Grabcut算法主要运用于计算机视觉重的前背景分割,立体视觉和抠图等。该算法利用了图像中的纹理(颜色)信息和边界(反差)信息,只要少量的用户交互操作即可得到比较好的分割结果。
grabCut函数的用法非常简单,只需要在输入图像做上 “属于背景”或“属于前最” 的标记即可。根据这个局部标记,算法将计算出整幅图像的前景/背景分割线。grabcut只需指定一个粗略的能将目标框住的边框就可以完成良好的分割。
void grabCut( InputArray img,
InputOutputArray mask,
Rect rect,
InputOutputArray bgdModel,
InputOutputArray fgdModel,
int iterCount,
int mode = GC_EVAL );
img:输入图像
mask:得到掩码矩阵,其值为以下四种
cv::GC_BGD == 0//表示是背景
cv::GC_FGD == 1//表示是前景
cv::GC_PR_BGD == 2//表示可能是背景
cv::GC_PR_FGD == 3//表示可能是前景
rect:指定的包含目标对象的矩阵
bdgModel:背景模型,如果为null,函数内部会自动创建一个bgdModel;bgdModel必须是单通道浮点型(CV_32FC1)图像,且行数只能为1,列数只能为13*5
fgdModel:前景模型,如果为null,函数内部会自动创建一个fgdModel;fgdModel必须是单通道浮点型(CV_32FC1)图像,且行数只能为1,列数只能为13x5;(bgdModel , fgdModel可以在 cv::GC_INIT_WITH_MASK下使用,可以在以往迭代的基础上用它们保存的信息继续迭代)
iterCount:指定迭代次数
mode:有三个值可用
cv::GC_INIT_WITH_RECT//用矩阵初始化grabCut
cv::GC_INIT_WITH_MASK//用掩码初始化grabCut
cv::GC_EVAL//执行分割
cv::compare()主要用于两个图像之间进行逐像素的比较,并输出比较的结果。具体用法如下:
bool cv::compare(cv::InputArray src1, // 输入数组1
cv::InputArray src2, // 输入数组2
cv::OutputArray dst, // 输出数组
int cmpop // 比较操作子,见注释
算法实现
int main()
{
cv::Mat image= cv::imread("Ferrar_F8.png");
if (!image.data)
return 0;
cv::namedWindow("Image");
cv::imshow("Image",image);
// 定义边框矩形
cv::Rect rectangle(100,120,650,350);
// 定义前景、背景和分割结果
cv::Mat bgModel,fgModel,result;
// GrabCut分割
cv::grabCut(image,
result,
rectangle,
bgModel,
fgModel,
5,
cv::GC_INIT_WITH_RECT); // use rectangle
// 标记可能属于前景的区域
cv::compare(result,cv::GC_PR_FGD,result,cv::CMP_EQ);
// or:
// result= result&1;
// 创建前景图像
cv::Mat foreground(image.size(), CV_8UC3, cv::Scalar(255, 255, 255));
image.copyTo(foreground,result); // 复制前景图像
// 在原图像绘制矩形区域
cv::rectangle(image, rectangle, cv::Scalar(200,0,200),4);
cv::namedWindow("Rectangle");
cv::imshow("Rectangle",image);
cv::namedWindow("Foreground");
cv::imshow("Foreground",foreground);
cv::waitKey();
return 0;
}