Grabcuts基本操作

GrabCut算法原理

（1）在图片中定义含有（一个或多个）物体的矩形。

（2）矩形外外的区域被自动认为是背景。

（3）对于用户定义的矩形区域,可用背景中的数据来区别它里面的前景和背景区域。

（4)用高斯混合模型（Gaussians Mixture Model,GMM）来对背景和前景建模，并将未定义的像素标记为可能的前景和背景。

（5）图像中的每一个像素都被看作通过虚拟边与周围像素的链接，而每条边都有一个属于前景或背景的概率，这基于它与周围像素颜色上的相似性。

（6）每一个像素（即算法中的节点）会与一个前景或背景节点链接。

（7）在节点完成链接后（可能与背景链接，也可能与前景链接），若节点之间的边属于不同终端（即一个节点属于前景，另一个节点属于背景），则会切断他们之间的边，这就能将图像各部分分割出来。

GrabCut步骤

opencv模块

import cv2
import numpy as np

Step1. 加载图像

img = cv2.imread(‘D:\untitled\aa\img.png’)

Step2. 创建掩模、背景图和前景图

mask返回一堆0，1，2，3的数组，shape[：2]形状切分宽和高，zeros创建0，0，0的数组

mask = np.zeros(img.shape[:2], np.uint8) # 创建大小相同的掩模
bgdModel = np.zeros((1,65), np.float64) # 创建背景图像
fgdModel = np.zeros((1,65), np.float64) # 创建前景图像

Step3. 初始化矩形区域

这个矩形必须完全包含前景

rect = (50,50,450,290)

rect = (275, 120, 170, 320)

rect = (x,y,w,h) x：左边距，y：上边距，w：宽，h：高

rect = (60,110,300,300)

Step4. GrubCut算法，迭代5次

mask的取值为0,1,2,3

cv2.grabCut(img, mask, rect, bgdModel, fgdModel, 5, cv2.GC_INIT_WITH_RECT) # 迭代5次

cv2.GC_INIT_WITH_RECT：默认为0，表示框出的矩形图案

Step5. mask中，值为2和0的统一转化为0, 1和3转化为1

mask2 = np.where((mask == 2) | (mask == 0), 0, 1).astype(‘uint8’)
img = img * mask2[:,:,np.newaxis] # np.newaxis 插入一个新维度，相当于将二维矩阵扩充为三维

cv2.imshow("dst", img)
cv2.waitKey(0)
cv2.imwrite(r"D:untitledaada.png",img)

完整代码

import cv2
import numpy as np
import math

#基于Grabcut算法的前景分割
src = cv2.imread("Gaussian_Blur.png")
src = cv2.resize(src, (0,0), fx=0.5, fy=0.5)
r = cv2.selectROI('input', src, False)  # 返回 (x_min, y_min, w, h)

roi = src[int(r[1]):int(r[1]+r[3]), int(r[0]):int(r[0]+r[2])]# roi区域
mask = np.zeros(src.shape[:2], dtype=np.uint8)# 原图mask
rect = (int(r[0]), int(r[1]), int(r[2]), int(r[3])) # 矩形roi

bgdmodel = np.zeros((1,65),np.float64) # bg模型的临时数组
fgdmodel = np.zeros((1,65),np.float64) # fg模型的临时数组

cv2.grabCut(src,mask,rect,bgdmodel,fgdmodel, 11, mode=cv2.GC_INIT_WITH_RECT)
mask2 = np.where((mask==1) + (mask==3), 255, 0).astype('uint8')# 提取前景和可能的前景区域

result = cv2.bitwise_and(src,src,mask=mask2)
cv2.imwrite('forward.png', result)
cv2.imshow("forard", result)

cv2.waitKey(0)
cv2.destroyAllWindows()

只需更改src = cv2.imread("Gaussian_Blur.png")中的Gaussian_Blur.png，图片需要与代码在一个文件夹下，保存的图片也在相同文件夹下。