Grab Cut学习笔记3

Graph Cut的目标和背景的模型是灰度直方图，Grab Cut取代为RGB三通道的混合高斯模型GMM；建立模型是为了计算一个像素点分别属于目标和背景的概率，介个是为了建图的时候确定Gibbs能量的区域能量项，即图的t-link的权值。

3.1T-Link

单分布高斯背景模型认为，对一个背景图像，特定像素亮度的分布满足高斯分布，即对背景图像B，(x,y)点的亮度满足：IB(x,y) ~ N(u,d)，这样我们的背景模型的每个象素属性包括两个参数：平均值u和方差d。对于一幅给定的图像G，如果 Exp(-(IG(x,y)-u(x,y))^2/(2*d^2)) > T，认为(x,y)是背景点，反之是前景点。

高斯模型就是用高斯概率密度函数（正态分布曲线）精确地量化事物，将一个事物分解为若干的基于高斯概率密度函数（正态分布曲线）形成的模型。

图像灰度直方图反映的是图像中某个灰度值出现的频次，也可以认为是图像灰度概率密度的估计。通过将直方图的多峰特性看作是多个高斯分布的叠加，可以解决图像的分割问题。混合高斯模型GMM使用K（基本为3到5个）个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型, 用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。高斯模型，主要由方差和均值两个参数决定。

初始时通过k-mean算法分别把属于目标和背景的像素聚类为K类，即GMM中的K个高斯模型，这时候GMM中每个高斯模型就具有了一些像素样本集，这时候它的参数均值和协方差就可以通过他们的RGB值估计得到，而该高斯分量的权值可以通过属于该高斯分量的像素个数与总的像素个数的比值来确定。

最后我们根据建立的高斯模型来计算T-Link的权值，介个是有公式的，然后博客的公式我不会打，不过zouxy09大神有详细的推导过程http://blog.csdn.net/zouxy09/article/details/8532106

3.2N-Link