抠图-grabCut算法+hog检测

GrabCut是微软研究院的一个课题，主要功能是分割和抠图。
grabcut是在graph cut基础上改进的一种图像分割算法，它同样是基于图割理论的。
由于背景的复杂度不同所以，grabcut算法抠图的准确性也有很大的差异，所以我使用了hog检测人物再使用grabcut算法抠图，增加了准确性。

这里我是在视频中进行抠图。
代码：

#include<opencv2\opencv.hpp>
#include<vector>
using namespace std;
using namespace cv;

int main()
{  

    int num= 0;
    VideoCapture cap("f:\\opencv\\image_video_data\\test.mov");
    if (!cap.isOpened()){
        return -1;
    }
    while (1)
    {
        Mat image;
        cap >> image;
        if (image.empty()){
            return -1;//    break;
        }
        //hog人物检测
        vector<Rect> found, found_filtered;
        HOGDescriptor people_dectect_hog;
        //opencv官方自带了人物检测
        people_dectect_hog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());
        people_dectect_hog.detectMultiScale(image, found, 0, Size(8, 8), Size(32, 32), 1.05, 1);

        size_t i, j;
        //排除嵌套的矩阵
        for (i = 0; i < found.size(); i++)
        {
            Rect r = found[i];
            for (j = 0; j < found.size(); j++)
            if (j != i && (r&found[j]) == r)
                break;
            if (j == found.size())
                found_filtered.push_back(r);
        }
        //进行的是担任的抠图所以，只可检测到一个矩阵
        Rect rr;
        rr = found_filtered.at(0);

        //这里是我根据具体的进行了改动，调整hog检测矩阵的大小，也可以不改
        Rect rectangle(rr.x*1.1, rr.y, rr.width*0.7, rr.height);

        Mat result; // segmentation result (4 possible values)  
        Mat bgModel, fgModel; // the models (internally used)  

        //opencv的grabcut算法
        grabCut(image, 
            result,    
            rectangle,
            bgModel, fgModel, 
            1,        
            GC_INIT_WITH_RECT); 

        compare(result, cv::GC_PR_FGD, result, cv::CMP_EQ);

        Mat foreground(image.size(), CV_8UC3, cv::Scalar(255, 255, 255));
        image.copyTo(foreground, result); 

        rectangle(image, rectangle, cv::Scalar(255, 255, 255), 1);
        namedWindow("Image");
        imshow("Image", image);

        namedWindow("Segmented Image");
        imshow("Segmented Image", foreground);

        waitKey(20);
    }
    return 0;
}

原图：

效果：

就这样了。