Python OpenCV GrabCut进行前景分割和提取

置顶 已于 2023-12-20 13:29:53 修改
阅读量6.1k 收藏 37
点赞数 5
分类专栏： Python OpenCV Python OpenCV 图像处理 图像处理 文章标签： python opencv 图像处理 前景背景分离 图像Mask
于 2021-04-03 22:09:59 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40985985/article/details/108696687
版权
本文详细介绍了如何运用Python和OpenCV的GrabCut算法进行图像的前景分割与提取。通过边界框或预先创建的Mask作为初始条件，GrabCut能够通过迭代优化得到更精确的前景和背景分割。尽管现代深度学习方法如R-CNN和U-Net在图像分割上有出色表现，但GrabCut在处理细节和噪声方面仍具优势，常用于提升分割结果的准确性。
摘要由CSDN通过智能技术生成

Python OpenCV GrabCut进行前景分割和提取

图像掩模Mask是图像处理的基本概念。这篇博客将介绍如何使用OpenCV和GrabCut算法执行前景分割和提取。Grabcut算法通过CV2.grabcut实现，可以通过以下任一方法初始化：

1）前景边界框，屏蔽近似图像中对象的像素的位置
2）使用近似前景掩码；

虽然基于深度学习的图像分割网络（例如，掩码R-CNN和U-NET）实际检测和近似图像中对象的掩码，但也并不完美，可能带有噪点；可以辅助使用Grabcut来清理这些细分网络返回的“杂乱”掩码！

1. 效果图

1.1 边界框GrabCut效果图

输入图像 VS GrabCut Mask VS 最终效果图

构建第一张输入图像可以使用Thresholding、Canny边缘检测，轮廓检测，基于深度学习的分割以及cv2.inRange(hsv，low_color，high_color)颜色范围

