118 Grabcut图像分割
代码
import cv2 as cv
import numpy as np
src = cv.imread("../images/master.jpg");
cv.imshow("input", src)
mask = np.zeros(src.shape[:2], dtype=np.uint8)
rect = (53,12,356,622)
bgdmodel = np.zeros((1,65),np.float64)
fgdmodel = np.zeros((1,65),np.float64)
cv.grabCut(src,mask,rect,bgdmodel,fgdmodel,5,mode=cv.GC_INIT_WITH_RECT)
mask2 = np.where((mask==1) + (mask==3), 255, 0).astype('uint8')
print(mask2.shape)
result = cv.bitwise_and(src,src,mask=mask2)
cv.imshow("result", result)
cv.waitKey(0)
cv.destroyAllWindows()
实验结果
解释
Grabcut是基于图割(graph cut)实现的图像分割算法,它需要用户输入一个bounding box作为分割目标位置,实现对目标与背景的分离/分割,这个跟KMeans与MeanShift等图像分割方法有很大的不同,但是Grabcut分割速度快,效果好,支持交互操作,因此在很多APP图像分割/背景虚化的软件中可以看到其身影。
mask, bgdModel, fgdModel = cv.grabCut(img, mask, rect, bgdModel, fgdModel, iterCount[, mode])
img
输入的三通道图像mask
输入的单通道图像,初始化方式为GC_INIT_WITH_RECT表示ROI区域可以被初始化为:GC_BGD
定义为明显的背景像素 0GC_FGD
定义为明显的前景像素 1GC_PR_BGD
定义为可能的背景像素 2GC_PR_FGD
定义为可能的前景像素 3
rect
表示roi区域bgdModel
表示临时背景模型数组fgdModel
表示临时前景模型数组iterCount
表示图割算法迭代次数mode
当使用用户提供的roi时候使用GC_INIT_WITH_RECT
所有内容均来源于贾志刚老师的知识星球——OpenCV研习社,本文为个人整理学习,已获得贾老师授权,有兴趣、有能力的可以加入贾老师的知识星球进行深入学习。