A Bayesian Approach to Digital Matting

这是一个基于Bayesian概率框架的matting算法，和机器学习有点类似都是要获得概率最大的解。

算法步骤如下：

（1）利用Getcontour来得到需要处理的点集S（我目前采用的是按行选取），若该点集为空则执行步骤（6）

（2）枚举点集S中的一个点x

（3）在x点周围分别统计出背景，前景高斯模型，并分别分成三类点集（这里分成三类点集效果不好）

（4）对每个点集对（背景vs前景）利用论文中公式（9-10）计算出B，F，alpha，然后利用公式（4-5），（8）算出其

似然概率，并选取概率最大的一对来更新点x的alpha

（5）点集S还没枚举完则返回（2），否则执行步骤（1）

（6）根据得到的alpha值矩阵来生成matting灰度图

目前我实现的算法可能存在的不足：

1.轮廓的获取可能还需要改善

2.wi权重赋值目前都为1.0，因为按照论文中的方式赋值出来的值太小（结果表明影响不大）

3.论文中公式（9-10）的迭代次数为5

实验结果：

可以看到上面还是有比较明显的误差我觉得可能在

weight，采集点集，以及初始化alpha值这三个方面可以做进一步改进！