Magic Wand:首先,由用户指定一些点或区域,作为想要得到的forground的采样区,然后计算这些采样区当中的颜色的分布范围。在对image中每一个pixel处理时,如果此pixel的颜色处于这个范围,便将它归入forground的区域内,由此就可以得到前景。
缺点:直接根据用户指出的区域算颜色的容纳区域(tolerance level)比较困难,有时甚至不可能达到;
再者就是当forground和background的颜色重复较多时,就很难达到满意效果。
Intelligent Scissors:允许用户利用鼠标沿着物体的边缘选择出一个最小代价的边界(minimum cost contour),在用户的选择过程当中,算法会显示出当前的选择点与上一个选择点之间建立的path,如果这条path不符合要求(由用户判断),那么就需要用户提供更多的点来得到更好的效果。
缺点:对于某些特性的材质(highly texture region),需要很多的用户的行为才能达到好的效果,造成过大的交互负担。
Bayes matting:首先将image划分为三个区域,forground,background和unknown area ,算法的思想是模拟出image中的已知或以计算出来的区域的颜色分布,然后根据这个分布估算unknown area的颜色成分,从而分离图片。
缺点:对于unknown area过大,或者forground和background的颜色分布不能很好区分的image,处理效果不好。
from:C. Rother, A. Blake, and V. Kolmogorov. Grabcut - interactive foreground extraction using iterated graph cuts. In Proceedings of ACM SIGGRAPH, pages 309–314, 2004