了解本专栏 订阅专栏 解锁全文 超级会员免费看
程序媛一枚~
关注
  • 5
    点赞
  • 踩
  • 37
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
专栏目录
订阅专栏
Python GrabCut算法详解及源码
希望我的博客，能帮上你解决学习中工作中所遇到的问题
08-06 863
GrabCut算法是一种基于图割理论的前景-背景分割算法。它通过迭代地优化图割模型来完成图像分割任务。算法的主要思想是将图像中的像素分为一组前景像素和一组背景像素，并通过最小化能量函数来不断调整这两个像素集合，直到达到最优的分割结果。算法的主要思想是将图像中的像素分为一组前景像素和一组背景像素，并通过最小化能量函数来不断调整这两个像素集合，直到达到最优的分割结果。算法的主要思想是将图像中的像素分为一组前景像素和一组背景像素，并通过最小化能量函数来不断调整这两个像素集合，直到达到最优的分割结果。
【转载】OpenCV-Python系列之GrabCut算法（四十三）
weixin_44237705的博客
10-15 623
通常情况下，我们需要图像进行前景后景进行分离，有的时候也许我们仅仅是需要前景。本次教程我们将介绍GrabCut算法进行交互式前景提取。 GrabCut是一种基于图切割的图像分割方法。GrabCut算法是基于Graph Cut算法的改进。 基于要被分割对象的指定边界框开始，使用高斯混合模型估计被分割对象和背景的颜色分布（注意，这里将图像分为被分割对象和背景两部分）。简而言之，就是只需确认前景和背景输入，该算法就可以完成前景和背景的最优分割。 该算法利用图像中纹理（颜色）信息和边界（反差）信息，只要少量的用户交
图像处理之图像分割算法：GrabCut算法：图像分割算法概览
kkchenjj的博客
07-27 433
交互性: GrabCut算法允许用户通过简单的标记（矩形框或粗略的轮廓）来指导分割过程，提高了分割的准确性和效率。自动细化: 一旦用户提供了初始标记，算法能够自动细化边界，减少用户的手动调整。背景和前景的区分: 通过迭代优化，GrabCut能够有效地区分图像的背景和前景，即使在复杂背景下也能保持良好的分割效果。颜色和纹理信息的利用: 算法结合了颜色和纹理信息，能够处理具有相似颜色但不同纹理的区域，提高了分割的鲁棒性。
Python图像处理：3.七种图像分割方法
qq_53529450的博客
03-18 7167
用通俗的比喻解释图像分割的一些专业术语，传统的四种分割方法：阈值分割、边缘检测、区域增长、分水岭，基于深度学习的三种方法：U-Net, Mask R-CNN, DeepLab。
OpenCV-Python(28):基于GrabCut 算法交互式前景提取
图灵追幕者博客录
01-05 1057
GrabCut算法是一种基于图像分割的算法，用于将图像中的前景物体从背景中准确地分离出来。它是由Carsten Rother等人于2004年提出的。GrabCut算法的基本思想是通过迭代的方式将图像分成前景和背景两部分。它首先需要用户提供一个包含前景物体的矩形框，然后通过迭代的方式对图像进行分割。在每一次迭代中，算法会根据像素的颜色和纹理信息，以及前景和背景的模型，对像素进行分类。然后，算法会根据分类结果更新前景和背景的模型，并进行下一次迭代。直到算法收敛为止，得到最终的前景和背景分割结果。
python版本的GrabCut前景分割和分水岭分割
06-09
python版本的GrabCut前景分割和分水岭分割，同时也有深度估计
图像分割Grabcut算法-GUI程序-python实现
02-18
程序用python编写，使用GUI库wxpython 需要预先安好各种库，运行速度取决于cpu。。。（逃
python实现grabcut算法进行物体分割
helloandreayu的博客
11-12 3642
GrabCut算法进行物体分割GrabCut算法原理python实现GrabCut算法 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...
GrabCut:使用opencv-python cv2.grabCut交互式剪切图像
05-14
GrabCut是OpenCV库中一个强大的图像分割算法，它结合了马尔科夫随机场（Markov Random Field, MRF）和交互式技术，让用户能够有效地进行图像对象的精确选择和剪切。在Python中，我们可以使用OpenCV的cv2.grabCut函数...
grabcut_dilated_Grabcut_抠图_图像提取_
09-30
GrabCut是OpenCV库中一个强大的交互式图像分割方法，它结合了图形模型和机器学习技术，能够有效地帮助用户从复杂背景下提取出感兴趣的区域。在这个过程中，"dilated"（膨胀）操作用于扩大mask的边界，以便更完整地...
Python grabcut 提取图像前景
weixin_42272768的博客
12-25 3185
grabcut是一个非常实用的提取图像前景的算法。该方法是一种基于图切割的图像分割方法，是基于graph cut算法的改进。grabcut是需要少量用户交互操作。简单的说，就是需要用户指定要识别的区域。 opencv中提供了grabcut函数，直接调用就可以实现图像前景的提取。该函数的说明如下： mask, bgdModel, fgdModel = cv2.grabCut(img, mask, rect, bgdModel, fgdModel, iterCount, mode=None) 参数说明：
python-opencv背景分离（BS）
摄影爱好者
05-12 1669
Python; opencv; BS
【OpenCV-Python】教程：3-16 利用Grabcut交互式前景提取
12-04 1532
从用户角度是如何工作的呢？用户在需要的目标上初始绘制一个矩形，前景目标必须完全在矩形内部，算法迭代的去分割然后得到更好的效果，但是有些情况下，分割效果不是很好，例如：会将部分前景标记为背景，反之亦然。这个时候，就需要用户做一些交互，告诉分割结果，哪些是前景哪些是背景，这样下次迭代就会得到更好的效果。背景发生了哪些动作？ GrabCutModes
OpenCV GrabCut算法:前景分割和提取
热门推荐
weixin_48236264的博客
12-16 1万+
目录 一、OpenCv Grabcut算法：前景提取与分割（Foreground segmentation and extraction） （一）算法工作原理 （二）opencv函数cv2.grabCut （三）实现opencv的带有边框的GrabCut初始化算法 （四）输出结果显示 （五）小结 一、OpenCv Grabcut算法：前景提取与分割（Foreground segmentation and extraction） 利用Mast R-CNN或U-Net生成的...
基于Grabcut算法的前景分割（python）
Molly_Lu的博客
12-17 1066
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])
python opencv图像处理算法之GrabCut算法
weixin_42010722的博客
07-07 2848
GrabCut算法 通常情况下，我们需要图像进行前景后景进行分离，有的时候也许我们仅仅是需要前景。本次教程我们将介绍GrabCut算法进行交互式前景提取。 GrabCut是一种基于图切割的图像分割方法。GrabCut算法是基于Graph Cut算法的改进。 基于要被分割对象的指定边界框开始，使用高斯混合模型估计被分割对象和背景的颜色分布（注意，这里将图像分为被分割对象和背景两部分）。简而言之，就是只需确认前景和背景输入，该算法就可以完成前景和背景的最优分割。 该算法利用图像中纹理（颜色）信息和边界（反差）信
【FFMPEG】Install FFmpeg CUDA gltransition in Ubuntu
最新发布
RockWang的博客
09-05 455
FFMPEG gltranlations CUDA
Python中用GrabCut进行图像分割，代码
05-15
GrabCut 是一种基于图像分割算法的前景提取方法。在 Python 中，可以使用 OpenCV 库来实现 GrabCut 算法。以下是一个简单的示例代码： ```python import cv2 import numpy as np # 读取图像 img = cv2.imread('image.jpg') # 创建掩模 mask = np.zeros(img.shape[:2], np.uint8) # 建立背景模型和前景模型 bgdModel = np.zeros((1,65), np.float64) fgdModel = np.zeros((1,65), np.float64) # 定义矩形ROI，并使用 GrabCut 算法进行图像分割 rect = (50, 50, 450, 290) cv2.grabCut(img, mask, rect, bgdModel, fgdModel, 5, cv2.GC_INIT_WITH_RECT) # 将掩模中的可能前景区域和肯定前景区域设为 1，背景区域设为 0 mask2 = np.where((mask==2)|(mask==0), 0, 1).astype('uint8') # 保存分割结果 result = img * mask2[:, :, np.newaxis] cv2.imwrite('result.jpg', result) ``` 以上代码中，首先读取一张图像，并创建一个大小与图像相同的掩模。然后，定义一个矩形 ROI（感兴趣区域），并使用 `cv2.grabCut()` 函数进行图像分割。在 `cv2.grabCut()` 函数中，第一个参数是待分割的图像，第二个参数是掩模，第三个参数是矩形 ROI，第四个参数和第五个参数是背景模型和前景模型，第六个参数是迭代次数，第七个参数是使用矩形 ROI 进行初始化。最后，根据掩模中的前景区域和背景区域对图像进行分割，并保存分割结果。 需要注意的是，该示例代码只是一个简单的示例，实际应用中需要对参数进行调整以获得更好的分割结果。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

程序媛一枚~

您的鼓励是我创作的最大动力。

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值