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。