颜色）信息和边界（反差）信息，只用少量的用户交互操作，即可得到比较好的分割结果，和分水岭顺丰比较相似，但是计算速度比较慢，得到的结果比较精确，用法：输入一幅图片并对一些像素做属于背景或属于前景的标记，算法会根据这个局部标记计算出整个图像中前景和背景的分割线。

---

一、grabCut函数

void grabCut(InputArray img, InputOutputArray mask, Rect rect,
		InputOutputArray bgdModel, InputOutputArray fgdModel,
		int iterCount, int mode = GC_EVAL);
	img 输入图像
	mask 输出掩码
	rect 用户选择的前景矩形区域
	bgdModel 输出背景图像
	fgdModel 输出前景图像
	iterCount 迭代次数
	mode 用于指示函数执行什么操作

二、compare函数

compare函数主要用于两个图像之间进行逐像素的比较

void compare(InputArray src1, InputArray src2, OutputArray dst, int cmpop);
	src1 原始图像1
	src2原始图像2
	dst 结果图像
	cmpop 操作类型

三、代码

#include<iostream>
#include<opencv.hpp>
using namespace std;
using namespace cv;


int main()
{
	Mat img1;

	img1 = imread("test2.jpg");
	
	imshow("原图", img1);

	Rect rect(84, 84, 406, 318);

	Mat img2, bg, fg;

	grabCut(img1, img2, rect, bg, fg,1,GC_INIT_WITH_RECT);

	compare(img2, GC_PR_FGD, img2, CMP_EQ);
	
	imshow("img2", img2);

	Mat img3(img1.size(), CV_8UC3, Scalar(255, 255, 255));

	img1.copyTo(img3, img2);

	imshow("img3", img3);

	waitKey(0);
}

效果图：